《海外文献推荐系列之七十四：西学东渐.docx》由会员分享，可在线阅读，更多相关《海外文献推荐系列之七十四：西学东渐.docx（29页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、目录1 弓I 言-3 -2、变量定义和样本数据-6-2.1、 变量定义-6-2.2、 样本数据和描述性统计-7 -3、资金流与MAX的关系-10-4、MAX的持久性-12-5、其他替代解释-14-5.1、 基金知名度的提高-14-5.2、 使用MAX作为预测基金未来收益的指标-18-6、稳健性检验和其他分析-20-6.1、 MAX的其他定义-20-6.2、 特质波动率和特质偏度-23 -7、结论-25-图表 1、Merrill Lynch Dividend 与 AIM Opportunities 收益比照-4 -图表2、共同基金的描述性统计-8-图表3、一年中不同月份的MAX分布-9-图表4、
2、资金流与MAX的关系-11 -图表5、分组调整后的MAX、残差MAX与未来资金流动的关系-12-图表6、MAX的排名矩阵-13-图表7、MAX的持久性-14-图表8、对于主动管理程度不同的股票型基金、债券基金和指数基金，MAX与未 来资金流的关系-15 -图表9、MAX与知名度代理变量的交互作用-17-图表10、MAX与过去MAX排名的交互作用-18-图表11、基于横截面回归研究MAX与未来业绩表现的关系 -19-图表12、基于组合分析研究MAX与未来业绩表现的关系-20-图表13、RMAX与资金流的关系-21 -图表14、DMAX与资金流的关系-22-图表15、采用不同时间窗口计算的MAX与
3、未来资金流的关系-23 -图表16、按MAX分类的基金组合中特质波动率和特质偏度与MAX的相关性. 24-图表17、加入特质波动率和特质偏度后MAX与未来资金流的关系-25-3、资金流与MAX的关系为了研究基金资金流和MAX的关系，我们对下面的回归方程进行估计，并 同时控制了多个基金特征变量。(2) FFFFFFFFiiftt = aa + 瞅一 1 X+ 遍,1X N如一i + %t-i其中附肝嵋力是基金i在季度t的资金流动比率，毗是基金i在季度t-1的 控制变量组成的向量。控制变量包括：季度t-1末基金规模的自然对数、基金管 理公司规模的自然对数、基金成立年限的自然对数、运营费用、换手率、
4、申赎费 用、近12个月基金收益率的波动率(标准差)和偏度、近12个月的累计收益。 Chevalier 和 Ellison (1997) Sirri 和 Tufano (1998)、Del Guercio 和 Tkac (2008) 以及Barber等人(2005)证明，这些变量会影响基金未来的资金流动。考虑到基 金资金流和过去业绩之间存在凸性，我们采用了 Sirri和Tufano (1998)的分段线 性回归。具体来说，我们根据基金近12个月的累计收益在其对应风格中进行排名， 并得到一个业绩排名指标(PPPPRR际_i),指标在0 (表现最差)至1 (表现最好) 之间分布，表示基金在过去一年相
5、对同类基金表现的百分位。然后，我们按照基 金业绩排名分为三组，即排名较低(LOWPERF)、排名较高(HIPER PERF)和 排名居中(MID PERF),三组分别包括业绩排名处于最低1/5的基金、业绩排名 处于最高1/5的基金和业绩排名处于中间的基金。作为替代验证，我们使用了含 有二次项的回归方程，回归包含了基金的业绩排名(PPPPRR蹄_i)及其平方项，来 反映资金流和过去业绩之间的凸性。最后，我们分别对不考虑风格固定效应和加 入风格固定效应的方程进行了回归。图表4展示了分段线性回归的系数(第1列和第2列)，以及含有二次项的回 归系数(第3列和第4列)。此外，为了比照MAX与其他基金特征
6、对资金流的影 响并评估其相对重要程度，我们在第5列和第6列的回归中对所有自变量进行了 标准化。在所有回归中，MAX的系数均在1%的显著性水平下显著。第5列分段 线性回归结果说明，MAX每增大一个标准差，会导致下一季度资金流动比率增加 0.76%,几乎到达了季度资金流动比率平均值(3.7%)的20%o假设一只基金的 资产净值等于样本平均数，这笔额外资金流对应的美元价值到达970万美元(7 0.0076X$1,277)。从业绩排名来看,HIGH PERF每增力口 1个标准差(标准差二0.048) 将使资金流动比率增加2%,这意味着HIGH PERF组中的基金业绩排名提高约1.8 个百分点可以带来类
7、似的额外资金流。而MID PERF (LOW PERF)增加1个标 准差能带来1.64% (0.74%)的额外资金流，这说明MAX对资金流的影响与LOW PERF组中基金的业绩表现影响相当。在含有二次项的回归方程中(列6), MAX 每增加1个标准差会带来0.95%的额外资金流，按照平均资产净值计算其对应的 美元价值约为1200万美元。图表4、资金流与MAX的关系StandardizedVariables (x 100)123456MAX0.248(5.05)0.271(4.94)0.313(5.84)0.338(5.75)0.762(4.94)0.952(5.75)VOLATILITY-0.
