“学海拾珠”系列之三十八：基金经理个人投入度对业绩的影响
由crisvalentine创建，最终由crisvalentine 被浏览 16 用户
报告摘要
主要观点
本篇是“学海拾珠”系列第三十八篇，本期推荐的海外文献研究了美国基金管理团队中个人投入对基金业绩的影响。心理学文献表明，团队中若有人能够尽心为其工作，投入度高，能够有效缓解“搭便车”问题，从而对业绩产生积极影响。回到国内公募权益基金市场，基金业绩不仅仅与团队管理/个人管理和基金经理经验相关，也与基金团队中个人的投入程度密切相关，为我们研究基金管理结构层面开辟了新的思路。
- 基金的管理模式的划分
本文划分四种类型的管理模式。1、如果某只基金由一个团队管理，其中至少有一名成员只为该基金工作，那么该基金经理很可能因为金钱和职业激励而致力于为这只基金工作，将此称为“Committed Team”管理模式。2、如果某只基金是由一个团队管理，每个成员同时“兼职”其他基金，那么很可能没有人致力于这个基金，将此称为 “Non-Committed Team”管理模式。3、如果某只基金由一个只为这只基金工作的经理管理，那么该经理很可能对这只基金全心全意，将此称为“Committed Solo”管理模式。4、如果一位单干的基金经理同时为其他基金工作，将此称为 “Non-Committed Solo”管理模式。
- 共同基金的业绩与团队中个人投入有关
如果某只基金是由团队管理的，其中每个经理同时也为其他基金工作，那么就会出现严重的“搭便车”问题。“兼职”的基金经理的金钱与职业激励同样与其他基金挂钩，他因任何一只基金的业绩不佳而付出的代价都不是很高。因此，相对于“Committed Team”（即具有个人投入成员的团队），“Non-Committed Team”（即没有个人投入的成员的团队）缺乏获取私人信息的动机，因此产生了较差的基金业绩。
- “Non-Committed Team”频繁被基金公司使用的原因
尽管基金业绩表现欠佳，但“Non-Committed Team”却越来越频繁地被使用。文献发现这种管理模式的基金费率低于其他基金，因为基金公司可以轻松地使用现有的基金经理组建一个工作团队来管理基金。但是，较低的费用率只能抵消部分业绩不佳的影响。
风险提示
本文结论基于历史数据、海外文献进行总结；不构成任何投资建议。
\
简介
在现代职场，团队已成为组织生活的支柱。在组建团队时，通常会强调个人投入的重要性，因为传统观点认为个人投入是团队业绩的关键因素。
心理学文献已经广泛研究个人投入（individual commitment）（Kanter，1968；Mowday，Sters和Porter，1979；Allen和Meyer，1990）。这些文献将个人投入描述为员工对组织的心理依恋和忠诚。此外，还表明这种个人投入增加了搭便车（free-rider problem）的成本为团队中的搭便车问题提供了一种补救措施，并且对团队业绩产生了显著的积极影响。这一观点得到了关于董事会财务文献的认同。这些文献的主要关注“忙碌的”董事是否可以有效地监督高管，而他们的个人投入可能会因为担任多个董事职务而分散。
在本文中对个人投入对团队业绩的影响进行了全面的实证分析。本文使用共同基金数据，这为作者提供了难得的机会来衡量团队中的个人投入。本文的发现与心理学文献一致，并建议在组建团队时，应考虑团队组成对个人投入和团队业绩的影响。
本文在团队中对个人投入的衡量标准严格遵循Mowday（1979）等人的定义。某只基金由一个基金经理团队管理，其中至少有1名成员只为该基金工作，那么该基金经理很可能因为金钱和职业动机而致力于这只基金，本文将此称为"尽心尽力团队"管理方式。根据Ma，Tang和Gomez（2019）的说法，基金经理的薪酬可以基于基金的业绩和公司盈利能力两个方面。对于专职基金经理，基金层面的业绩薪酬仅基于他所任职的基金。此外，基金经理通常对公司层面的获利能力控制力较弱。因此，专职基金经理有很强的金钱激励来提高基金的业绩。基金经理可能还会有与职业相关的激励措施来提高基金的业绩。如果基金表现良好，那么他可能会在公司内部得到提升，或者跳槽到另一家公司寻求更高薪水和更好职位；如果情况不佳，他可能会失业。
如果某只基金是由一个基金经理团队管理的，其中每个经理同时也为其他基金工作（如果没有共同的成员），那么就会出现严重的搭便车问题。在这种情况下，本文可以假设每个“兼职”的基金经理在他管理的基金中都有多样化的金钱和职业激励。他便有搭便车的倾向，因为他因任何一只基金的业绩不佳而付出的代价都不是很高。
