深度挖掘基金经理的座驾和基金投资风险之间的关系
|
本文转自： 量化24小时 已获取官方授权，如需转载，请与原作者联系。 如果一定要贴标签的话。。。。。。
以上是两位基金经理。你的钱会投给谁呢？ 这是一个严肃的学术问题，有不少学者研究了sensation seeking和投资风格之间的关系。今天，我们带来的这篇文章深度挖掘基金经理的座驾和基金投资风险之间的关系。 先上结论： 偏好运动型的、大功率的、拉风的汽车的基金经理，更有倾向承担更高的投资风险，却并没有得到更高的回报作为补偿。不仅投资风险较高，这类基金经理的运营风险也较高，表现在基金有更大的可能性关闭。 所以，大佬们下次出门开豪车的时候留意着点儿，见着投资人绕道走。 这个一本正经的结论是怎么得出来的呢？??? 在这篇名为<Sensation Seeking,Sports Cars,and Hedge Funds>的论文中，作者引入描述Sensation Seeking的变量，通过线性回归模型，加入控制变量，找到汽车类型与基金风险之间的相关性。 数据 研究样本一共有48,778支对冲基金，其中28,290支是还活着的，剩余的20,488支对冲基金已经结业了。基金经理座驾的信息主要来源于vin.place，以及Autocheck。最终，研究者们找到的数据包括1,144名基金经理以及对应着1,774台汽车。 变量 被解释变量： 论文层层递进，先后建立了几个模型，涉及的被解释变量有基金的投资风险（过去24个月里基金回报的标准差）、夏普比率（Sharp Ratio）、运营风险（用虚拟变量表示，结业为1，还存活为0）。 解释变量： 解释变量有两类，分别是Prosensation（寻求刺激）和Antisensation （不追求刺激）。
如上图，Prosensation 和 Antisensation 分别用了三个变量来描述。追求刺激的车主通常会衡量汽车是否是运动型、马力和扭力的大小；而追求实用性的车主通常衡量的是汽车的实用性、空间和安全性。 这两类解释变量并不是同时出现在一个回归方程中，而是分开为两个方程，分别回归。 控制变量： 作者对控制变量的选取参考了?Fung and Hsieh?(2004) seven-factor model。具体有哪些控制变量，会在下文介绍模型时提到。 模型
回归结果 下图只截取了部分结果，显示了解释变量和投资风险之间的相关系数。
（编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
