欢迎来到基准指标 (Benchmarking) 与绩效归因 (Performance Attribution) 的世界！
在另类投资领域中，创造高回报只是一半的故事。了解回报是如何以及为何产生的，其实更为重要。这一章节为评估另类投资经理人提供了分析工具库，协助分辨经理人的真正技巧与系统性因子敞口，并在不同资产类别中应用量身定制的基准指标实务。
1. 回报来源：Beta、风险溢价与 Alpha 的层次
要评估绩效，分析师必须剖析投资组合回报的具体来源。现代投资组合理论将总回报拆解为不同的回报来源：
传统 Beta (大宗 Beta, Bulk Beta)：归因于对广泛、高流动性市场指数（例如股票或主权债券）的被动敞口所产生的回报。传统 Beta 已商品化，极易被复制，因此只应收取非常低廉的管理费用。
另类 Beta / 奇特风险溢价 (Alternative Beta / Exotic Risk Premia)：通过承担非传统风险或捕捉持续存在的市场异常现象，所获得的系统性、以规则为基础的回报。例子包括价值、动能、规模、套息 (carry)、趋势跟踪以及非流动性溢价。虽然这些策略在历史上曾被视为主动管理，但它们代表的是能以较低成本获取的系统性因子敞口。
真正 Alpha (True Alpha)：纯粹通过经理人独特的个人技巧、独到见解、专有交易机会 (proprietary deal flow) 或卓越的执行力所产生的剩余回报，无法通过对系统性风险因子的静态或动态敞口来解释或复制。
Alpha 的层次架构 (The Alpha Hierarchy)
回报来源的层次架构反映了当中所涉及的技巧与独特性程度：
1. 零和 Alpha / 纯特质技巧 (Zero-Sum Alpha / Pure Idiosyncratic Skill)：最高层级；真正的选股或市场时机掌握技巧，能产生独立于任何风险因子之外的风险调整后超额回报。
2. 动态风险溢价 (Dynamic Risk Premia)：随时间在不同另类风险因子之间进行巧妙、战术性轮动的技巧。
3. 静态风险溢价 (另类 Beta)：对已知风险驱动因素的系统性敞口。
4. 大宗市场 Beta (Bulk Market Beta)：对大盘整体走向的被动敞口。
“人造”Alpha (Manufactured Alpha) 的迹象
人造 Alpha 是指投资经理人将系统性风险溢价、隐藏杠杆或做空波动率的收益结构，包装成所谓的“纯技巧”或纯 Alpha。常见的手法包括：
- 卖出虚值看跌期权 (out-of-the-money put options) 或提供隐性流动性保险，在市况良好时产生稳定的收益，但在极端尾部风险出现时遭受巨额损失。
- 利用非流动性资产，借由估值平滑 (appraisal smoothing) 人为压低所呈报的波动率，从而推高夏普比率等风险调整后的绩效指标。
- 将因子倾向 (factor tilts)（例如买入高股息、小型股或深度价值股）伪装成选股 Alpha。
严谨的归因分析能检视一旦控制了所有相关因子敞口后，超额回报是否会消失无踪。
2. 基准指标框架
基准指标 (Benchmark) 是一个参考标准，代表一项切实可行、与投资指令具备相同风险和回报特征的被动投资替代方案。
有效基准指标的特性（SAMURAI 框架）
一个严谨的基准指标必须符合 SAMURAI 原则：
S - Specified in advance (预先指定)：在评估期开始之前就已经确定。
A - Appropriate (适当性)：与经理人的投资理念和投资指令相符。
M - Measurable (可衡量性)：可量化且能及时计算。
U - Unambiguous (明确性)：成分证券与权重清晰明确。
R - Reflective of current investment ideas (反映当前投资构想)：经理人对该投资领域拥有专业知识与投资见解。
A - Accountable (可问责性)：经理人认同该基准指标为一个可投资的“跨栏目标”(hurdle)。
I - Investable (可投资性)：客户可以选择放弃主动管理，直接被动投资于该基准指标。
基准指标的类型
市场指数 (Market Indices)：具备透明度与流动性，但往往不足以应对不受限制或另类策略。
自订基准 (Custom Benchmarks)：为配合经理人策略而设计的因子或风格指数的加权组合。
绝对回报目标 (Absolute Return Targets)：现金目标加点子（例如：现金利率 + 4%）；对投资者而言直观易懂，但无法反映市场环境或系统性因子的表现。
同侪群组基准 (Peer Group Benchmarks)：将基金与类似经理人的总体进行比较。虽然在对冲基金和私募市场中很流行，但同侪群组不具可投资性，且容易受到显著偏差（生存者偏差、选择偏差和回填偏差）的影响。
3. 单因子与多因子绩效归因
绩效归因将投资组合的表现进行分解，以识别创造增值的真实驱动因素。