因此，本文假设相对于尽心尽力的团队（即具有个人投入成员的团队），非尽心尽力的团队（即没有个人投入的成员的团队）缺乏获取私人信息的动机，因此产生了较差的基金业绩。人们可能希望资产管理公司拥有关于每个基金经理的能力和贡献的信息，可以对每个基金经理进行适当地奖励（Fang，Kempf，Trapp；2014），从而消除非尽心尽力团队中的搭便车问题。在这种情况下，非尽心尽力团队的业绩应与尽心尽力团队的业绩相似。尽管本文不能排除这种可能性，但本文将其作为备选假设。
按照类似的逻辑，如果某只基金由一个只为这只基金工作的经理管理，那么该经理很可能对这只基金全心全意，本文将其称为"尽心尽力单干"管理方式。如果一位单干基金经理同时为其他基金工作，本文将此称为"非尽心尽力单干"管理方式。但是，本文预计这种情况下的个人投入将不再是问题，因为可以轻松追溯到基金经理的业绩，并且资产管理公司可以适当地奖励基金经理，以消除任何动机问题。
本文将对基金业绩的实证分析集中在开放式美国股票型共同基金上。本文发现证据表明，非尽心尽力团队管理的股票型共同基金的表现明显低于尽心尽力团队管理的股票型共同基金。在扣除费用前，表现不佳等于每月3.8个基点或每年45.6基点。扣除费用后每月3.1基点或者每年37.2基点。在本文使用各种因素模型控制风险和风格差异之后，这种表现欠佳的现象仍然存在，包括资本定价模型（CAPM），Fama-French（1993）3因子模型，Carhart（1997）4因子模型和 Pástor-Stambaugh（2003）5因子模型。该模型对于控制其他基金特征是稳健的，包括基金净资产总额（TNA）、基金年龄、费用率和换手率、现金流、基金经理人数、基金经理经验和多样性、基金规模以及各种固定效应。
本文还将检验非尽心尽力团队的投资行为。这项分析揭示了他们获取私人信息的动机。本文发现，由非尽心尽力团队管理的基金表现出较低的行业集中度（Kacperczyk，Sialm，Zheng；2005）和本地持股（Coval，1999；Moskowitz，2001）和较高的股价同步性（Amihud和Goyenko，2013）。Kacperczyk（2005）等以及Coval和Moskowitz提出，基金经理倾向于将他们的投资组合集中在他们具有信息优势的行业和地方公司中。低水平的行业集中度和本地持股量表明，非尽心尽力团队几乎没有动力去获取私人信息。由于这些团队主要依靠公共信息，因此，这些基金的大部分业绩由系统性风险因素来解释就不足为奇了。
最后，本文探讨了尽管表现欠佳，但非尽心尽力团队却越来越频繁地被使用的原因。本文发现，非尽心尽力团队管理的基金的费用比率低于其他基金。这一发现与非尽心尽力团队具有成本效益的观点是一致的，因为资产管理公司可以轻松地由现有的基金经理组建一个工作队来管理基金。但是，较低的费用率只能部分抵消业绩不佳的情况。这意味着这些基金的投资者不太可能擅长基金评价。为了检验这种影响，本文分析了这些基金的投资者，发现其中很大一部分是由退休储蓄者投资的。经济学和金融学的一个重要文献（例如Benartzi和Thaler，2001；Madrian和Shea，2001；Agnew，Balduzzi和Sunden，2003；Duflo和Saez，2003；Huberman和Jiang，2006；Carroll，Choi，Laibson和Madrian，2009）表明，退休储蓄者有不经常交易的倾向，并遵循默认的选择，这表明他们不太可能是精明的投资者。本文在这里的发现与此文献相符。
本文的其余部分安排如下：第二节回顾了相关文献。第三节介绍了数据。第四节研究了基金的业绩。第五节研究了基金的投资行为。第六节探讨了尽管表现欠佳，但非尽心尽力团队却仍经常使用的原因。第七节总结。
\
文献综述
本文的研究与心理学、经济学、金融学和管理学等各个领域的团队文献有关。本文使用共同基金数据对团队的一个重要方面进行全面的实证分析，即个人投入。
心理学文献表明，个人投入为团队中的搭便车问题提供了一种补救措施，并且对团队业绩产生积极影响（Kanter，1968；Mowday等，1979；Meyer和Allen，1990）。该文献通常使用问卷调查来研究个人投入（Meyer等，1989）。本文通过使用共同基金经理的大量数据发现结果与心理学文献一致，并建议在组建团队时，应考虑团队组成对个人投入、动机和团队业绩的影响。
