Alpha and Beta Estimations

ยินดีต้อนรับสู่บทเรียนเรื่องการประมาณค่า Alpha และ Beta!

สวัสดีว่าที่ CAIA Charterholders ทุกคน! วันนี้เราจะมาเจาะลึกหนึ่งในบทที่สำคัญที่สุดในส่วนของ บทนำสู่การลงทุนทางเลือก (Introduction to Alternative Investments) ถ้าคุณเคยสงสัยว่าทำไมผู้จัดการกองทุนบางคนถึงได้รับค่าตอบแทนมหาศาลในขณะที่บางคนไม่ได้ หรือทำไมพอร์ตการลงทุนบางประเภทถึงผันผวนรุนแรงตามตลาดหุ้นแต่บางพอร์ตกลับดูนิ่งสนิท วันนี้คุณกำลังจะได้คำตอบ เราจะมาแยกแยะผลตอบแทนจากการลงทุนออกเป็นสองตัวอักษรกรีกง่ายๆ นั่นคือ Alpha และ Beta ไม่ต้องกังวลหากคุณไม่ใช่สายคณิตศาสตร์ เพราะเราจะค่อยๆ อธิบายแบบเป็นขั้นตอนพร้อมตัวอย่างที่เข้าใจง่าย!

1. แนวคิดหลัก: ผลตอบแทนมาจากไหน?

ในโลกของการลงทุนทางเลือก (เช่น กองทุนเฮดจ์ฟันด์หรือหุ้นนอกตลาด) เราต้องการทราบว่าผู้จัดการกองทุนมี "ฝีมือ" จริงๆ หรือแค่โชคดีเพราะตลาดขาขึ้นทั้งกระดาน เพื่อที่จะตอบคำถามนี้ เราจึงใช้กรอบแนวคิดของ แบบจำลองราคาหลักทรัพย์ตามทุน (Capital Asset Pricing Model - CAPM)

ลองนึกภาพผลตอบแทนรวมของคุณเหมือนเรือที่ลอยอยู่ในมหาสมุทร:
- Beta เปรียบเสมือน ระดับน้ำขึ้นน้ำลง เมื่อน้ำขึ้น เรือทุกลำก็ลอยสูงขึ้นตามไปหมด และเมื่อน้ำลด เรือทุกลำก็ลดต่ำลงเช่นกัน
- Alpha เปรียบเสมือน เครื่องยนต์ ซึ่งเป็นความเร็วที่เพิ่มขึ้นจากฝีมือของกัปตันเรือ ไม่ว่าน้ำจะขึ้นหรือลงก็ตาม

สมการพื้นฐาน

ในการประมาณค่าเหล่านี้ เราใช้ความสัมพันธ์เชิงเส้นดังนี้:
\( R_i - R_f = \alpha_i + \beta_i(R_m - R_f) + \epsilon_i \)

โดยที่:
- \( R_i \): ผลตอบแทนของการลงทุน
- \( R_f \): อัตราผลตอบแทนที่ปราศจากความเสี่ยง (Risk-Free Rate) (เช่น พันธบัตรรัฐบาล)
- \( R_m \): ผลตอบแทนของ ตลาด (Market) (ซึ่งใช้เป็นดัชนีอ้างอิง)
- \( \alpha_i \): Alpha (ค่าจุดตัดแกนตั้ง)
- \( \beta_i \): Beta (ความชัน หรือความไวต่อการเปลี่ยนแปลงของตลาด)
- \( \epsilon_i \): ค่าความคลาดเคลื่อน (Error Term) (สัญญาณรบกวนที่คาดเดาไม่ได้)

ทบทวนสั้นๆ: เรานำอัตราผลตอบแทนที่ปราศจากความเสี่ยง (\( R_f \)) ไปหักออกจากผลตอบแทนของทั้งการลงทุนและตลาด เพื่อให้เราโฟกัสไปที่ ผลตอบแทนส่วนเกิน (Excess Returns) ซึ่งเป็นรางวัลที่เราได้รับจากการแบกรับความเสี่ยงจริงๆ

2. ทำความเข้าใจกับ Beta (\(\beta\)): ผู้ตามตลาด

Beta เป็นตัววัด ความเสี่ยงเชิงระบบ (Systematic Risk) มันบอกเราว่าการลงทุนนั้นมีความอ่อนไหวต่อความเคลื่อนไหวของตลาดในภาพรวมมากน้อยเพียงใด ถือเป็นส่วนของผลตอบแทนที่ได้มาแบบ "Passive"

