城市规模与基金业绩

1、.：.；城市规模与基金业绩该文献估计，平均技术程度和消费效率较高的大城市。此前的研讨运用工人的工资或教育的差别，从而间接地联络城市大小和输出。 本文涉及城市规模和消费力，直接运用美国股票共同基金的业绩数据。平均而言，基金在金融中心更好的表现比其他基金两方面的严重和风险调整后的报答，但这种差别是动力不仅较有阅历的管理人员。在财政资金中心有一个在性能和积极的关系强有力的证据经理的阅历在特定的城市，尤其是在纽约的资金。更多重要的是，我们察看到在同一同一经理性能改良在金融中心的基金 ， 但不是其他问题。 我们的测试提供了新证据知识外溢和城市学习。 1.导言 像其他金融机构，共同基金往往设在金融中心。此

2、位置的选择是有点令人费解，但基于证据的金融文学 。Coval和莫斯科维茨2001年显示，在美国大型都市地域的共同基金也没有在本地投资优势，从不同规模较小的基金地点。他们解释这个较高的竞争在基金的信息在较大城市。 那么，吸引基金经理大型城市将弥补竞争的负面影响？城市可提供积极的外部基金管理人如知识的转让，商业衔接和获取私人信息。 经济学家调查金融中心1强调这些的重要性外部的创新和学习： 本文的目的是确定能否城市提供更好的学习和网络基金经理，荷兰国际集团的能够性，协助 改善他们的业绩随着时间的推移。我们知道，从香港，屈比克，和Stein2005该信息被转让的基金经理之间 一个城市，但我们不知道这个

3、信息传输有任何表现积极的影响。 我们的研讨还促进了城市经济学文献，这普通研讨如何以及为什么城市的开展和方式。在特别是，我们提供了一个新的分析消费力得益于定位在城市中心。在大部分以前的文献例如， 格莱泽和马雷岛，2001年，亲电导率和才干往往是 间接 丈量变化 ， 工资差别和各任务教育地球资源卫星在不同的地域。但是，在本文中，我们比较的消费力和地理重才干在一个地域码 直接的方式：经过金钱，输出来经理来衡量其表现 ， 而不是他们的工资或教育为重点的差别。 经济学文献提供了前几个实际，plaining性能和消费力的缘由，应在较大城市高。 我们两个相关实际探求：同时声称 ， 工人的消费率提高，由于大城

4、市提供了积极的外部范围。 4 第一 由赫尔斯利和奇异的1990年，1991年 开展期国家 该城市吸引了大量的技术工人，由于他们更有能够是更好的匹配任务，假设他们失去任务，他们可以更容易寻觅另一名雇主需求的技艺排序假设。 根据这个假设，我们只是希望工人消费力的提高 ， 由于他们改动就业时机和更好的挪动公司。 第二种解释引见了 雅各布斯1969年，并进一步开发卢卡斯1988，格莱泽1999 和其他人以为，人口密度可以更好地转让信息和知识外溢的提高消费力和吸引那些从粗放谁最有能够受害信息流学习假设。5 这一实际意味着， 在较大城市Informa的工人受害，重刑交流，因此，他们的消费率提高由于他们在任

5、务中获得阅历，即使他们从来没有改换雇主。我们的实证分析区分这些两个实际如何看基金之间的关系性能与城市管理阅历的变化大小。 根据学习的假设，我们预期的关系之间的阅历和表现，以添加城市规模。相反，根据排序假设，我们期望之间没有阅历和资金报答的关系，无论一个城市的人口。 排序假说 平均显示了他对技术和性能更高层次芒斯，但是这是适用于一切管理人员 ， 不论他们的阅历。 我们的数据包括一切美国国内从1992年多元化股票基金到2002年，但不包括这些资金的管理外包无关联的第三方。 我们以为 ， 股票基金由于假设在城市 ， 协助 投资者获取重要的信息就应该特别珍贵的馆藏信息敏感securi资金 如股票关系。

6、 在第一组的测试，我们对有关基金的报答美国人口普查和人口数据管理阅历。 我们看到了积极的关系收益和城市规模，但这种关系 ， 主要是由于管理者较长的任务阅历。 由于前经过学习假设dicted，之间的关系阅历和报答是积极的 ， 但没有较大的城市小的。 这一发现后 ， 向基金持有控制规模，营业额，支出，基金，经理人的年龄学业才干倾向检验SAT的成果，以及各种风险代理和固定效应。 除了城市规模，我们期望高浓度金融中介机构 ， 以改善学习和消费力之间的共同基金经理，由于财政信息是更方便的金融中心。因此，在第二组的测试，我们分裂样品到金融中心和其他地方。 对于每个子样本，我们比较报答率的阅历关系。 与学习

7、假说相一致，我们发现一个积极的之间的关系和艰苦的基金表现 ，各基金经理只能在金融城的阅历中心，而不是其他地方。 在前往的阅历关系尤其强劲纽约的基金和增长基金的投资主要是在难以证券的价值。 由于排序假说属性改良在城市的消费力 ， 以管理人员的挪动才干更好的任务，我们需求思索的潜在影响关于基金业绩的任务变动。 因此，在第二次该文件的一半，我们为长度的丈量阅历时间一经理在一样的任务运用权，而仍比在同一城市。 在这种背景下，任何改善随着时间的推移表现不能归咎于更好排序或任务在金融中心的匹配。 我们发现 ，前往占有关系是独一的积极的财政中心，而这更好的性能不能由于添加的风险采取更有阅历财务经理。 我们看

