欢迎来到风险与绩效衡量指南！

欢迎！如果你曾看着投资回报的图表，心中不禁纳闷：“这究竟是一项好的投资，还是纯粹运气好？”那么这章节就是为你准备的。在另类投资 (Alternative Investments) 的世界里，我们不仅关心赚了多少钱，更深切关注为了获得这些回报所承担的风险。别担心如果你不擅长数学——我们会将这些概念拆解成简单、合乎逻辑的小部分，让任何人都能掌握。让我们开始吧！

1. 理解波动率：风险的基本功

在金融领域中，风险通常等同于波动率 (Volatility)。你可以把波动率想象成行车过程中的“颠簸程度”。行驶在高速公路上平稳顺畅就是低波动率；而乘坐疯狂过山车则是高波动率。

标准差与方差

标准差 (Standard Deviation, \( \sigma \)) 是衡量风险最常用的方法。它告诉我们投资回报通常偏离平均回报的程度。如果一项投资的平均回报率为 8%，但标准差很高，那么它在某一年实际回报率可能是 20%，而在下一年却是 -4%。

方差 (Variance, \( \sigma^2 \)) 简单来说就是标准差的平方。虽然方差在许多公式中都有用到，但我们通常偏好使用标准差，因为它与回报的单位相同（百分比）。

快速复习：
高标准差 = 高风险 / 高波动率
低标准差 = 低风险 / 较具可预测性

核心公式：

\( \sigma = \sqrt{\frac{\sum (R_i - \mu)^2}{N}} \)

（其中 \( R_i \) 为回报率，\( \mu \) 为平均值，\( N \) 为观测次数。）

常见错误： 学生常忘记标准差假设数据符合正态分布 (Normal Distribution)（即“钟形曲线”）。但在对冲基金或私募股权等另类投资中，回报往往不符合完美的钟形曲线。这就是为什么我们需要更多工具的原因！

重点总结： 标准差衡量的是总风险，但它假设回报是对称的（上涨与下跌的可能性相等且平衡）。

2. 偏态与峰态：超越钟形曲线的视野

由于另类投资并不总是表现得“正常”，我们使用高阶矩 (Higher Moments) 来描述其分布形状。

偏态 (Skewness)：数据的“倾斜度”

偏态衡量回报的不对称性。

  • 正偏态 (Positive Skew)： 分布的“尾部”指向右侧。这意味着频繁的小额损失，但偶尔会有巨大的回报（就像买彩票一样）。
  • 负偏态 (Negative Skew)： “尾部”指向左侧。这意味着频繁的小额回报，但偶尔会出现毁灭性的巨大亏损。遗憾的是，许多对冲基金策略都具有负偏态。

峰态 (Kurtosis)：尾部的“肥厚度”

峰态衡量极端离群值出现的频率。

  • 超额峰态 (Excess Kurtosis)： 如果分布具有“肥尾”（Leptokurtic），意味着极端事件（市场崩盘或飙升）发生的频率高于正态分布的预测。

你知道吗？ 投资者通常讨厌负偏态和高峰态。这种组合常被称为“在压路机前捡硬币”——你一直在稳定地赚取小额利润，直到某天发生巨大的亏损将你压扁。

重点总结： 偏态告诉你离群风险的方向，而峰态告诉你离群风险发生的频率。

3. 下行风险衡量指标

标准差将“好的波动”（大幅获利）与“坏的波动”（大幅亏损）视为相同。但投资者通常只关心坏的那部分！这就是下行风险衡量指标派上用场的时候。

风险价值 (Value at Risk, VaR)

VaR 是指在特定信心水平下，特定期间内预期的最小损失。 例如：“一个月 95% 的 VaR 为 100 万美元。” 这意味着未来一个月内，你有 5% 的机率会损失至少 100 万美元。

条件风险价值 (Conditional Value at Risk, CVaR)

CVaR（也称为预期损失 Expected Shortfall）回答了这个问题：“如果情况真的很糟糕，且我们超过了 VaR 的门槛，我们平均会损失多少？”它是“尾部”损失的平均值。

最大回撤 (Drawdown)

回撤 (Drawdown) 是指投资从最高点跌至最低点的跌幅。 最大回撤 (Maximum Drawdown) 是投资史上经历过的最大跌幅。这是一个非常受欢迎的指标，因为它展示了“历史上最糟糕的情况”。

重点总结： VaR 告诉你损失的门槛，CVaR 告诉你超过该门槛后的平均损失，而回撤则告诉你历史上“从高点跌落谷底的惨痛旅程”。

4. 风险调整后绩效衡量指标

15% 的回报率算好吗？如果你必须承担 50% 的风险才能获得它，那就未必！我们使用比率 (Ratios) 来检视回报是否值得所承担的风险。

夏普比率 (Sharpe Ratio)

衡量每单位总风险（标准差）所获得的超额回报。
\( Sharpe = \frac{R_p - R_f}{\sigma_p} \)
（其中 \( R_p \) 为投资组合回报，\( R_f \) 为无风险利率，\( \sigma_p \) 为标准差。）

索提诺比率 (Sortino Ratio)

这是针对另类投资的一种“更聪明”的夏普比率。它在分母中只使用下行偏差 (Downside Deviation)，而不是总风险。这意味着它不会因为投资获得“大额获利”而给予惩罚。

特雷诺比率 (Treynor Ratio)

衡量每单位系统性风险（贝塔系数 Beta）所获得的超额回报。适用于投资者持有充分多元化投资组合的情况。
\( Treynor = \frac{R_p - R_f}{\beta_p} \)

信息比率 (Information Ratio, IR)

衡量经理人相对于基准获取“超额回报”的能力，并除以跟踪误差 (Tracking Error)（这些超额回报的波动率）。
\( IR = \frac{R_p - R_b}{Tracking Error} \)

记忆小撇步：
Sharpe 使用 Standard Deviation（标准差）。
Treynor 使用 Terrible Beta（其实只是 Beta，但 T 有助于记忆！）。
Sortino 使用 Sub-standard (downside) deviation（下行偏差）。

重点总结： 这些比率让我们能通过观察相对于风险的回报，实现“苹果与苹果”的比较。

5. Alpha 与 Beta：经理人的真本事

在资本资产定价模型 (CAPM) 的框架下，我们将回报拆解为两部分：

1. 贝塔 (\( \beta \))： 这是市场风险。如果市场上涨 10%，而你的 Beta 为 1.2，你预期会上涨 12%。这是一种“廉价”回报，因为你可以通过指数基金轻易获得。

2. 阿尔法 (\( \alpha \))： 这是经理人凭借个人技能带来的“额外”回报。如果市场根据你的 Beta 预测你应该有 12% 的回报，但你实际获得了 14%，那么你的 Alpha 就是 2%。

Alpha 的计算步骤：
1. 计算预期回报：\( E(R) = R_f + \beta(R_m - R_f) \)
2. 用实际回报减去预期回报：\( Alpha = Actual - Expected \)

重点总结： Beta 是市场对你回报的“贡献”；Alpha 则是经理人个人的“贡献”。在另类投资中，我们通常支付高额管理费，就是为了寻找正 Alpha。

最后的鼓励

你刚才已经掌握了风险与绩效的核心“语言”！虽然这些公式乍看之下很吓人，但请记住，它们其实只是在用不同的方式问同一个问题：“我赚了多少钱？我可能损失多少？以及这种取舍是否值得？” 多复习几次这些比率和“矩”（偏态/峰态），你绝对能顺利通过 CAIA Level I 的这一部分考试！加油！