冷知識│基金經理的顏值影響投資表現

世界無奇不有，學術也不例外!

Bai, C., & Tian, S. (2023). What Beauty Brings? Managers’ Attractiveness and Fund Performance. Managers’ Attractiveness and Fund Performance (January 11, 2023).

2023年初，來自上海交通大學上海高級金融學院(SAIF) 的兩位學者 Chengyu Bai 以及 Shiwen Tian 發表了一項基金經理臉部吸引力和共同基金表現之間關係的研究。研究發現，缺乏吸引力的基金經理相較於具有吸引力的，投資表現每年高出約2%!

摘要與結論

缺乏吸引力卻有較佳的選股與擇時能力

🔎相貌平平沒有任何優勢嗎? 積極與能力才重要!

1. 缺乏吸引力的基金經理在基金績效上優於好看的基金經理。
2. 好看的基金經理工作上所做的努力較少，並且表現出更多過度自信的行為。
3. 長得好看的經理在現場調查 (訪問公司，直接取得受調查公司的資料) 時缺乏效率。

美貌帶來更多機會

🔎長相好看難道不適合做基金經理嗎? 美貌帶來不同優勢!

1. 具備吸引力的基金經理能帶來更多的基金流量!當金融平台有將基金經理的照片放上去時，往往能吸引到更多的資金流入。
2. 具備吸引力的基金經理能夠獲得較多的升遷機會!
3. 另外一點有趣的發現是，有吸引力的基金經理通常傾向於跳槽到小型公司。

AI為你/妳的相貌評分

🔎如果要幫自己的長相評分你會打幾分?

早期的研究中，判定好看程度常常依賴人工評分，但這麼做不但花錢而且評分者的主觀意識可能會有所偏袒。為此，作者採用 Liang et al.發表的深度學習技術[2]實現以高度客觀、高效率、低成本的方式為基金經理的相貌評分。宣稱這是經濟學界首次使用深度學習模型直接量化臉部吸引力的研究。

AI為你/妳的相貌評分

吸引力如何"量化"

🔎好看是多好看，長相抱歉又有多差呢?

為了"量化"吸引力這個概念，Liang et al.蒐集了2000位亞洲男性、2000位亞洲女性、750位白種人男性、750位白種人女性的相片，並交由60位志願者對吸引力評分，分數範圍1~5 (1最抱歉、5最吸引人)，並將60位志願者的評分取平均當做該相片的得分。Liang et al.以這些資料為基礎，讓模型學習為相片的吸引力打分數。經過學習的模型能夠將其性能遷移至不同的相片上，預測出等同於60位評審的平均分數。

AI "量化" 吸引力，評分範圍1-5分，5分最具吸引力 [2]

研究的資料集

🔎基金經理的照片從哪裡蒐集? 數量足夠客觀?

論文中從中國證券投資基金業協會 (AMAC)、Choice database以及新浪財經 (Sina Finance) 蒐集共計1677位基金經理的身分證大頭照，並透過人臉偵測技術擷取大頭照中的臉部區域，以排除修圖、髮型、服裝等可能影響評分的外在因素。下表紀錄了AI為1677位基金經理評的相貌分數，平均有2.88的吸引力!

1677位基金經理的吸引力分數統計 [1]

缺乏吸引力不是壞事

🔎缺乏吸引力的基金經理每月的基金表現超過最具吸引力的基金經理約0.17% (下表紅框處)。

實驗中，將投資組合分為5等分組合。第1等分包含臉部吸引力分數在最低20%的基金，而第5等分包含臉部吸引力分數在最高20%的基金，將其相減則可獲得投資表現的差距。當某個基金有多個基金經理操作時，則將參與的基金經理的吸引力得分取平均。每個月重新分配投資組合，分別記錄持有0個月、1-3個月、4-12個月的投資表現。有趣的是，即使考慮了性統性風險 (CAPM、FF3、FF5) ，投資表現最差仍有0.13%的差距!

缺乏吸引力的基金經理，有更好的投資績效 [1]

文章結尾

以上是筆者這次分享的有趣文章，

Hua看見這篇時真的有一種 " 天啊，投資居然還要看長相!? " 的感覺。

想更深入了解，可以去找論文來看看。

還不清楚如何讀論文，可以參考Hua上一篇分享的論文閱讀技巧~

文章中有任何錯誤或建議都歡迎留言讓我知道。

如果你喜歡這篇文章，歡迎點讚或分享給其他人，謝謝大家我們下次見!

References

1. Bai, C., & Tian, S. (2023). What Beauty Brings? Managers’ Attractiveness and Fund Performance. Managers’ Attractiveness and Fund Performance (January 11, 2023).
2. 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.