8、到了类似的方式之间性能和运用体验作为基金规模替代衡量基金的表现。 在我们的分析，我们在处置分歧控制里亚尔才干 ， 这将能够有助于性能差别 ， 我们在城市的察看。 为了例如，在一切的回归对有关基金的报答管理城市的阅历，包括经理的SAT成果为代理才干。 作为管理者的替代控制技艺，我们还提供一个独立的分析，比较1 经理的任务表现 ， 他 本人以前的表现而住在 同一基金。 这有效地消除一切经理固定效应，所以我们可以跟踪的基金变化表现只能归咎于变化阅历 ， 而不是在才干上的差别。 我们察看到在统计上显着添加收益和减少基金经理之间的总投资组合的风险在金融中心 ， 但不是在小城镇中居住的。 在鲁棒性测试中，

9、我们阐明，积极的关系与管理阅历，并前往我们确定金融中心并不是由分歧在营业额或基金经理的位置上生存。 我们解释为我们提供了证据调查结果 ，个人受害于在城市任务。我们支持目前在文献中以为，更熟练个人定位在较大城市。 6 更重要的是，但是，我们的研讨结果 ， 在性能优越的属性 独特的学习环境 ， 大城市的城市，所说的 雅各布斯1969 ， 卢卡斯1988，格莱泽1999年 等等。 我们的结果是一致的学习和一切类型 在金融中心的信息传播。 基金人为几岁的孩子能够会：一经过提高其业绩开展他们的投资技艺，二开展业务成为更好的关系和私人的访问信息，以及三展品放牧行为。对于 该文件的剩余部分，我们坚持一个非常

10、通用定义的学习其中一个能够的解释之间的相互作用的结果更多或技术工人作为获得更好的结果例如，私人的信息。文章的其他部分安排如下。 第2节 概述了两件事对基金的城市规模效应假说管理人员和提供相应的阅历普雷迪奇， tions。 第3节描画了市级人口和共同基金数据，以及4个风险调整程序。 第4节给出了初步结果人口变数的影响和基金学习性能。 第5条扩展了学习的证据 大城市。 在这里，我们主要偏重于关系基金的收益率之间的城市的阅历和管理上不同地点和基金的投资目的 ， 同时控制各种基金的特点。 第6节为运用代理的基金经理任职阅历而不是运用的总时间由一个经理花某个城市。 第7节讨论一些稳健性的问题。 第8节终

11、了。 2。 假说 该城市群文学提供了几种这解释了为什么实际性能能够会有所不同基金经理之间在大城市与其他地方。这些实际大致可分为那些消费和消费。 消费型的，集聚ories预测更加富有和更加 熟练的管理人员将找到的 ， 由于更广泛的城市选择消费品，但没有 消费力的利益见 里维拉-鲍蒂兹，1988 ; 格莱泽， 科尔克和萨伊斯2001年 。 相比之下，消费为根底的实际意味着一些外部利益 ， 在城市定位 这有助于改善随着时间的推移经理的表现。 我们的 兴趣是后者 ， 因此我们的测试集中在两个这阐明消费率差别的相关实际 管理人员在城市。 这些假说的分类和学习。 下面我们概述这两个非相互独家实际以及他们将

12、如何解释差别在全国城市管理效能。 第一个假说是基于 赫尔斯利 思想 和斯特兰奇1990 谁思索城市的地方是吸引 较大的技术工人人数 ， 由于有更好的技艺大相匹配的中心任务。 根据这一推理，更多的天生技艺的个人更好在一个厚实的就业市场的报答例如，见 惠勒，2001年 。 这个假说，类似的消费根底实际聚集预测，从基金经理在其职业生涯的开场有更深的认识和蔼于比其他地方的金融中心。 主要区分的排序模型和消费基于模型的是 ， 经理人的表现提高作为经理具有良好的匹配资金坐落在城市。 排序假设 ， 因此作为如下： 排序假说。 坐落于共同基金的财务 由于中心 ， 以便更好地超越其他基金排序技术经理 。 第二个

13、假设是基于 雅各布1969 开创性的任务 ， 作为实体的意见 ， 城市带动 信息的产生，传播和学习。 字母a 大量的后续任务，尤其是 卢卡斯1988年，Audretsch和费尔德曼1996 ， 格莱泽1999 ， 和其他人，阐明了indivi剧烈的相互作用在人口密集地域偶诱导知识转让和创新的进程和经济协助 增长。 由于城市的效果最为明显的建立和开展知识型产业，金融效力部门应明确受害集中在较大城市的主要活动。 股票共同基金投资于资产Informa的非常有限，重刑他们的内在价值。 金融中心的他们的大量信息的产生能够是提高管理者的这些类型的塞库评价 rities。 因此，基金的接近的各种来源 关于证

14、券资料可以证明关键改善他们的报答表现。 香港，屈比克，和斯坦因2005年 显示 ， 管理人员在同一个城市交流信息，所以问题是 ， 能否消费力有任何益处。 相对于排序假设，学习意味着 ， 基金经理在大 城市要履行对本人在更好地坚持同一城市 ， 同一基金和他们了解如何更搜集和正确了解有关风险他们计划资产买卖。 学习假说 因此 ， 如下： 学习假说。 坐落于共同基金的财务 中心胜过由于加强学习其他基金环境 。 在我们的实证检验，测试能否我们的城市提供了一个 独特的学习和网络环境的人为几岁的孩子 ， 为了提高性能的线索。 这不同于从潜在的排序更多的就业市场搬进更大的经济才干和管理突出的城市。 下面我们

15、总结了五年预测实际和阐明我们如何可以区分学习排序。 第一个预测是 ， 我们希望在较大的基金金融中心 ， 以更好的表现。 根据排序假设，这种积极的表现是由于群众由于管理人员更好地劳动较大的城市定位市场条件和时机。 根据学习假设，积极的关系是由于提高交流和学习的阅历提供应管理人员在提高性能的超大中心。 操作方法以往，由于这两种实际意味着同样的横截面城市之间的尺寸与性能的关系，我们依托其他的预测 ， 以区别于排序学习。 第二次预测思索如何经理人性能改善与在同一城市的阅历。 经过对管理人员的在 同一城市 ， 重点是我们的阅历帐户衔接的专业经理人能够获得的金融业。 学习假说以为 ， 经理业绩的免疫证明在

