基金评级的变化是否会对股票价格产生系统性影响

1、引言自 20 世纪 80 年代以来，美国散户所持有的共同基金的股票持仓一直在稳步增长，在 21 世纪初达到了总市值的 25%左右。在如此高的持有比例下，指导家庭投资的建议可能在推动资本流动和塑造金融市场方面发挥核心作用。在美国共同基金投资者遵循的各种建议中，晨星公司的星级评级可能是最受关注的，是投资平台和基金家族向投资者展示信息的重要组成部分。本文检验了评级驱动的需求是否会导致股票市场的系统性价格波动。研究表明，2002 年的晨星改革举措极大地改变了投资者在投资风格上的资本配置，这反过来又显著改变了投资风格回报的时间序列和横截面变化（即，晨星评级可以引起股票市场的持续的系统性价格波动）。200

2、2 年 6 月之前，晨星评级与共同基金过去的表现基本一致。在此期间，晨星公司根据共同基金在所有美国股票型基金中的表现排名，对共同基金进行评级（不考虑其风格倾向，并对载荷和波动进行小幅调整）。由于基金业绩的很大一部分是由投资风格决定的（例如，小盘股或成长型基金），追求类似投资风格的基金的评级也高度相关。根据晨星公司 2002 年 6 月之前的方法，投资高评级基金基本上等同于追逐基金的历史回报。2002 年 6 月，晨星公司对其评级方法进行了修订，开始结合基金风格对基金进行基准评估，使得基金评级在不同风格之间实现了平衡。图表 1 显示了改革的结果，2002 年 6 月之后，不同风格的基金在平均评级

3、上的差异消失。图表 1 晨星基金风格评级资料来源：Ratings-Driven Demand and Systematic Price Fluctuations，本文研究了此次改革对股票市场的系统性影响，并将实证分析分为了四个部分。第一部分，文献证明了投资者资本流动对评级变化作出反应，且资本流动驱动的交易产生价格压力。脉冲响应分析表明，评级的提高会导致共同基金资金流的激增，而资金流的增加会导致同期股价的上涨和随后的反转。在控制基金和股票的历史回报，以及对股票回报具有显著预测作用的因素后，文章使用持有该股票的基金滞后一期的平均评级变化对股票回报进行回归，发现评级对股票回报的影响在经济和统计上均显

4、著。第二部分，文献检验了评级驱动的需求对回报的系统性影响。2002 年6 月之前，评级变动幅度最大的风格吸引了大量资本流入，它们的回报表现出动量和随后的反转。2002 年 6 月之后，评级均匀的分布在不同的风格中，因此追逐评级的资金流分布在整个风格谱中。追逐评级的投资者在不知不觉中停止了对一部分“赢家”风格施加价格压力，使得评级导致的风格动量和反转效应减弱。第三部分，文献关注 2002 年 6 月前后的一个短窗口期，以期更清晰的识别改革带来的影响，并进行了一系列稳健性检验以排除其他可替代性解释。研究结果均支持文献的结论，即评级改革对风格层面的资本流动和回报产生了因果影响。第四部分总结全文，晨星

5、公司在基金评级上实施的改革对投资者在不同投资风格之间的配置产生了持久的影响。这种资本流动的重新配置使得风格回报的时间序列和横截面变动产生了变化。这些发现凸显了非基本面需求在形成系统性回报中的重要性。与传统的资产定价假设价格变动仅由现金流和贴现率的变化来解释（Cochrane, 2011）不同，该领域的研究发现了指数成分股的变动（Harris and Gurel, 1986; Shleifer, 1986; Wurgler and Zhuravskaya, 2002; Chang, Hong, and Liskovich, 2015）、共同基金的资金流动（Coval and Stafford,

6、2007; Lou, 2012; Huang, Song, and Xiang, 2020; Li, 2021）、可交易基金的资金流动（Ben-David, Franzoni, and Moussawi, 2018; Brown, Davies, and Ringgenberg, 2021）以及其他机构投资者需 求（Koijen andYogo, 2019; Parker, Schoar, and Sun, 2020; Ben-David et al., 2021a）引起的价格效应。Teo and Woo（2004）以及 Froot and Teo（2008）的开创性研究表明，机构需求可以驱动

