欢迎来到非公开与上市资产的世界！

在本章中，我们将深入探讨另类投资领域中最重要的“侦探”工作之一：厘清非公开资产（Private Assets）与其上市资产（Public Assets）在风险与表现上的真实情况。如果你曾好奇为何私募股权基金（Private Equity）看起来如此“平滑”且稳定，而标普 500 指数却像过山车一样波动，那你来对地方了！我们将为你揭开这些平滑数据背后隐藏的真实风险。

1. 理解基本差异

在进入数学计算之前，我们先来看看这两类资产在“性格”上的基本差异：

上市资产 (Listed Assets / Public)：这就像你最喜欢的那些在交易所交易的科技股。它们拥有高频定价。每个交易日的每一秒，市场都在告诉你该资产的价值。这导致了较高的“观测所得”波动率。

非公开资产 (Private Assets)：这包括非公开房地产或私募股权等。它们的交易频率很低。我们无法像股票那样，随时查到芝加哥市中心某栋办公大楼的市场报价。相反，我们依赖估值（Appraisals）。由于估值通常只是偶尔进行（例如每季或每年一次），价格看起来在很长一段时间内都非常稳定。

问题所在：陈旧定价 (Stale Pricing)
由于非公开资产的价值不会每秒更新，它们会受到陈旧定价的影响。这意味着我们今天看到的价值，可能实际上反映的是几个月前的市场状况。这就像看着昨天拍的天空照片来判断现在的天气——它无法告诉你“现在”是否正在下雨。

关键重点

非公开资产与上市资产在绩效报告上的主要差异，不一定是底层风险不同，而是价格更新的频率不同。不频繁的更新会导致数据呈现“平滑化”。

2. 低风险的幻觉：收益平滑化 (Return Smoothing)

当价格变动缓慢且未反映所有当前信息时，我们称之为收益平滑化。这会产生几个“副作用”，若投资者不留心，很容易被误导：

  • 偏低的观测波动率：非公开资产的标准差看起来比上市资产低得多。它看起来是一条平滑的曲线，而不是锯齿状的折线。
  • 滞后相关性 (Lagged Correlation)：非公开资产看起来似乎与股市走势无关。事实上，它们是有关联的；只是反应比较“慢”。这被称为“滞后”(Lag)。
  • 人为拉高的夏普比率 (Sharpe Ratio)：由于分母中的风险（波动率）看起来比实际更小，夏普比率会显得高得惊人。

你知道吗？
如果你将平滑后的数据放入均值-方差优化模型（Mean-Variance Optimizer），它会建议你将所有资金投入非公开资产，因为它们看起来回报高且几乎零风险。千万别上当！这是一个经典的“垃圾进，垃圾出”(Garbage in, garbage out) 场景。

3. 去平滑化 (De-smoothing) 的数学运算（侦探工作）

为了看到“真实”的绩效，我们需要进行去平滑化。这部分常让学生感到紧张，但别担心——它比看起来简单得多！我们使用一个模型，假设“观测所得”的收益是真实当前收益与先前观测收益的混合体。

观测收益 (\( r_{obs,t} \)) 的公式如下：
\( r_{obs,t} = \alpha r_{true,t} + (1 - \alpha) r_{obs,t-1} \)

其中：
\( \alpha \) (Alpha) = 调整“速度”（纳入多少新信息）。
\( 1 - \alpha \) = “平滑度”或“陈旧”系数（我们滞留在过去的程度）。

若要找出真实收益 (\( r_{true,t} \))，我们将公式重组为：
\( r_{true,t} = \frac{r_{obs,t} - (1 - \alpha)r_{obs,t-1}}{\alpha} \)

逐步示例：
1. 假设本季的观测收益为 5% (\( r_{obs,t} = 0.05 \))。
2. 上一季的观测收益为 3% (\( r_{obs,t-1} = 0.03 \))。
3. 平滑系数 (\( 1 - \alpha \)) 为 0.6 (这意味着 \( \alpha = 0.4 \))。
4. 代入公式：\( r_{true,t} = \frac{0.05 - (0.6 \times 0.03)}{0.4} = \frac{0.05 - 0.018}{0.4} = \frac{0.032}{0.4} = 0.08 \)，即 8%。