16、大城市的阅历比小多作为社区管理者收益更多地接触一更多的人。 获取多重接触使管理者更好地Informa的访问， 重刑。 因此 ， 我们测试能否与城市的关系阅历和城市规模和性能的提高更积极的比其他地方的金融中心。 那个排序假设中提出新的变化 ， 在任何预测经理的业绩与阅历 ， 如何关系不同;大中城市之间与在其他地方只建议在基金表现好管理人员将可以更好地任务。 第三预告测试中 ， 直接纳理人员能否在金融中心的天赋优于其他地方。 我们代理管理人的才干 ， 运用的平均SAT成果学校的本科毕业 ， 经理。 根据排序假设，更好地管理挪动金融中心，因此我们也期望SAT平均成果要高于其他地域的金融中心。 排序实

17、际也意味着管理者的SAT产生积极影响评分对基金的报答。 我们希望这种关系会特别是在金融中心的深化研讨阐明 ， 自有更多的教育和娴熟的人才大城市例如， 格莱泽，1999年 。 学习假设不作出任何管理人员的分布预测根据他们的教育背景或关系与经理人天生的技艺和基金的表现。人们可以以为 ， 受过良好教育的经理很能够具有较强的资产分配技艺。 然而，投资者相对较为温暖的教育成就 ， 亦可 受害于金融中心的学习环境 ， 假设他们拥有其他技艺，这是能够有用的投资组合管理，如社会网络。第四预测审查了perfor差别地理位置上缺乏阅历的芒斯基金经理。 排序假说预测 ， 更多管理人才被吸引到城市 ， 由于加厚的劳动

18、力市场。 因此，根据这一假说， 我们期望绩效之间的差距财务和非金融中心的存在 ， 即使新，没有阅历的管理人员。 相反，假设金融中心提供学习时机 ， 基金经理，那么改良的性能 ， 应购买了experi - EnCE的，我们不一定期望性能 新经理之间的差别。 最后预测能够是最关键的区别于排序学习。 我们摆脱截面比较和跟踪经理人提高本人的表现与他的任期在给定的基金。 学习假说以为 ， 作为管理人员收益同时 基金的 阅历 ，他应该改善 他本人的表现比前几年。 与此相反，上次预测 ， 由于这不包括任务变动，排序假设这里不作任何预测。 因此，研讨 经理的阅历 ， 在同一 城市 ， 同时基金 ，使我们可以消

19、除潜在影响管理人员转移到更好的任务基金管理公司，并确定能否前往改善而经理停留在某一城市同样的任务。 另一种方法来区分学习和排序假设是按照谁的管理人员从小型到大型挪动中心和金融中心察看他们的表现的变化。 与此问题类型的分析是 ， 虽然经理坚持不变，无论是城市和就业正在发生变化。8 因此 ， 这不能完全控制的排序的影响。 当一个经理挪动到一个城市，在任何改善性能能够是由于更好的任务排序或1金融中心 ， 更好的学习和网络 时机学习。 因此，经过改动聚焦在基金的报答超越同一 经理人在同一时间基金和在同一个城市 ，最后使我们可以预测之间作出学习和整理 ， 清洁的区别。 因此，我们预测5纲要每假设直接比较

20、的 ， 应该协助 我们区分排序学习。我们确定哪两种相互竞争的实际更好地解释了时间共同基金报答系列和横截面形状在不同的城市群。因此 ， 调查个我们的测试，门之间的联络的劳动力市场，地利，人和经理的表现。 3。 数据 在本节中，我们描画了市级人口和共同基金数据，以及4个风险调整程序。 既然我们有兴趣分析潜在影响的技艺和学习基金的表如今不同的地点，我们需求控制的不同，分配方法 ， 在风险偏好和管理风格。 要做到这一点，我们比较 ， 不仅是毛利润 ， 而且风险调整的。 3.1。 人口数据 我们运用1990年美国两个人口变数政府作为城市的规模和平均技术程度的措施。首先是城市的规模在其总的条款人口。 人口

21、，我们运用的生活津贴大都会统计区或PMSA小学大都市统计区确定一个城市的普查数据。 当一个城市被定义为CMSA综合都市统计区，我们只包括那些在县50英里的中心城市。第二个人口统计变量是经丈量，每个城市的教育程度的人口比例25岁以上的老年人，谁持有年至少学士学位。 有75个不同的城市或聚集存取共同基金总部。 从它们的大小不等74631 在维多利亚，得克萨斯州的人超越12万新纽约市。 用范围的人口比例学士学位11之间底特律，密歇根州和 48麦迪逊，威斯康星州。 在交叉关联的， 吐温的两个人口变量是积极的 ， 但低于0.1。 我们定义以下6个城市是财务中心：波士顿，芝加哥，洛杉矶，纽约，Phila，

22、 特尔斐，和旧金山。 在这个分类，我们遵照由其他人的数目 ， 并确定金融中心总部设金融中介机构。 特别是，上述六个城市的共同基金数量最多并确定为最大的共同基金中心在香港，屈比克，和Stein2005 。 其中五除波士顿代表五个是美国最大的城市。 此外，我们运用1990年美国人口普查找到每个城市的数目在金融行业任务的人。 这源于美国所提供的一项特别调查就业人口普查于1990年。 9 根据人口普查数据显示，6个金融中心是在与前七名最集中的金融专业人员。 3.2。 共同基金数据 对股票共同基金的数据中心研讨证券价钱CRSP的。 它包含的信息不仅基金的报答和总记者罗钦文，但净资产还对基金组织年，它的称

