阿爾法與貝塔的意義

在證券投資中，我們交易的是什么？是風險。

承擔了被低估的風險獲得正收益。反之，獲得負收益。

所以，關鍵問題是對風險定價。

資本市場中有各種各樣的風險。如何將完全不同的風險，統一到同一個價格體系中，是一個復雜的問題。

但是，我在偉大的知乎上找到了答案。

提問：如何優雅地測量一只貓的體積，而不使其感到驚恐或受到傷害？

@王福霖：我們可以直接定義這只貓的體積為1喵升。。。

是的，就是這個方法，定義1喵升……哦，不，是1單位風險。

要對A風險定價，已知它與B風險是等價的，如果知道B風險的價格，也就知道A風險的價格。

如果從歷史數據分析結果看，A的價格與B的價格呈現線性相關關系，那么我們就可以認為A和B風險是等價的。

所以，關鍵問題是找到合理的B。我們把B稱為A的Benchmark。

Benchmark的好壞，取決于與A的相關程度，以及Benchmark交易價格的合理程度。

我們一般都找指數作為Benchmark。因為根據有效市場理論，市場價格是合理的。

有了以上的邏輯，我們就可以對A、B的價格進行回歸分析：

容易知道，如果Benchmark上漲1%，投資收益就會增加b%。b就是β。

把Benchmark看作一個系統，β代表承擔系統風險帶來的收益。β越高，承擔的系統風險越高。

投資組合的β值是由投資者無差異曲線決定的。所以，單純的β值并不能體現基金經理對系統風險的管理能力。根據對系統風險的判斷，合理的調整β，才體現了基金經理的對系統風險的管理能力。

如果A是一個組合，投資者在持有過程中，有權限主動調整組合中某些標的的權重，但這種調整并不足以改變β。

Benchmark上漲1%，投資收益最終增加了(b+Δ)%。Δ就是α。

α體現了主動調整投資組合帶來的收益。但是，這種調整并不改變系統風險。也就是說，α體現了對非系統風險的管理能力。

被動管理型策略幾乎沒有α，其目的是跟蹤Benchmark的收益。α越小，跟蹤誤差越小。

α大于0，且越大越好。當α很大時，投資策略可能更偏向主動管理，而非被動管理。因為，α屬于回歸分析的殘差項，與β收益不在一個數量級。

一個實例

以深證成指（399001）為Benchmark，我們來分析一下廣發證券（000776）自2010年2月12日開始的月收益率。

可以看出來，000776與399001的相關性比較穩定，在0.8附近。

2015年4月起，β值穩定在2附近。回歸分析和CAPM模型計算的收益率與實際收益率基本沒有誤差。說明000776的收益率都是系統風險帶來的，基本沒有非系統風險。

阿爾法策略

阿爾法策略利潤來源于對非系統風險的主動管理，例如選股。對系統風險，可以采用被動管理、部分對沖，或者完全對沖。

舉個簡單的例子：

F國的一個基金經理A的選股能力可以帶來穩定的正阿爾法。但其投資經驗局限在F國資本市場。

D國有一個基金B，如果既想獲得A的阿爾法，又不想承擔F國的系統風險，需要怎做呢？

基金B通過F國的衍生品市場，對沖掉A持有頭寸的貝塔，就可以獲得單純的阿爾法。

貝塔策略

貝塔策略利潤來源于對系統風險的管理能力。

既可以專注于一個市場：基金經理在市場牛市時，通過投資高貝塔的標的，承擔更大的系統風險，來獲得更高的收益。反之，在熊市中就降低貝塔。

也可以跨市場，例如全球宏觀對沖策略。