量化投資與機器學習微信公眾號，是業內垂直於量化投資、對沖基金、Fintech、人工智慧、大資料等領域的主流自媒體。公眾號擁有來自公募、私募、券商、期貨、銀行、保險、高校等行業30W+關注者，曾榮獲AMMA優秀品牌力、優秀洞察力大獎，連續4年被騰訊雲+社群評選為“年度最佳作者”。

兩位作者來自高金（SAIF）

這篇論文的結論很有意思：

低顏值的基金經理的業績表現要優於 高顏值的基金經理
高顏值 的基金經理會吸引更多資金流，並有更大的晉升機會
男性基金經理的顏值對基金業績有顯著的負面影響
女性基金經理的顏值高低之間沒有顯著的業績差異
擁有學士學位的高顏值基金經理明顯表現不佳
擁有博士學位的基金經理外表吸引力得分的影響較小
低顏值的基金經理擁有更高的選股能力
高顏值 的基金經理在工作中付出的努力較少，而表現出過於自信的行為
高顏值 的基金經理在實地考察中缺乏效率
投資者更喜歡 高顏值 的基金經理，而不管他們的業績如何
大型基金中 高顏值 基金經理表現比 低顏值基金經理更差
更多資金會流入到 受教育程度較高、高顏值 的基金經理
低顏值的基金經理擁有更好的市場擇時和特徵選擇能力
低顏值的基金經理比 高顏值的基金經理工作更努力

作者從中國證券投資基金業協會官網、Choice和新浪獲得了1677位股票型基金經理的照片。

根據作者描述，這是經濟學術界首次使用深度學習模型來量化面部吸引力的研究。

到底咋研究的？

作者基於Wind拿到了股票型基金和混合型基金的淨值等資料（樣本期為2005年1月至2020年12月）。為進一步保證資料質量，作者將基金時間限制在12個月以上，淨資產總額大於100萬元人民幣。最終得到了1402份獨立基金和相應的1677位基金經理。樣本不存在倖存者偏差。對於樣本中的每隻基金，包含如基金名稱、基金經理、收益、資產規模、費用比率等相關資料。

此外，每個基金平均同時擁有1.24名基金經理，平均任期為33.5個月。在1677名經理樣本中，有267名女性和1410名男性。

其中，1398名管理者擁有碩士學位，60名管理者擁有學士學位，219名管理者擁有博士學位。

關鍵部分來了~

作者基於Liang*等人的尖端美貌預測技術量化基金經理的面部吸引力：

*Liang, Lingyu, Luojun Lin, Lianwen Jin, Duorui Xie, and Mengru Li (2018) “SCUTFBP5500: a diverse benchmark dataset for multi-paradigm facial beauty prediction,” in
2018 24th International Conference on Pattern Recognition (ICPR), 1598–1603, IEEE.

他們利用深度學習模型進行面部容貌預測。具體來說，他們收集了一個龐大而多樣的資料集，其中包含2000名亞洲男性、2000名亞洲女性、750名高加索男性和750名高加索女性的照片。

然後，讓60名志願者給這些照片打分，分值範圍從1分到5分，其中5分表示吸引力最高。因此，每張照片將有60個評分者，平均分數將是該照片的最終分數。

Liang等人訓練了一個卷積神經網路，該網路以照片作為輸入，分數作為標籤。這個過程本質上類似於監督學習。經過訓練的神經網路能夠複製人類評分者的評分結果。一旦訓練好神經網路，它就可以用來預測訓練集之外的照片的容貌評分。

下表描述了了基金經理面部吸引力得分的彙總統計。平均得分為2.88分，標準差為0.51分。

上面大概講了資料哪裡來的，技術怎麼做的，下面看看結論怎麼得的。

結論怎麼得的？

作者透過形成投資組合來開始分析基金經理外表吸引力與基金業績之間的關係。

具體來說，在每個月月底，根據基金經理的面部吸引力得分，將所有股票型基金分為五等分組合。分數是根據上文Liang等人的深度學習方法獲得的。對於有多個基金經理的基金，使用這些基金經理的平均得分作為基金的得分。在有多個經理的基金中，無論使用基金經理的最高分還是最低分，結果都是穩健的。