23、号经理，以及它的营业额。 我们的样本涵盖从1992年1月至2002年12月。 我们选择一切美国多样化的国内股票基金有下面的投资公司数据公司ICDI 投资目的：积极生长，生长收入，收入，大幅度增长。 这四个基金分类非常广泛 ， 涵盖一切资产在战略目光的目的分类基金类别。 例如，小盘基金是分开归类战略目光的目的 ， 但会下降根据ICDI的积极增长的类别。 由于投资组合的限制 ， 并实施行业集中度放在详细部门的资金，这些资金被排除从样品。为了确定每个基金的位置 ， 我们运用数据理柏分析提供了总部地点在1996年基金公司。 我们的手竞赛理柏信息与CRSP的总部和检查在总部所在地的任何变化样品。 在情况

24、下 ， 我们无法找到理柏基金， 我们等待手工此信息从半 年度报告注册投资公司 不适用，特区向美国证券买卖 委员会SEC。 我们分类基金 ， 在特定的城市假设将其总部从城市的间隔 不超越超越50英里。在相关联的一个问题与总部的基金 地点是该基金管理层能够会外包给 无关联的第三方往往不在 在同一城市见 陈，香港，和屈比克，2007 ; 德尔 圭尔乔，路透社和Tkac，2007年 。 在针对这一情况，我们删除了基金的管理外包活动减少12.5，我们的样本。 我们的方法确定外包资金运用的三个数据美国证券买卖委员会提交的文件可在电子数据搜集，分析和检索首席顾问制度。 这些文件包括 ： 年度报告邮寄给股东不

25、适用- 30D，后，有效的修订年度报告485BPOS，和N -特区上述文件。从N -特区文件，我们找出一切资金报告亚咨询安排。 然后，我们搜索了N - 30D和485BPOS文件 ， 以确定能否分顾问该基金是无关联的，假设这样，我们确定这些在资金被外包。 我们的方法和数字亲密配合 德尔圭尔乔，路透社和Tkac2007 谁报告的8.3和18.4的股票基金作为外包在1996年和2002年分别。 像 陈，香港，和屈比克2007 ，我们也发现 ， 有大量外包在小城市14比10的金融中心 而外包的资金比那些表现差的 内部管理的资金。 CRSP的报告 ， 每股净每类基金的报答而不是每个基金。 我们创建一个

26、报答史每一个参与回费用和价值加权基金每一个由阶级的份额大小分享类前往百分之基金的总体规模与一切共享班相结合。 基金规模仅仅是组合 一切股份类别 ， 使每一个察看是基金/年。 表1 共同基金的汇总统计。 此表给出了国内股票在美国不包括共同基金的资金汇总统计的外包管理 活动。 样本期是1992年1月至2002年12月。 在ICDI基金类别包括了积极的开展集团，增长和收入地理标志，收入 中，并大幅度增长LG电子。 小组A显示按地点和投资目的的基金分配，小组B显示了基金分歧之间F和海外其他地方的金融中心经理的特点。 假设该基金总部50英里的范围内是一个金融中心 波士顿，芝加哥，洛杉矶，纽约，费城，或旧

27、金山。 异常报答之间的基金的总收益和差别 平均收益在一切基金某一年，基金的投资目的和大小四分。 四分位数的大小确定为每年的一切资金和 基金的投资目的。 异常报答百分之显示每月。 基金的年龄是多年来与当年和年度差别 基金组织。 该基金的总规模在数十亿美圆的净资产。 在营业额的合计销售或聚合最低证券购买由平均12个月基金总资产净值除以一年。 每年的费用是该基金的总费用的比例。 在与基金经理的任期是多年来本年度之间 ， 当经理被分配到该基金的年度差别。 那个管理城市的阅历 ， 是与当年和第一年的差额记录多年的一名基金经理开场在给定的任务城市。 SAT平均是SAT平均为1992年新任经理人的本科大学类

28、评分。 统计意义的10，5和 1的程度表示为*，*和*分别。 表1 显示了我们共同的统计摘要 基金数据。 A组报告中的资金分配上地点和投资目的。 总人数资金是1,917呵斥12177基金一年的察看。有金融中心 ， 更多的资金比其他地方，1,与781。 纽约人数最多资金，514，波士顿其次223资金。 在投资目的，大型生长型基金构成最大比例 ， 其次是对一切基金的侵略生长型基金。 该小组还显示基金数目为每个位置管理公司。 例如 载有271管理公司 ， 其中141 位于金融中心和130分别位于 其他地方。 B组的 表1显示了基金和管理性质跨地点istics内外的金融中心。 这些是一些看法，总异常报

29、答率扣除费用前，年龄基金，基金规模，营业额，支出，基金经理和三可变 冷杉：运用权，城市的阅历，以及平均SAT成果。 异常报答是衡量每月百分之并之间的平均每月总利润的差额该基金在今年的月平均报答一切基金某一年，基金的投资客观，大小四分。 四分位数的大小是确定了每年的基金投资的一切资金目的。 我们用我们的估计的异常收益率由于运用原料报答来衡量业绩在不同的地点是有问题的：原资料前往可以在不同的地点 ， 假设有系统的不同，在基金的规模分配方法 ， 或在资金数目不同投资目的。 这些报答百分之所示 每月。 该基金的规模是衡量其济南数十亿美圆。 该基金的年龄是多年来的区别本年度之间和组织一年该基金。 该基金

30、的成交额被定义为 最大总销售额的百分之作为总采购平均基金净资产规模在过去一年。 开支的定义是每年总支出的比例在个百分点的基金。 与经理的任期该基金是多年来目前的区别今年，当基金经理首先分配给年给定的基金。 城市管理者的阅历多年来区别当前至今年首今年的记录 ， 这是基金经理在一个任务启动某个城市。 我们运用这两个变量的代理经理的阅历与基金和城市，respec -tively。 我们的最后一个变量，SAT平均措施经理人才运用管理的详细SAT成果，下面的 骑士 ， 埃利森1999年a。 我们匹配经理人的本科大学的晨星 与大学的SAT平均分数的传入 1992年本科班由学院报木板。10 在创建管理的详细