8、569(-3.97)-0.659(-3.84)-0.613(-4.54)-0.701(-4.35)-1.496(-3.84)-1.593(-4.35)SKEWNESS0.001(0.42)0.002(0.86)0.001(0.39)0.002(0.83)0.103(0.86)0.101(0.83)In(AGE)-0.016(-12.53)-0.016(-11.94)-0.016(-12.93)-0.016(-12.36)-1.288(-11.94)-1.310(-12.36)In(TNA)-0.007(-10.58)-0.007(一 11.17)-0.006(-10.48)-0.007(-11
9、.04)-1.320(-11.17)-1.295(-11.04)ln(FAMIL/_TNA)0.004(7.67)0.004(7.54)0.004(7.72)0.004(7.58)0.995(7.54)0.996(7.58)EXPENSE_RATIO-0.137(-0.69)-0.260(-1.47)-0.182(-0.91)-0.307(-1.71)-0.118(-1.47)-0.140(1.71)TURNOVER-0.001(-1.08)-0.001(-1.08)-0.001(-1.14)-0.001(-1.14)-0.093(-1.08)-0.102(-1.14)FLOW0.132(9.
10、12)0.131(9.11)0.134(9.07)0.133(9.06)17.963(9.11)18.289 (9.06)LOAD0.141(4.26)0.154(4.91)0.142(4.33)0.155(4.99)0.323(4.91)0.325(4.99)LOW_PERF0.154(10.31)0.157(10.06)0.740(10.06)MID.PERF0.068(15.28)0.071(14.71)1.638(14.71)HIGH.PERF0.401(17.51)0.411(18.15)1.992(18.15)PERF0.019(1.84)0.019(1.83)0.557(1.83
11、)PERF20.091(8.44)0.093(8.65)2.779(8.65)Style fixed effectsNoYesNoYesYesYesNR215,0181 0.16315,0181 0.16715,0181 0.15815,O181| 0.16215,0181 0.16715,0181 0.162资料来源：Journal of Financial and Quantitative Analysis,整理业绩排名会对未来资金流有正向影响，且影响水平呈现凸性。波动率的系数 显著为负，而偏度的系数为正但不显著。基金规模、管理公司规模、成立年限、 运营费用和未来资金流之间的关系与以前的研
12、究结果一致(Chevalier和Ellison (1997), Huang等人(2007),但这些控制因素，包括波动率和业绩排名，都不 能代替MAX对未来资金流的影响。如图表2中所示，近12个月经风格调整后的收益率和波动率与MAX高度正 相关。为了防止MAX与累计收益和波动率之间的共线性影响回归结果，我们用 两种替代指标取代了 MAX: i)分组调整后的MAX和ii)残差MAX。分组调整 后的MAX旨在通过将基金按照过去收益和波动率进行分组再调整来消除其影响。 具体来说，在每个季度中，首先根据基金近12个月的收益率将每种风格中的基金 等分为五组，然后在每组中再按照基金的波动率将基金进一步等分为
13、五组，也就 是说每个季度都将基金划分为150组(6种风格义5阶收益率X5阶波动率)。分 组调整后的MAX就是基金的MAX与当季基金所属组的平均MAX之间的差额。 对于残差MAX,我们首先在每个季度使用全市场基金MAX对波动率和近12个 月风格调整后的收益进行横截面回归，然后使用每只基金当季回归的残差来代替 原始的MAX指标。图表5显示，在1%的显著性水平下，分组调整后的MAX和残差MAX均与 未来资金流显著正相关。分组调整后的MAX (第4列)每增加1个标准差会使季 度资金流动比率增加0.53% (%0.333X 1.59%),而残差MAX (第8列)对未来 资金流动的影响为0.35% (g0
14、.195X 1.77%),这说明共线性不会影响我们的结果。 图表5、分组调整后的MAX、残差MAX与未来资金流动的关系Matched MAXResidual MAX12345678MAX0.2630.2730.3220.3330.1750.1900.1800.195(5.65)(5.70)(6.71)(6.76)(3.84)(3.61)(3.77)(3.58)VOLATILITY-0.419-0.494-0.421-0.490-0.377-0.444-0.371-0.430(-2.86)(-3.06)(-2.98)(-3.21)(-2.56)(-274)(-2.60)(-2.78)SKEWNE