7、风格层面的回报。Gabaix and Koijen （2021b）表明，需求引起的总价格影响系数大于特质性需求引起的价格影响系数。本文的研究同样证实了上述结论。数据与变量构建共同基金样本从 CRSP 共同基金数据库（Survivor-Bias-Free US Mutual Fund Database）获得 1991 年 1 月至 2018 年 12 月基金回报和总净资产（TNA）月度数据。使用 Russ Weimers MFLINKS（Wermers, 2000）的方法在基金层面汇总所有股票类别。基金的季度持仓数据来自 Thomson Reuters 共同基金持仓数据库（ S12 ）。利用 C

8、RSP/Compustat 合并数据库中的股票回报和特征数据对持股数据进行扩充。根据共同基金文献（e.g., Coval and Stafford 2007），基金 j 在 t 月的资金流量被定义为流入该基金的净流量除以滞后的 TNA：Flowj,t TNAj,t TNAj,t 1(1 R etj,t )（1）本文从Morningstar Direct 获得基金的晨星评级和风格分类数据，并依据 Pstor, Stambaugh, and Taylor (2020)的匹配表将该数据与 CRSP 共同基金数据合并。晨星公司在个股层面进行评级。本文依据 Barber, Huang, and Odea

9、n （2016）对不同股票类别净资产加权，得到基金水平的总体评级。从样本中剔除净资产低于 100 万美元的共同基金，并对每个月的共同基金流量进行上下各 0.5%的缩尾处理。最终的样本包含 3305 个共同基金的 454,787 个基金-月度观察值。个股与风格评级文献聚焦于评级驱动的需求对股票和风格组合的影响，因此，对评级在个股和风格层面进行了整合。将股票 i 在 t 月的晨星评级和变化定义为持有股票 i 的所有基金 j 在上月底的持股加权平均评级： fund jJ ShareHeldi, j ,t 1 Rating j ,t ,tRatingstyle fund jJ fund jJShare

10、Heldi, j ,t 1（2）Ratingstyle fund jJ ShareHeldi, j,t 1 (Rating j,t Rating j,t 1 )（3） ,t fund jJShareHeldi, j,t 1对于给定风格，定义风格水平的评级和评级变动为：Ratingstyle Ratingstock（4） ,ti,t 1istyle i,tRatingstyle Ratingstock（5） ,ti,t 1istyle i,t,1其中， 是基于晨星公司风格分类的共同基金的总持有量，在对应风格下股票i 所占的投资组合权重。晨星评级与 2002 年改革的背景晨星公司在 1985 年推

11、出共同基金评级体系后，迅速成为引导投资者选择共同基金的行业领导者。从早期开始，晨星公司的评级方法就一直是公开透明的。晨星公司会总结基金近期及历史回报，对回报波动率和费用进行调整，从而对基金进行评级。根据基金的发行年限、历史业绩回顾该基金在过去 3 年、5 年和 10 年的表现，最近 3 年的回报占更大的权重。然后，晨星公司根据基金的表现进行排名，并以固定的比例（10%、22.5%、35%、22.5%和 10%）给予 1-5 星的评级。由于风格业绩是基金业绩的重要组成部分，因此，基金评级对风格业绩的依赖程度较高。在互联网泡沫破灭之后，许多专注于大盘成长股的基金经理抱怨说他们的基金评级大幅下降。这

12、些基金经理认为，评级几乎不能反映他们自己的贡献，且大多与他们未控制的风格回报相关联。在此背景下，2002 年 6 月，晨星公司对其评级方法进行了改革，按照风格类别进行排名。图表 2 汇报了改革前后评级分布的变化情况。2002 年之前，晨星评级与基金历史回报高度相关。2002 年 6 月之后，评级独立于风格表现。因此，追逐评级的投资者的需求被更均匀的分布到了所有的风格中。图表 2 晨星公司评级方法在 2002 年前后对比资料来源：Ratings-Driven Demand and Systematic Price Fluctuations，评级追逐行为与价格影响在整个样本期内，投资者对评级的依赖