31、税务总局变量，我们的样本量减少 ， 由于不是一切的管理人员报告他们的教育背景 ， 并非一切学校的报告税务总局分数。 11 但是，这种减少不会改动 比例的资金作为金融中心的显示表1 。 我们看到 ， 在金融中心的资金是平均两倍以上大， 中和其他地方的这差别有统计学意义。资金周转在金融中心 ， 也明显大于其他地方89.3比83.4。 有趣的是，虽然在更大的尺寸和更多的贸易，金融中心基金明显优于其他基金的条件异常报答。12 平均中位数总异常前往在金融中心的资金为60132每年基点高于基金，在小城市。虽然高报答率，投资者需求支付5个基点的费用较少比其他地方的金融中心，因此性能对于金融中心的利益方面到达

32、投资者净报答。 基金的平均年龄，经理任期，并管理城市的阅历 ， 在菲南大得多，cial中心。 最后，符合城市的实际集聚，金融中心 ， 吸引个人从大学显着提高的平均SAT成果。假设这是一个技术代理，那么似乎有些排序熟练和非熟练工人，劳动力市场确实正在发生。经过察看 ， 我们探求在其他技艺的措施投资组合经理浓度差别与他们的同龄人居住在较小的金融中心城镇 。Kacperczyk，Sialm，和郑2004年发现，更集中的投资组合持有为共同基金表平均比基金更好更多元化属性的财富和他们这种优越的性能更好的信息。 我们测试能否我们看到更多比其他金融中心的集中投资组合，哪里。 从理柏分析，我们的投资组合持19

33、96年9月 ， 我们报告他们的浓度 在资金上 表2 不同地点 。 我们组芝加哥和费城为一组 ， 洛杉矶和旧金山以实现到另一个合理子样本大小。 该表显示 ， 共同基金设在金融中心举行得多比其他设的集中投资地方，这是符合我们的证据过度的市场风险由基金经理参与金融中心。 在投资组合浓度差是第一产业的最大的超越23，和， 虽然在经济上减弱，但仍统计实例， cally非常重要 ， 由于在其他前五个行业投资。 表2 集中投资组合持有量。 此表显示了在任何特定行业进展了基金的投资组合平均程度。 对于每一个基金，投资组合持股是由工业和汇总当时世界排名从最高到最低。 下面的百分之报告的前五个行业的一切基金的投资

34、组合持有的平均浓度或美圆价值的五大行业占总净资产的比例组合集团在金融中心女，海外位于其他地方，而它们之间的差别F - O的相应 吨 ，括号中的数字。 这些数据理柏分析季度投资组合持有量1996年9月 ， 包括一切美国在柏的生长和生长收益型基金类别的国内股票基金。 甲基金是一个金融中心 ， 假设它总部设在50英里的波士顿，芝加哥，洛杉矶，纽约，费城，或旧金山。 芝加哥和费城显示为一组和洛杉矶和旧金山的另一个。 基金外包管理活动从样本中删除。 统计意义的10，5和1的程度表示为*，*和*分别。 3.3。 数据从风险调整程序 在测试的城市群，我们的实际需求丈量的阅历与技巧如何变化城市和一个基金。 因

35、此，我们要尽量控制在风险的不同情况和管理风格和比较不同地域的资金运用性风险调整后 ， 除正常的报答收益。 在本小节中，我们描画了四个风险调整在两个和两个赖斯无条件的程序 tional绩效评价方式。 第一个是广泛用于 卡哈特的1997年四要素模型，即 在方程基金阿尔法。 1能够会潜在地嵌入2 效果：选股技巧 ， 以及市场时机 基金经理的才干。 分解这两种影响， 我们也思索 特雷诺 市场时机模型 和 玛泽1966 ，即 假设学习是获得经过信息交流， 我们期望私人信息 ， 而不是市民要尤其重要的基金业绩。 由于 任福森 和Schadt1996年 和 弗森，任福森，和 格拉斯曼1998 指出，在有条件

36、的框架分开买卖技艺的私人与公共信息。 我们遵照这些以往的研讨和如今两个有条件的绩效评价方式。有条件的-模型是基于规范资本资产定价模型CAPM，其中 无论是市场测试和拦截是线性两个函数的滞后公共信息变量： 1个月的美国国库券利率和期限构造伸展。 在传播的定义是在收益率上的差别10年期美国政府债券和3个月的美 国库券。 这个变量的选择是出于最近对股票收益的可预测性的证据见 任福森，亚美尼亚国防部长萨尔基相和四民，2003年 ，并表示如下： 我们估计每个型号运用一切的前往数据 每个基金的基金1992年至2002年有条件 至少有36个月的收益。 表3报告 平均每场设在资金和这些估计境外金融中心。 在其

37、他的文件，我们运用36个月滚动回归的卡哈特的和 有条件的-规范 ， 由于这些模，埃尔斯最适宜的数据 ， 由于在我们以后的分析，我们 有兴趣捕捉风险的变化调整 经过时间的报答 ， 而不是简单地看 平均数。 表3 平均预期的风险调整收益，市场风险和市场时机。 该表显示了基金平均阿尔法，贝塔市场和条件，在法玛荷载法和动力组合二 中小 基金设在F和海外其他地方的金融中心 ， 采用不同的绩效评价模型。 它还报告在不同地点的估计差别F - O的相应的 t -统计。 假设一个基金是其总部50英里的范围内是一个金融中心波士顿，芝加哥，洛杉矶，纽约，费城，或旧金山。 该例如包括美国一切多样化的国内股票共同基金除