วิธีการตีความค่า Beta:
- \(\beta = 1.0\): การลงทุนเคลื่อนไหวตามตลาดเป๊ะๆ ถ้าตลาดขึ้น 10% การลงทุนของคุณก็จะขึ้น 10%
- \(\beta > 1.0\): การลงทุนมีความ รุก (Aggressive) ถ้า \(\beta = 1.5\) และตลาดขึ้น 10% คุณก็คาดหวังผลตอบแทนได้ถึง 15%
- \(\beta < 1.0\): การลงทุนมีความ ตั้งรับ (Defensive) มันจะเคลื่อนไหวน้อยกว่าตลาด
- \(\beta = 0\): การลงทุนไม่มีความสัมพันธ์กับตลาดเลย (เช่น เงินสด)

คุณรู้หรือไม่?

การลงทุนทางเลือกมักจะมุ่งเน้นไปที่ ค่า Beta ต่ำ นักลงทุนใช้สินทรัพย์ทางเลือกเพื่อกระจายความเสี่ยง นั่นหมายความว่าพวกเขาต้องการผลตอบแทนที่ไม่ได้ลอกเลียนแบบดัชนี S&P 500 เพียงอย่างเดียว!

ประเด็นสำคัญ: Beta คือผลตอบแทนที่คุณได้รับเพียงเพราะคุณ "เข้าร่วมลงทุน" และรับความเสี่ยงของตลาด โดยทั่วไปแล้วการซื้อ Beta นั้นทำได้ในราคาถูก (ผ่านกองทุนดัชนี)

3. ทำความเข้าใจกับ Alpha (\(\alpha\)): ฝีมือของผู้จัดการกองทุน

Alpha คือ "จอกศักดิ์สิทธิ์" ของการลงทุนทางเลือก มันคือ ผลตอบแทนส่วนเกิน ที่ได้รับเหนือกว่าที่ควรจะเป็นจากระดับ Beta ของการลงทุนนั้นๆ ซึ่งสะท้อนถึง ผลตอบแทนเฉพาะตัว (Idiosyncratic return) หรือฝีมือของผู้จัดการกองทุนนั่นเอง

- Alpha เป็นบวก: ผู้จัดการกองทุนสร้างผลตอบแทนได้เหนือกว่าตลาดหลังจากปรับด้วยความเสี่ยงแล้ว (ถือว่าสร้างมูลค่าเพิ่ม!)
- Alpha เป็นลบ: ผู้จัดการกองทุนทำผลตอบแทนได้ต่ำกว่าที่ควรจะเป็นเมื่อเทียบกับความเสี่ยงที่ได้รับ
- Alpha เป็นศูนย์: ผู้จัดการกองทุนทำได้ตามที่ Beta ของตลาดคาดการณ์ไว้พอดี ไม่ขาดไม่เกิน

ตัวอย่าง: หากผลตอบแทนตลาดอยู่ที่ 10% และกองทุนของคุณมีค่า Beta เท่ากับ 1.0 คุณควรได้รับผลตอบแทน 10% แต่ถ้ากองทุนทำได้จริง 12% ส่วนต่าง 2% นั้นก็คือ Alpha ของคุณ

เทคนิคจำง่ายๆ: Alpha = Added Value (มูลค่าที่เพิ่มขึ้น), Beta = Benchmark Sensitivity (ความไวต่อดัชนีอ้างอิง)

4. การประมาณค่า Alpha และ Beta: การวิเคราะห์การถดถอยเชิงเส้น (Linear Regression)

เพื่อที่จะหาตัวเลขเหล่านี้ นักวิเคราะห์จะใช้เครื่องมือทางสถิติที่เรียกว่า Ordinary Least Squares (OLS) Regression ลองจินตนาการถึงกราฟที่มีแกนนอน (X) เป็นผลตอบแทนของตลาด และแกนตั้ง (Y) เป็นผลตอบแทนของกองทุน

ขั้นตอนการทำ:
1. รวบรวมข้อมูลผลตอบแทนในอดีตของกองทุนและดัชนีอ้างอิง
2. นำจุดข้อมูลเหล่านั้นมาวางบนกราฟกระจาย (Scatterplot)
3. ลาก "เส้นที่เหมาะสมที่สุด" (Line of best fit) ผ่านจุดข้อมูลเหล่านั้น
- ความชันของเส้นกราฟ คือ Beta (\(\beta\))
- จุดตัด (ตำแหน่งที่เส้นกราฟตัดแกน Y) คือ Alpha (\(\alpha\))