13、程度很高。文献使用脉冲响应分析来研究评级变化对资金流量和回报的影响。研究表明，评级变化使得回报具有稳健的横截面可预测性。评级驱动的需求对股票回报的预测作用甚至强于一些普遍显著的预测因子，例如价值、动量和盈利能力。无论评级方法如何，投资者都在追逐评级由于本文的识别依赖于晨星评级方法的改革，因此检验共同基金投资者在 2002年 6 月之后是否继续依赖晨星评级是很重要的。图表 3 左图汇报了不同晨星评级的共同基金的平均资金流。在样本期内，五星级基金平均收到的资金流相当于其 AUM的 2%-3%，这意味着五星级基金的资产管理规模在 1 年内增长了 25%-40%。相比之下，一星级基金每月的资金流出率是

14、其资产管理规模的 1.5%-2%。这些规律在 2002 年 6 月之后依然存在。本文在控制了 36 个滞后期的基金月度回报后，使用 3年滚动窗口的TNA加权Fama-MacBeth 回归来估计资金流对滞后基金评级的反应。图表 3 右图汇报了回归结果，估计系数仅在样本上略有变化，在 2002 年改革前后并没有明显的下降。图表 3 各晨星评级共同基金资金流（左）以及 TNA 加权 Fama-MacBeth 回归系数（右）资料来源：Ratings-Driven Demand and Systematic Price Fluctuations，上述结果表明，无论评级方法如何，共同基金投资者的配置都依赖

15、于晨星评级。但是，评级改革导致了风格层面的资金流的显著变化。由于 2002 年 6 月之后的评级构建涵盖了风格，风格层面的资金流的分散度在改革后显著下降。这在图表 4 中可以看出。后续的结果也表明，评级追逐行为导致的风格层面的相关需求在改革后基本消失。图表 4 风格层面共同基金资金流资料来源：Ratings-Driven Demand and Systematic Price Fluctuations，个股层面评级引发的价格压力接下来，文献证明晨星评级通过资金流驱动交易来显著影响股价。在后续的分析中，本文将探讨评级引导的风格需求对风格回报的影响。文献分别估计两个连锁效应来评估评级对股票回报的影

16、响：（a）资金流对晨星评级变化的反应；（b）股票回报对资金流驱动的交易的反应。本文首先估计资金流量对晨星评级变化的反应：Flowj,t a b1 Rating j.t 1 b36 Rating j.t 36 X j,t u j,t（6）其中，,包含 36 个月的资金流滞后项，以及前 3 年累积基金回报和调整后基准回报的十分位数指标。调整后基准回报定义为基金回报超过同一晨星类别基金的AUM 加权平均回报。文献使用十分位数指标来考虑资金流与历史业绩的非线性关系（Chevalier and Ellison, 1997）。为了衡量资金流动导致的股票交易量，文献跟随 Lou（2012）的方法计算每只股票

17、 i 由资金流驱动的交易量（FIT），即由资金流动导致的共同基金在股票 i 的交易量。估计股票回报对FIT 的反应： fund jJ SharesHeldi, j,t 1 Flowj,tFITi,t fund jJSharesHeldi, j,t 1（7）Reti,t a c0 FITi.t c1 FITi.t 1 c36 FITi.t 36 ui,t（8）图表 5 左图汇报了累积响应系数（1, 1 + 2, ）的变化。可以看出，基金评级上每一星级的变化，在未来 24 个月平均会增加 6%-7%的资金流动。这一结果与之前的研究一致，即在控制基金历史业绩后，评级的离散变化会导致资金流的巨大差异（

18、Del Guercio and Tkac, 2008; Reuter and Zitzewitz, 2021）。图表 5 右图汇报了累积响应系数（0, 0 + 1, ）的变化。共同基金通过 FIT 每增加 1%的持有量会立刻导致约 0.6%的同期价格压力，并在随后的 1-2 年内完全反转。图表 5 资金流对基金评级变动的累积响应（左）以及股票回报对资金流驱动的交易的累积收益（右）资料来源：Ratings-Driven Demand and Systematic Price Fluctuations，基于这两种影响，本文预测评级的变化会影响股票回报，这种影响将来自评级变动而非评级水平。为了便于分