15、SS0.0010.0020.0010.0020.0020.0020.0020.003(0.55)(1.03)(0.61)(1.10)(0.70)(1.20)(0.86)(1.39)In(AGE)-0.016-0.016-0.016-0.016-0.016-0.016-0.016-0.016(-12.42)(-11.93)(-12.83)(-12.36)(-12.47)(-11.90)(-12.86)(-12.32)In(TNA)-0.007-0.007-0.006-0.007-0.007-0.007-0.006-0.007(-10.58)(-11.12)(-10.46)(-10.97)(-10
16、.54)(-11.12)(-10.39)(-10.94)ln(FAMIiy_TNA)0.0040.0040.0040.0040.0040.0040.0040.004(7.71)(7.53)(7.77)(7.57)(7.60)(7.45)(7.55)(7.39)EXPENSE_RATIO-0.100-0.216-0.138-0.257-0.111-0.231-0.130-0.250(-0.50)(-1.19)(-0.69)(-1.41)(-0.56)(-1.31)(-0.66)(-1.42)TURNOVER-0.001-0.001-0.001-0.001-0.001-0.001-0.001-0.
17、001(-0.99)(-1.03)(-1.02)(-1.08)(-0.99)(-1.00)(-0.98)(-1.00)FLOW0.1320.1310.1340.1330.1320.1310.1350.133(9.13)(9.12)(9.08)(9.06)(9.12)(9.11)(9.06)(9.05)LOAD0.1380.1510.1380.1520.1390.1520.1380.150(4.12)(4.78)(4.18)(4.85)(4.17)(4.82)(4.18)(4.82)LOW0.1470.1490.1580.16289)(9.53)(10.42)(10.28)MID0.0720.0
18、750.0710.073(15.85)(15.40)(15.41)(15.06)HIGH0.4200.4330.4140.426(17.63)(18.10)(17.18)(17.81)PERF0.0100.0090.0170.018(1.03)(0.84)(1.67)(1.66)PERF20.1040.1090.0970.100(9.64)(9.74)(8.73)(8.91)Style fixed effectsNoYesNoYesNoYesNoYesN15,018115,018115,018115,018115,018115,018115,018115,0181R20.1630.1670.1
19、580.1620.1620.1660.1570.161资料来源：Journal of Financial and Quantitative Analysis, 整理我们认为回归结果符合投资者偏好极端正收益的理论。基于Tversky和 Kahneman (1992)的累积前景理论，Barberis和Huang (2008)认为投资者会高 估收益分布中极端正收益出现的概率。Brunnermeier等人(2007)认为，投资者 高估未来获得极端正收益的概率是为了最大化其效用。由于MAX代表了基金过 去曾获得的较高正收益，在其他基金特征类似的情况下，投资者会更倾向于投资 MAX较高的基金。4、MAX的
20、持久性Barberis 和 Huang (2008)以及 Brunnermeier 等人(2007)的模型中一个关 键理论是，投资者购买具有彩票特征的资产是因为他们错误地估计了未来极端正 收益出现的概率。也就是说，他们为过去获得过极高正回报的资产支付了额外资 金，并期望未来会有类似的回报。如果过去曾获得较高MAX的基金未来也会再 次获得较高收益，那么这种期望是合理的。因此，研究MAX是否具有持久性对 于理解我们的回归结果非常重要。为了研究MAX是否具有持久性，我们首先构建了一个MAX的排名矩阵， 矩阵第（i, j）项代表了基金在上一时期的排名处于第j分位，但当前排名处于第 i分位的概率。因为每