38、外 这些资金是外包的管理活动。 样本期是1992年1月至2002年12月。 模型1是 卡哈特1997模型， 模型3是随着时间的推移条件模型变阿尔法和贝塔，和模型2和4是无条件的，conditiona 升特雷诺和玛泽 1966模型，分别。 因变量是基金在1月超额报答月期国库券利率在一切回归。 阿尔法措施 在一切车型拦截。 测试措施对美国的价值系数，在一个市场超额收益的加权个月的国库券利率，研讨 要素模型，在法玛，法国的大小和书籍的系数估计到市场的投资组合记为 B 中小企业 和 b会展管理 而对系数 动力组合记为 B 收益率10年期美国政府债券和3月期美国国库券。 在模型2和4， 估计是斜坡上的平

39、方值系数 美国价值加权超额的市场报答。 基于 Z系数 未列入下表虽然这两个变量包括在方式3的估计。 对于每一个基金，模型估计运用一切1992年1月至2002年12月前往数据条件是至少有36个月的基金报答数据。 系数的平均分的根底上的交叉的资金部分。 有861 基金察看 ， 金融中心和633在其他地方。 统计意义的10，5和1的程度表示为*，*和*分别。 根据该模型，对基金的平均阿尔法在金融中心之间0.50和1.25为高 比其他地域的，而且这种差距统计学意义的在5程度或一切模型下面。 我们发现 ， 在平常的5，没有相当大的差别在市场显着性程度测试版或市场时机选择才干一切车型和地点。 这些结果阐明

40、， 在全国不同地点前往 ， 可以运用Attrib -uted更好的股票选择才干 ， 而不是从更好的市场时机或承当风险。 也有一些迹象阐明 ， 金融中心的资金惠及更多从战略和动力呼应更积极进取 ， 在长期蔓延的变化。 因此，即使经过风险调整，有更好的平均证据投资基金的基金管理人之间的财务技艺 中心，符合双方的第一个预测小 分类和学习。 其他各节区分这些假设之间。 4。 基金的报答，经理的阅历，与城市规模 根据实际，有很多人口特征的金融中心 ， 这有助于排序在城市和学习。 特别是，人数 而这些人的平均教育程度似乎 在通常用作变量描画城市实际文献。 我们开场与我们的实证检验 人口统计学变量之间的普通

41、关系， 共同基金的报答，经理的阅历。 图1 显示了年度总基金之间的关系收益和城市规模绘制以及城市教育程度剧情乙。 对于每一个城市，我们发现 ， 每年平均总 前往总部设在该市一切的共同基金。 我们小组该市人口的75报答平均规模和教育程度 ， 在1990年美国报告普查并提供一个整体报答 ， 平均每人口和教育队列。 人口同伙包括：小于0.5万，0.5至200.0万， 2至5万人，500多万居民。 同伙的教育是：小于20; 20至30，30至40，以及更多超越40的人口拥有学士学位或更多。 我们察看到的平均资金大幅度添加前往两个城市的规模和教育程度。 那个在性能差别最大 ，最小的城市规模的团体超越2，

42、而同一差别与城市之间的最高和最低 教育程度是4以上。 的差别最高和最低的两个队列手段 人口和教育集团是统计信号， nificant在1的程度。 另一个有趣的特征情节乙，是有别于 其士和埃利森1999年a ，我们处置与城市 ， 而不是普通的教育程度该基金经理。 因此， 图。 1清楚地阐明， 在较大的城市和/或城市的平均基金经理更多受过教育的人表现大大好比同龄的人口较少 ， 学历低社区。 它提供证据证明这两个小分类和学习假设。 回想一下 ， 在学习假说的P2意味着性能与提高城市的阅历关系大小。 调查这一点，我们与基金平均异常前往到基金经理人的城市的阅历即时间鉴于经理花了在某一城市。 我们运用以下小

43、组回归模型： 它的计算 管理人员之间的阅历差别在日志 由于在特定的城市一年中位数城市日志 一切资金的管理阅历 ， 类似的投资， 精神疾病目的年。 阅历是在丈量 开场每个日历年和收益度量的 12个月sured等待。 请留意 人口变量方程。 5目前单独地和互动与城市管理的阅历。 两者 人口和教育人口变数而坚持不变 ， 而且每个城市改造对数。 图1按城市规模和教育程度，基金的报答。 图中显示的平均年度总收益多样化的国内一切美国股票共同不包括基金 ， 外包管理活动的资金。 样本的前往时间是1992年1月至2002年12月。 每个基金与相关的范围内最大的城市总部50英里。 这提供了75个美国城市的样本

44、， 每个城市，我们发现 ， 每年平均总收益的总部设在该市一切的共同基金。 在城市的人口规模剧情A和教育 ， 我们这些75组报答平均程度 剧情乙为报道1990年美国人口普查 ， 并提供为每个队列人口和教育的整体平均收益。 一个城市的教育程度按人口比例计算年龄超越25岁谁持有学士学位或更高。 基金的特点是资金捕获年龄，大小， 营业额和费用。 基金的年龄，营业额和费用被转换的对数 ， 并表示为基金年龄上面的。 鉴于基金的规模和随时间变化 在投资类别 ， 我们利用过剩的措施。 它计算公式为 ， 对数之间的差别滞后 基金规模减少了基金的平均程度滞后日志 大小一样的投资类别 ， 今年是 表示为 尺寸 我们

45、运用多个变量来控制 对基金 I t 年 的风险 ：在基金的报答对数 动摇性， 动摇性 要么就在荷载 市场，规模，书上市，和动力组合 从 卡哈特1997模型或装运的 市场测试无条件的和有条件的部分 在有条件的-型。 我们估计 风险调整收益模型为36个月滚动倒退的 sions。 例如，估计在1994年测试版，我们运用 前往数据从1992年1月至1994年12月 向前迈进。 最后，D下年 是指历年 它可以在一切的规格包括假人。 我们运用 胡贝尔，白城市集群强大的规范误差。 表4 基金的表现，人口和城市管理的阅历。 此表显示 ， 从平均异常收益，研讨回归估计 荷兰 在人口控制的特点 ， 同时还能为基金