ข้อผิดพลาดที่ควรหลีกเลี่ยง: อย่าสับสนระหว่าง ผลตอบแทนรวม กับ Alpha กองทุนหนึ่งอาจทำผลตอบแทนได้ 20% (ซึ่งดูเหมือนจะดีมาก!) แต่ถ้าในขณะนั้นตลาดขึ้นไป 30% และกองทุนนั้นมี Beta เท่ากับ 1.0 ค่า Alpha จริงๆ ก็อาจจะ เป็นลบ

5. การประเมินคุณภาพของค่าประมาณ

ไม่ใช่ทุกการประมาณค่า Alpha และ Beta จะเชื่อถือได้เสมอไป เราจึงใช้ "บททดสอบความสมเหตุสมผล" สองประการ:

R-Squared (\( R^2 \))

ค่านี้บอกเราว่าความเคลื่อนไหวของกองทุนอธิบายได้ด้วยตลาดมากน้อยเพียงใด โดยมีค่าตั้งแต่ 0 ถึง 1 (หรือ 0% ถึง 100%)
- \( R^2 \) สูง (เช่น 0.90): ผลตอบแทนส่วนใหญ่มาจาก Beta ตลาดสามารถอธิบายผลการดำเนินงานได้ถึง 90%
- \( R^2 \) ต่ำ (เช่น 0.10): ตลาดอธิบายผลตอบแทนได้เพียง 10% ที่เหลือมาจาก Alpha หรือโชคล้วนๆ

T-Statistic และ P-Value

ค่าเหล่านี้บอกเราว่า Alpha นั้น มีนัยสำคัญทางสถิติ หรือไม่
- ถ้าค่า T-stat สูง (ปกติจะมากกว่า 2.0) เราจะมั่นใจได้ว่า Alpha นั้นมาจากฝีมือจริงๆ ไม่ใช่แค่การ "ทอยลูกเต๋า" แล้วโชคดี
- ถ้าค่า T-stat ต่ำ Alpha นั้นอาจเป็นเพียงสัญญาณรบกวนทางสถิติเท่านั้น

กล่องทบทวนสั้นๆ:
- Alpha: จุดตัดแกนตั้ง; ตัววัดฝีมือ
- Beta: ความชันของเส้น; ตัววัดความไวต่อตลาด
- \( R^2 \): ความแม่นยำของโมเดล; บอกว่าตลาด "มีผล" ต่อกองทุนนี้มากแค่ไหน

6. ความท้าทายและการปรับแก้

ถ้ารู้สึกยากในตอนแรก ไม่ต้องกังวลนะ แต่ขอให้จำประเด็นสำคัญสองข้อนี้ไว้สำหรับการสอบ:

1. การเลือกดัชนีอ้างอิง (Benchmark)

หากคุณเลือก "ตลาด" (ดัชนีอ้างอิง) มาเปรียบเทียบกับกองทุนผิดตัว ค่า Alpha และ Beta ของคุณก็จะผิดเพี้ยนไป ตัวอย่างเช่น การนำกองทุนอสังหาริมทรัพย์ไปเทียบกับดัชนี S&P 500 (หุ้น) อาจทำให้คุณได้ค่า Alpha ที่ "ปลอม" เพราะทั้งสองอย่างนี้เป็นสินทรัพย์คนละประเภทกันเลย

2. Ex-Post vs. Ex-Ante

- Ex-Post: มองย้อนกลับไปที่ข้อมูลในอดีต (สิ่งที่ เกิดขึ้นจริง ไปแล้ว)
- Ex-Ante: มองไปข้างหน้า (สิ่งที่ เราคาดหวัง ว่าจะเกิดขึ้น)
โมเดลส่วนใหญ่มักให้ผลลัพธ์แบบ Ex-Post แต่สิ่งที่นักลงทุนสนใจจริงๆ คือผลการดำเนินงานแบบ Ex-Ante!

สรุปใจความสำคัญ:
ในบท "บทนำสู่การลงทุนทางเลือก" การประมาณค่า Alpha และ Beta คือการแยกแยะ "ผลกระทบจากตลาด" ออกจาก "ผลกระทบจากผู้จัดการกองทุน" เราใช้การวิเคราะห์การถดถอยเพื่อหาความชัน (Beta) และจุดตัด (Alpha) และเราใช้ \( R^2 \) เพื่อดูว่าเราควรเชื่อถือผลลัพธ์เหล่านั้นมากน้อยเพียงใด การลงทุนทางเลือกที่ประสบความสำเร็จมักเกี่ยวข้องกับการค้นหา Alpha ที่มีความมั่นใจสูง ในขณะที่บริหารจัดการความเสี่ยงจาก Beta อย่างระมัดระวัง!