21、个季度MAX采用的是截至上季度末最近12个月基金经过 风格调整后的收益，如果用季度频率衡量可能会高估MAX的持久性。因此此处 我们使用每年末的数据。在1992年至2016年的每年年末，我们按照基金过去一 年的MAX （从第t-11月至第t月）排序并等分为10组，我们将基金当年排名与 下一年度的MAX （从第t+1月至第t+12月）排名进行配对，结果见图表6。结果说明，MAX存在明显的持久性，尤其是对于排在头部和尾部的基金。基 金的MAX在当前年份排在前10%（前30%）在下一年度依然排在前10%（前30%） 的概率为39% （69%）o对于底部的基金，在当前年份排在最后10% （后30%）的
22、基金在下一年度依然排在最后10% （后30%）的概率为24% （56%）o我们还做了 另外一个检验：我们每年用当年的MAX对上一年的MAX以及其他控制变量进 行回归，控制变量包括基于上一年基金收益计算的波动率和偏度、近12个月风格 调整后的收益、成立年限的自然对数、基金规模的自然对数、基金管理公司规模 的自然对数、运营费用、换手率、申赎费用和上一年的资金流。回归结果见图表 7oMAX对于滞后一期MAX的单变量回归系数为0.515, t统计量为16.76,回 归的R2为26.8%,这在单变量回归中已经代表了相当强的解释力。同时波动率越 大的基金未来的MAX越大，波动率每增加1%预计MAX会增加2
23、4个基点（bps）。 而累计收益与未来的MAX负相关。波动率和累计收益使回归的解释能力提高了 3%。当回归中加入其它控制变量和风格固定效应后，MAX的系数依然非常显著， 系数值为0.504o图表6、MAX的排名矩阵Subsequent RankingSubsequent Ranking05050505043 3 221100.0.0.0.6660.资料来源：Journal of Financial and Quantitative Analysis,整理图表7、MAX的持久性12345MAX0.5150.4520.5340.5090.504(16.76)(20.28)(12.80)(12.56
24、)(13.19)VOLATILITY0.2450.1920.1570.124(3.92)(2.71)(2.13)(2.07)RETURN-0.046-0.043-0.041(-4.13)(-3.66)(-3.60)SKEWNESS-0.002-0.002(-1.89)(-1.88)In(AGE)0.0000.000(1.71)(1.58)In(TNA)-0.000-0.000(-1-55)(-1.41)ln(FAMILY_TNA)-0.000-0.000(-3.25)(-3.39)EXPENSE.RATIO0.2810.281(4.28)(5.01)TURNOVER0.0020.001(2.2
25、0)(2.12)FLOW0.0000.000(0.77)(0.60)LOAD-0.037-0.035(-3.23)(-3.65)Style fixed effectsNoNoNoNoYesN36,95536,95536,95535,90635,906R20.2680.3070.3440.3700.387资料 来源：Journal of Financial and Quantitative Analysis,整理总体来看，这两项检验都说明，上一年MAX较高的基金有较大可能未来的 MAX也较高。因此，当一只基金获得了较高的MAX,那么持有者未来获得较高 MAX的概率也会增加。如果投资者确实偏好具有
26、极端正收益的资产，那么他们投 资MAX较高的基金有较大的可能获得这样的收益。5、其他替代解释本章我们研究对于MAX和未来资金流存在正相关关系的替代解释。2.1 基金知名度的提高一些研究说明，基金的知名度会影响投资者的决策。由于投资者的时间和精 力有限，他们在配置资产时会首先将待选范围缩小。因此，当可选资产太多时， 可以吸引投资者注意力的资产将有更大概率被选中(Miner(1977),Merton(1987) 以及B arber和Odean (2008)。任何会增加基金知名度并引起投资者注意的信号， 例如极端正收益，都会使这些基金有更大概率进入投资者的观察池并吸引投资者 的更多资金。因此知名度也
27、可能是MAX与未来资金流动之间存在正相关的原因。因为投资者的尽调过程和偏好不可观察，所以我们不能完全排除知名度对资 金流的影响，也可能知名度和偏好都影响了 MAX与资金流的关系。我们的目标 就是设计一些检验来验证知名度能否解释MAX与资金流的关系。如果二者关系 受到投资者对极端正收益偏好的影响，那么在风险偏好不同的投资者之间，这种 影响应存在异质性。但是，知名度的影响主要在投资者构建初始的观察池时期， 在这个过程中风险偏好的影响不大。为了反映投资者的风险偏好程度，我们使用了 Cremers和Petajisto（2009）定义的主动份额指标衡量股票基金的主动管理程度， 将样本中基金按照该指标排序