从Alchian和Demsetz（1972）开始，团队的经济理论一直侧重于当团队成员的行动不可观察时出现的搭便车问题，以及如何设计动机机制来缓解搭便车的问题（Holmström，1982；Kandel和Lazear，1992）。这些理论通常假设团队组成是给定的，它们没有说明团队构成如何影响动机和团队业绩。
共同基金领域有越来越多的的文献研究团队如何与基金业绩和风险相关。Chen，Hong，Huang和Kubik（2004）发现，由团队管理的股票型共同基金的业绩明显低于由单独基金经理管理的股票型共同基金。Stein指出大型团队往往是官僚主义的，阻碍沟通和软信息的获取。Dass，Nanda和Wang（2013）专注于平衡型基金，发现团队管理的基金的择时能力较低。他们将其解释为分散团队内部协调成本高的证据。然而，Dass等人发现，个人和团队管理的基金的整体业绩相似（Prather和Middleton，2002）。Patel和Sarkissian（2017）使用Morningstar Direct数据库而不是证券价格研究中心（CRSP）共同基金数据库来，表明团队管理的基金优于单独管理的基金。Qiu（2003），Bliss，Potter和Schwarz（2008）以及Bar，Kempf和Ruenzi（2011）发现，团队管理的基金表现出更多的被动策略和更低的波动率。这些研究的一个共同特征是，它们都使用团队虚拟变量。与这些研究不同，本文研究团队的组成。本文主要关注团队组成对个人投入、动机和业绩的影响。
本文的论文还涉及董事会财务的文献，该文献中的一个重要争论是忙碌的董事（即具有多个董事职位的董事）是否可以有效地监督高管。一方面，Fama（1980）和Jensen（1983）认为，外派董事职位的市场是激励这些董事监督专家声誉的重要动力。另一方面，这些主管可能只是太忙于工作而无暇顾及，经验证据尚无定论。例如，Core（1999）等发现，董事繁忙的公司的首席执行官（CEO）的薪酬过高。Fich和Shivdasani（2006）发现，董事会忙碌的公司（大多数外部董事担任三个或更多董事职位的公司）的市账率较低，盈利能力较弱，并且CEO营业额对公司业绩的敏感性较低。这两篇论文都表明，繁忙的董事不是有效的监督者。相反，Ferris、Jagannathan和Pritchard（2003）发现繁忙的董事与市账率之间没有显著关系。
Field、Lowry和Mkrtchyan（2013）指出，忙碌的董事与公司业绩之间的负向关系在那些对监督有强烈要求的老牌公司中尤其明显，尽管他们发现这些公司之间没有这种负向关系。本文关于个人投入对团队业绩的积极影响的发现为争论提供了新的思路。
\
数据
本文从MorningstarDirect数据库获取共同基金和基金经理的数据。Morningstar数据库包含存续和到期的共同基金的历史记录，因此不存在存活率偏差。它还提供了精确的基金经理信息。例如，它报告说，VanguardEquity-Income基金是由“GeorgeU. Sauter [2003-08-08至2005-09-23]，Joel M. Dickson [2003-08-08至2005-09-23]，James P. Stetler[2003年12月31日至今]...”管理的，本文从该信息中推断出基金是由团队管理还是由个人基金经理管理。
本文考虑四种类型的管理结构。首先，某只基金由一个基金经理团队管理，其中至少有1名成员只为该基金工作，那么根据本文在第一节中的讨论，该基金经理很可能因为金钱和职业激励而致力于为这只基金工作。本文将此称为“尽心尽力团队”（“Committed Team”）管理方式。其次，如果某只基金是由一个基金经理团队管理，每个成员同时管理其他基金，那么很可能没有经理致力于这个基金。本文把这种情况称为“非尽心尽力团队”（“Non-Committed Team”）管理方式。第三，如果某只基金由一个只为这只基金工作的经理管理，那么该经理很可能对这只基金全心全意。本文将其称为“尽心尽力单干”（“Committed Solo”）管理方式。第四，如果一位单干基金经理同时为其他基金工作，本文将此称为“非尽心尽力单干”（“Non-Committed Solo”）管理方式。
