ยินดีต้อนรับสู่การทำ Benchmarking ในทางปฏิบัติ!

สวัสดีครับ! ยินดีต้อนรับเข้าสู่บทเรียนที่นำไปใช้ได้จริงที่สุดบทหนึ่งในหลักสูตร CAIA Level II หากคุณเคยสงสัยว่า "ฉันจะรู้ได้อย่างไรว่ากองทุน Private Equity ของฉันทำผลงานได้ดีจริงไหม?" หรือ "ผู้จัดการกองทุน Hedge Fund ของฉันเขาเก่งจริง หรือแค่โชคดีกันแน่?" บทนี้มีคำตอบให้คุณครับ ในโลกของการลงทุนทางเลือก (Alternative Investments) การเลือก "ไม้บรรทัด" (benchmark) มาใช้วัดผลนั้นมีความซับซ้อนกว่าที่คิด เราจะมาสำรวจกันว่าต้องทำอย่างไรให้ถูกต้อง มีกับดักอะไรที่ต้องระวัง และมีเครื่องมืออะไรบ้างที่เหมาะสำหรับสินทรัพย์แต่ละประเภท

ไม่ต้องกังวลไปนะครับถ้าเนื้อหาดูเป็นเทคนิคในช่วงแรก เราจะค่อยๆ ย่อยไปทีละส่วนครับ ให้ลองจินตนาการว่า benchmark เหมือนกับ ไม้บรรทัด ถ้าคุณบอกว่าคุณกระโดดได้สูง 5 ฟุต ฟังดูน่าประทับใจใช่ไหมครับ? แต่มันจะมีความหมายก็ต่อเมื่อเรารู้ว่าจุดเริ่มต้นอยู่ตรงไหน และ "ฟุต" ที่คุณใช้วัดนั้นมาตรฐานแค่ไหน!

1. ทำไมการทำ Benchmarking ในสินทรัพย์ทางเลือกถึงยากกว่า?

ในหุ้นปกติ เราก็แค่ใช้ดัชนี S&P 500 ก็จบแล้ว ง่ายนิดเดียว! แต่ในโลกของสินทรัพย์ทางเลือก เราต้องเจอกับ "อุปสรรคสู่ความแม่นยำ" หลายอย่าง เพื่อให้เข้าใจการบริหารความเสี่ยง เราต้องเข้าใจก่อนว่าทำไมข้อมูลที่เราเห็นอาจจะกำลังหลอกเราอยู่

อคติ (Biases) ที่พบบ่อยในข้อมูลการลงทุนทางเลือก

เมื่อเราดูผลตอบแทน benchmark ของ Hedge Fund หรือ Private Equity ตัวเลขเหล่านั้นมักจะถูก "ปนเปื้อน" ด้วยอคติเหล่านี้ครับ:

  • Survivorship Bias: เกิดขึ้นเมื่อดัชนีวัดผลเฉพาะกองทุนที่ยังดำเนินกิจการอยู่เท่านั้น กองทุนที่ "สอบตก" หรือเจ๊งไปแล้วจะถูกคัดชื่อออกไป ทำให้ผลตอบแทนเฉลี่ยดูสูงกว่าความเป็นจริงสำหรับนักลงทุนที่เริ่มลงทุนตั้งแต่ต้น
  • Backfill Bias (Instant History Bias): เวลาที่มีกองทุนใหม่เข้ามาร่วมในดัชนี ผู้จัดทำดัชนีมักจะ "ย้อนหลัง" ข้อมูลผลตอบแทนในอดีตของกองทุนนั้นเข้าไปด้วย ซึ่งโดยปกติผู้จัดการกองทุนจะยอมให้ใส่ข้อมูลก็ต่อเมื่อผลงานในอดีตดูสวยหรูเท่านั้น!
  • Selection Bias: ไม่เหมือนกับบริษัทจดทะเบียนในตลาดหลักทรัพย์ กองทุนส่วนบุคคลไม่ถูกบังคับให้เปิดเผยผลตอบแทน ดังนั้นมักจะมีแค่ผู้จัดการกองทุนที่มั่นใจในผลงานเท่านั้นที่เลือกจะรายงานข้อมูล