单因子归因 (Single-Factor Attribution)
在资本资产定价模型 (CAPM) 下，投资组合的超额回报是相对于单一广泛市场指数进行评估的：
\( R_{p,t} - R_{f,t} = \alpha + \beta (R_{m,t} - R_{f,t}) + \epsilon_t \)
在此，詹森 Alpha (\( \alpha \)) 衡量调整系统性市场风险 (\( \beta \)) 后的超额回报。然而，如果另类投资经理人跨多个资产类别进行投资或依赖特定的风格倾向，单因子归因就会错误地将因子回报归因于 Alpha。
多因子归因 (Multi-Factor Attribution)
多因子模型扩展了线性回归框架，纳入了多个系统性因子：
\( R_{p,t} - R_{f,t} = \alpha + \sum_{k=1}^K \beta_k F_{k,t} + \epsilon_t \)
其中 \( F_{k,t} \) 代表因子 \( k \) 的回报，而 \( \beta_k \) 则是该基金对该因子的敏感度（因子载荷, factor loading）。在另类投资中，多因子模型包括：
- 股票风格因子：规模 (SMB)、价值 (HML)、盈利能力 (RMW)、投资 (CMA) 及动能 (UMD)。
- 宏观与信用因子：期限利差、违约信用利差、汇率变动及商品因子。
- 对冲基金基于资产的风格因子 (Asset-based style factors)：趋势跟踪跨式期权 (trend-following straddles)、货币套息以及流动性溢价（例如 Fung-Hsieh 因子）。
只有在控制了这些因子后，截距项 \( \alpha \) 在统计上和经济上仍保持为正数时，经理人方算拥有真正的 Alpha。
Brinson 回报分解
对于纯多头主动型投资组合，传统的 Brinson 模型将总超额回报拆解为三个部分：
\( Excess\ Return = R_p - R_b \)
1. 配置效应 (Allocation Effect)： \( \sum (w_{pi} - w_{bi}) \times R_{bi} \)（超配或低配资产类别或行业的技巧）。
2. 选择效应 (Selection Effect)： \( \sum w_{bi} \times (R_{pi} - R_{bi}) \)（在行业内挑选个别证券的技巧）。
3. 互动效应 (Interaction Effect)： \( \sum (w_{pi} - w_{bi}) \times (R_{pi} - R_{bi}) \)（配置决策与选择决策的综合影响）。
4. 特定资产类别的基准指标实务
标准的流动性股票与固定收益基准指标无法捕捉另类资产类别的结构性特征。因此需要专门的基准指标方法：
大宗商品 (Commodities)
大宗商品指数反映的是期货合约而非现货价格。全额抵押商品期货基准指标的总回报由三个部分组成：
\( Total\ Return = Spot\ Return + Roll\ Yield + Collateral\ Yield \)
- 现货回报 (Spot Return)：商品现货价格的变动。
- 展期收益 (Roll Yield)：将即将到期的合约展期至远期合约所产生的收益（在现货溢价 / 逆向市场 (backwardation) 下为正，在期货溢价 / 正向市场 (contango) 下为负）。
- 抵押收益 (Collateral Yield)：作为保证金存放的现金或短期国债所赚取的利息。
常见的广泛市场指数包括标普 GSCI 指数（以产量加权，极度偏向能源）和彭博大宗商品指数（BCOM，以流动性和产量加权，并设有行业上限）。被动商品基准指标与动态管理实体行业多空头敞口的主动型商品交易顾问 (CTA) 有显著差异。
管理型期货与 CTA
商品交易顾问 (CTA) 在股票、固定收益、外汇及大宗商品等多个流动性期货市场进行交易，同时建立多头与空头。基准指标面临的挑战包括：
- CTA 不持有纯多头实物资产；其投资组合大部分是作为衍生工具头寸抵押品的现金。
- 标准市场指数无法反映该策略动态的、趋势跟踪型的回报形态。
- 基准指标通常依赖同侪群组指数（例如 SG CTA 指数或 BarclayHedge CTA 指数），或是依据规则在标准化期货合约篮子中系统性执行移动平均或突破规则的趋势跟踪复制指标。
私募股权 (Private Equity)
私募股权投资具有非流动性、多年承诺期、通过资本催缴 (capital calls) 不均衡地提取资本，并随时间分配收益的特性。由于标准的时间加权回报率 (TWR) 需要定期的市场估值，因此无法可靠地应用于非上市的私募型基金。
关键的私募股权基准衡量工具包括：
- 内部回报率 (IRR) 与倍数：金额加权衡量指标，如 IRR、投资总值对实缴资本倍数 (TVPI) 以及已分配收益对实缴资本倍数 (DPI)。