投資組合每月形成，分別持有0、1-3和4-12個月。由於投資組合每月都形成，但持有多個月，遵循Jegadeesh和Titman(1993)來處理重疊的月份。採用無風險利率月超額收益率、CAPM alpha、Fama-French 3因子Alpha和Fama-French 5因子Alpha作為績效指標。其形成了等權和價值加權的投資組合。

Panel B展示等權投資組合的結果。結果表明，面部吸引力低分的基金表現優於面部吸引力高分的基金。儘管結果並不顯著，但所有績效指標都表現優異。

作者還採用迴歸分析的方法來研究基金業績與基金經理面部吸引力之間的關係：

具體解釋大家自己看論文便知，在此不再闡述。

核心結論：

下表的第(1)-(4)列顯示了使用全樣本的結果，第(5)-(8)列顯示了使用大型基金的子樣本的結果。作者發現基金經理吸引力與基金業績呈顯著負相關。在8種迴歸中，有6種吸引力得分的係數在5%水平上顯著。在全樣本回歸中，吸引力得分每增加1分，quarterly alpha值就會下降0.26 ~ 0.3。對比列(3)和列(1)，吸引力得分系數在控制其他經理級特徵後仍然顯著，這表明基金經理吸引力得分提供了其教育、任期、性別和其他已知面部特徵無法捕捉到的額外資訊。

在組合排序部分，作者發現價值加權組合的收益差異比等權組合更顯著。因此，需要格外關注總淨資產在樣本基金中排名前三分之一的大型基金，發現結果確實變得更強了。上表的第(5)-(8)列表明，無論我們控制基金特徵還是基金經理特徵，基金業績與基金經理吸引力之間的負相關關係都是顯著的。吸引力分數每增加1分，quarterly alpha值就會下降0.53到0.57。

總體而言，基於迴歸的分析進一步支援了這一發現，即顏值較低的基金經理的業績表現要優於那些顏值較高的基金經理。

為了捕捉基金經理面部吸引力得分的異質性影響，作者進一步研究了基金經理的子樣本，結論看下錶：

作者根據基金經理的性別和受教育程度對整個樣本進行了劃分，他們發現：

只有男性基金經理的面部吸引力得分對基金業績有顯著的負面影響
對於女性基金經來說，顏值高和顏值低之間沒有顯著的業績差異

另一個有趣的發現是在教育水平上：

擁有學士學位的高顏值基金經理表現明顯不佳
擁有博士學位的基金經理則影響較小

作者還基於迴歸的方法研究了資金流量與基金經理吸引力之間的關係。

具體解釋大家自己看論文便知，在此不再闡述。

核心結論：

下表第一列中，我們發現經理吸引力得分每增加一個等級，導致資金流量增加1.86% (t-stat = 2.69)。控制基金特徵和基金經理特徵更強化了結果，如第二列所示。這些結果表明，高顏值經理在吸引資金流動方面具有優勢。

作者還發現基金過去收益與未來流入量之間存在正相關關係，在第三次迴歸中，作者添加了一個互動項(Scorei,t × MOMi,t)，其係數捕獲了基金經理吸引力與基金過去業績之間的互動效應。相互作用係數為0.67 (t-stat=3.18)，說明高顏值基金經理在之前業績較好的情況下可以吸引更多的資金流入，得分系數仍然顯著。這表明投資者更喜歡高顏值的基金經理，而不管他們的業績如何。

此外，作者認為2012年是基金行業的重大事件年，因為中國證監會開始允許三方財富機構代銷基金。透過在第五次迴歸中加入一個相互作用項(Scorei,t × post)來研究這種效應。由於控制了年份固定效應，所以沒有在迴歸中新增虛擬變數(Postt)。第(5)列顯示了互動項的顯著正係數(2.69,t-stat=2.19)，這意味著在2012年後，高分經理的基金經理吸引了更多的資金流入。

在第(6)列中，作者添加了一個得分和基金規模的互動項(Scorei，t × Log (size) t)。該係數顯著為負(-0.98,t-stat=-2.2) ，表明大型基金中高顏值基金經理吸引資金流入的能力較低。這個結果也與作者之前研究的結果一致，即大型基金中高顏值的基金經理的表現甚至比長相普通的基金經理更差。投資者在購買基金時可能會意識到這種業績差距。

最後，在基金經理子樣本的基礎上，作者研究了基金經理吸引力得分與基金流量之間的關係。發現高顏值的男性基金經理可以吸引更多的資本流入，而人們對女性基金經理的吸引力得分關心較少。此外，有更多的資金流入到受教育程度較高、高顏值的基金經理。