ช่วงเปรียบเทียบให้เห็นภาพ: ลองนึกภาพว่าคุณไปงานเลี้ยงรุ่นสมัยมัธยม คุณถามทุกคนว่าเงินเดือนเท่าไหร่แล้วเอามาหาค่าเฉลี่ย มันดูสูงมากเลยใช่ไหมครับ? แต่เดี๋ยวก่อน... คนที่กำลังลำบากหรือตกงานอาจจะไม่ได้มาร่วมงานนี้ นี่แหละครับคือ Survivorship Bias

ทบทวนสั้นๆ: โดยทั่วไปแล้ว อคติเหล่านี้จะนำไปสู่ การรายงานผลตอบแทนที่สูงเกินจริง และ ความเสี่ยงที่ต่ำเกินจริง ในฐานะนักบริหารความเสี่ยง งานของคุณคือการ "กำจัดอคติ" ออกจากข้อมูลเหล่านี้ในใจให้ได้ครับ

2. ประเภทของ Benchmark

ไม่มีวิธีเดียวที่ใช้ได้กับทุกสถานการณ์ เรามีเครื่องมือที่แตกต่างกันไปตามสิ่งที่เราต้องการค้นหาครับ

Peer Group Benchmarks

เป็นการเปรียบเทียบผู้จัดการกองทุนกับผู้จัดการคนอื่นๆ ที่ทำกลยุทธ์แบบเดียวกัน (เช่น "กองทุน Long/Short Equity ของฉันทำผลงานได้เป็นอย่างไรเมื่อเทียบกับกองทุน Long/Short Equity กองอื่นๆ?")

  • ข้อดี: รู้สึกว่าเข้าใจง่ายและยุติธรรมต่อผู้จัดการกองทุน
  • ข้อควรระวัง: ในความเป็นจริงคุณไม่สามารถ "ลงทุน" ในค่าเฉลี่ยของกลุ่ม Peer Group ได้ และกลุ่มเหล่านี้มักประสบปัญหาอคติที่กล่าวไปข้างต้นอย่างหนัก

Market Indices

เป็นดัชนีที่โปร่งใส มีกฎเกณฑ์ชัดเจน และสามารถลงทุนได้จริง (เช่น ดัชนีสินค้าโภคภัณฑ์) อย่างไรก็ตาม สินทรัพย์ทางเลือกหลายอย่างไม่มีดัชนีตลาดที่สมบูรณ์แบบ เพราะสินทรัพย์แต่ละตัวมีความเฉพาะตัวสูง (เช่น ตึกอาคารเฉพาะแห่ง หรือบริษัทเอกชนที่ไม่มีใครเหมือน)

Factor-Based Benchmarks

วิธีนี้มีความเป็น "วิทยาศาสตร์" มากขึ้น แทนที่จะเปรียบเทียบกับกลุ่มคน เรากลับไปดู ปัจจัยความเสี่ยง (Risk Factors) ที่กองทุนนั้นไปสัมผัสมา (เช่น หุ้นขนาดเล็ก, ค่าความผันผวน, หรือส่วนต่างอัตราดอกเบี้ยเครดิต) หากผลตอบแทนของผู้จัดการกองทุนสามารถอธิบายได้ด้วยปัจจัยเหล่านี้ทั้งหมด แสดงว่าเขาไม่ได้สร้าง "Alpha" (ฝีมือ) แต่เป็นเพียง "Beta" (การเกาะไปกับตลาด) เท่านั้น

หัวใจสำคัญ: Benchmark ที่ดีควรจะ มีความชัดเจน (Unambiguous), ลงทุนได้จริง (Investable) และกำหนดไว้ล่วงหน้า (Specified in advance) หากคุณเลือก benchmark *หลังจาก* เห็นผลลัพธ์แล้ว นั่นถือว่าโกงนะครับ!