- 公开市场等价法 (Public Market Equivalent, PME)：通过复制私募股权现金流的时间点，对比流动性公开市场指数来评估私募基金绩效。
- Long-Nickels PME (LN-PME)：将私募基金的资本催缴投资于公开指数，并出售公开指数份额以匹配私募基金的分配收益。若最终终值为正，代表该基金表现超越公开市场基准。
- Kaplan-Schoar PME (KS-PME)：舍弃了假设投资组合的方法，改用公开市场指数的实现回报将所有资本催缴和分配收益进行折现。KS-PME 比率大于 1.0 代表表现超越公开市场基准。
- 同投资年份群组比较 (Vintage-Year Peer Comparison)：专门将私募基金的 IRR 及倍数与同年份成立（vintage year，成立年份）的基金进行比较，从而减低宏观经济周期所造成的扭曲效应。
房地产 (Real Estate)
房地产绩效取决于其敞口是公开市场（REITs，房地产投资信托基金）还是私募市场（直接持有房地产）：
- 基于估值的指数 (Appraisal-Based Indices，例如 NCREIF 物业指数)：源自定期的主观物业估值。这些指数受到估值平滑 (appraisal smoothing) 的影响，人为压低了呈报的波动率、推迟了市场拐点，并产生虚假的正自相关性 (positive autocorrelation)。
- 基于交易的指数 (Transaction-Based Indices)：利用重复买卖回归模型或特征价格模型 (hedonic pricing models)，根据实际交易数据构建。这些指数消除了估值平滑现象，展现出更高、更符合实际的波动率。
- 上市房地产投资信托基金指数 (Listed REIT Indices，例如 FTSE Nareit)：具备完全流动性且每日按市值计价，但其回报在短期内反映了股票市场的情绪与杠杆，往往与私人资产估值产生背离。
同侪群组回报与数据库偏差
虽然同侪群组基准在对冲基金与私募股权中无处不在，但分析师必须对重大的结构性报告偏差进行调整：
- 生存者偏差 (Survivorship Bias)：失败或清盘的基金会从商业数据库中剔除，导致历史同侪群组的年化平均回报被人为推高 100 至 300 个基点。
- 回填偏差 / 即时历史偏差 (Backfill / Instant History Bias)：新加入数据库的成功基金往往会回填其过去亮丽的历史业绩，进一步夸大了同侪群组的历史绩效。
- 选择偏差 / 自愿呈报偏差 (Selection / Self-Reporting Bias)：向数据库呈报数据纯属自愿；表现不佳的经理人会选择不呈报。
5. 风险调整后的绩效衡量指标
回报必须始终相对于为获取回报所承担的风险来进行评估。
夏普比率 (Sharpe Ratio)：每单位总风险（标准差）所获得的超额回报：
\( Sharpe = \frac{R_p - R_f}{\sigma_p} \)
局限性：假设回报呈正态分布。它会对上行波动进行严厉惩罚，且对于具有负偏态 (negative skewness) 或厚尾峰度 (kurtosis) 的对冲基金可能会产生误导。
崔诺比率 (Treynor Ratio)：每单位系统性风险 (Beta) 所获得的超额回报：
\( Treynor = \frac{R_p - R_f}{\beta_p} \)
最佳应用：适用于特质风险已被充分分散的高度多元化投资组合。
资讯比率 (Information Ratio, IR)：每单位追踪误差（超额回报的波动率）所获得的主动回报：
\( IR = \frac{R_p - R_b}{\sigma_{(R_p - R_b)}} \)
关键角色：评估相对于指定基准指标的主动管理一致性。
索提诺比率 (Sortino Ratio)：将总波动率替换为相对于最低可接受回报率 (\( R_{target} \)) 的下行偏差：
\( Sortino = \frac{R_p - R_{target}}{Downside\ Deviation} \)
优势：不会惩罚上行波动，因此特别适用于非对称回报形态（例如多头期权或趋势跟踪 CTA）。
总结与关键重点
1. 回报层次架构：区分大宗 Beta、另类风险溢价与真正的特质 Alpha。提防伪装成经理人技巧的人造 Alpha。
2. 基准指标质量：确保基准指标符合 SAMURAI 原则，以提供有意义的评估。
3. 多因子归因：运用多因子模型将经理人的 Alpha 与系统性风格及宏观风险因子载荷区分开来。
4. 特定资产类别特性：在大宗商品中考量展期收益、在 CTA 中考量动态现金加趋势跟踪、在私募股权中考量 PME 及同投资年份比较，以及在私募房地产中考量估值平滑效应。
5. 呈报偏差：认识到对冲基金和私募市场中的同侪群组基准会因生存者偏差、回填偏差及自愿呈报偏差而被向上推高。