作者也試圖探索可能導致有吸引力的基金經理和沒有吸引力的基金經理之間績效差距的原因。

1、能力

長相普通的基金經理之所以表現出色，是因為他們擁有出眾的投資能力。

在下表的前三列表明，高顏值的基金經理在他們的投資組合中持有更多的股票，他們的投資組合也更加多樣化。這個結果表明，高顏值的經理人缺乏挑選股票的能力，並且在大量證券上對沖他們的賭注。

同時，作者還採用 Kacperczyk 等人(2014)和 Daniel 等人(1997)提出的基金經理的市場時機選擇技巧和股票選擇技巧的經典測量方法。如果一個基金經理能夠增持具有高貝塔值的股票，則被認為具有市場擇時能力（Timing）。如果基金經理能夠增持具有較高後續特質回報的股票，則被認為具有選股能力（Picking）。根據 Daniel 等人(1997)的測量方法，具有較高特徵選擇能力（Characteristic Selectivity：CS）的基金經理可以選擇優於基於特徵的基準投資組合的股票。一個轉向盈利風格策略的基金經理被認為具有特徵擇時能力。具體構建方法不再闡述，大家可以透過論文閱讀。

結果標明，在上表的最後四列可以看到，吸引力得分對時間的影響係數在5%水平上顯著，對CS的影響係數在10%水平上顯著。因此，低顏值的基金經理確實擁有更好的市場擇時和特徵選擇能力。

2、努力

高顏值的基金經理因為工作不努力而表現不佳

為了衡量基金經理所付出的努力，首先，作者根據之前的文獻，計算了基金樣本的主動比重Active Share如Cremers和Petajisto(2009)和R2 Amihud和Goyenko(2013)。這兩個指標衡量的是基金經理偏離基準指數的程度。較低的主動比重和較高的R2意味著基金經理在研究股票方面的努力較少，只是密切關注基準指數。下表的前兩列表明，高顏值的基金經理的主動比重顯較低，R2較高。這一結果表明，低顏值的基金經理比高顏值的基金經理工作更努力。

3、過度自信

在 Mobius 和 Rosenblat (2006)的實驗中，發現高顏值的員工對自己的生產力更有信心。心理學研究也發現，高顏值的人往往更自信(Jackson 和 Huston (1975))。然而，自信和過度自信之間的界限可能並不清楚，事先很難判斷一個人是自信還是過度自信。過度自信是金融市場上一種常見的認知偏差，投資者高估了市場或他們的技能。

作者透過交易行為、持股和市場分析來推斷基金經理是否過度自信。在 Barber 和 Odean (2001)的研究中，他們表明過度自信會導致交易量過大和回報率下降。因此，衡量過度自信的第一個指標是基金週轉率（Turnover）。與此同時，過度自信的基金經理表現出過度樂觀，傾向於購買收益率極高的lottery-like資產。第二個過度自信指標（Lottery）是計算為過去一個月中基金所持股票的最大日均股票收益率。此外，作者還研究了高顏值基金經理是否更喜歡高收益率波動的股票（Ret Vol）。最後，作者還考慮了基金經理對市場的文字情緒。從基金定期報告的市場分析會議中統計了正面和負面詞彙的數量。情感的計算方法是積極詞彙和消極詞彙的數量除以它們的總和(Luo et al。(2022)。

在下表的最後四列中我們發現，基金經理的吸引力和過度自信之間存在顯著的負相關關係。長得好看的基金經理也更喜歡lottery-like資產和收益波動性高的股票。當他們進行市場分析時，他們比相貌平平的基金經理有更積極的觀點。綜上所述，這些結果表明，高顏值的基金經理的內在表現可能是由於他們的過度自信。

4、實地調研

實地調研是基金經理做出投資決策的最重要環節之一。在此期間，基金經理可以直接獲取被調查公司的資訊。透過直接溝通，基金經理可能獲得財務報告中沒有提供的“資訊”。面對面的會議可以使高顏值的經理人受益更多。

深圳證券交易所要求上市公司在定期報告中記錄和披露來訪者的姓名和所屬單位。Chen et al.(2022)提供了更詳細的背景資訊。Wind提供了該資料，作者按基金名稱和基金經理名稱將其合併到基金持有資料中。

結論與計算方法大家自己看論文吧~