19、析评级变化产生的价格影响，文章取最近的评级变化的加权平均和，权重对应于每个滞后项对回报的影响程度。通过直接估计股票回报对过去 24 个滞后期的个股水平评级变化的反应，得到一个加权组合。图表 6 汇报了加权系数，可以看出，更近期的评级变化影响更大，更遥远的评级变化的系数趋近于零。图表 6 股票回报对评级变化的非累积反应及拟合的指数（绿线）资料来源：Ratings-Driven Demand and Systematic Price Fluctuations，由于影响主要发生在前 12 个月，本文使用以下加权求和计算过去的评级变动：12ExpSum(Rating)i,t 1 k Ratingi,t

20、 kk 1（9）其中，= 12(1) 1， 12 = 12，权重随因子 = 0.76（由响应的最小112=1 二乘拟合估计得到）衰减。为了进一步验证基于价格压力的解释，本文检验价格动量是否产生反转。根据(),1在每个月将纽交所的股票按十分位分组构建投资组合，并跟踪组合在接下来 3 年的表现。图表 7 汇报了相关结果。在过去的评级变动中，排名前十分之一的股票在随后的 12-18 个月的表现比排名后十分之一的股票高出约 20%。这两组股票的累积回报差会在 36 个月后恢复。图表 7 上、下十分位数的股票累积市值加权的价格路径变化资料来源：Ratings-Driven Demand and Syst

21、ematic Price Fluctuations，股票回报的横截面可预测性为了更好的了解评级驱动的的股票回报的可预测性，本节将评级变化与一些表现突出的回报预测因子进行比较。具体地说，文献估计收益预测模型：Return d Rating S X S f X f u（10）i,t 1i,t 1ht 1i,ti,ti,t,其中， 为基于股票的控制变量，包括滞后一个月的回报、动量，长期反转，,规模，价值，盈利能力和投资（成长能力）。 为基金-股票的控制变量，包括基金持有股票 i 的流通股份额，截至 t-1 期对于股票 i 的持有份额加权的平均 3 年基金回报和调整后基准回报。本章的分析仅包含截至上个

22、月底至少有一只基金持有的股票，使用Fama-MacBeth 进行估计，标准误差经过 Newey-West 调整。图表 8 报告了来自评级和股票特征的收益预测的回归结果。第（1）列显示股票回报如何与特征相关，不包含评级变化或任何基金水平的控制变量。结果表明，在样本期内没有明显的规模溢价，投资和盈利能力是股票回报稳健的预测指标。文章使用三组不同样本来估计式（10）：股票全样本，截至上个月末至少被三个共同基金持有的股票样本，以及除微型股以外的所有股票样本。结果分别在图表 8 列（2）、列（4）及列（6）中报告。评级变动对股票回报的影响在量级和统计意义上均比规模、价值、长期反转等因素的影响更强。当分析

23、限制在非微型股时，评级能够比其他所有预测因子更好的预测回报。在第（3）、（5）、（7）列中，本文对公式（10）进行了修改，将评级变动和滞后 3 年的基金回报率乘截至上个月末共同基金持有的股票市值的比例。分析的结果是稳健的。图表 8 来自评级和股票特征的收益可预测性资料来源：Ratings-Driven Demand and Systematic Price Fluctuations，图表 9 结果表明，评级驱动的回报可预测性对评级变化区间或加权方案的合理变化不敏感。图表 9 报告了,11， = 3, 6, 9 和 12时的估计系数，每个滞后的评级变化均为等权计算的。和图表 6 的结果一致，这种