46、 和管理者的特点。 该例如包括美国一切多样化的国内股票基金 ， 不包括共同基金的外包管理活动。 样本期是1992年1月至2002年12月。 每一个基金 ， 是与最大的城市50英里范围内的 总部。 异常报答是衡量每月百分之 ， 是平均每月的总收益基金在今年的差别， 平均每月收益在某一年一切基金，基金的投资目的和大小四分。 阅历是一个 丈量计算过剩 作为在特定城市之间的差额经理的阅历记录在某一年 ， 以及对一切资金管理者中位数与城市的阅历记录当年类似的投资目的。 从1990年的美国人口普查各城市的人口变量。 人口的日志是一个城市的 人口。 教育是对居民的百分之25以上的持有学士学位的年龄记录。 检

47、验是1992年传入的平均分 本科类除以100，为每个经理的大学毕业。 基金的年龄是基金年龄岁日志。 尺寸格A1是 措施过剩计算公式为 ， 与去年的总额百万元的资金 ， 我和总收入中位数百万元的一切资金与净资产日志净资产记录差同样在这一年的投资目的。 营业额，费用，动摇是一个基金的周转率，年度基金开支比率，并登录规范差 ， 每月将在某一年，分别为。 Beta是斜率估计对美国价值系数加权市场报答在一个超越一个月的T无论从无条件四要素模型票据利率4楼包括在回归6或条件丙-型 包括在回归7。 在回归6，斜坡 b 措施的长期蔓延，或在收益率差10年期美国政府债券和三本月美国国库券。 我们估计的风险调整收

48、益模型为36个月的滚动回归。 今年的拦截和固定效应包含在一切但他们的回归系数不显示。 这些 T括号内数字是根据胡贝尔，白稳健规范误差与 察看集群同一城市。 该表还显示了调整 R平方为每个回归。 统计意义的10，5和 1的程度表示为*，*和*分别。 估计结果列于 表4我们 添加更多的控制 ， 我们从左至右挪动。 我们没有报告拦截年的系数假人。 回归1显示了如何异常基金的报答涉及到两个人口变数。 正如预期的小一，我们看到基金perfor之间呈正相关，芒斯和两个变量。 但是，只需斜坡人口系数显示 ， 在统计意义 5的程度。 回归2提供了最简单的框架 突出两个 表4 主要测试 。 为了测试的P2，我们

49、 要确定能否perfor之间的关系， 芒斯和城市规模的阅历添加。 一致与学习假说，我们看到 ， 斜坡系数的相互作用项， 5 ，是积极的 ， 显着以 吨的2.01统计。 相反，我们做 看不到表现普通是在较大的提高由微缺乏道的人口负荷， 荤 记城市 3 。 这是不符合排序假说小， 由于我们希望较大的城市 ， 提供更好的任务和 对一切管理人员的时机，而不仅仅是阅历 的。 我们测试小更明确地在第6。 在经济方面，但有趣的是不仅思索如何与人口变化 ， 但阅历斜坡 还思索了阅历斜坡程度 丈量的线性组合估计 系数 表4和人口， 或 c 见 拉詹和津加莱斯，1998年 ; Hargens，2006年的资料。

50、鉴于人口日志和表达的 上述线性关系，我们可以很容易地确定在倒退， 锡永2，对于一个城市 ， 有050.00万，人口 阅历是0.059相应的斜坡，而一 拥有1000万人口的城市是0.025斜坡。 13 这个意味着在10万人口的城市，一个报答经理的两倍多阅历的中位数较高的1.75基点，每月或每年21基点较高，比在同一个城市中位数的阅历的经理。我们的负相关关系小城镇是察看 符合 其士和埃利森1999年a，b的谁找到在普通的年轻管理人员更好的表现比由于事业的担忧旧。 在 表9 我们的研讨结果支持 ， 但作为一个能够的解释 ， 这在小城市的负号的意义不不同规格的鲁棒性例如，见 5和表6。 相反，在大城市

51、的正相关关系具有很强的其他规格和性能体验与城市规模的关系总是大大添加。两者这些结果只解释了城市群实际。 在回归3，我们运转一个类似的测试前，除非我们控制管理器 ， 运用SAT成果的才干。根据排序假说，性能优越 ， 在金融中心 ， 是由于管理人员更可以迁移到城市。 因此，至关重要的是控制经理才干。 符合 其士和埃利森1999年a ，我们察看了积极和高度显着性之间的关系SAT平均分数和基金perfor - 芒斯。 在经济方面，在经理的SAT添加 100分的得分导致一年度有所添加 0.370.032的12倍异常基金的报答。 然而，即使后经理的才干，关键系数控制 人口的互动来看， 5 ，不丧失意义在1

52、0的程度。 此外，在回归4 我们添加的另一个滞后异常基金的报答 独立的变量来控制潜在影响在基金业绩继续性。 的 R 2 添加信号， nificantly的占了很多新的变量选取在当前收益的变化。 不过，我们看到 ，性能关系的阅历 ， 更添加与城市的规模，其统计意义上升到规范的5的程度。 5-7回归系数的报告估计 ， 从当量。 5基金额外控制变量和风险特征。 在一切三个型号的主要成果从以前的回归依然存在。 我们再次看到 ，基金的表现较高 ， 高经理 SAT平均分数。 此外，相互作用项人口之间的阅历和如今得到加强在经济和统计方面：平均系数 C 5 在数据回归5-7大几乎是两倍比数据回归2-4，而如今

53、统计实例， cally重要的1的程度。 此外，看来该基金时代，基金规模，更受市场不利于风险报答不论模型规范。 因此，我们的研讨结果支持第一预测分类和学习。 符合排序假说，亚太经社会统计，我们看到 ， 管理人员有较高的大城市天生的投资才干 ， 他们表现得更好。 更多重要的是，我们的结果支持了第二次预测学习假设：即使在为人类控制，阿赫尔才干和各种基金的特点，我们可以看到 ，性能体验的关系，或学习曲线，人口显着添加。5。 基金收益和财务管理阅历中心在上一节的结果显示 ， 基金管理人员受害于大城市定位。 但是， 人口只需一个特点是人口促进城市成为金融中心。 目前，脱颖而出，在本节我们从城市的间隔 丈量