28、并划分为三组：主动管理程度低（指标最低的30%）、 主动管理程度中等和主动管理程度高（指标最高的30%）o愿意承当风险来获取潜 在收益的投资者应该更偏好主动管理程度高的基金，而主动管理程度低的基金可 能会吸引更多厌恶风险的投资者。我们还用债券基金和指数基金进行了检验，这 些基金的投资者对风险的接受程度比股票型基金更低。如果投资者的风险偏好与 其对极端正收益的偏好相关，那么主动管理程度高的股票基金中MAX的影响应 该更强。图表8展示了每组基金的回归系数。MAX作为基金知名度的代理变量， 对于债券基金和指数基金投资者选择基金也应有影响，但结果显示只有在股票基 金样本中MAX对未来资金流的影响才显著
29、。而且对于主动管理程度低的股票基 金，MAX与未来资金流的关系也不显著。同时对于主动管理程度高的股票基金， MAX对其未来资金流的影响也高于其对主动管理程度中等的基金（当MAX增加 1个标准差，对二者未来资金流的影响分别是0.92%和0.52%）。也就是说MAX 对未来资金流的影响主要存在于主动管理程度较高的股票型基金中，这说明主要 是投资者偏好导致了 MAX对未来资金流的影响。图表8、对于主动管理程度不同的股票型基金、债券基金和指数基金，MAX与未 来资金流的关系Equity FundsLow ActiveMedium ActiveHigh ActiveShareShareShareBond
30、 Funds Index FundsMAX0.013(0.11)0.069(0.64)0.149(2.17)0.199(2.98)0.230(3.58)VOLATILITY-0.443-0.439-0.427-0.466-0.665(T43)(-1.45)(-2.26)(-2.52)(-3.67)SKEWNESS0.0040.0040.0030.0020.003(1.02)(1.08)(121)(1.00)(1.15)In(AGE)-0.011-0.011-0.013-0.013-0.011(-8.19)(-8.37)(-10.28) (-10.59)(-5.94)In(TNA)-0.006-
31、0.006-0.006-0.006-0.008(-5.78)(-5.88)(-7.69)(-7.61)(-7.01)ln(FAMILY_TNA)0.0040.0040.0040.0040.003(6.36)(6.46)(5.84)(5.90)(4.10)EXPENSE.RATIO-0.353-0.378-0.515-0.520-0.118(-1.03)(-1.10)(-2.38)(-2.35)(-0.44)TURNOVER-0.004-0.004-0.004-0.004-0.001(-2.21)(-2.09)(-2.39)(-2.43)(-0.31)FLOW0.1400.1420.2130.2
32、160.281(7.33)(7.36)(8.33)(8.30)(10.93)LOAD0.1310.1260.1400.1380.073(3.25)(3.04)(3.66)(3.66)(1.51)LOW.PERF0.1030.1250.140(4.51)(6.23)(7.85)MID.PERF0.0640.0750.073(9.56)(17.08)(9.64)HIGH_PERF0.2840.3060.317(6.89)(16.00)(9.28)PERF0.0250.029(1.44)(2.56)PERF20.0550.071(3.19)(6.04)Style fixed effectsYesYe
33、sYesYesYesN37,52537,52550,40850,40838,243R20.1320.1270.2080.2050.2630.2740.3070.329(4.11)(1.50)(1.66)-0.688(-4.00)0.003(1.13)-0.011 (-5.92)-0.008(-6.90)0.003(4.25)-0.155(-0.56)-0.001(-0.47)-0.534(-1.09)0.001(0.46)-0.020(-14.64)-0.009(-6.17)cu )/ 1/ 0 8 2 3 c 4 0 7 4 8 0 7S5.S S 6 6一 一 #(*-0.512 (-1.
