按照我国官方分类标准,截至2015年底,我国的基金总数达到了2826只,较2014年增长了近50%,总净额达到了84751.5亿元,较2014年增长了90%多。鉴于我国已经进入了大资管时代,尤其是面对市场上投资于股票的主动型基金,如何更加清楚的看清理财机构的发展趋势和投资能力,这是每位投资者都十分关系的问题。金融学者一直对主动型开放式基金的表现有着浓厚的兴趣。一只主动型基金相对于其基准表现的好坏程度,不仅仅和基金筛选投资机会的才能有关,还和基金所面对的各种局限因素有关。在近几年的研究中,被常常讨论的就是基金规模与基金绩效的负相关影响。如果规模对基金的业绩有影响,那么筛选投资机会的才能和基金规模也会相互影响。比如,一只更具才能且规模大的基金可能会比一个才能平平且规模小的基金绩效差。因此,为了更好的了解基金的才能,我们必须对基金规模的影响做深入研究。在主动管理中基金规模对基金收益影响的本质是什么?围绕着这个疑问,学术界提出了两个假设。第一个是基于基金层面上的,当主动型基金的规模增加时,基金相对于基准的表现就会有所下降。第二个假设是基于基金行业规模对基金业绩有负相关的影响：当主动开放式基金业的规模在不断扩大时,各个基金的业绩表现就会有所下降。学术界认为,这两个假设的背后原因是流动性的局限。在基金层面上,一只规模大的基金在其进行交易时,会对资产的价格造成影响,从而侵蚀其业绩。在基金行业层面上看,随着金钱对投资机会的追逐,资产的价格也会有所波动,这会使得对投资机会的把握越来越难。围绕着流动性局限,已经有很多研究证据表明共同的交易的确对证券市场上资产的价格造成了影响。基于金融市场上流动性的不完善,相比规模对基金绩效无影响的原假设,上述两个假设是很容易被学者所接受的。更进一步的说,上述两个假设并不是相互排斥的,一只基金业绩表现的好坏,可能既依赖于自身的规模,也可能依赖于基金行业的竞争程度,这里本文用基金行业规模来对基金行业的竞争程度进行度量。如果基金行业中的所有基金都采用同一个投资策略,那么他们的表现就强烈的依赖于整个基金行业的规模,而对其自身规模的依赖程度就很小。另一个极端情况就是,当各个基金都有自己不相关的投资策略时,它们的业绩表现就更依赖于自身的规模。而现实是介于两种极端之间的,上述两种假设的要点均需要做出相应的实证分析加以验证。近几年已经有很多研究对基于基金层面的假设进行了研究,研究的结果也有所不一。而国内对后一种假设的研究很少看到,本文对于两个层面的假设均有研究。在估计基金规模对基金业绩的影响中,最具挑战的一个就是对基金规模所具有的内生性的处理。如果基金的规模是随机分布的,其并不存在内生性,那么我们可以直接用调整后的基金净收益对基金规模进行最小二乘估计的回归,所得出的最小二乘估计是无偏的,基金规模的系数将会很好的诠释其对基金业绩的影响程度。然而,基金规模相对于基金并不是随机分布的,它和特定的基金一一对应。比如,规模大的基金往往是由更具才能的基金经理来掌控。才能可能和基金的规模和基金的业绩表现有着相关关系。当然,我们很难对基金经理的才能进行度量,这就造成采用最小二乘估计的结果往往受遗漏变量的影响。对于遗漏变量所带来的误差,可以用固定效应模型进行消除。固定效应模型可以很好的对不同基金的才能做以度量。在Berk和Green(2004)的研究中,这一固定效应方法很好的对基金规模对基金业绩的影响做了度量,但前提是各个基金的才能不变。不幸的是,在我们采用固定效应模型虽然消除遗漏变量带来的偏差时,但是会带来另一个误差。在同一期中,基金规模的变化和基金的收益是呈现正相关关系的。简单的来说,在最小二乘估计中,由于被解释变量的波动和解释变量之间的非独立关系,会带来有限样本误差(Stambaugh,1999),这样的误差在固定效应模型中也是存在的(Hjalmarsson, 2010)。为了消除这项误差,本文引入了一个递归去均值法,这个方法和LubosPastorRobert、F. Stambaugh和Lucian A. Taylor (2014)所采用的方法一样。