本文将对基金业绩的实证分析集中在开放式美国股票型共同基金上，因为资产定价文献已经为这些基金制定了不同的业绩衡量标准。Morningstar将这些股票型基金的投资风格分为大盘成长、大盘混合、大盘价值、中盘成长、中盘混合、中盘价值、小盘成长、小盘混合以及小盘价值。当基金有多个类别时，本文对股票类别进行加权以获得基金级别的信息。对于每只基金，本文都会删除成立日期后的前12个月的观察结果，以避免孵化偏差（Evans，2010）。
从1992年1月到2012年12月的样本期间，本文最终得到4,232个不同的股票型共同基金和438,076个基金月的样本。图表1绘制了使用不同管理结构的基金数量（图A）和百分比（图B）。最显著的发现是，非尽心尽力团队结构变得越来越流行。例如，在1992年1月，样本基金中有71个（或12％）是由这种团队管理的。到2012年12月，这个数字（百分比）已经增加到1,117（53％）。相比之下，使用其他3种管理结构的基金数量并没有增加太多，甚至2000年以后，它们甚至下降了。
图表1报告了完整样本的摘要统计信息。NCT、CT、NCS和CS是表示基金管理结构的虚拟变量，分别是非尽心尽力团队、尽心尽力团队，非尽心尽力单干和尽心尽力单干。当基金在给定月份处于对应的管理结构下时，对应虚拟变量等于1，否则为0。TNA是基金的净资产总额。FUND_AGE是自基金成立之日起的年数。EXPENSE_RATIO和TURNOVER_RATIO在数据库中每年披露一次。本文遵循Gruber（1996）和Zheng（1999），将现金流作为TNA的增长率来计算，假设所有现金流都发生在月底。具体来说，对于第t个月的基金i，
MANAGER_COUNT是基金经理的人数。对于单人管理的基金，MANAGER_EXPERIENCE是指基金经理首次进入Morningstar数据库以来的年数，同时为0。对于团队管理的基金，本文使用团队成员的平均MANAGER_EXPERIENCE，EXPERIENCE_DIVERSITY是团队成员经验的标准差，通过团队成员的平均经验进行标准化。
图表2的面板A报告了这些变量的均值。NCT、CT、NCS和CS的平均值表明，非尽心尽力团队管理的基金在样本中占最大比例。具体来说，有33.2%的基金样本采用非尽心尽力团队的管理结构，而其他管理结构的基金百分比如下：“尽心尽力团队”为19.6％，“非尽心尽力单干”为30％，“尽心尽力单干”为17.2％。这与图表1的结果基本一致。平均基金TNA约等于93324.8万美元，平均基金年龄约为12.652年，平均基金经理人数约为2.145，平均经理经验约为6.214年。
图表2的面板B报告了变量的相关矩阵。每个基金管理结构虚拟变量与其他基金管理结构虚拟变量负相关。NCT和CT与大多数其他基金变量（如TNA，FUND_AGE,EXPENSE_RATIO,TURNOVER_RATIO,FLOW,MANAGER_EXPERIENCE）的相关性较低。NCT（CT）与MANAGER_COUNT之间的相关性等于42.8％（31％）。NCT（CT）和EXPERIENCE_DIVERSITY之间的相关性等于40.3％（32.6％）。这表明在非尽心尽力团队中，团队组成往往很复杂。
本文还对样本基金的非尽心尽力团队和尽心尽力团队基金经理的特征进行了比较。在团队中，无论是在职业上还是在基金方面，非尽心尽力团队基金经理往往比尽心尽力团队基金经理的工作经验更长。
具体而言，他们的平均工作年限分别为8.71年和4.93年。两者差异为3.78年，在1％的水平上很显著。他们的平均任期分别为4.175年和3.372年，0.803年的差异在1％的水平上很显著。这一证据与非尽心尽力的基金经理往往是高级甚至团队领导者的观点是一致的，尽心尽力型基金经理往往是初级人员，是为了向更高级的基金经理人学习而引入的。
基金表现
在本节中，本文将研究具有不同管理结构的基金的业绩。本文同时使用投资组合分析和回归分析。
投资组合分析
本文构建了4个投资组合，每个投资组合都使用特定的管理结构：非尽心尽力团队、尽心尽力团队、非尽心尽力单干或尽心尽力单干。每个投资组合的月度回报率是通过对投资组合中的所有基金平均加权来计算的。本文使用5种经过风险和风格调整的业绩指标。第一项业绩指标是相对于市场组合的超额收益，另4个业绩指标是CAPM、Fama-French（1993）3因子模型、Carhart（1997）4因子模型和Pástor-Stambaugh（2003）5因子模型的超额收益。
