本文是一篇国际金融论文，本文选取 2006 年前成立的开放式股票型基金和偏股混合型基金作为样本,以1 年为一个周期，运用趋势熵维数对 14 个区间内基金的实际风格进行识别。通过对比每一区间识别出来的基金风格，来判断样本基金是否发生了风格漂移行为。之后在此基础上运用面板数据回归模型研究了风格漂移对基金绩效的影响。
第 1 章 绪论
1.1 研究背景及意义
证券市场浮沉跌宕，个人投资者志在巅峰，却大多心力不足，收益惨淡，基金作为一种新型投资方式，能有效地降低非系统性风险，增加投资者的投资收益。我国第一只开放式基金—“华安创新”诞生距今仅短短 19 年，开放式基金已经成为我国证券市场中不可或缺中坚力量。
2020 年是一个多灾多难的年份，但也是一个基金投资者收获颇丰的年份，随着国家不断引导居民资产从储蓄向权益类资产转移，基金投资成为了大多数老百姓最佳的选择，截至 2021 年 1 月，我国开放式基金管理规模已经突破 22 万亿元，私募基金管理规模也突破 17 万亿，占到二级市场流通规模的近 6 成。而2020 年末大盘股持续上涨与小盘股屡跌不止的分化行情让投资者意识到，个人投资者单枪匹马获得的收益很难和抱团取暖的专业机构相比，机构迅速壮大与之对应的是散户的迅速消亡，大量的投资者转而将资金投入基金市场。
选基金就是选风格，绝大多数基金投资者收益由基金风格主导。因此基金投资风格是基金投资者做出选择的重要依据，然而遗憾的是大量的研究表明，基于诸如基金经理锦标赛效应，过度自信，甚至股市牛熊转换等因素，基金总会发生投资风格漂移，于是研究基金风格漂移的程度，和基金风格漂移对业绩的影响便十分重要。
尽管现有的学者对这个问题从不同角度进行了研究，但仍然存在两方面的问题。
第一是现有研究成果数量不足，并且具有较大的争论，没有达成一个广泛的共识，且变量之间的交互作用研究较少，技术路线较为单一；
第二是要研究基金风格对业绩的影响，并准确的测量基金风格一致性和业绩必不可少。
.........................
1.2 研究问题与内容
1.2.1 研究问题
中国开放式基金普遍发生投资风格漂移这一现象已被学者们所证实，故基金投资风格漂移是否会对基金业绩产生影响便成为了一个十分重要的问题。遗憾的是，已有研究针对基金投资风格一致性对基金业绩的影响却没有一个广泛的共识，且对变量之间的交互影响研究不够深入，故本文将在前人的基础之上对此进行深入的研究。
本文需要解决的问题如下：
（1）开放式基金投资风格是否出现频繁的风格漂移现象？
（2）基金风格漂移是否会影响基金业绩？
(3）基金风格漂移影响基金业绩的传导机制是什么？
（4）基金经理的离职压力是否会加重或降低基金风格漂移对基金业绩的影响？
1.2.2 研究内容
本文通过对 2006 年以前成立的 74 只股票型开放式基金进行研究，测度基金投资风格与风格漂移行为以及基金经理的离职压力，并研究基金风格漂移行为、离职压力与基金业绩三者的关系。
研究的难点在于，研究基金投资风格一致性对基金业绩的影响，首先要准确测度基金投资风格并准确判断出基金投资风格是否发生漂移，如果投资风格测量不准确或者投资风格的覆盖程度不够完全，那么后面的研究自然也无从谈起。故本文拟使用趋势熵维数来测度基金投资风格，能够在理论上最为精准的识别开放式基金风格漂移行为。
其次，基金离职压力与基金业绩的准确测度也必不可少，本文拟选择基金管理有限公司中的核心人员离职率作为基金经理的离职压力代理变量，拟选择夏普比率来评价开放式基金业绩，上述指标在学术界和实务届具有普遍共识。
最后拟构建面板数据，使用固定效应模型对本文提出的假设进行回归检验，从而为本文的研究提供支持。
..........................
