Analysis of Active Portfolio Management

欢迎来到主动型投资组合管理！

欢迎！如果你曾好奇专业基金经理人如何尝试“击败市场”，以及他们的成功究竟是源于真正的实力，还是仅仅靠运气，那么你来对地方了。在本章中，我们将探讨主动型投资组合管理分析 (Analysis of Active Portfolio Management)。我们将不再仅限于单纯的追踪指数，而是深入了解经理人如何通过特定的投资策略来获取超额回报。读完这些笔记后，你将理解主动型管理背后的“基本定律”(Fundamental Law)，并学会如何挑选合适的风险水平以实现回报最大化。

1. 定义主动回报与主动风险

在分析经理人之前，我们首先要定义他们所追求的目标。主动型管理的核心在于与基准指标 (Benchmark)（例如标普 500 指数）有所区别。

主动回报 (Active Return)

这仅仅是投资组合回报率 (\(R_P\)) 与基准指标回报率 (\(R_B\)) 之间的差额。

\(R_A = R_P - R_B\)

范例：如果你的投资组合回报率为 12%，而基准指标回报率为 10%，那么你的主动回报即为 2%。

主动风险 (Active Risk / Tracking Error)

主动风险是这些主动回报随时间变化的标准差。它衡量的是投资组合相对于基准指标的“偏离程度”。如果经理人完全复制基准指标，其主动风险则为零。

主动权重 (Active Weights)

为了获得主动回报，经理人必须持有主动权重。主动权重 (\(\Delta w_i\)) 是某只股票在投资组合中的权重 (\(w_{P,i}\)) 与其在基准指标中权重 (\(w_{B,i}\)) 之间的差额。

\(\Delta w_i = w_{P,i} - w_{B,i}\)

重点复习：投资组合中所有主动权重的总和必须永远等于零，因为对某一只股票的“超额配置”(overweight) 必须由对另一只股票的“低配”(underweight) 来抵消。

2. 信息比率 (Information Ratio, IR)

信息比率是主动型管理的“圣杯”。它告诉我们经理人每承担一单位主动风险，能产生多少主动回报。

\(IR = \frac{E(R_A)}{\sigma(R_A)}\)

其中 \(E(R_A)\) 为预期主动回报，而 \(\sigma(R_A)\) 为主动风险（跟踪误差）。

IR 与夏普比率 (Sharpe Ratio) 的比较

千万别搞混这两者！
- 夏普比率 (SR)： 衡量每单位总风险所获得的总回报。用于评估整个投资组合的绩效。
- 信息比率 (IR)： 衡量每单位主动风险所获得的主动回报。用于评估经理人相对于基准指标的选股实力。

重要公式：投资组合的总夏普比率 (\(SR_P\)) 可以拆解为基准指标的夏普比率 (\(SR_B\)) 与经理人的信息比率 (\(IR\))：

\(SR_P^2 = SR_B^2 + IR^2\)

关键启示：具备高 IR 的经理人对于承担主动风险非常有效率。与夏普比率不同，信息比率在主动投资部位加入杠杆时不会改变。如果你将赌注加倍，回报与风险也会同步加倍，使得该比率维持不变。

3. 主动型管理的基本定律 (Fundamental Law of Active Management)

这听起来很深奥，但其实它是拆解“实力”的一种逻辑方式。它告诉我们主动回报取决于三个核心要素：实力 (Skill)、机会 (Opportunity) 与 效率 (Efficiency)。

基本版本（无限制条件）

如果经理人没有任何投资限制（例如无法做空股票），则预期主动回报为：

\(E(R_A) = IC \times \sqrt{BR} \times \sigma_A\)

组成要素：

1. 信息系数 (Information Coefficient, IC)： 这代表实力。它是经理人的预测与实际结果之间的相关系数。范围从 -1.0 到 1.0。一个“不错”的 IC 值通常低至 0.05 或 0.10！

2. 广度 (Breadth, BR)： 这代表机会。它代表经理人每年所做出的独立投资决策数量。
类比：如果你很擅长抛硬币，抛 1,000 次硬币（高 BR）所赚到的钱，肯定比只抛 1 次（低 BR）要多得多。

3. 转移系数 (Transfer Coefficient, TC)： 这代表效率。在现实世界中，经理人受到各种限制（例如“禁止做空”或“单一股票占比不得超过 5%”）。TC 衡量的是经理人的“最佳策略”中有多少比例能真正落实到投资组合中。
- 对于无限制的投资组合，\(TC = 1\)。
- 对于受限制的投资组合，\(TC < 1\)。

完整的基本定律

当我们加入限制条件时，公式变为：

\(E(R_A) = (TC)(IC)\sqrt{BR}\sigma_A\)

而最佳信息比率为：\(IR = (TC)(IC)\sqrt{BR}\)

常见错误：学生常误以为广度 (BR) 就是投资组合中的股票数量。其实不然！如果你买入 50 只走势高度相关的科技股，你的广度接近 1 而非 50。决策必须是独立的才能算作广度的一部分。

4. 选择最佳的主动风险水平

即使拥有一位顶尖经理人，你应该让他们承担多少“主动风险”？如果风险太高，投资组合的总风险会过大；如果风险太低，则无法显著超越基准指标。

“甜蜜点”(Sweet Spot) 公式

为了使整个投资组合的总夏普比率达到最大，最佳的主动风险水平 (\(\sigma_A^*\)) 为：

\(\sigma_A^* = \frac{IR}{SR_B} \sigma_B\)

其中：
- \(IR\) 为经理人的信息比率。
- \(SR_B\) 为基准指标的夏普比率。
- \(\sigma_B\) 为基准指标的标准差（风险）。

你知道吗？如果经理人实力很强（高 IR），你就应该给他们更多“发挥空间”（更高的主动风险）。如果基准指标非常高效且难以击败（高 \(SR_B\)），你就应该降低主动风险。

投资组合的总风险

一旦决定了主动风险，你就可以计算投资组合的总方差：

\(\sigma_P^2 = \sigma_B^2 + \sigma_A^2\)

注：我们假设主动回报与基准指标回报之间无相关性。

5. 基本定律的局限性

如果这看起来“太完美”了，别担心——它也有缺陷。在考试中，你可能会被问到为什么基本定律在实务中可能失效。

1. 事前 (Ex-Ante) 与事后 (Ex-Post)： 该定律基于预期（事前）实力。现实中，我们只能看到已实现（事后）的结果。一位经理人可能有实力，但却因运气不佳而遭遇“倒霉的一年”。

2. 高估广度： 经理人常以为自己做了 500 个独立决策，但如果这些决策都基于相同的经济数据（如利率），则真正的广度将远低于此。

3. 模型风险： IC（实力）极难准确衡量，且会随着时间推移而改变。

重点总结清单

- 主动回报： 超过基准指标的“额外”获利。

- 主动风险： 该额外获利的“波动性”。

- 信息比率： 衡量主动管理实力的最佳指标 (\(IR = 主动回报 / 主动风险\))。

- 基本定律： \(IR = (TC)(IC)\sqrt{BR}\)。记住：实力 \(\times\) 机会 \(\times\) 效率。

- 最佳风险： IR 越高，你应该承担的主动风险就越大。

持续练习这些公式，并记住：主动管理是一场统计学游戏。你不必每次都正确，你只需要正确的机率比错误高（IC），并尽可能多地进行决策（BR）即可！