图表3报告了费前基金业绩的投资组合结果。第3列显示，在未扣除费用之前，非尽心尽力团队基金每月的表现大大落后于尽心尽力团队基金3.8个基点（在5％的显著性水平）。使用各种因素模型来控制风险和风格后，这种表现不佳是很稳健的。在使用CAPM控制市场风险后，相当于每月5.0 个基点（在1％的显著性水平），在使用Fama-French（1993）的3因子后，相当于每月4.8 个基点（在1％的显著性水平）。在本文使用Carhart（1997）4因子模型进一步控制动量后，每月4.8 基点（在1％的显著性水平）。在本文使用Pástor-Stambaugh（2003）5因子模型进一步控制流动性后，每月4.6 基点（在1％的显著性水平）。相比之下，第6列显示非尽心尽力单干的基金的表现与尽心尽力单干的基金相似。
图表4报告了费后基金业绩的投资组合结果。第3列显示，扣除各种风险和风格差异之前和之后的费用，非尽心尽力团队的基金仍然大大落后于尽心尽力团队的基金。表现不佳大约为每月3.1 基点至4.2基点，略低于费用前基金业绩的表现，即每月3.8 基点至5.0基点（图表3第3列）。一个合理的解释是，非尽心尽力团队基金收取的费用较低；本文将在第六节中正式探讨这种可能性。第6列显示，在单个基金经理管理的基金中，非尽心尽力单干基金的表现仍类似于尽心尽力单干的基金。
图表3和图表4还表明，在费前，股票型基金的表现与基准类似，而在费后，股票型基金的表现往往低于基准。这些结果与先前关于共同基金业绩的研究相吻合（Jensen，1967；Carhart，1997；Kacperczyk，2005；Sialm和Zheng，2008；Pástor，Stambaugh，Taylor，2017）。
子样本
本文进一步分析了子样本中的非尽心尽力团队的基金与尽心尽力团队的基金的投资组合。图表5报告了结果，仅列举了Carhart超额收益。面板A和B分别考虑基于大小盘的风格和基于B / M的风格（根据Morningstar分类）子样本。与小盘基金、价值型基金和混合型基金相比，非尽心尽力团队的基金相对于尽心尽力团队的基金表现欠佳。大盘基金的业绩不佳在5％的显著性水平上也具有统计显著性，但差异仅为每月3.2 基点，远低于小盘基金每月10.8 基点的差异。
这些发现表明，当基金投资于小盘股票和价值股票时，个人投入更为重要。对于这些发现的合理解释是，由于小盘股票具有更高的信息不对称性（Barth，Kasznik和McNichols，2001；Schultz，2010），而价值股票与高困扰风险、高杠杆率、不良收益以及更多的未来收益不确定性相关联（Fama，1993；French，1995；Chen和Zhang，1998；Griffin和Lemmon，2002），对这些股票进行投资需要付出更多的努力来寻找公司特定的信息并确定好的投资目标。
图表5中的面板C考虑了基于基金规模（TNA）的基金子样本。小组D考虑了基于公司管理规模的基金子样本，公司管理规模由同一基金公司中所有基金在给定月份的TNA的总和来衡量。本文遵循Fama和French（1993）的规定，将基金规模和基金公司规模的每月临界值设置为30％和70％。C组和D组显示，在小型基金和小型家庭中，非尽心尽力团队的基金相对于尽心尽力团队的基金表现尤为突出。
对于这些发现的合理解释是，诸如小型基金和小型基金公司之类的组织在提供适当激励措施方面效率较低。例如，小型基金的收费较低（根据基金规模而定），并且在促进基金经理的职业生涯中往往不那么重要；因此，兼职经理人在管理小型基金时没有动力去努力工作。Gervais，Lynch和Musto（2005）指出，大型（小型）基金公司通过提高合同效率在保留和激励基金经理方面更（不太）有效。因此，在这些组织中，个人投入尤其重要。
总而言之，本文的投资组合分析表明，非尽心尽力团队的基金明显落后于尽心尽力团队的基金。当基金投资于小盘股票和价值股票，这需要努力获取公司特定信息并设计好的策略时，以及小型基金和小型基金公司未能提供适当的激励措施时，情况尤其如此。
回归分析
本文使用多元回归继续进行分析。本文使用Carhart（1997）4因子模型获得超额回报率作为此处的业绩指标。回归分析与投资组合分析有两个主要区别。首先，它可以同时控制可能影响基金业绩的其他基金和基金经理变量。其次，它考虑了个别基金的因子载荷随时间变化的可能性，因为Carhart 4因子模型是根据滚动窗口中的最新数据估算的。
