欢迎来到基准指标 (Benchmarking) 与绩效归因 (Performance Attribution) 的世界！

在另类投资领域中，创造高回报固然很棒，但了解回报是如何以及为何产生的，其实更为重要。这一章节就像是为基金经理人进行的“赛后分析”。我们不只看最终的比分，还要探讨这支团队的胜利是因为卓越的策略、成员个人的天赋，还是单纯的运气。读完这些笔记后，你将能分辨出哪些经理人是具备真才实学，而哪些只是刚好在正确的时间出现在正确的位置。

1. 基准指标的角色

基准指标 (Benchmark) 是一个用来衡量证券、指数或投资经理人绩效的标准。你可以把它想像成一把“量尺”。如果你今年长高了 2 英寸，这算好吗？这很难说——如果和你同龄的每个人都长高了 5 英寸，那就不算好了！

基准指标的类型

市场指数 (Market Indices)：这是最常见的类型。例如：衡量美国大型股的标普 500 指数 (S&P 500)。它们具备高度透明性且容易追踪。
同侪群组基准 (Peer Group Benchmarks)：将对冲基金与其他类似的对冲基金进行比较。这里要小心！同侪群组容易受到生存者偏差 (survivorship bias) 的影响（数据库中往往只留下了成功的基金）。
绝对回报基准 (Absolute Return Benchmarks)：设定一个固定的目标，例如“LIBOR + 5%”或固定的 8%。这在对冲基金中很常见，但无法反映出市场整体的表现。
自订基准 (Custom Benchmarks)：这是为了反映经理人特定投资风格而“量身打造”的。它们非常精确，但建立起来既昂贵又复杂。

什么样的基准才是“好”的？（SAMURAI 技巧）

如果觉得清单太长不用担心，只要记住 SAMURAI 这个缩写，就能轻松记住有效基准指标的特性：
S - Specified in advance (预先指定)：你必须在投资期开始前就选定基准，而不是事后才选！
A - Appropriate (适当性)：它必须与经理人的投资风格相符。
M - Measurable (可衡量性)：你必须能频繁地计算其回报。
U - Unambiguous (明确性)：基准的组成部分（股票/债券）必须清晰透明。
R - Reflective of current investment ideas (反映当前投资构想)：经理人应该要对基准指标内的证券有深刻了解。
A - Accountable (可问责性)：经理人应认同该基准是一个公平的“跨栏目标”(hurdle)。
I - Investable (可投资性)：你应该真的能够买到该基准（例如指数型基金）。

快速复习：只有当基准指标代表经理人策略的实际替代方案时，它才有意义。如果一位经理人投资的是亚洲科技股，那么将其与美国债券指数进行比较是毫无意义的。

2. 绩效归因：剖析回报来源

绩效归因旨在解释超额回报 (excess return)（投资组合回报与基准回报之间的差额）。我们通常会使用 Brinson 模型将其拆解为三个主要部分。

归因的三个组成部分

1. 资产配置 (Asset Allocation)：衡量经理人在将投资组合“倾向”(tilting) 某些行业或资产类别时的能力。例子：如果经理人认为科技业表现会不错，而决定持有比基准更多的科技股。
2. 证券选择 (Security Selection)：衡量经理人在行业内挑选个别赢家股票的能力。例子：即便科技业整体表现不佳，经理人是否挑选到了其中那一支逆势上涨的科技股？
3. 互动效应 (Interaction Effect)：这是一个“缓冲”类别，用以说明配置决策与选择决策的综合影响。它通常很小，为了简化起见，有时会合并到证券选择中。

数学运算（别慌！）

总超额回报的计算公式为：
\( Excess\ Return = R_p - R_b \)
其中 \( R_p \) 为投资组合回报，\( R_b \) 为基准回报。

配置效应 (Allocation Effect)： \( \sum (w_{pi} - w_{bi}) \times R_{bi} \)
（权重差异乘以基准回报）