24、影响在前 6 个月特别强烈，在最初的 9 个月后开始逐渐减弱。图表 9 的中间部分检验了结果对于控制基金历史回报和资金流之间的非线性关系后依然是稳健的。本文采用一种不可知论的方法对式（10）进行修改，以考虑非线性效应。具体而言，本文将基于基金-股票的 3 年滞后基金平均回报的控制变量由一个连续变量变为代表基金滞后回报十分位数的 10 个指标变量。所有的结果都是稳健的。在图表 9 的底部，本文验证了考虑资金流对不同评级变化阈值的不同响应结果的稳健性。正如 Del Guercio and Tkac (2008) and Reuter and Zitzewitz (2021)所述，在基金层面，4/5

25、 星和 3/4 星评级阈值的资金流影响要比 2/3 星和 1/2 星阈值的影响大。由于绝大多数股票由多个基金持有，这种异质性是否会在个股层面产生影响尚不清楚，但我们再次采取一种不可知论的方法，简单地做一定修改，以允许异质性评级变化的影响。估计以下的边际效应：对 1-/2-、2-/3-、3-/4-和 4-/5-星级分别使用阈值 0.120、0.340、0.620 和 0.623。然后，当综合基金水平的评级在股票层面发生变化时，使用这些估计作为权重。结果几乎没有变化。图表 9 稳健性检验资料来源：Ratings-Driven Demand and Systematic Price Fluctuat

26、ions，值得注意的是，这里描述的规律是在控制持有股票的基金的历史回报和股票历史回报的同时获得的。因此，本文证实的效应应该被解释为晨星评级的离散变化导致流量驱动的交易的证据，该类交易对股票回报的横截面具有显著的边际影响。这些证据证明了评级的变化对股票回报有独立的因果影响，这是本文接下来研究的主要贡献的前提。评级驱动的需求显著影响风格回报的时间序列和横截面的变化。追逐评级的需求对风格表现的影响本文使用晨星基金风格分类来定义风格投资组合。例如，大盘股成长型投资组合是由所有晨星大盘股成长型基金的总持有量来定义的。本节展示了文章的主要研究结果。在 2002 年 6 月改革之前，风格水平评级导致了稳健的

27、价格压力，以及风格层面的动量和反转效应。这些结果与“这些规律是由于风格层面的相关评级驱动交易”的观点保持一致，这种影响在改革后不再显著。此外，评级方法改变后，风格回报差值大幅下降。风格评级导致的价格压力本节首先研究晨星改革对风格层面需求和回报动态的影响。计算晨星评级在风格上的变化，加总每种风格组合的个股水平评级变化：ExpSum(Rating ),t 1i,t 1stock istyle ExpSum(Rating )i,t 1（11）,其中， 是风格的股票 i 在投资组合的权重。为了检验评级变动对风格流量和回报的影响，文章在每个月按(),1对 9 个风格组合进行排名，并跟踪组合在未来几个月的

28、平均累积流量和回报。图表 10 报告了相关结果。面板 A展示了 6 个月内 Top 1 与Bottom 1 两组风格组合在流量和回报上的差异，面板 B 汇报了对 Top 3 和Bottom 3 风格的相关分析，标准误差通过随机排列每年的风格组合获得。2002 年之前，Top 1 组比 Bottom 1 组在未来 12 个月的流量高约 1%。Top 3与 Bottom 3 组合之间的流量差距较小，约为 0.7%，但仍在统计意义上显著。2002年 6 月的评级改革缩小了不同风格评级之间的差距，此后 12 个月内的资金流差异缩小了约一个量级。图表 10 观察到的在风格流量上存在的规律同样存在于风格回

29、报中。2002 年 6 月之前，Top 1 组在未来 12-18 个月的表现总比 Bottom 1 组高出约10%，随后发生反转。该规律在 Top 3 和Bottom 3 组间同样存在。总的来说，这些结果与风格水平的评级变动是一致的，在 2002 年 6 月之前变动引起的资金流量导致价格压力的产生和随后的反转，而在 2002 年 6 月之后，资金流量扩散到了各个风格之中，不再存在该现象。图表 10 评级导致的风格投资组合的价格压力资料来源：Ratings-Driven Demand and Systematic Price Fluctuations，不同风格晨星评级的异质性敞口更进一步，本文考