3. การทำ Benchmarking สำหรับ Private Equity: วิธี PME

Private Equity (PE) นั้นยากเป็นพิเศษเพราะกระแสเงินสดมีความ "ไม่สม่ำเสมอ" (Lumpy) คุณไม่สามารถใช้อัตราผลตอบแทนต่อปีแบบง่ายๆ เหมือนหุ้นได้ นี่คือจุดที่ Public Market Equivalent (PME) เข้ามามีบทบาทครับ

PME คืออะไร?

PME ตั้งคำถามว่า: "ถ้าฉันนำเงินทุกดอลลาร์ที่ลงทุนในกองทุน PE ไปลงทุนใน S&P 500 แทน ผลจะเป็นอย่างไร?"

เวอร์ชันที่โด่งดังที่สุดคือ Kaplan-Schoar PME (KS-PME) ซึ่งอยู่ในรูปแบบอัตราส่วนดังนี้ครับ:

\( KS-PME = \frac{PV(Distributions)}{PV(Calls)} \)

โดยที่:

  • PV(Distributions): มูลค่าปัจจุบันของเงินสดที่กองทุนจ่ายคืนให้คุณ
  • PV(Calls): มูลค่าปัจจุบันของเงินสดที่คุณเรียกเก็บ/จ่ายเงินลงทุนเข้าไปในกองทุน
  • Discount Rate: เราใช้ผลตอบแทนของดัชนีตลาดสาธารณะ (เช่น S&P 500) เป็นอัตราคิดลด

วิธีอ่านค่าผลลัพธ์:

  • ถ้า KS-PME > 1.0: กองทุน Private Equity ทำผลงานได้ดีกว่าตลาดหุ้น! (ฉลองได้เลยครับ!)
  • ถ้า KS-PME < 1.0: คุณนำเงินไปซื้อกองทุนดัชนีทั่วไปน่าจะคุ้มกว่าครับ

คุณรู้ไหม? แม้ว่าผู้จัดการกองทุน PE จะพูดถึง IRR (Internal Rate of Return) กันตลอดเวลา แต่ IRR นั้นถูกปั่นตัวเลขได้ง่ายมากด้วยจังหวะการเข้าออกของเงินสด PME จึงถูกมองว่าเป็นมาตรวัดที่ "จริงใจ" กว่าสำหรับนักบริหารความเสี่ยง เพราะมันคำนึงถึงค่าเสียโอกาสของการลงทุนในตลาดสาธารณะด้วยครับ

4. การทำ Benchmarking อสังหาริมทรัพย์และปัญหา "Smoothing"

Benchmark ของอสังหาริมทรัพย์ (เช่น NCREIF Property Index) มักพึ่งพาการ ประเมินมูลค่า (Appraisals) เพราะตึกไม่ได้มีการซื้อขายเปลี่ยนมือกันทุกวัน สิ่งนี้สร้างปัญหาใหญ่ให้กับการบริหารความเสี่ยงที่เรียกว่า Return Smoothing

ปัญหาคือ: ผู้ประเมินราคามักจะดูมูลค่าจากปีที่แล้วแล้วปรับเปลี่ยนเพียงเล็กน้อย ทำให้ดูเหมือนว่าอสังหาริมทรัพย์มีความผันผวนต่ำมากและไม่มีความสัมพันธ์ (Correlation) กับตลาดหุ้นเลย ซึ่งจริงๆ แล้วมันเป็นเพียงภาพลวงตาครับ!

