将技术分析进行到底
提供专业的程序化交易解决方案

阿尔法(alpha)与贝塔(beta)

本文介绍了投资收益的两个来源:阿尔法(alpha)与贝塔(beta)。​阿尔法(alpha)是管理非系统风险的能力带来的收益。贝塔(beta)是承担系统风险带来的收益。

未来写作计划:《阿尔法与贝塔前传:资本资产定价模型》、《Sharpe Ratio》、《如何计算收益率》等。


 

阿尔法与贝塔的意义

在证券投资中,我们交易的是什么?是风险。

承担了被低估的风险获得正收益。反之,获得负收益。

所以,关键问题是对风险定价。

资本市场中有各种各样的风险。如何将完全不同的风险,统一到同一个价格体系中,是一个复杂的问题。

但是,我在伟大的知乎上找到了答案。

提问:如何优雅地测量一只猫的体积,而不使其感到惊恐或受到伤害?

@王福霖:我们可以直接定义这只猫的体积为1喵升。。。

是的,就是这个方法,定义1喵升……哦,不,是1单位风险。

要对A风险定价,已知它与B风险是等价的,如果知道B风险的价格,也就知道A风险的价格。

如果从历史数据分析结果看,A的价格与B的价格呈现线性相关关系,那么我们就可以认为A和B风险是等价的。

所以,关键问题是找到合理的B。我们把B称为A的Benchmark。

Benchmark的好坏,取决于与A的相关程度,以及Benchmark交易价格的合理程度。

我们一般都找指数作为Benchmark。因为根据有效市场理论,市场价格是合理的。

有了以上的逻辑,我们就可以对A、B的价格进行回归分析:

容易知道,如果Benchmark上涨1%,投资收益就会增加b%。b就是β。

把Benchmark看作一个系统,β代表承担系统风险带来的收益。β越高,承担的系统风险越高。

投资组合的β值是由投资者无差异曲线决定的。所以,单纯的β值并不能体现基金经理对系统风险的管理能力。根据对系统风险的判断,合理的调整β,才体现了基金经理的对系统风险的管理能力。

如果A是一个组合,投资者在持有过程中,有权限主动调整组合中某些标的的权重,但这种调整并不足以改变β。

Benchmark上涨1%,投资收益最终增加了(b+Δ)%。Δ就是α。

α体现了主动调整投资组合带来的收益。但是,这种调整并不改变系统风险。也就是说,α体现了对非系统风险的管理能力。

被动管理型策略几乎没有α,其目的是跟踪Benchmark的收益。α越小,跟踪误差越小。

α大于0,且越大越好。当α很大时,投资策略可能更偏向主动管理,而非被动管理。因为,α属于回归分析的残差项,与β收益不在一个数量级。

一个实例

以深证成指(399001)为Benchmark,我们来分析一下广发证券(000776)自2010年2月12日开始的月收益率。

可以看出来,000776与399001的相关性比较稳定,在0.8附近。

2015年4月起,β值稳定在2附近。回归分析和CAPM模型计算的收益率与实际收益率基本没有误差。说明000776的收益率都是系统风险带来的,基本没有非系统风险。

 

阿尔法策略

阿尔法策略利润来源于对非系统风险的主动管理,例如选股。对系统风险,可以采用被动管理、部分对冲,或者完全对冲。

举个简单的例子:

F国的一个基金经理A的选股能力可以带来稳定的正阿尔法。但其投资经验局限在F国资本市场。

D国有一个基金B,如果既想获得A的阿尔法,又不想承担F国的系统风险,需要怎做呢?

基金B通过F国的衍生品市场,对冲掉A持有头寸的贝塔,就可以获得单纯的阿尔法。

 

贝塔策略

贝塔策略利润来源于对系统风险的管理能力。

既可以专注于一个市场:基金经理在市场牛市时,通过投资高贝塔的标的,承担更大的系统风险,来获得更高的收益。反之,在熊市中就降低贝塔。

也可以跨市场,例如全球宏观对冲策略。

 

 

 

赞(0)
未经允许不得转载:文华程序化 » 阿尔法(alpha)与贝塔(beta)
分享到: (0)

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

横冲直撞 一直到最远方