选择效应 (Selection Effect)： \( \sum w_{bi} \times (R_{pi} - R_{bi}) \)
（基准权重乘以回报差异）

关键点：配置关乎你将资金放在哪里；选择则关乎你具体买了什么。

3. 风险调整后的绩效衡量

单看回报是非常危险的。如果经理人 A 冒着巨大的风险赚取了 20%，而经理人 B 只承担很小的风险就赚取了 18%，那么经理人 B 可能才是更好的选择。我们使用比率来达成“公平的竞争环境”。

常见比率

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 \( R_f \) 是无风险利率，\( \sigma_p \) 是标准差）

崔诺比率 (Treynor Ratio)：与夏普比率相似，但使用 Beta (系统性风险) 而非标准差。这对于高度分散的投资组合更为合适。
\( Treynor = \frac{R_p - R_f}{\beta_p} \)

资讯比率 (Information Ratio, IR)：这是主动型经理人的“圣杯”。它衡量相对于基准的超额回报（主动回报），除以追踪误差 (Tracking Error)（即超额回报的波动率）。
\( IR = \frac{R_p - R_b}{Tracking\ Error} \)
比喻：将资讯比率视为“一致性”。高的 IR 意味着经理人能稳定地击败基准，而不仅仅是某个月运气好而已。

索提诺比率 (Sortino Ratio)：与夏普比率相似，但它只看“坏”的风险（下行偏差）。它不会因“上行波动”（巨大的获利）而惩罚经理人。
\( Sortino = \frac{R_p - R_{target}}{Downside\ Deviation} \)

常见错误：使用夏普比率来比较两档分布非常不同的基金（例如具有“肥尾”效应或选择权类回报的对冲基金）。夏普比率假设回报符合常态分布，但这对于另类投资来说通常是不成立的！

4. 绩效持续性 (Performance Persistence)

今天的赢家明天还会是赢家吗？在许多另类投资类别中，绩效持续性是一个热门话题。研究通常显示，在私募股权 (Private Equity) 中，顶级经理人往往能维持在顶级行列（持续性存在）。然而，在许多对冲基金策略中，昨天的赢家往往会变成明天的平凡表现者。

影响持续性的因素

机构知识：成熟的基金公司在获取交易机会方面具有更好的管道（特别是在私募股权领域）。
规模限制：当一档基金规模过大时，要在不影响市场价格的情况下找到好的交易机会就会变得很难（这会损害持续性）。
收费结构：高额的费用会侵蚀经理人持续创造扣费后 Alpha 的能力。

你知道吗？私募股权的绩效持续性通常高于共同基金，因为私募交易是私下的，且依赖于不会在一夜之间改变的独特资源网络。

5. 多因子归因模型

有时，看起来像是“技巧”(Alpha) 的东西，其实只是对特定“因子”(Beta) 的曝险。例如，一位经理人可能看起来像天才，但他只是在价值股表现优异的一年里买入了价值股。多因子模型可以帮助我们剔除这些因子曝险，找出真正的“技巧”。

常见因子包括：
价值与成长 (Value vs. Growth)：购买便宜的股票与高成长股票。
规模 (Size)：小型股与大型股。
动能 (Momentum)：买进近期持续上涨的资产。
流动性 (Liquidity)：持有难以变现的资产所获得的溢价。

目标：找出 Alpha，也就是无法由任何共同因子解释的回报。Alpha 才是经理人真正的价值增值。

总结与关键重点

1. 基准指标：一个有效的基准指标必须符合 SAMURAI 原则。没有好的基准，就无法精确衡量绩效。
2. 归因分析：使用 Brinson 模型来判定经理人擅长的是行业配置（资产配置）还是个股挑选（证券选择）。
3. 风险调整：永远要进行风险调整！使用夏普比率衡量总风险，使用资讯比率衡量主动管理技巧。
4. Alpha 与 Beta：许多看似是技巧的表现，实际上只是对因子（如价值或动能）的曝险。多因子模型有助于厘清真正的技巧（Alpha）。
5. 持续性：不要仅因为经理人去年表现好，就假设他们明年也会好——除非你是在看私募股权等存在“护城河”的特定领域。

请继续保持！你正在掌握风险管理的技术核心。理解绩效归因正是区分普通投资人与专业 CAIA 人士的关键。