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，这种看法并不反映现实。毕竟，10 个人中不可能有 9 个人都高于平均水平。尽管如此，结果还是令人信服的：它们表明人类天生倾向于高估自己的才能和技能，而低估他人的才能和技能。
股票共同基金经理可能也对自己通过跑赢股市来创造阿尔法值的能力有着类似的扭曲看法。否则，他们如何证明自己的工作是合理的？
但也许我们没抓住要点。也许大多数司机确实安全驾驶，大多数基金经理的表现都很好，只有极少数基金经理分别在交通罚单和事故以及重大资本损失方面占了不成比例的比例。不幸的是，事实并非如此。大多数基金经理的表现确实低于基准：根据最新的标准普尔 SPIVA 评分卡，过去 10 年，只有 17% 的美国大型共同基金经理的表现超过了标准普尔 500 指数。此外，那些表现优异的少数基金经理之间并不一致。这一切都意味着，成功的基金经理选拔几乎是不可能的。
但研究表明，因素而非技能可以解释业绩优异和业绩不佳。因此，业绩优异和阿尔法值并不完全相同。那么，我们如何解释这种差异呢？
优异表现
虽然基金经理强调他们有能力为客户创造超额收益，但基金概况介绍会将其表现与基准进行比较。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 个月内实现了 0.7% 的回报率，而其基准标准普尔 500 指数的收益率为 -10.2%。标准普尔 500 价值指数可能是 RPV 更好的比较点，但相对于综合指数，ETF 为其投资者带来了巨大的价值——这是双关语。
RPV 智能贝塔 ETF 优异表现 = Alpha？
因素暴露分析
由于 RPV ETF 选择了大约 100 只最便宜的标准普尔 500 指数股票，因此它是一种以价值为中心的策略。一年回顾的回归分析证实了这一点。RPV 相对于标准普尔 500 指数的贝塔系数较高——它是一种多头策略——以及价值和质量因子。
价值因子暴露和质量因子负贝塔系数都是直观的，因为廉价公司在质量指标上的排名往往较差。以低估值交易的股票往往利润不高，而且往往杠杆率过高或其他问题。
因子暴露分析——RPV 智能贝塔 ETF：贝塔值，过去 12 个月
贡献分析
利用因子贝塔系数，我们可以进行贡献分析。RPV 的贝塔系数高于标准普尔 500 指数（0.90），而标准普尔 500 指数在过去 12 个月内下跌了 10.2%。因此，大盘对 RPV 回报的贡献为 -9.1%。除了价值因子贡献了 12.5% 以外，其他股票因子的影响微乎其微。
因子贡献分析：RPV Smart Beta ETF，过去 12 个月
Alpha 计算
由于我们知道股票市场和股票因素对 RPV 业绩的贡献有多大，因此我们也可以计算残差。理论上，这代表了经理的技能，或者任何与市场贝塔系数和因素无关的因素。换句话说，这就是阿尔法。
对于 RPV，alpha 为负。但是，当 ETF 的表现优于其基准时，alpha 怎么会是负的呢？这意味着以价值为中心的策略实施得不好。还必须考虑管理费、市场影响和交易成本。虽然总会有滑点，但这只能解释 -5.7% 结果的一小部分。
根据这一分析，投资者最好避开 RPV，而分别通过零成本 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
由于 RPV 是一只智能贝塔 ETF，它提供价值因子的敞口，而我们使用因子敞口分析来衡量贡献，因此 alpha 计算可能有点令人困惑。但我们可以用最知名的股票共同基金之一 Fidelity Contrafund (FCNTX) 复制这种方法。FCNTX 拥有超过 40 年的悠久历史，管理着近 1000 亿美元的资产。该基金持有集中的股票投资组合，主要由亚马逊、微软、苹果和其他成长型股票组成。
但在过去 12 个月中，这一策略也收效甚微：FCNTX 因贝塔系数和因子暴露而下跌了 20% 以上。根据贡献分析，标普 500 指数和股票因子无法完全解释负面表现，即阿尔法为负。因此，基金经理必须承担至少部分损失的责任。
Alpha 计算：富达对冲基金 (FCNTX)，过去 12 个月
超额收益与 Alpha 值
通过对 13 只美国股票市场股票共同基金和 ETF 进行贡献分析，我们可以证明超额收益和阿尔法值之间的显著差异。只有一个案例——戴维斯精选美国股票 ETF (DUSA)——超额收益和阿尔法值几乎相同，均为 -0.5%。该 ETF 确实受到因子的影响，但贡献净值抵消了。这意味着损失只能归咎于费用或缺乏技能。
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 创造了阿尔法。过去 12 个月，该 ETF 下跌了 61.8%，但市场占了其中的 -17.7%，其他因素占了 -53.0%。因此，阿尔法值为 8.9%。ARKK 高度集中于少数成长型公司——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。由于因子暴露分析揭示了所有这些，如果此类押注失败，投资者只能怪自己。
主动型基金经理：超额收益与阿尔法收益
不同的输入，不同的输出
虽然贡献分析是最有意义的 alpha 计算方法，但所使用的数据也很重要。到目前为止，我们已采用 FactorResearch 因子。这些因子应用行业标准定义来选择股票，并应用市值约束来定义股票范围。它们还包括交易成本，并且是 beta 中性的。
道琼斯、法玛和弗伦奇的数据表明，alpha 值略有不同。法玛和弗伦奇的三因素模型得出的差异最大，因为只有市场、规模和价值因素发挥作用。
因子定义很重要，应该尽可能实用。例如，Fama 和 French 因子中的股票范围包括许多投资者无法接触的非流动性小盘股，没有交易成本，并且以美元中性为基础。将产品与此类因子进行基准测试会设定不切实际的期望。
股票基金经理的 Alpha 值（按数据来源）
进一步思考
资本配置者拥有越来越多的数据和更好的技术来指导他们的配置决策。但对于基金经理来说也是如此。
这种演变使市场更加高效，也更难实现超额收益。即使在新兴市场或私募股权等私人市场，过去十年的管理者回报也表明，他们几乎没有创造价值，也没有任何一致性。
鉴于此，人们不禁要问，是否值得测量 alpha 值。
欲了解 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。
所有文章仅代表作者的观点。因此，这些文章不应被视为投资建议，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 协会会员有权自行决定和报告所获得的专业学习 (PL) 学分，包括以下内容 进取的投资者. 会员可以使用在线 PL 追踪器轻松记录积分。
关键词：