30、察了共同基金在特定投资组合中大量持有的股票是否受到了更大的评级驱动的价格压力。在每种风格的投资组合中，根据所有滞后的共同基金持有股票的持股比例将股票分为三组。平均而言，排名靠前的三类股票的共同基金持有比例分别为 30.6%、18.8%和 11.6%。使用(),1重复之前的操作。图表 11 报告了相关研究结果，2002 年 6 月以前的价格效应在共同基金持股比例高的股票组成的风格组合中更强，2002 年 6 月之后 3 组股票中均不存在相应影响。图表 11 评级驱动的风格回报：按共同基金持股比例分组资料来源：Ratings-Driven Demand and Systematic Price F

31、luctuations，盈利能力驱动的风格动量策略以上研究结果表明，基于评级的动量策略在 2002 年 6 月之前是盈利的，但在2002 年 6 月之后不再盈利。在图表 12 中，本文通过评级变动的滞后指数和来检验投资组合的月度回报。面板 A 和面板 B 表明，在 2002 年 6 月之前，历史评级变化较大的风格通常比其他风格表现更好，而这种差异在 2002 年 6 月之后显著降低。因此，在 2002 年 6 月之前做多排名靠前的风格，做空排名靠后的风格的交易策略是有利可图的（有大概 1%的月度收益率和 CAPM ）。2002 年 6 月之后该策略不再盈利。图表 12 2002 年 6 月前后

32、评级驱动的风格动量策略资料来源：Ratings-Driven Demand and Systematic Price Fluctuations，风格回报的横截面离散度晨星改革后，基金的平均评级在风格层面的离散度急剧下降。如果文章对评级驱动资金流动进而影响价格的假设是正确的，则应该观察到改革后风格流量和回报的离散度下降。为了验证这一假设，本文使用两个离散度的定义：已实现最高风格与最低风格之间的差异，以及所有风格间的标准差。在评级、流量和回报间计算风格层面的离散度，使用一个在 2002 年 6 月之后等于 1 的虚拟变量对这些离散度进行回归。为了排除互联网泡沫破灭的影响，本文在使用全样本的基础上，

33、使用了一个以评级改革事件为中心的 4 年样本窗口，以及一个在全样本中剔除 4 年样本窗口的子样本，标准误差经过Newey-West 调整。图表 13 汇报了虚拟变量的回归系数。正如所预期的那样，无论是哪种离散度的度量，评级、流量和回报离散度在 2002 年 6 月之后均有降低。列（1）-（4）表明无论时间窗口如何，评级和流量的离散度显著下降。列（5）-（6）表明，风格回报的离散度在 2002 年 6 月之后也急剧下降。在全样本中，排名靠前和排名靠后的风格之间月度回报的差异在改革之后下降了 2.54%（从 5.5%下降到 2.9%）。当使用回报的标准差来衡量离散度时，结果在定性上是相似的。上述结

34、果表明，晨星评级对样本期内的风格流量和回报变化具有显著影响。图表 13 风格评级、流量和回报的离散度资料来源：Ratings-Driven Demand and Systematic Price Fluctuations，围绕晨星改革的事件研究上述对风格层面的价格压力的研究结果建立在评级引发的资金流动对股票回报有因果影响的证据上（第 3 节）。本节中，文献提供了一个额外的独立测试，以检验评级驱动的需求对风格回报的影响。使用以改革实施时间为中心一年样本期进行事件研究。通过关注一个短窗口，并依赖与晨星改革中各种风格的暴露程度，可以确保评级的变动主要是由评级方法的改变引起的。此外，本节还研究了该日期

35、前后的其他变量，以验证本文观察到的影响并非来自于其他构成风格投资组合的股票的基本面的冲击，也不是来自于共同基金以外的市场参与者的交易行为。风格的表现，通过预测评级的影响文章的分析跟踪了 2002 年的风格评级、资金流和回报，根据他们在晨星公司评级改革中所受的影响来分类。这一改革使风格评级趋近于 3 星（平均评级）。因此，评分超过 3 星的风格由于方法改革将经历评级下降，评级低于 3 星的风格则相反。本节的目的是比较改革后评级变动最大的风格的评级、流量和回报。文章使用改革产生的预测评级的变化（使用 2001 年 12 月的数据计算）对风格进行排名。按照以下方式计算预测的评级变化，对每个基金 j，