这种方法依然用基金收益对基金规模进行固定效应面板回归,不同的是收益和规模均是经过前向去均值处理,而且对于前向去均值后的基金规模,本文还会用后向去均值的基金规模作为它的工具变量(具体操作会在后文介绍),这种方法会进一步消除内生性所带来的误差。本文所用的数据来自于Wind,其中股票型基金是133只,由于样本限制,本文又对基金样本进行了扩充,把混合基金中偏股型基金纳入其中,所以数据共包含597只基金,本文将股票型基金的数据定为样本A,将混合基金中的偏股型基金定为样本B,时间跨度为2013年1月1日至2015年12月31日。本文首先采用面板数据对基金规模和基金业绩之间的影响系数进行估计在混合效应和固定效应下,对上述系数的估计尽管显著,但是存在低估的情况。上述两种方法的运用的结果都会造成结果的误差。为了修正这一误差,本文采用递归去均值法。在采用递归去均值法后,基金规模的系数依然为负,依旧显著。本文还引入了一个新的变量,即行业规模。本文发现,基金业绩与行业规模也存在着显著的负相关关系。在加入了基金规模后,行业规模依旧显著,基金规模也呈现显著的负向关系。本文又通过引入调整的超额收益波动率、小盘股因素对规模因素背后的原因进行了研究,发现调整的超额收益波动率对规模背后的原因进行了很好的诠释,而小盘股因素和假设不一致。这样显著的结果是很好理解的,基金自身规模越大、交易越激进,对业绩影响也就越大；同样市场竞争越激烈,基金自身在进行的操作时越容易受不利影响。小盘股因素与假设不一致的原因可能来自于我国现阶段的具体国情,具体原因有待在今后的研究中进行探索。除了对上述两个规模因子进行探索外,本文还开创性的引入了规模市值比这一因素,这一因素代表着单只基金相对于整个股票市场的规模。经实证分析,本文发现这一变量对于基金绩效具有正向作用。这说明基金具有外部的规模效应,经过计算对比,本文发现基金的这一外部规模效应并没有消除其他两个规模因子带来的负向作用。对规模因子的研究很好的为接下来对基金经理的才能的研究进行了铺垫。本文对基金经理的才能的度量是通过面板回归中的α进行的,α值是在总的调整的超额收益率的基础上经过了规模因子的调整。通过分析,本文发现基金总体的才能并没随时间呈现下降的趋势,而是保持在一个平稳的水平,这貌似正切合了本文的模型假设：基金的才能是不变的。但是正如前述基金业绩与规模因子是负相关的,随着基金规模以及行业规模的扩大,业绩随时间应该整体呈现一个下降趋势,这似乎和实证研究结果不一致。本文给出的解释是新进入的基金经理的才能要比之前基金要高。随后本文又对基金存续期内基金业绩随年龄的变化情况进行了分析,得出的结果显示基金业绩随着年龄的增长是下降的。但是本文又加入了基金年龄这一变量发现,在存在基金规模和行业规模等与规模因子相关的变量下,基金年龄对基金业绩具有正相关关系。这使本文推测,基金经理的才能并不是随时间下降的,而是随着时间有所提升,但是基金经理的才能的提升并没有挽回规模因子等变量给基金带来的负向影响。随后,本文又以此为基础在原来对基金经理的才能度量方法的基础上,加入了年龄因子,发现基金经理的才能随时间是不断增加的。本文对这一现象的解释是基金经理可能随着时间的增长,会不断的进行学习,由此基金的才能才有所提高。总结来看,本文对于基金业绩与基金经理的才能关系的研究得出如下结论：新进入的基金经理的才能要比之前基金的才能高,基金经理的才能会随着积极年龄的增长而有所增加,但是这样的表现并不能消除由规模因子给基金带来的负向影响。本文的创新之处有以下几个方面。一是运用了递归去均值法来消除内生性问题；二是引入市场规模等因子来增加了规模因子的内涵；三是运用阿尔法项来作为基金经理才能的代表,解决了诸多与基金经理才能相关的遗漏变量问题；四是对规模因子背后的原因进行了探索。出了创新,本文还存在着以下两方面的不足。一是所选取的数据时间跨度有限,并不能完整的刻画我国基金演变的特点；二是对在研究中出现的新问题并没有做深入的研究,比如小盘股等因素。