第 2 章 文献综述
2.1 基金投资风格识别
基金投资风格就是投资者选择基金的重要依据，如何对基金投资风格进行一个准确的识别成了诸多学者的研究方向。
Sharpe（1992）将收益率作为判断基金投资风格的基准，并选取了不同风格的资产收益率作为解释变量，基金收益率作为被解释变量进行线性回归，回归结果中，系数最显著的资产所代表的风格即为该基金的投资风格，因此风格发生了漂移即为回归系数的改变。而 Sharpe 模型虽然简单明了，但存在诸多问题，如多重共线性问题，完备性问题、以及风格动态识别问题等。因此宋光辉，许林 等（2010）通过基于岭回归的弱势风格识别模型，倪月娟（2014）使用横向差分处理法，解决了解释变量多重共线性问题；接着 Brown et al.（1997）和董铁牛 等（2008）先后利用聚类分析法解决了风格基准指数不完备的问题；
而除了基于收益率的风格识别外，也有学者基于组合进行风格识别的研究。其中 Rekenthaler et al.（2002）利用晨星公司的数据证明 PBSA 方法比 RBSA 更为准确，但是基于组合进行风格识别有个难以弥补的缺陷，即国内的基金持仓披露频率过低，很难保证在披露期前不进行隐藏操作，抑或是在披露前几天将风格从漂移变为一致，这会使得研究出现较大偏差，基金风格的粉饰性较强。
随后，非线性范式研究的大门逐渐被打开，PBSA方法进一步得到发展。许林等(2010)发现由于我国开放式基金起步相对较晚，证券市场也不够成熟，所以存在一定的分形结构，遂首次将分形维引入投资风格的识别当中。其后，许林 等（2011）又进一步对分形维进行改进，提出使用弹性分形维来测度基金投资风格，取得了不错的效果。
.......................
2.2 基金风格漂移识别
（1）线性领域
在线性领域中，基于收益的风格识别方法最受欢迎。 张伟（2013）和陈星榕（2014）均采用 Sharpe 模型对基金风格漂移进行分析，前者认为风格漂移在开放式基金中较为普遍，并且风格漂移会使得重仓股的波动率上升。后者则是对于基金家族的风格漂移进行识别，认为基金家族忌惮于交易成本的提升并不愿意打造“明星基金”，家族内部的投资风格是较为一致的。肖继辉、张力戈（2016）采用 Carhart 四因素模型对开放式基金进行实证检验，样本内开放式基金都发生了超过 2 次的风格漂移，平均为 3.7 次。
（2）非线性领域
非线性领域中，时间序列波动率模型是识别风格漂移的首要选择。 庄越、姚金伟（2020）通过 ARMA-EGARCH-M 模型对 FOF 开放式基金进行风格漂移的识别，并且对市场行情进行区分，认为股市波动率越大，风格漂移会越频繁。此外，黄毅东（2016）构建了状态空间模型运用仿真模拟的方式对基金风格漂移进行识别。许林、邱梦圆、吴栩(2016)构建 TGARCH-M 模型用于识别基金投资风格漂移，他们认为 TGARCH-M模型在波动率非对称性上的识别比 EGARCH 模型更加灵敏。
此外，分形理论也在非线性范式下风格漂移的识别中占有一席之地。
早期，许林（2011）认为我国的基金业已经逐步接受欧美发达国家的投资理念与投资风格，交易市场日趋完善的同时，也具有一定的尖峰厚尾、标度不变性等分形特征，遂引入分形理论来识别投资风格漂移，通过盒型分形维来识别漂移现象。 张文远等（2015）同样使用盒型分形维对投资风格漂移进行识别，并在此基础上构建了 RESD 模型来测度基金投资风格的一致性。许林、汪亚楠（2019）构建周内多重分形波动率对投资风格漂移进行有效识别，并提出风格漂移会带来巨大的收益风险。
表 1 信息经济学模型
............................
第 3 章 理论综述 ........................................ 13
3.1 基金风格漂移的成因理论...................................... 13
3.2 基金风格漂移的识别理论..................................... 14
第 4 章 风格漂移的识别与度量 .......................................... 17
4.1 研究区间与样本........................................ 17
4.2 基金风格漂移识别.............................. 19
第 5 章 研究设计 ......................................... 22
5.1 理论分析............................... 22
5.2 研究假设.......................... 23
第 6 章 实证研究
6.1 风格漂移对业绩的影响
表 7 风格漂移对基金业绩影响及中介效应表
首先，本文先选择基金的投资风格漂移变量与漂移方向变量进行回归，从回归（1）式中我们可以看到，可决系数为 0.324，说明存在一定程度的解释力度，且从 p 值来看，基金漂移变量与漂移方向变量均在 1%的水平下呈现显著关系，其中基金漂移变量对夏普比率呈现正显著影响，说明在样本期间内，基金发生漂移会提升基金业绩，则接受假说 H1，拒绝假说 H2；从基金漂移方向来看，回归系数为负，说明基金风格越倾向于大盘型持仓基金业绩越好。从现实的角度来看，在穿越两轮牛熊并站在新的行情起点上看，不断适应市场风格变化的基金产品以及愿意选择大盘股投资的基金产品往往更能获得超额收益。
.........................
第 7 章 结论与建议
7.1 研究结论
本文选取 2006 年前成立的开放式股票型基金和偏股混合型基金作为样本,以1 年为一个周期，运用趋势熵维数对 14 个