36、计算：Rating Ratingcounterfactual Ratingactual（12）jj,Dec 2001j,Dec 2001, 2001其中，是作者依据 2002 年评级改革所预测的 2001 年 12 月的评级。衡量的是如果在 2001 年 12 月进行改革，基金评级可能发生的变化。然后，在风格层面汇总这些基金层面的预测。当根据预测的评级变化对 9 种风格进行排序时，文章发现这个过程正确的预测了哪一种风格组合在 2002 年 6 月经历了最大的变动。具体来说，小市值风格在 2001 年 12 月具有最高的评级，因此预计将经历最大的改革引起的评级降低。高成长风格则相反。图表 14

37、汇报了 2002 年风格评级、流量和回报的变动。图（a）显示，事件发生时，方法改革导致了评级（平均风格评级）的大幅下降。最受改革负向影响的风格评级下降了约 0.4 星，最受正向影响的风格评级则增加了约 0.4 星。图（c）显示，在改革前的几个月，评级最高的风格比评级最低的风格资金流增加了约 23%。图表 14 围绕 2002 年 6 月的事件研究资料来源：Ratings-Driven Demand and Systematic Price Fluctuations，对其他替代性解释的检验晨星改革发生在 2002 年 6 月，这减轻了人们对于其他事件影响的担忧。例如，纽交所引入十进制（2001

38、年初）和自动报价（2003 年），这两项事件使得市场流动性增加。美国证券交易委员会（SEC）加速提交 10k 申请的方案于 2002 年 11 月生效，只有当公司提交 10k 申请时才会产生影响，即不会发生在 2003 年之前。 Sarbanes-Oxley 法案于 2002 年 7 月通过，但它不太可能对本文的研究产生影响。本文在2002 年6 月的时间窗口附近进行了3 次进一步分析来检验其他替代性解释，结果均不支持任何备选假设。安慰剂检验：置换年份为了减轻对由于回归均值而产生的风格流量和回报规律的担忧，文章通过在2002 年以外的年份重复所有与上述研究相同的操作来进行安慰剂检验。图表 14

39、 的图（b）、（d）和（f）显示了在 2002 年观察到的规律在其他年份没有发生，风格评级、资金流和回报的急剧变化仅在 2002 年出现。2002 年前后可能影响风格回报的其他因素本节中，文章寻找其他变量的突然变化。从理论上讲，资产价格可以由于基本面或交易行为的变换而变化，因此，本文分别研究这两个方面的可能性，结果报告在图表 15 中。为了研究基本面的变化，文章使用 Compustat 季度数据计算资产回报率（ROA）和股本回报率（ROE）。图表 15 的图（a）和（b）绘制了 ROA 和 ROE 的变化过程。虽然不同风格的基本面间确实存在差异和波动，但在 2002 年 6 月前后没有显著的变

40、化。为了研究机构的交易行为，本文在风格层面考察 13F 机构的交易。从 Thomson Reuters 获得 13F 的季度持仓数据，图表 15 的图（c）-（e）绘制了不同类型机构的累积交易占总市值的比例。图（c）汇报了投资公司和独立投资者顾问的总交易，这类投资者包含大多数共同基金。与上文研究结果一致，这些机构的交易方式与图表 14 图（a）所示的流动模式一致：他们买入（卖出）2002 年之前的高（低）评级，并在 2002 年 6 月之后停止该模式。图表 15 围绕 2002 年 6 月的事件研究：替代性解释资料来源：Ratings-Driven Demand and Systematic Price Fluctuations，控制其他股票特征上述结果表明，2002 年前后基本面和非共同基金机构的交易行为没有发生显著变化。为了排除由其他原因导致的与特征相关的回报变动，本文表明，在控制了规模和账面市值比后，文章关于“预测的评级变化能够解释回报变化”的结论同样发生在个股层面。具体来说，对每一只股票 i，定义：Rating