34、06)0.001(0.47)-0.020 (-14.94)-0.009(-6.16)0.005(5.78)-0.428(-0.84)0.000 (0.60)0.2840.2170.218(11.01)(14.47)(14.51)0.0710.2080.209(1.48)99)(2.99)0.084(3.79)0.032(6.68)0.139(7.12)0.0410.022(2.91)(1.81)0.0670.027(4.66)(2.62)YesYesYes38,24357,15757,1570.2590.1350.133Yes14,1400.2651.227(1.61)-0.747(-0.72
35、)-0.014(-0.36)-0.037(-4.02)-0.026(-3.85)0.020(2.89)-3.360(-1.99)0.017(1.36)-0.003(-0.06)0.141(0.56)-0.057(-0.56)0.047(1.74)0.161(2.11)0.823(1.33)-0.082(-0.08)-0.031(-0.73)-0.035(-4.32)-0.017(-2.75)0.012(3.39)-4.491(-2.19)8 / 9 o17 3 7 6 80 3 0 4 3 8O.LO.OO.O.-0.041(-0.74)0.079(1.56)Yes14,140 0.261资料
36、来源：Journal of Financial and Quantitative Analysis, 整理对知名度理论的第二个检验，我们考察了哪种基金的知名度更高，以及更有 可能被投资者纳入初始观察池。如果MAX与未来资金流的正相关关系仅是基金 知名度提高导致的，那么对于知名度已经较高的基金，MAX对未来资金流的边际 影响应不显著。由于投资者的注意力无法量化，我们从Morningstar, Factiva和 Google中找了一些衡量基金知名度的代理变量。首先，如果一只基金的晨星 (Morningstar)评级到达5星，我们将其定义为“明星”基金。自从1985年发布 以来，晨星评级已成为投资者
37、筛选基金的主要指标之一，并经常被基金管理人用 来吸引潜在客户，也是媒体报道时最常引用的评级。第二个指标是我们从Factiva 提供的关于基金的媒体报道量(即文章数量)。最近的文献发现，媒体报道可以吸 引投资者的注意，并且是投资者获取基金信息的主要渠道(Sirri和Tufano(1998), Kaniel等人(2007), Kaniel和Parham (2017),因此媒体报道量高代表基金知 名度较高。第三个指标是我们从GoogleTrend中提供的2004年1月至2016年12 月期间基金月度搜索量，并参考Da等人(2011)的做法，构建了一个异常搜索 量指标(Abnormal Search
38、Volume Index, ASVI),指标定义为基金第t月SVI的 自然对数减去前12个月SVI中位数的自然对数。Da等人(2011)首先提出了 Google 搜索量指标，之后在学术研究中该指标被广泛用于衡量投资者的注意力。基于知 名度理论，对于具有高评级、高媒体覆盖率、高搜索量的基金，MAX对其未来资 金流的影响应该较小，因为这种基金已经具有较高知名度，并且引起了投资者的 关注。除了这三个指标，我们还在每个季末将样本中的基金按照管理公司规模、 管理公司营销费用(公司旗下每只基金的12b-l费用的平均值)、管理公司旗下的 基金种类等指标分别五等分，并分别设置虚拟变量，选出每个指标中排在前20
39、% 的基金。以前的文献说明这些变量也可以作为知名度的代理变量。我们对MAX和6个知名度的代理指标分别回归，结果见图表9。可以发现， MAX对于高评级基金未来资金流的影响程度是低评级的4倍(系数分别为0.510 和0.130)o由于晨星评出的五星基金知名度非常高，MAX对明星基金未来资金流 的较大影响很难仅仅用知名度理论来解释。这种现象反倒与投资者倾向于在表现 较好的基金中寻求极端正收益的逻辑相吻合。其他代理变量的影响并不显著。我 们的实证结果证明资金向MAX较高的基金流动并不仅仅是因为这些基金的知名 度增加，投资者偏好也有一定影响。图表9、MAX与知名度代理变量的交互作用 Piecewise
40、RegressionsQuadratic Regressions123456789101112MAX0.1300.2930.2110.2720.3060.3160.1630.3580.2680.3440.3770.38C(2.49)(5.06)(2.44)(4.57)(3.98)(4.23)(3.06)(5.65)(3.14)(5.44)(4.55)(4.81)MAX x STAR_FUND0.3800.546(2.26)(3.21)STAR_FUND0.0490.045(9.41)(8.57)MAX x MEDIA_COVERAGE-0.042-0.037(-1.03)(-0.90)MEDIA_COVERAGE0.0020.001(1-31)(1.16)MAX x ASVI0.0360.048(0.69)(0.97)ASVI0.0010.001(0.51)(0.37)MAX x HIGH_12B1-0.047-0.057(-0.50)(-0.62)HIGH_12B10.0040.004(2.04)(2.22)MAX x BIG_FAM-0.100-0.103(-118)(-1.18)BIG_FAM0.0080.008(4.26)(4.23)MAX x