金融工程：海外文献推荐第208期-20220121-天风证券-18页_1mb

报告摘要

金融工程：用机器学习揭示共同基金的隐含信息

核心内容

本文探讨了如何利用自然语言处理（NLP）和神经网络技术，从共同基金的股东信中提取文本信息，以识别那些具有私人信息（即“知情基金”）的基金。通过分析这些文本信息，可以预测基金的未来业绩，并发现这些基金更有可能获得晨星评级的提升，同时吸引更多的资金流入。研究还探讨了文本信息的来源和基金特征对预测准确性的影响。

主要观点

文本信息的价值
股东信中包含丰富的定性信息，这些信息可能反映基金经理的私人信息，从而影响基金的未来表现。
NLP与神经网络的应用
使用BERT（一种基于Transformer的双向编码模型）从股东信中提取高阶语义和句法特征，以提升文本分析的准确性。传统的词包方法无法捕捉这些复杂的文本关系。
模型的构建与验证
建立了一个基于BERT特征的循环神经网络模型，利用2006-2014年的数据进行训练，2015-2018年的数据进行测试。模型能够识别出未来表现优异的基金。
基金的未来表现与文本信息
预测模型识别的知情基金在未来6个月至24个月内表现出更高的异常收益（Alpha），并更有可能获得晨星评级的提升。
资金流入与文本信息
投资者会根据股东信中的信息内容做出投资决策，知情基金在股东信发布后的3天至24个月内吸引了更多的资金流入。
投资者关注度的作用
在投资者关注度高的情况下，知情基金更能吸引资金流入，表明投资者对文本信息的重视程度较高。
文本信息的来源
知情基金通常讨论特殊化行业、投资组合的风险承担、金融市场整体情况和跨资产混合策略等主题。
预测准确性与基金特征
预测模型在高风险基金、较老基金和高费用率基金中表现更佳，这些基金的文本信息更能反映其管理者的技能和策略。

关键信息

1. 数据与样本

数据来源：美国证券交易委员会（SEC）的EDGAR系统、CRSP数据库、汤森路透数据库、Trimtabs数据库。
样本时间范围：2006年至2018年。
初始样本包括17717份带有股东信的N-CSR文件。
仅研究主动管理基金，排除ETF、年金和指数基金。

2. 文本特征提取

使用BERT模型提取句子的总表征，形成 $N \times C$ 矩阵，其中 $N$ 是句子数量，$C$ 是隐藏状态维度（768）。
传统的词包方法无法捕捉高阶语义和句法结构，BERT则能有效解决这一问题。

3. 模型构建

建立一个包含四个隐藏层和一个LSTM层的神经网络模型。
使用2006-2014年的股东信进行训练，2015-2018年的股东信进行测试。

4. 预测结果

知情基金在未来6个月至24个月内表现出更高的异常收益（Alpha）。
知情基金更有可能获得晨星评级的提升。
知情基金吸引了更多的资金流入，特别是当其披露引起投资者关注时。

5. 资金流入分析

在股东信发布后的3天内，知情基金的流入资金为11.5至13.5个基点。
在发布后的5天内，流入资金为23.4至24.5个基点。
在6个月和24个月的窗口内，知情基金的流入资金分别达到1.59%至1.82%和4.49%至4.63%。

6. 投资者关注度

使用SEC EDGAR网站上的访问记录来衡量投资者对股东信的关注度。
投资者关注度高的情况下，知情基金的流入资金显著增加。

7. 股东信主题分析

使用LDA（潜在狄利克雷分布）将股东信分为四类主题：
- 特殊化行业（Sector specialization）
- 投资组合风险承担（Portfolio risk taking）
- 金融市场全景（Bid picture of financial market）
- 跨资产混合策略（Strategies in mixed assets）
知情基金倾向于讨论这些主题，尤其是与金融市场和跨资产策略相关的内容。