ทางแก้สำหรับนักบริหารความเสี่ยง: De-smoothing

เพื่อให้เห็นความเสี่ยงที่ "แท้จริง" นักบริหารความเสี่ยงจะใช้สูตรเพื่อ "กำจัดความเรียบ" (De-smooth) ออกจากผลตอบแทน แม้คุณอาจไม่ต้องคำนวณตัวเลขยากๆ ในห้องสอบ แต่ขอให้จำแนวคิดนี้ไว้ครับ:

Observed Return = \( (w) \times \text{True Return} + (1-w) \times \text{Previous Observed Return} \)

หากคุณย้อนสมการนี้ คุณจะพบว่า True Volatility (ความผันผวนที่แท้จริง) นั้นสูงกว่า Observed Volatility (ความผันผวนที่เห็นจากข้อมูล) มากครับ

ข้อผิดพลาดที่พบบ่อย: อย่าเพิ่งสรุปว่าอสังหาริมทรัพย์ "ปลอดภัย" เพียงเพราะเส้นกราฟดูเรียบสนิท มันเป็นเพียงข้อมูลที่มี "ความล่าช้า" (Lagged data) เท่านั้นเองครับ!

5. Benchmark สำหรับ Hedge Fund และโมเดลปัจจัย

Hedge Fund เป็นกลุ่มที่เน้น "Absolute Return" แต่พวกเขาก็ยังคงมีความเกี่ยวข้องกับตลาดอยู่ เราจึงใช้ Asset-Based Style (ABS) Factors เพื่อดูว่าอะไรคือตัวขับเคลื่อนผลตอบแทนของเขา

ตัวอย่างเช่น กองทุน "Global Macro" อาจถูกแยกวิเคราะห์ปัจจัยดังนี้:

  • ความเสี่ยงต่อแนวโน้มค่าเงิน
  • ความเสี่ยงต่อการเปลี่ยนแปลงของอัตราดอกเบี้ย
  • ความเสี่ยงต่อการเคลื่อนไหวของตลาดหุ้น

ขั้นตอนการวิเคราะห์ผลตอบแทน (Performance Attribution):

  1. ระบุปัจจัยความเสี่ยงที่ผู้จัดการกองทุนใช้งาน
  2. รันสมการถดถอย (Regression) เพื่อดูว่าผลตอบแทนมาจากปัจจัยเหล่านั้นเท่าไหร่ (นี่คือค่า Beta)
  3. ผลตอบแทนที่เหลือซึ่งปัจจัยเหล่านั้นอธิบายไม่ได้ คือ Alpha

สรุปสั้นๆ:
- Alpha: ฝีมือของผู้จัดการกองทุน
- Beta: ผลตอบแทนจากการเกาะตลาด (ซื้อเองถูกกว่า!)
- เป้าหมายการบริหารความเสี่ยง: ตรวจสอบให้มั่นใจว่าคุณไม่ได้จ่าย "ค่าธรรมเนียมสำหรับ Alpha" เพื่อแลกกับ "ผลงานแบบ Beta" ครับ

สรุปและประเด็นสำคัญ

เราเรียนกันมาเยอะมาก! นี่คือ "แผ่นสรุป" สำหรับสมองของคุณครับ:

  • Biases (Survivorship, Backfill, Selection) ทำให้ Benchmark ของสินทรัพย์ทางเลือกดูดีเกินจริง
  • Peer Groups เป็นสิ่งที่ใช้กันทั่วไปแต่มีข้อบกพร่อง (ลงทุนจริงไม่ได้ และมีอคติสูง)
  • PME (Public Market Equivalent) คือมาตรฐานทองคำในการวัดผล PE เทียบกับตลาดหุ้น อัตราส่วน > 1 หมายถึงกองทุน PE ชนะตลาด
  • อสังหาริมทรัพย์ มีผลตอบแทนที่ดู "เรียบ" เพราะการประเมินราคา แต่นักบริหารความเสี่ยงต้อง "De-smooth" เพื่อหาความผันผวนที่แท้จริง
  • Factor Models ช่วยให้เราแยก "โชค" (Beta) ออกจาก "ฝีมือ" (Alpha) ได้ชัดเจนขึ้น

สู้ต่อไปนะครับ! คุณกำลังทำได้ดีมาก การทำ Benchmarking ก็เหมือนการเป็นนักสืบนั่นแหละครับ คือการมองให้ทะลุตัวเลขบนพื้นผิวเพื่อค้นหาความเสี่ยงและผลตอบแทนที่แท้จริง แล้วเจอกันในบทต่อไปครับ!