Fung和Hsieh [1] 通过对3327只开放基金和409只对冲基金进行实证分析，在公募基金中，R方大于50%的基金占比高达92%，而在对冲基金中，近50%的R方不足25%。研究发现，传统的因子模型能够很好地解释公募基金业绩，但是无法解释对冲基金业绩。对此，Ibbotson等利用FH模型考察1995~2009年的6169只对冲基金，发现该模型能够良好解释对冲基金绩效，并发现对冲基金表现出持续获得正alpha收益的能力 [2] 。Busse认为传统的T-M模型、H-M模型等时间序列分析模型都只是单从收益的角度考察，而忽略了波动性对选股择时能力的影响。他认为，如果基金的收益率与市场的波动性之间不存在显著的正向的相关关系的话，基金经理应该选择以下投资策略：在市场波动剧烈时降低基金仓位，等待市场的波动程度减缓趋于相对平稳时逐渐加大基金仓位，通过这种方式让基金获得高额的收益 [3] 。基于此假设，Busse选择了美国市场具有代表性的230只基金进行实证研究，结论表明，在市场波动剧烈时，理性的基金经理人选择降低基金仓位，缩减所持有资产组合的市场风险度，以此避免市场波动风险，这样的投资策略能显著提高基金的收益率。Brown、Harlow和Zhang [4] 通过对投资组合与金融市场投资回报率的对比发现，当金融市场的基准回报率表现为负值时，在不同投资类型间转换频繁的基金产品所表现出的业绩相对较好，这主要是因为类型变动小的组合由于更换率低，从而产生的交易成本小，而由此带来的风险相对较小，但在市场整体表现不好时，这类的基金产品也很难获得高风险带来的高收益。

但在我国，公募基金的持仓受到了较为明显的限制，即“双十规定”：一只基金持有同一只股票不得超过基金资产的10%；一个基金公司同一基金管理人管理的所有基金，持同一只股票不得超过该股票市值的10%。除此以外，证监会规定公募基金仓位不得低于65%，以及股票型基金必须将60%及以上的基金资产投资于股票等一系列规定。相比之下私募基金投资策略多样，持仓没有严格的限制条件，基金经理可以根据不同的市场情况灵活改变基金的资产配置，可以使用Busse在研究中发现的投资策略，即在市场波动剧烈时选择降低基金仓位，缩减所持有资产组合的市场风险度，而相比之下，公募基金由于其仓位的限制只能在很小范围内对基金持仓进行操作。公募基金和私募基金在不同市场周期的表现不同。在2014~2015年牛市阶段，公募基金，特别是公募股票型基金得益于其较高的仓位，被动持仓而充分享受了市场上涨带来的绝对收益，在这一阶段公募基金表现出了比私募基金更强的回报率。但在2015年6月以后至2016年5月的熊市，以及2016年6月持续到2019年5月的震荡市当中，私募基金表现明显优于公募基金。正如Brown、Harlow和Zhang研究所得到的那样，公募股票型基金有持仓限制，没法降低仓位度过寒冬，因此当市场行情不利的时候，股票型基金就会大幅下跌。而私募基金因其灵活性，可以低仓位乃至空仓运作，更好地回撤控制，因此在熊市、震荡市当中表现由于公募基金。

虽然国内关于私募基金和公募基金的选股能力的研究还并不成熟，但是在改革开放至今的四十多年里，关于公募基金和私募基金的选股能力谁更强的讨论从来没有停止过。本人查阅文献后整理综述如下。