54、以人的数量，而不是取代一本目的 ， 确定了6个美国城市最集中的互助基金和金融专业人士。 我们测试的第二次和第三次预测P2和P3的分类和学习的假设详细估计收益之间的关系，管理技艺，资金和管理城市的阅历 位于境内外金融中心。 我们还分析在地铁的资金相对表现， politan纽约地域。 5.1。 有关申报表及阅历 我们运用类似设置回归方程。 5除这个框架内 ， 我们比较报答阅历rela - 重刑的内外资金的金融中心位于而不是衡量的报答，阅历关系人口的城市不同层次。 基金收益包括 ：不正常和风险调整收益。 我们再次控制各种基金每年的特点和影响。 该小组回归模型如下： 一如以往，我们估计风险调整后的36

55、个车型个月滚动回归。 在回归一切的控制变量定义前。 我们还包括假人 ， 以控制城市固定 影响 D下市 ，使我们可以调整差别 在地方经理的技艺。 我们再次运用的胡贝尔，白稳健规范误差 ， 但集群规范误差 由管理人员而不是城市。根据学习的假设，管理人员的P2 改善他们获得更多的阅历 ， 在金融 中心。 假设要测试此，我们期望斜坡丙 1 将是 显着更加积极的金融中心相比 ， 即使在一个人控制较小的社区 阿赫尔的个人才干来衡量其相应的 SAT成果。 相比之下，小三的排序假说 表5 基金业绩和管理城市的阅历。 此表显示 ， 从正常面板回归的估计结果注册商标 或风险调整 城市阅历的经理基金的报答同时控制各

56、种基金的特点。 该例如包括美国一切多样化的国内股票不包括共同基金的基金外包管理活动。 样本期是1992年1月至2002年12月。 金融中心的资金在50区总部分别设 英里的波士顿，芝加哥，洛杉矶，纽约，费城，或旧金山，非金融中心的资金包括一切其他资金。 异常报答是衡量每月百分之 ， 是平均每月总收益基金在该年度月平均利润的差额 一切基金某一年，基金的投资目的和大小四分。 风险调整收益估计运用四个要素4楼或 有条件的-丙模型和估计运用36个月滚动回归。 阅历是一个 过剩的差额计算方法 管理人员之间的阅历记录在一个特定的城市在某一年 ， 以及对一切资金管理城市的阅历中位数与日志类似 在这一年的投资目

57、的。 税务总局是1992年传入本科班平均分除以100，每个经理的大学 毕业。 基金的年龄是基金年龄岁日志。 尺寸格A1是 过剩作为去年的总百万元净资产记录的差额计算方法 对 我和基金总收入中位数百万元的一切资金，与去年同期的净资产的投资目的。 营业额，费用，以及动摇的日志 一个基金的周转率，年度基金开支比率，以及每月申报在某一年，分别为规范差。 截距，城市 详细的，每年固定效应包括在一切回归系数 ， 但不会显示。 这些 T括号内数字是基于 与观测集群同一基金经理的规范误差胡贝尔，白稳健的估计。 在 F -检验女- O的比较 系数在多个办公体验。 在聚集回归 ， 包括一切的意见和一样的控制变量，

58、它测试平等在体验系数估计一个 DF和阅历1A条D下六 ， 其中DF是一个金融中心或纽约假人。 统计意义 在10，5和1的程度表示为*，*和*分别。 建议经理天生优越的挪动技巧 大城市 ， 是技艺 ， 有助于 性能比学习更是如此。 因此，我们估计斜坡丙 2 更积极的金融中心 比其他地方。 从 表1我们曾经知道， 金融中心吸引了数大幅添加 熟练的资金作为其SAT成果确定管理人员，所以在这些测试中，我们确定这能否技艺有助于更好地基金的报答。 表5 显示了回归方程为根底的结果。 6 对异常和风险调整后的基金的报答分别为在边缘的资金，金融中心，并在 纽约。 在这些回归，从前往的数据 随着时间的推移或同一

59、基金在基金经理在给定的 城市不能被视为独立的。 系数 对拦截，今年，城市固定效果并不 报告。 该表有9列。 前三个列报告设在基金的业绩 边缘。 报告列4-6基金的业绩 在金融中心和位于列7-9的报告 结果在纽约的资金。 我们首先就比较斜率城市经理 阅历， 1 ，在不同的地点。 符合 学习假设，我们看到一个强大的正相关关系 城市之间的阅历和管理基金的表现 在金融中心的资金。 相反，我们没有发现 表6 基金业绩和管理城市的阅历 ， 基金的投资目的。 本表与异常的基金经理人回到城市的阅历和不同的基金投资目的的位置 在控制其他基金的特点。 异常报答是衡量百分之每月之间的区别是 ， 平均每月 总收益基金

60、在该年度月平均报答在某一年一切基金，基金的投资目的和大小四分。 风险 调整后的报答估计运用四个要素4楼或有条件的-丙模型。 我们估计的风险调整收益模型为36个月 滚动回归。 该例如包括美国一切多样化的国内股票不包括共同基金 ， 基金的管理外包 活动。 样本期是1992年1月至2002年12月。 这些变量 D下中 和 DGR的收入是假人和开展为导向的资金， 分别。d以定义为1，假设基金作为收入或增长/其ICDI客观范畴的收入。D下GR的需求一个确定的值，假设 该基金被确定为不是积极的开展或其ICDI客观的一类大型生长。 阅历是一个 过剩的计算方法 之间的差额经理的阅历记录在一个特定的城市在某一年