图表6报告了回归结果。本文使用面板回归方法，以月度为频率进行回归。因变量Carhart超额回报率是基于36个月滚动窗口估算的Carhart（1997）4因子模型的基金月实际回报率与预期回报率之差。解释变量EXPENSE_RATIO和TURNOVER_RATIO在数据库中每年披露，并滞后1年，其他解释变量滞后1个月。本文采用TNA，FUND_AGE和MANAGER_EXPERIENCE的自然对数，因为这些变量分布呈现右偏。
图表6的第1列显示，非尽心尽力团队虚拟变量的回归系数（由NCT表示）为-0.021，在1％的水平上很显著，这表明具有非尽心尽力团队结构的基金的表现要差于其他3种管理结构的基金。第2列研究了其他3种管理结构的基金业绩，即尽心尽力团队，非尽心尽力单干和尽心尽力单干（分别由CT，NCS和CS表示），同时采用了非尽心尽力团队基金（由NCT表示）作为基准组。CT，NCS和CS的系数介于0.018到0.030之间，在5％的水平上都很显著，这表明具有非尽心尽力团队结构的基金的表现要比其他三个管理结构的基金低1.8 基点至3.0 基点。本文进一步对CT和NCS的系数（CT和CS）（CS和NCS）之间的差异进行F检验。F检验没有统计上的显著差异，表明与其他3个管理结构的基金表现相似。
本文还发现，与以前的研究一致，基金的业绩与基金的TNA（Chen等，2004）和TURNOVER_RATIO（Edelen，1999）呈负相关，与FAMILY_TNA（Chen等，2004）、FLOW（Gruber，1996；Zheng，1999；Keswani和Stolin，2008；Lou，2012；Jiang 和 Zheng，2018）和EXPERIENCE_DIVERSITY（Lazear，1998）呈正相关。
在图表6的第3列和第4列中，本文包含MANAGER_COUNT作为控制变量。在第5列和第6列中，本文包含一个虚拟变量BIG_TEAM_DUM（如果基金月份由3个以上的基金经理管理，则等于1）作为控制变量。结果与第1列和第2列的结果基本一致。
总而言之，本文的回归分析表明，在控制了各种基金特征之后，非尽心尽力团队的基金仍然大大落后于尽心尽力团队的基金。非尽心尽力团队基金的表现也大大落后于个人管理基金。
其他分析
本节进一步分析，虽然个人投入解释可能会导致非尽心尽力团队的基金表现不佳，但它不能完全解释业绩不佳的原因。
匹配基金
Stein（2002）指出，大团队倾向于官僚作风，这会阻碍沟通和软信息的获取。因此，人们可能会怀疑非尽心尽力团队的基金表现不佳，是因为它们是由大型团队运营的，而不是因为缺乏个人投入。为了解决这种怀疑，本文进行了匹配基金分析。具体来说，对于每个具有“非尽心尽力团队”结构的基金，本文首先要求匹配的基金具有相同的团队规模和投资风格，然后选择具有最接近的TNA的最终一对一匹配基金。
图表7报告了结果。第3列显示，在本文控制风险和风格差异之前，非尽心尽力团队基金和尽心尽力团队基金的业绩相似。但是，在本文控制了风险和风格差异之后，非尽心尽力团队的基金不良表现就变得很明显。例如，Carhart超额回报率的表现不佳相当于每月3.5基点（在5％的显著性水平）。如果本文使用其他因素模型来控制风险和风格差异，则这种表现不佳是很稳健的。
综上所述，本文的发现表明，团队规模不太可能是非尽心尽力团队基金表现不佳的唯一原因。
动态分析
有人可能会怀疑基金公司故意使用非尽心尽力团队结构来管理表现不佳的基金。在那种情况下，即使非尽心尽力团队的基金使用其他管理结构，它们的表现也会仍然不佳。为了解决这种怀疑，本文采用事件研究方法进行动态分析。具体来说，本文确定了从其他管理结构到非尽心尽力团队结构的2,789项转换，以及从非尽心尽力团队结构到其他管理结构的5,039项转换，本文比较了转换前后的基金业绩。
图表8报告了结果。本文使用目标调整后的收益率（OAR）来衡量基金的业绩，该目标收益率等于费前的基金收益率减去同一目标中所有基金的费前的平均收益率。面板A显示，在某个基金从另一个管理结构转换为非尽心尽力团队结构之前的[-60，-1]月（本文将切换月份设置为第0个月），月度OAR并不显著。但是在转换后的[1，60]月内，每月的OAR（每月-2.8基点）在1％的水平上很显著。两者差异为每月-4.6 基点（在1％的水平上显著），表明切换后业绩下降。小组A还报告了基金从非尽心尽力团队结构转换为其他管理结构的结果。在转换前的[-60，-1]月内，OAR（每月-4.9基点）在1％的水平上显著；在切换后的[1，60]月内，OAR不显著。每月3.9 基点的差异（在1％的水平上显著）表明切换后业绩有所提高。面板B报告了[−36，-1] 月和[1，36] 月的OAR。证据与本文在小组A中观察到的大致一致。