赵骄、闰光华从公募基金与阳光私募基金经理的投资能力的视角分析，我国公募基金与阳光私募基金的发展从20世纪80年代末至今得到了长足的发展。二人运用TM模型和HM模型对基金经理的选股能力和择时能力进行了对比分析得出结论：总体来看，私募基金经理的投资能力优于公募基金经理 [5] 。当用成功概率法进行辅助性验证的时候，发现两种激励模式下基金经理对市场方向的预测和判断基本相当，公募基金经理还略胜一筹。最终分析结果表明：我国基金行业基金经理的投资能力不具备显著差异，投资业绩的差异关键在于对仓位的控制以及策略的灵活性。彭小兵、李瑞涛和申云 [6] 从我国私募基金择时选股能力的角度进一步深化了分析，作者以传统的参数检验方法(TM-FF3)模型出发，考虑到公共信息会影响测量择时选股能力，因此引入市场人气度这一变量来反应公共信息，构建基于公共信息变量的修正TM-FF3模型，对筛选出私募基金样本股票数据进行择时选股能力实证分析。研究结果发现，私募基金至少需具备显著择时或选股能力的其中一种，以择时能力为主。罗福立 [7] 另辟新径，以个例阳光私募基金选股择时能力作为研究对象，运用T-M和H-M模型对2010年63只阳光私募基金的选股能力和择时能力进行了实证分析。最终发现具有选股能力的基金只占小部分，大多数基金不具备选股能力。除极个别基金具有择时能力外，其他基金并不具备择时能力，并且一些基金由于较差的择时能力反而拖累了业绩。陈道轮，陈欣 [8] 等通过493只阳光私募基金绩效数据，综合使用以CAPM模型和FF3模型的八种因子模型进行实证分析。研究发现，阳光私募基金总体上跑赢了市场，按照私募基金经理以往职业分类，公募系的私募基金经理尤其表现出较强的选股能力。可严武和熊航 [9] 对不同制度环境下基金经理投资能力发挥的进行研究，对基金经理转投前后的投资绩效进行实证分析。研究发现，基金经理从公募基金转投阳光私募基金后，综合投资能力出现显著提高。王璁 [10] 按照研究策略分类发现，私募基金中量化策略基金在整个考察期内表现优于主观策略基金。

通过阅读、梳理和私募基金选股能力的相关文献，我们发现虽然在阳光私募基金与公募基金方面，经过国内大量学者和相关机构不断深入研究，做出了不可估量的贡献，在实践中起到了指导作用。但从现有的文献研究方面，很少学者站在科创板和注册制改革的新背景下，重新审视私募基金的选股能力。于是本文选择以科创板发行股票为研究对象，能够补充以往学者研究上的空白。此外，私募基金监管方面存在一定的局限，保密强，持仓数据难以获取，基于私募基金本身来进行学术研究无法避免数据可得性、数据实性等方面的难题，本文研究选择了不从私募基金本身持仓出发，而是从个股IPO发行对象认购和限售信息出发，以IPO募集资金中私募基金所占比例衡量私募基金对股票的偏好程度，并通过研究被私募基金偏好的个股的后续回报率情况衡量私募基金的选股能力。

以投资者收益为被解释变量，私募基金偏好为核心解释变量，控制变量依次为市净率、资产负债率、公司规模、上市前三十日市场收益率，控制变量为前三大股东持股。销商排名、保荐人排名、会计师事务所分类。

多元回归模型如下：

$\begin{array}{c}\text{Re}={\beta }_0+{\beta }_1\text{Ratio}+{\beta }_2\text{PB}+{\beta }_3\text{Dta}+{\beta }_4\text{Holder}+{\beta }_5\text{size}\\ +{\beta }_6\text{Rm}+{\beta }_7\text{WT}3+{\beta }_8\text{spon}+a\text{Big}4+\epsilon \end{array}$

其中Big4是一个虚拟变量，Big4 = 1代表为四大会计师事务所，为0代表非四大会计师事务所，Re为投资收益率，Ratio为IPO募集资金总额中的私募基金占比，PB为市净率，Dta为资产负债率，Holder为前三大股东持股比例，size为公司规模，Rm为上市前三十日的市场收益率，WT3为新股发行时承销量最大的三家承销商前一年在业内的规模排名，spon为上市公司保荐机构前年在业内的业务量排名。

具体变量详见 表1 。

回归数据来源：本文所选样本区间为2019年7月22日至2020年12月30日，对象科创板发行的217支股票。数据包括科创板IPO申购配售信息表、个股发行后两年内的日交易数据、公司市净率、资产负债率、公司规模、2019年7月2020年12月A股市场表现、上市公司承销商、保荐人、会计师事务所、股东持股情况。

通过CSMAR数据库( https://www.csmar.com/ )公司研究系列一首次公开发行(A股)-IPO申购配售结果表，获取科创板2019年7月22日~2020年12月30日期间上市公司IPO申购配售结果表，下载字段证券代码、上市日期、发行对象、发行价格、实际配售股数。计算每只股票IPO时私募基金融资占比的公式为：