结论：即使我们看到的回报率只有 5%，但真实的经济回报率是 8%，因为“陈旧”的历史数据拖累了当期的表现。

快速复习框

低 Alpha (\( \alpha \)) = 高平滑度，数据非常陈旧。
高 Alpha (\( \alpha \)) = 低平滑度，数据更接近真实情况。

4. 对风险指标的影响

当我们对数据进行去平滑化后，风险指标会显著改变。以下是“真实”数值与“观测”数值的比较：

标准差：真实标准差总是高于观测到的标准差。两者关系的简化公式为：
\( \sigma_{true} = \sigma_{obs} \times \sqrt{\frac{1 + (1 - \alpha)}{1 - (1 - \alpha)}} \) （注：这是针对 CAIA L2 的概念简化版）。

相关性：私募股权与公开股市之间的真实相关性，通常比原始数据显示的要高得多。这意味着非公开资产提供的分散风险效果，并没有账面上看起来那么好。

Beta 值：与相关性一样，非公开资产的真实 Beta 值高于观测到的 Beta 值。如果你忽略平滑化效应，将会低估你的非公开资产组合所面临的市场风险。

记忆小帮手：橡皮筋比喻
想象真实市场是一个人在奔跑（真实收益）。观测到的非公开资产收益是一只系着长长、有弹性牵绳的狗（观测收益）。这只狗最终会跟着人走，但它会滞后，且不会显示出人突如其来的冲刺或停止。去平滑化就像是缩短那条牵绳，让你能看见狗在相对于人而言，真正的位置在哪里。

5. 将上市资产作为代理指标 (Proxies)

既然非公开资产的数据如此混乱，我们能直接使用上市私募股权 (LPE) 或 房地产投资信托基金 (REITs) 来了解非公开资产吗？
答案是：可以，但要小心。

  • 优点：上市代理指标提供每日价格，并反映即时的市场情绪。
  • 缺点：上市代理指标会受到股票市场情绪的影响。例如，在市场崩盘期间，REITs 可能会因为投资者恐慌性抛售而下跌 20%，即使底层的办公大楼依然是 100% 出租且正常收取租金。

因此，上市资产通常会高估短期波动率，而非公开资产则会低估它。真相通常介于两者之间！

关键重点

使用上市代理指标来获取即时方向感，但请记住它们带有来自公开股市的“噪音”，而这些噪音在非公开资产领域中可能并不存在。

6. 学生常见的陷阱

考试当天千万别被这些地方绊倒：

  1. 搞混 Alpha 与 1-Alpha：在某些教科书中，\( \alpha \) 是平滑系数；在另一些书中，\( 1 - \alpha \) 才是平滑系数。务必仔细阅读题目中的定义。平滑系数 = 陈旧权重。
  2. 以为“平滑”就是“安全”：曲线平坦并不代表资产没有风险。这只是“估值滞后”(Appraisal Lag)，而非风险的缺失。
  3. 分散风险的幻觉：学生常以为私募股权是极佳的分散投资工具，因为它与股票的相关性只有 0.3。在去平滑化后，该相关性可能会跃升至 0.8！

总结

理解非公开资产与上市资产的风险与绩效，关键在于看穿基于估值的定价表面下那层“平滑”的假象。通过去平滑化数据，我们能揭示真实的波动率、真实的 Beta 值以及真实的相关性。尽管非公开资产看起来像是既有高回报又低风险的“免费午餐”，但去平滑化后的数据显示，它们同样受制于与上市资产相同的市场力量——只是它们反映出来的时间比较慢而已！

你一定做得到！记住：如果数据看起来平滑到不真实，那它通常就是不真实的。祝你学习顺利！