今年以來，由於受到疫情衝擊，經濟基本面走差，一季度GDP同比增速跌至-6.8%，創下紀錄以來新低。春節之後，央行逆周期調節力度明顯加大，通過定向降準、下調OMO利率、超額存款準備進率等多舉措引導貸款利率下行，債市收益率也大幅走低，不少中長期純債型基金年初以來累計收益已經超過3%，一些在長端利率債上配置比例相對較高的基金甚至超過了4%。就基金經理而言，具備銀行業從業經歷，是否意味著其擁有相對更強的投資交易能力，或者對債市行情的判斷能力，是否能夠為投資者帶來更好的收益？通過對中長期純債基金，銀行和非銀行背景基金經理自2015年以來的歷年業績表現進行檢驗，本文嘗試就此問題做出回答。分析結果表明，兩類基金經理的投資表現並無明顯差異，簡單根據其從業背景或過往履歷篩選對應的產品可操作性較差。
國內公募債券型基金經理，從其過往業背景或經歷來看主要來自銀行、券商、基金公司、研究機構等，也有少數來自人民銀行及其分支機構。那些具備銀行背景的基金經理們，在銀行多從事交易、投資及分析研究相關的工作。
作為國內債券市場的最大參與者，商業銀行在債券的投資方面擁有非銀機構所不及的優勢，比如對利率和政策的敏感性，對債券發行人信用狀況的了解程度等。
截至2020年4月20日，根據中長期純債基金現任基金經理履歷統計，在386名基金經理中，具有銀行從業經理的有100多人。其中，來自農業銀行、中國銀行、工商銀行、南京銀行、廣發銀行、平安銀行（含原深圳發展銀行）、興業銀行、招商銀行、浦發銀行等大型國有銀行和股份制銀行的較多，例如農業銀行的有鵬華基金經理劉太陽，中國銀行的有民生加銀基金陸欣，工商銀行的有鵬華基金祝松，原深圳發展銀行的有博時基金陳凱楊、興業銀行的有中歐基金趙國英等等。除此之外，也有部分基金經理來自地方農商行或城商行，以及外資銀行，如東莞農商行、常熟農商行、滙豐銀行等。
從個人從業履歷角度看，具備銀行投研經驗的債券基金經理，是否擁有更精準的市場判斷能力和更強的投資能力，是否能夠為投資者帶來更高的業績回報？本文嘗試通過較為嚴格的數據分析，回答這個問題。
一、業績表現對比
文中分析樣本聚焦中長期純債基金，該類債券型基金是當前公募債基主流。截至4月22日，在4.43萬億債券型基金中，期存量規模達到3.24萬億，佔比超過70%。
後續分析過程中，將剔除定開型、分級型和存在可轉債倉位的產品，同時對存在多個不同份額的基金只保留一個份額。
用於對比的績效指標包括2015年至2020年4月20日曆年回報、波動率、最大回撤和夏普比率。
對於是否為銀行背景，根據基金經理的過往履歷情況認定，明確為非投資交易和分析研究崗位的，歸類為非銀行背景，個別曾在央行及其分支機構履職的，也劃為此類。
從樣本數據統計結果看，截至4月20日，在符合條件的616隻基金中，基金經理具有銀行背景的產品共213隻，非銀行背景的產品則有403隻。2015年和2016年由於整體基金數量少，對應的樣本也較少。
銀行和非銀行背景基金經理對應產品數量
數據來源：Wind，好買基金研究中心整理 數據時間：2015~2020/4/20
從過往業績的表現來看，在2015~2019年五個完整年份中，2015和2018年是典型的債券牛市，2016和2017年則為熊市，2019年市場整體走勢偏震蕩，而2020年初以來，由於受到疫情的衝擊，經濟基本面走差，逆周期調節力度加大，收益率快速下行，債市走出一波明顯的牛市行情。
從平均結果看，業績回報上，2015、2016和2017年，非銀行背景的基金經理所管產品的表現均較高，2018年和2019年二者業績表現基本持平，只有2020年以來銀行背景的基金經理所管產品業績才領先較明顯，錄得3.07%收益，比非銀行背景基金經理高出0.15%。波動率和夏普比率方面，二者歷年表現也是難分伯仲，但在最大回撤上，銀行背景的基金經理似乎略勝一籌，只有2018年相對差一些，其餘年份則均較小。
銀行和非銀行背景基金經理歷年業績表現
數據來源：Wind，好買基金研究中心整理 數據時間：2015~2020/4/20
二、顯著性檢驗
為了更嚴謹地回答文中開頭所提出的疑問，以下將運用Wilcoxon[ 也被稱為Mann-Whitney U檢驗]秩和檢驗對2015年以來歷年的數據樣本進行分析，該方法是t檢驗的一種非參數替代。具體操作中，統計檢驗為單側，同時因涉及到小樣本，將採用精確檢驗。其原假設為非銀行背景的基金經理績效表現好於銀行背景的基金經理，如果統計檢驗所得的P 值小於0.05，則可以認為銀行背景的基金經理投資表現更好，而如果大於0.05，則結論相反。統計檢驗之前，通過業績回報的可視化結果，可以很直觀地看出2016~2019年二者的總體收益情況比較接近，2015年似乎存在較明顯的差異，而2020年至今的表現因時間不長，差異有可能比圖形所見更為明顯。