${\text{Ratio}}_{1i}=\frac{{\displaystyle \sum P_i{Q}_{ij}}}{{\displaystyle \sum P_i{Q}_{in}}}\ast 100\%$

其中，Ratio_1i为第i只股票IPO募集资金总额中私募基金占比，P_i为第i只股票的发行价格，Q_ij为第i只股票申购配售信息中的第j条发行对象为私募基金的实际配售股数，Q_in为第i只股票IPO配售股数总额。首日回报率计算公式为：

${\text{Re}}_i=\frac{P_t-P_0}{P_0}$

其中P_t为上市首日收盘价，P₀为发行价格。上市前三十日市场表现，以个股上市日期为基准，向前三十日(以20个交易日计算)的市场收益率作为该段时间内的市场表现。检验数据来源：通过私募排排网(simuwang.com)获取私募基金和公募基金近三年的区间收益率数据，用以后续检测模型和其他分析。

无风险收益率通常由国债利率、LIBOR、回购利率、AAA级债券利率等来担任，国外研究文献中也多采用国债收益率作为无风险利率，但考虑到我国国债市场与国外国债市场存在诸多差异，在这种情况下仍然采用国债利率作为无风险收益率会引发诸多问题。为了避免这些问题，本文借鉴国内大部分学者做法，采用一年期定期存款利率作为无风险利率以央行最近一次在2015年对一年期存款利率的调整结果为准，一年期存款利率为1.50%，一年以365天计算日无风险收益率。

表2 为各指标的描述性统计。Ratio指标的最大值为0.1773，最小值为0.0214，均值为0.0976，方差标准差较小。与公募基金以及其他信托、期货、养老保险等发行对象相比，私募基金受到总体规模限制，在股票IPO时申购比例总体偏小，符合实际情况，表现为在所选样本中，各个样本IPO时募集资金当中私募基金占比集中且偏小。Re最大值达到7.9537，即上市首日较IPO发行价格实现790%正收益，由于A股市场IPO抑价现象的普遍存在，新股首日回报率相当高，只有少部分新股会在上市首日跌破发行价，即出现“破发”情况。Size指标极差、方差、标准差较大，样本中有且仅有4家上市公司在上市前年的公司总资产超过100亿，分别为104亿、117亿、363亿、797亿，其余上市公视的总资产规模分布较为均衡，这四个数值导致了描述性指标的异常。

将个股按照私募基金占比分为“高占比组”、“低占比组”两组，每组的首日回报率数据描述性统计结果如下：无风险收益率采用一年期定期存款利率1.50%，一年计365天，夏普比率计算公式为

$S_p=\frac{E\left(R_p-R_f\right)}{\sigma p}$

表3 显示从均值、标准差、夏普比率三个指标来看，低占比组均低于高占比组，由此初步猜测，私募基金对投资组合承担单位风险的超额回报率有正向影响，初步预测私募基金占比对新股的首日回报率有正效应。

表4 为变量的相关系数表，Re与Ratio相关系数为0.0991 > 0，初步预测，上市公司IPO私募基金占比与新股首日回报率可能存在某种同向变动的关系。PB、Dta、Size、Spon、Big4与Re的相关系数均为正。市净率、资产负债率、公司规模从上市公司的基本面出发，优质的公司在上市首日越受到投资者的追捧，在一定范围内，市净率越高、公司规模越大，公司的实力越强；科创板上市公司多为成长型公司，较高的资产负债率意味着更大的发展潜力；一般认为保荐人、会计师事务所的资质越高，会对投资者信心产生积极的影响，进而表现为更高的回报率，以上变量与Re之间正的相关系数符合实际情况Holder、Rm、wT3与Re的相关系数均为负。前三大股东持股比例反映了公司的治理模式由于新股上市首日的回报率更多地受到IPO定价的影响，可能出现回报率与当日市场表现不明显负相关的情况，承销商的资质越高，上市公司IPO的费用越高，导致了承销商规模与上市公司首日回报率表现为负相关。