图表9进一步说明了在非尽心尽力团队和尽心尽力团队结构之间转换时基金业绩的动态变化。该模式与本文在图表8中的发现大致一致。就是说，一旦基金转换为非尽心尽力团队结构，业绩就会下降，由非尽心尽力团队转换为其他模式，业绩就会改善。
综上所述，本文的发现表明，非尽心尽力团队基金在采用这种管理结构之前并没有表现出欠佳，而在停止使用这种管理结构之后，这种状况就消失了。因此，这种表现不佳很可能是由于非尽心尽力团队管理结构所致。
投资行为
本节研究非尽心尽力团队的基金与具有其他管理结构的基金的投资行为。该分析揭示了个人投入如何影响团队获取私人信息的动机。图表10报告了结果。
行业集中度
本文遵循Kacperczyk（2005）的方法计算基金月份的行业集中度指数（ICI），，即共同基金持有的10个行业的价值权重与市场投资组合的行业权重的平方差之和。投资组合权重是使用从Thomson Reuters CDA/Spectrum数据库获得的最新持股信息计算得出的。
有证据表明，非尽心尽力团队基金的行业集中度相对较低。具体而言，图表10中面板A的第1行显示，非尽心尽力团队基金的ICI比具有其他管理结构的基金的ICI要低0.008（在1％的水平上很显著）。面板B中的第1行显示，非尽心尽力团队基金的ICI比匹配的尽心尽力团队基金的ICI低0.005（在1％的水平上很显著）。
Kacperczyk（2005）等表明，基金经理倾向于将他们的投资组合集中在他们拥有私人信息的行业。因此，非尽心尽力团队基金的行业集中度较低的证据表明，此类团队中的经理几乎没有动机来获取行业级别的私人信息。
本地持股
本文遵循Chen（2004）的方法计算本地持仓量。基金样本的持股量分为本地持股和非本地持股。如果公司总部和基金总部位于同一普查区域，则该股票被视为本地股票。LOCAL_HOLDINGS计算为基金所持有的本地股票的总价值权重计算，并扣除市场投资组合中普查区域中所有股票的总价值权重后进行调整。
证据表明，非尽心尽力团队基金在当地的持股量相对较低。具体而言，图表10中面板A的第2行显示，本地非尽心尽力团队基金的持有量比具有其他管理结构的基金的本地持有量低1.3％（在1％的水平上显著）。面板B中的第2行显示，本地非尽心尽力团队基金的持有量比相匹配的尽心尽力团队基金的持仓数量低0.8％（在1％的水平上显著）。
Coval（1999）和Moskowitz（2001）表明，共同基金经理倾向于将其投资组合集中在拥有私人信息的本地公司。因此，非尽心尽力团队基金在当地持股量较低的证据表明，此类团队中的经理几乎没有动机来获取有关本地公司的私人信息。
主动投资
本文遵循Amihud和Goyenko（2013）的方法，使用从每日收益率估算得出的Carhart（1997）4因子模型的1-R^2来衡量一个基金月的主动投资。这项主动投资的衡量指标（ACTIVE_INVESTING）反映了基金业绩不被因子收益解释的程度。
证据表明，非尽心尽力团队基金的ACTIVE_INVESTING相对较低。具体来说，图表10中面板A的第3行显示，非尽心尽力团队基金的比具有其他管理结构的基金的ACTIVE_INVESTING低1.4％（在1％的水平上很显著）。面板B中的第3行显示非尽心尽力团队基金的ACTIVE_INVESTING比匹配的尽心尽力团队基金低0.7％（在1％的水平上很显著）。
这里的证据与前面的分析一致，后者表明非尽心尽力团队基金的经理几乎没有动机来获取私人信息。由于这些经理人在制定投资决策时主要依靠公共信息，因此这些基金的大部分业绩都可以通过系统的风险因素来解释。
综上所述，本文对行业集中度、本地持股和主动投资的发现表明，对非尽心尽力团队基金表现不佳的合理解释是，此类团队中的管理人员缺乏获取私人信息的动机。
基金公司使用非尽心尽力团队的原因
到目前为止，本文发现，非尽心尽力团队基金表现不及其他管理结构的基金，这可能是因为此类团队的经理没有动力获取私人信息。自然，人们会期望基金公司停止使用这种管理结构。但是，如第三节所示，实际上它已被越来越频繁地使用（参见图表1），这令人费解。在本节中，本文将探讨尽管资产管理公司在业绩方面处于劣势，但为何越来越多地使用非尽心尽力团队结构。
行业集中度
