卓越表现不是阿尔法 | CFA协会进取投资者

介绍

大约 90% 的美国司机认为自己比平均水平更安全、更熟练。 显然，这样的看法并不能反映现实。 毕竟，十分之九的人不可能都高于平均水平。 然而，结果令人信服：它们说明了人类天生倾向于高估自己的才能和技能而低估他人的天赋和技能。

股票共同基金经理可能对他们通过超越股票市场产生阿尔法的能力有类似的扭曲看法。 否则，他们将如何证明自己的工作是合理的？

但也许我们没有抓住重点。 也许大多数司机确实安全驾驶，大多数基金经理表现出色，只有极少数人分别占交通罚单和事故和重大资本损失的不成比例的份额。 不幸的是没有。 大多数基金经理的表现确实低于他们的基准：根据最新的标准普尔 SPIVA 记分卡，在过去 10 年中，只有 17% 的美国大型共同基金经理跑赢了标准普尔 500 指数。 此外，那些表现出色的少数人之间并没有一致性。 这一切都意味着成功的经理人选拔几乎是不可能的。

但研究表明，因素而不是技能可以解释表现不佳和表现不佳。 因此，卓越表现和 alpha 并不是完全一样的东西。 那么，我们如何解释这种差异呢？

表现优异

虽然基金经理强调他们为客户创造阿尔法的能力，但基金概况会将他们的业绩与基准进行比较。 例如，景顺标准普尔 500 纯价值交易所交易基金 (ETF, RPV) 在过去 12 个月中的回报率为 0.7%，而其基准标准普尔 500 指数的回报率为 –10.2%。 标准普尔 500 价值指数可能是 RPV 的更好比较点，但相对于广泛的指数，ETF 为投资者带来了巨大的价值——双关语。

RPV Smart Beta ETF 表现优于 = Alpha？

因素暴露分析

由于 RPV ETF 选择了大约 100 支最便宜的标准普尔 500 股票，因此它是一种以价值为中心的策略。 具有一年回顾的回归分析证实了这一点。 RPV 相对于标准普尔 500 指数具有较高的贝塔系数——它是一种只做多头的策略——以及价值和质量因素。

价值因子敞口和质量因子负贝塔值都很直观，因为廉价公司往往在质量指标上排名很差。 以低估值交易的股票往往利润不高，而且往往存在过度杠杆或其他问题。

因子敞口分析 — RPV Smart Beta ETF：过去 12 个月的 Betas

贡献分析

使用因子 beta，我们可以创建贡献分析。 与标准普尔 500 指数相比，RPV 的贝塔系数较高——0.90——在过去 12 个月中下降了 10.2%。 因此，大盘为RPV 的回报贡献了–9.1%。 除了贡献 12.5% 的价值因素外，其他股票因素的影响很小。

因子贡献分析：RPV Smart Beta ETF，过去 12 个月

阿尔法计算

由于我们知道股票市场和股票因素对 RPV 的表现有多大贡献，我们还可以计算残差。 从理论上讲，这代表了经理的技能，或者任何与市场贝塔系数无关的因素。 换句话说，它是阿尔法。

对于 RPV，alpha 为负。 但是，当 ETF 的表现优于其基准时，alpha 怎么可能是负数呢？ 这意味着以价值为中心的战略实施不力。 还必须考虑管理费用、市场影响和交易成本。 虽然总会出现滑点，但这仅解释了 –5.7% 结果的一小部分。

根据这一分析，投资者最好避免 RPV，并分别通过零成本 ETF 和风险溢价指数购买标准普尔 500 指数和因子敞口。

Alpha 计算：RPV Smart Beta ETF，过去 12 个月

阿尔法计算可能有点令人困惑，因为 RPV 是一种智能贝塔 ETF，它提供价值因子的敞口，我们正在使用因子敞口分析来衡量贡献。 但是我们可以使用最著名的股票共同基金之一的富达对冲基金 (FCNTX) 来复制这种方法。 FCNTX 拥有 40 多年的悠久历史，管理着近 1000 亿美元的资产。 该基金持有以亚马逊、微软、苹果和其他成长股为主的集中股票投资组合。

但在过去的 12 个月里，这一策略也没有奏效：由于 beta 和因子暴露，FCNTX 下降了 20% 以上。 根据贡献分析，标准普尔500指数和股票因素并不能完全解释负面表现，即alpha为负。 因此，基金经理必须至少对部分损失承担责任。

Alpha 计算：Fidelity Contrafund (FCNTX)，过去 12 个月

表现优于阿尔法

通过对 13 只美国股市股票共同基金和 ETF 进行贡献分析，我们可以证明表现优异和 alpha 之间的显着差异。 只有一个案例——Davis Select US Equity ETF (DUSA)——表现优异，且 alpha 几乎相同，为 –0.5%。 ETF 确实受到因素的影响，但这些贡献本身就被抵消了。 这意味着损失只能归因于费用或缺乏技能。

至于 ARK Innovation ETF (ARKK)，最近的许多批评可能被夸大了。 根据我们的计算，ARKK 的基金经理 Cathie Wood 创造了 alpha。 该 ETF 在过去 12 个月中下跌了 61.8%，但市场占其中的 –17.7%，另外还有 –53.0% 的因素。 所以，有 8.9% 的 alpha。 ARKK 高度集中于少数成长型企业，例如特斯拉。 这导致标准普尔 500 指数的贝塔值为 1.7，价值因子为 –1.35。 由于因子敞口分析揭示了这一切，如果此类押注失败，投资者只能责怪自己。

主动型基金经理：表现优于阿尔法

不同的输入，不同的输出

尽管贡献分析是最有意义的阿尔法计算方法，但使用的数据很重要。 到目前为止，我们已经使用了 FactorResearch 因子。 这些应用了股票选择的行业标准定义和定义股票范围的市值约束。 它们还包括交易成本，并且构建为 beta 中性。

对于道琼斯、法玛和法国的数据，alpha 值有所不同。 Fama 和 French 的三因素模型产生的差异最大，因为只有市场、规模和价值因素起作用。

因子定义很重要，应该尽可能实用。 例如，Fama 和French 因素的股票范围包括许多投资者无法获得、缺乏交易成本并且被构建为美元中性的非流动性小盘股。 将产品与这些因素作为基准会设定不切实际的期望。

按数据来源划分的股票型基金经理阿尔法

进一步的想法

资本分配者拥有越来越多的数据和更好的技术来为他们的分配决策提供信息。 但对于基金经理来说也是如此。

这种演变使市场变得更加高效，并且更难以实现出色的表现。 即使在新兴市场或私募股权等私人市场，过去十年的经理回报率也表明几乎没有价值创造方式，也没有任何一致性。

鉴于此，它提出了是否值得衡量 alpha 的问题。

如需 Nicolas Rabener 和 FactorResearch 团队的更多见解，请订阅他们的电子邮件通讯。

如果你喜欢这篇文章，别忘了订阅 进取的投资者.

所有帖子都是作者的意见。 因此，它们不应被解释为投资建议，所表达的观点也不一定反映 CFA 协会或作者雇主的观点。

图片来源：©Getty Images / GibsonPictures

CFA协会会员的专业学习

CFA 协会成员有权自行决定和报告所获得的专业学习 (PL) 学分，包括关于 进取的投资者. 会员可以使用他们的在线 PL 跟踪器轻松记录学分。