Ratio (D/W/M/Y)对应的被解释变量分别为首日(周/月/年)回报率。 表5 反映了私募基金占比(Ratio)对科创板上市公司首日回报率的影响。对于以首日回报率为被解释变量的多元回归结果中，在1%显著水平下，解释变量Ratio通过T检验，私募基金占比(Ratio)系数为正且通过显著性检验，私募基金占比每变化1 (%)，首日回报率平均同向变动9.69 (%)，说明私募基金占比对新股的首日回报率有正向影响，私募基金占比越高，新股的首日回报率越高，同时也说明在新股上市首日，私募基金的选股能力强这一结果是显著的。传统数据表明，新股上市首日的破发情况相对少见，科创板新股上市首日的收益率十分可观。实际上，市场中理性的投资者也通常也会抓住新股上市首日的时机卖出，一般不会持有过长时间，这也可以印证模型(1)所反映的现象：私募基金偏好程度对于新股首日回报率的影响比对于后续更长期间回报率的影响更为显著。

续表

White检验：white test<-white.test (mode1)

H0：残差方差为常数(原模型不存在异方差)

H1：残差方差不为常数(原模型存在异方差)

LM统计量的p值若小于显著性水平，则拒绝残差方差为常数的原假设，即存在异方差性；F统计量对应的p值，若p值小于显著性水平，则拒绝原假设，即存在异方差性。 表6 结果显示，LM统计量与F统计量的p值均大于显著水平，因此可以接受原假设，认为原模型不存在异方差。

VIF检验：vif_values<-vif (model)，各变量的VIF值显著减小，此时可认为模型中不存在多重共线性。利用Lasso回归对VIF值较大的变量进行处理后，得到新的多元回归结果见 表7 。

$\begin{array}{c}\text{Re}=-0.5261+8.8732\text{Ratio}+0.03628\text{PB}+1.3225\text{Dta}-0.0419\text{Holdern}\\ +1.9510\text{Rm}-0.0607\log \text{WT}3-0.0741\log \text{spon}+0.0941\text{Big}4+\epsilon \end{array}$

基于模型(1)的建立和求解，我们发现上市公司IPO时私募基金的占比高低(Ratio)对新股上市首日的回报率(Re)有正向的影响，因此站在新股上市首日这一时点，可以说明私募基金有较强的选股能力。然而，这一结论并不能说明私募基金“选择上市公司的能力在未来更长时间内是否能够持续，也不能以此确定私募基金的选股能力是一个短期的效应还是长期的效应。基于此，本文更改模型中的被解释变量，分别更改Re为“首年回报率”，模型中的剩余部分保持不变，不新股的“首周回报率”、“首月回报率”变化，再次进行模型的求解、检验和修正， 表8 汇总了四个模型的回归结果。

由 表8 中数据发现，当以首日回报率作为被解释变量时，Ratio项的系数最大，为9.69并在t检验中表现为显著影响Re。按照回报率计算周期的长短，IPO募集资金中私募基金占比对新股回报率的影响呈现递减规律，且在t检验中表现为越来越不显著。基于此，得出结论，私募基金的选股能力是一个短期的效应，在新股上市首日表现显著，但从后续更长期间内的回报率来看，私募基金并没有显著更好的选股能力。

从私募排排网获取市场现存的公募基金和私募基金数据，分别按照2019~2021年的三年基金回报率从高到低进行排序，排名前十的公募基金与私募基金近三年的回报率数据如 表9 所示， 表10 对比了公募基金和私募基金在不同排名层次的基金回报率均值。数据表明，从均值来看市场现有排名前十、前百、前五百、前一千的私募基金平均回报率均显著高于公募基金，也证明了私募基金市场确实存在明显的头部效应。

续表

然而，私募基金数量形“高上限的同时，也有还低于公募基金的限”，如 表11 统计了表现最差的公募基金与私募基金回报率情况，数据显示排名倒数前十至倒数前三百的私募基金的近三年回报率均明显低于同样倒数的公募基金。表现好的私募基金表现越来越强，表现差的私募基金表现越来越弱，私募基金市场也有明显的马太效应，特别是疫情以来，优质的大型私募基金逆势而上，不仅没有受到疫情带来的影响，反而展现出亮眼的业绩；相比之下，大多数中小私募受到了疫情带来的严重冲击。