歡迎來到 Alpha 與 Beta 估算的世界！

各位未來的 CAIA 特許持有人，大家好！今天我們要深入探討另類投資導論 (Introduction to Alternative Investments) 章節中最基礎的核心內容。如果你曾經好奇為什麼有些基金經理人能領取數百萬的薪酬，而其他人則不然；或者為什麼有些投資組合會隨股市劇烈波動，而有些卻能保持穩定，那麼你即將找到答案。我們將把投資報酬拆解為兩個簡單的希臘字母：Alpha (α) 與 Beta (β)。別擔心數學不是你的強項，我們將透過簡單的類比，一步步為你解析！

1. 核心概念：報酬從哪裡來？

在另類投資的世界（如避險基金或私募股權）中，我們想了解經理人究竟是具備「真本事」，還是僅僅因為市場行情好而「運氣好」。為此，我們使用資本資產定價模型 (CAPM) 的框架。

想像你的總投資報酬就像海面上的一艘船：
- Beta 是潮汐。當潮水上漲時，所有的船都會跟著上升；當潮水退去時，它們都會下降。
- Alpha 是引擎。這是船長透過自身技術所增加的額外動力，無論潮汐如何變化都有效。

基本公式

為了估算這些數值，我們使用以下線性關係：
\( R_i - R_f = \alpha_i + \beta_i(R_m - R_f) + \epsilon_i \)

其中：
- \( R_i \)：投資組合的報酬率。
- \( R_f \)：無風險利率 (Risk-Free Rate)（如政府公債）。
- \( R_m \)：市場 (Market) 的報酬率（基準指標）。
- \( \alpha_i \)：Alpha（截距項）。
- \( \beta_i \)：Beta（斜率/敏感度）。
- \( \epsilon_i \)：誤差項 (Error Term)（隨機雜訊）。

快速複習：我們從投資與市場報酬中扣除無風險利率 (\( R_f \))，是為了聚焦在超額報酬 (excess returns) 上——這才是承擔實際風險所獲得的獎勵。

2. 理解 Beta (\(\beta\))：市場跟隨者

Beta 衡量的是系統性風險 (systematic risk)。它告訴我們投資組合對大盤波動的敏感度。這是你報酬中「被動」的部分。

如何解讀 Beta：
- \(\beta = 1.0\)：投資組合與市場同步波動。若市場上漲 10%，你的投資也上漲 10%。
- \(\beta > 1.0\)：投資屬於激進型。若 \(\beta = 1.5\)，當市場上漲 10% 時，預期你會獲利 15%。
- \(\beta < 1.0\)：投資屬於防禦型。其波動幅度小於市場。
- \(\beta = 0\)：投資與市場完全無相關性（例如現金）。

你知道嗎？

另類投資通常追求低 Beta。投資者使用另類投資是為了分散風險，這意味著他們希望獲得不只是單純複製標普 500 指數的報酬！

重點總結： Beta 代表你僅僅因為「進場」並承擔市場風險而獲得的報酬。取得這種報酬通常成本很低（透過指數基金即可達成）。

3. 理解 Alpha (\(\alpha\))：經理人的真本事

Alpha 是另類投資的「聖杯」。它是指扣除基於 Beta 所預期的報酬後，所獲得的超額報酬。它代表個別性報酬 (idiosyncratic return) 或經理人的選股功力。

- 正值 Alpha：經理人在風險調整後的表現優於市場（創造了價值！）。
- 負值 Alpha：經理人在承擔該風險後，表現不如預期。
- 零 Alpha：經理人的表現完全符合市場 Beta 的預期——不多也不少。

例子：如果市場報酬為 10%，而你的基金 Beta 為 1.0，預期報酬應為 10%。如果基金實際報酬為 12%，那額外的 2% 就是你的 Alpha。

記憶小撇步： Alpha = Added Value（增值）。Beta = Benchmark Sensitivity（對基準的敏感度）。

4. 估算 Alpha 與 Beta：線性迴歸

為了精確計算這些數字，分析師會使用一種稱為普通最小平方法 (OLS) 迴歸的統計工具。想像一個圖表，水平軸 (X) 為市場報酬，垂直軸 (Y) 為基金報酬。

步驟流程：
1. 收集基金與基準指標的歷史報酬數據。
2. 將這些數據點繪製在散點圖上。
3. 繪製一條穿過數據點的「最適配直線」。
- 直線的斜率即為 Beta (\(\beta\))。
- 直線與 Y 軸的交點（截距）即為 Alpha (\(\alpha\))。

常見錯誤： 別把總報酬與 Alpha 混為一談。一檔基金擁有 20% 的報酬（看起來很棒！），但如果當時市場上漲了 30% 而基金 Beta 為 1.0，那麼它的 Alpha 其實是負值。

5. 評估估算值的品質

並非所有的 Alpha 與 Beta 估算值都可靠。我們使用兩個主要的「理智檢查」：

決定係數 (R-Squared, \( R^2 \))

這告訴我們基金的波動有多少比例能被市場解釋。數值範圍在 0 到 1 之間（或 0% 到 100%）。
- 高 \( R^2 \)（例如 0.90）：大部分報酬來自 Beta。市場解釋了 90% 的績效。
- 低 \( R^2 \)（例如 0.10）：市場僅解釋了 10% 的報酬，其餘部分來自 Alpha 或隨機運氣。

T 統計量 (T-Statistic) 與 P 值 (P-Value)

這些數值用來告訴我們 Alpha 是否具有統計顯著性 (statistically significant)。
- 如果 T 統計量很高（通常大於 2.0），我們可以確信 Alpha 是真實的技術，而不僅僅是運氣。
- 如果 T 統計量很低，該 Alpha 可能只是統計雜訊。

快速複習盒：
- Alpha： 縱軸截距；衡量經理人技術。
- Beta： 線的斜率；衡量對市場的敏感度。
- \( R^2 \)： 適配度；市場對該基金的影響力大小。

6. 挑戰與調整

如果起初覺得這有點複雜也不用擔心，但考試時請務必記住以下兩個常見問題：

1. 基準指標的選擇

如果你選擇錯誤的「市場」（基準指標）來與基金進行比較，你的 Alpha 與 Beta 就會出錯。例如，將房地產基金與標普 500（股票）相比，可能會產生「虛假」的 Alpha，因為它們根本是完全不同的資產類別。

2. 事後 (Ex-Post) 與 事前 (Ex-Ante)

- 事後 (Ex-Post)： 回顧過去的歷史數據（實際發生的事）。
- 事前 (Ex-Ante)： 展望未來（我們預期會發生的事）。
大多數迴歸模型提供的是事後 (Ex-Post) 結果，但投資者最關心的是事前 (Ex-Ante) 的績效表現！

總結摘要：
在「另類投資導論」中，估算 Alpha 與 Beta 的目的在於將「市場效應」與「經理人效應」區分開來。我們利用迴歸分析找出斜率 (Beta) 與截距 (Alpha)，並利用 \( R^2 \) 來判斷數據的可信度。成功的另類投資通常在於尋求高信念的 Alpha，同時審慎管理 Beta 的曝險程度！