銀行和非銀行背景基金經理業績回報對比
數據來源：Wind，好買基金研究中心整理 數據時間：2015~2020/4/20
從統計檢驗結果不難看出，在業績回報上，2015年儘管不夠顯著，但非銀行背景基金經理表現更好（P值0.923）。2019年的結果較為意外，因為單純看平均業績回報，銀行背景基金經理的4.01%小幅高出0.01%，但檢驗結果對應的P值達到了0.953，表明非銀行背景基金經理表現更好，且具有統計學意義。該結果的出現，或許可以從箱式圖中找到線索，其收益分布情況明顯比前者更為分散，對應的標準差為2.22，遠高於銀行背景基金經理的0.87。波動率方面，2015年非銀行背景基金經理相對較高（P值0.911），其餘年份則並不明顯，最大回撤方面，2020年以來也是非銀行背景基金經理的相對較大（P值0.918），但二者在這兩個指標上的差異都不具有統計學意義。今年以來，銀行背景基金經理的夏普比率顯著高於非銀行背景的基金經理（P值小於0.01），意味著前者所管產品的風險後收益表現更好。
銀行和非銀行背景基金經理績效指標的Wilcoxon秩和檢驗P值
數據來源：Wind，好買基金研究中心整理 數據時間：2015~2020/4/20
三、ROC曲線
為進一步交叉驗證非銀行背景和銀行背景基金經理在績效表現上是否存在差異，我們嘗試藉助ROC曲線[ 全稱受試者操作特性曲線（Receiver Operate Characteristic Curve），曲線下面積（AUC）在0~1之間，該數值一般在0.5以上，越大表明指標的分類效果越好，即分類的準確率越高，ROC曲線及AUC指標常常用於醫學領域。]探索業績回報（Return）、波動率（Vol）、最大回撤（MaxDD）和夏普比率（Sharp）對兩類基金經理的分類效果。ROC曲線下面積（Area under the Curve，簡稱AUC）越大，意味著指標的分類效果越好，當該指標在0.5左右時，往往代表隨機情形，即對兩種類型的甄別準確率都在50%附近，識別效果很差。從歷年ROC曲線的圖形結果不難看出，2015年業績回報和波動率的分類指標相對較好，但最大回撤和夏普比率效果不佳。而在2016~2019年連續四年時間裡，上述4個指標對應的ROC曲線均在斜對角線附近，表明其對應的AUC數值均在0.5左右，各績效指標的分類效果較差。2020年以來，可以明顯看出夏普比率對應的ROC曲線偏離對角線較大，顯示該指標對兩類基金經理的分類效果較好，而該結果也與上文中的統計檢驗結果一致。
績效指標對基金經理背景ROC曲線
數據來源：Wind，好買基金研究中心整理 數據時間：2015~2020/4/20
各個績效指標歷年的AUC數值結果表明，幾乎每個年份、每個指標對基金經理背景的識別效果均較差，甚至很差，大部分都在0.6以內，甚至部分低於0.5。2015年業績回報和波動率對應AUC分別為0.713和0.700，最大回撤為0.613。2020年以來，夏普比率對應AUC則達到0.819。具體的數值結果進一步清晰地表明，總體上，各個指標在識別基金經理背景方面效果不佳，也驗證了顯著性檢驗的結果。
績效指標對基金經理背景AUC值
數據來源：Wind，好買基金研究中心整理 數據時間：2015~2020/4/20
三、小結
無論是股票還是債券，投資都不是一件簡單的事。認為銀行背景的債券基金經理能夠獲得相對較好的業績表現，有一定合理性，但實際的情況往往更為複雜，單純通過基金經理背景尋找出好產品的想法，在現實中並不具有可操作性。基金經理所管產品的業績表現，除了與其本人的專業背景有關外，也與金融市場的變化、基金公司整體投研實力和考核機制等各方面因素息息相關。對於基金經理而言，債券型基金的管理並不一定比股票型輕鬆，債券市場雖然趨勢特徵更為突出，但其涉及的影響因素的也更為廣泛，尤其與宏觀經濟和政策關係密切，對利率走勢的判斷、中短期波段行情的把握要求較高。投資能力強的基金經理能夠獲得較好的超額收益，但如果方向做反，則可能帶來較大的淨值波動。一隻優秀基金的發掘，需要綜合考慮基金經理自身投研能力、產品業績表現、投資邏輯和策略，以及基金公司的情況，作出專業的分析和判斷。
本文系好買商學院原創，如需轉載，請在文章開頭註明來源於「好買商學院」。未經授權，任何媒體和個人不得全部或者部分轉載，否則將承擔相應的法律責任。
免責條款：本文內容為基於公開資料研究完成，並不構成投資建議。投資者應審慎決策、獨立承擔風險。
欲知更多的精彩內容，請關注好買商學院