凭直觉，人们可能会猜想一家资产管理公司发现使用非尽心尽力团队结构管理基金是具有成本效益的，因为它可以轻松地组建一支由现有基金经理组成的工作团队。为了检验这种直觉，最好是考查团队的总报酬。但是，由于缺乏有关团队薪酬的数据，本文将研究基金费用，如果资产管理公司不必为团队支付太多费用，这应该会很低。
图表11中的证据与上述直觉一致，非尽心尽力团队基金的EXPENSE_RATIO相对较低。具体而言，第1行显示这些基金的平均费用比率为每年10.5基点，低于其他管理结构的基金（在1％的水平上显著）。
但是，非尽心尽力团队基金的较低支出只能部分抵消其业绩不佳的情况。再次查看图表6。在扣除费用之前，这些基金每月在其他管理结构方面的表现要差2.1基点，相当于每年25.2基点，是费用率差异的两倍多，即每年10.5 基点。
客户对业绩的敏感度
Morningstar数据库提供有关基金份额类别是否从退休计划投资的信息。对于每个样本，如果至少有一种基金份额类别类型被标记为“退休”，则将RETIREMENT_FLAG变量设置为1。图表11的第2行显示，退休储蓄者投资了很大一部分的非尽心尽力团队基金。具体而言，27.1％的非尽心尽力团队基金从退休计划中获得投资，而对于其他管理结构的基金，这一比例仅为21.3％，差异为5.8％，在1％的水平上是显著的。
这些发现与经济学和金融学的重要文献相一致（Benartzi和Thaler，2001；Madrian和Shea，2001；Agnew等，2003；Duflo和Saez，2003；Huberman和Jiang，2006；Carroll，2009），这表明退休储蓄者表现出惰性，并不太可能精通基金评价。在本文的案例中，尽管较低的费用并不能完全抵消业绩不佳的情况，但有可能使退休储蓄者被非尽心尽力团队基金的较低费用所吸引。
本文进一步测试了非尽心尽力团队基金的投资者对业绩的敏感性。凭直觉，如果这些基金的投资者确实表现出惰性，那么这些基金对业绩表现的敏感性应较低。
图表12报告了结果。本文遵循Sirri和Tufano（1998）的分段线性回归规范。因变量是基金每月流量。为了构建业绩衡量指标，本文在每个月中按费前的每月回报率对所有基金进行排名，并为每个基金分配百分值。LOWPERF定义为最小值（0.2，百分位数）。MIDPERF定义为中值（0.6，百分位数-LOWPERF）。HIGHPERF定义为最大值（百分位数-LOWPERF-MIDPERF）。是指某月Morningstar每个类别的平均流量。RET_SD是费用前每月收益的前12个月标准差。本文采用TNA基金的自然对数，因为它偏向右侧。除了EXPENSE_RATIO，所有解释性变量都滞后1个月，而EXPENSE_RATIO则滞后1年。
图表12的第1列重复了Sirri和Tufano（1998）的检验。本文发现一致的证据表明，当业绩不佳时，现金流对基金业绩的敏感性降低。具体而言，F检验显示，在1％显著性水平下，LOWPERF的系数为0.031，显著低于HIGHPERF的系数为0.059。第2列介绍了本文的测试结果。在这里，本文将NCT与业绩指标进行交互。交互项上的系数通常为负，MIDPERFNCT和HIGHPERFNCT的系数，-0.002和-0.014在5％的显著性水平上显著。
本文的研究结果表明，非尽心尽力团队基金的投资者对业绩的敏感性相对较低。这与投资者确实表现出惰性的观点是一致的。
\
结论
在本文中，本文研究了基金管理团队的重要方面即个人投入。心理学文献广泛研究了个人投入。这些文献表明，个人投入对团队业绩具有显著的积极影响，因为它通过使搭便车的成本过高而为团队中的搭便车问题提供了一种补救措施。
本文使用来自Morningstar数据库的基金经理历史数据来衡量个人投入并研究其对团队的影响。本文区分两种团队结构：一个尽心尽力团队（其中至少一个团队成员仅为该基金工作）和一个非尽心尽力团队（其中每个团队成员也同时运营其他基金）。与心理学文献相一致，本文发现相对于一个尽心尽力团队，一个非尽心尽力团队表现出很少的动机来获取私人信息，因此表现不佳。这些发现在控制了各类变量后依然是可靠的。本文还将探讨尽管表现欠佳，但非尽心尽力团队却越来越频繁地被使用的原因，可能是由于这些团队费率较低，且投资者惰性更强的缘故。
本文核心内容摘选自J&Z在Journal of Financial and Quantitative Analysis上发表的论文《基金经理个人投入度对业绩的影响》
\
风险提示
本文结论基于历史数据、海外文献进行总结；不构成任何投资建议。