Alfa di Jensen: stimare l'intercetta di una regressione CAPM

Come stimare l'alfa di Jensen con rendimenti in eccesso sincronizzati e interpretare beta, benchmark, commissioni, incertezza e fattori omessi.

Solo a scopo educativo; non costituisce consulenza né raccomandazione d’investimento. Gli investimenti possono comportare perdite.

Risposta diretta

L’alfa di Jensen è l’intercetta stimata nella regressione temporale del rendimento in eccesso di un portafoglio su quello del mercato secondo il CAPM:

R_p,t - R_f,t = alpha_p + beta_p × (R_m,t - R_f,t) + epsilon_p,t

alpha_p è il rendimento periodico medio non spiegato dall’esposizione CAPM stimata nel campione. beta_p è la sensibilità stimata al mercato ed epsilon_p,t il residuo del periodo t. Un residuo favorevole o una differenza di un periodo rispetto al CAPM non è di per sé alfa di regressione.

L’alfa dipende da serie, proxy di mercato e risk-free, frequenza, periodo, modello e base lorda o netta. Una stima positiva non prova abilità, persistenza, mispricing o causalità: variabilità campionaria, fattori omessi, benchmark errato, esposizione variabile, leva, prezzi stale e data mining possono crearla o cancellarla.

Come funziona

Costruisci e verifica la stima in quest’ordine:

Definire la valutazione. Identifica portafoglio, classe, mandato, obiettivo, valuta, base di commissioni e imposte, convenzione, campione, vintage dei dati e finalità.
Costruire total return sincronizzati. Allinea date, frequenza, fuso, distribuzioni, operazioni societarie, flussi, valuta e informazioni investibili. Non mescolare price return e total return o risultati live e backtest rivisti.
Creare excess return abbinati. Scegli un proxy risk-free della stessa valuta e periodo, quindi calcola y_t = R_p,t - R_f,t e x_t = R_m,t - R_f,t. Dichiara rendimenti semplici o log; la regressione usuale usa semplici periodici coerenti.
Stimare la regressione. OLS adatta y_t = alpha + beta × x_t + epsilon_t. Intercetta e pendenza minimizzano i residui quadrati. R-squared descrive variazione campionaria adattata, non verità di prezzo, abilità o valore economico.
Quantificare l’incertezza. Riporta osservazioni, errori standard, t, intervalli, diagnostica e stimatore di covarianza. Eteroschedasticità, autocorrelazione, sovrapposizione, smoothing e shock raggruppati possono richiedere inferenza robusta.
Testare stabilità e specificazione. Varia frequenze, sottoperiodi, proxy, outlier, prezzi stale e lordo/netto. Aggiungi fattori giustificati senza dichiarare universale un modello.
Interpretare la rilevanza economica. Annualizza con convenzione esplicita mantenendo visibile l’incertezza. Confronta costi, imposte, turnover, leva, liquidità, capacità, drawdown, code e obiettivo. Richiedi evidenza out-of-sample per la persistenza.

Se l’alfa mensile è a_m, la stima annua composta è (1 + a_m)^12 - 1; 12 × a_m è un’altra approssimazione. Nessuna trasforma rumore mensile in certezza; errori e intervalli non vanno annualizzati meccanicamente con la formula puntuale.

Esempio

Separa esempio di un periodo e campione di regressione:

Residuo di un periodo: il fondo rende 2.5000%, il risk-free 0.2500%, il mercato 1.2500% e il beta precedente è 1.1000. Il total return CAPM è 0.2500% + 1.1000 × (1.2500% - 0.2500%) = 1.3500%; la differenza è 1.1500 percentage points. È rendimento anomalo di un periodo, non nuova stima di alfa.
Regressione a dodici mesi: gli excess return di mercato hanno media 0.5000% e quelli del portafoglio 0.7000%. OLS produce alpha = 0.1529% per month e beta = 1.0943. La media stimata si riconcilia come 0.1529% + 1.0943 × 0.5000% = 0.7000% dopo arrotondamento.
Incertezza: la somma dei residui quadrati è 0.6971 percentage-points squared. Con 12 osservazioni e 10 gradi residui, errore standard 0.0775% e t = 0.1529% / 0.0775% = 1.9720. Con valore critico illustrativo 2.228, l’intervallo [-0.0198%, 0.3256%] include zero. R-squared = 0.9934 non cambia l’inferenza.
Annualizzazione e commissioni: il punto lordo composto è (1 + 0.1529%)^12 - 1 = 1.8500%. Se il netto è esattamente 0.1000 percentage points sotto ogni mese, beta non cambia e l’alfa netto mensile è 0.0529%, con annuo 0.6363%. Commissioni e flussi reali possono variare.

Rischi

Definire portafoglio, classe, mandato, valuta, date, frequenza e vintage dei dati.
Usare total return sincronizzati e allineare distribuzioni, operazioni, fusi e festività.
Abbinare portafoglio, mercato e risk-free per valuta, orizzonte e convenzione.
Distinguere lordo, netto dei costi del prodotto, della consulenza, dopo imposte e vissuto dall’investitore.
Scegliere un proxy di mercato difendibile; nessun indice replica il portafoglio teorico perfetto.
Trattare alfa e beta come coefficienti campionari stimati congiuntamente.
Non chiamare alfa un residuo, sovraperformance grezza o active return cumulato.
Riportare osservazioni, errori, t, intervalli e gradi residui.
Usare inferenza adatta a eteroschedasticità, autocorrelazione, sovrapposizione e smoothing.
Verificare prezzi stale e negoziazione non sincrona.
Testare sottoperiodi e stime mobili perché le esposizioni cambiano.
Analizzare gli outlier senza eliminare quelli sfavorevoli per migliorare l’alfa.
Affrontare bias di sopravvivenza, backfill, incubazione, look-ahead, selezione e data snooping.
Confrontare CAPM con multifattori giustificati e dichiarare i fattori omessi.
Non trattare R² alto come pricing corretto né basso come abilità.
Annualizzare il punto con convenzione dichiarata e preservare l’incertezza.
Confrontare alfa economico con commissioni, costi, imposte, turnover, leva e liquidità.
Valutare separatamente drawdown, code, aderenza al benchmark, copertura, reddito, imposte e passività.
Richiedere persistenza out-of-sample e controlli per test multipli prima di attribuire abilità.
Conservare codice, input, fonti e revisioni per la riproducibilità.

Errori comuni

“L’alfa di Jensen è sovraperformance grezza.” È un’intercetta stimata da excess return sincronizzati e beta stimato.
“Un residuo mensile positivo è alfa positivo.” Il residuo appartiene a un’osservazione; alfa è l’intercetta campionaria.
“Alfa positivo prova abilità.” Fortuna, modello, fattori omessi, beta variabile, leva, commissioni e selezione restano alternative.
“R² alto rende l’alfa significativo.” Adattamento e incertezza dell’intercetta sono grandezze distinte.
“Annualizzare l’alfa annualizza la fiducia.” Scalare il punto non crea osservazioni né elimina incertezza.

Argomenti correlati

Fonti

Michael C. Jensen: performance dei fondi dal 1945 al 1964.
William F. Sharpe: prezzi delle attività e equilibrio in condizioni di rischio.
Eugene F. Fama e Kenneth R. French: fattori comuni nei rendimenti di azioni e obbligazioni.
Dartmouth College / Kenneth R. French: biblioteca dati.
FINRA: analisi dei benchmark.
SEC Investor.gov: impatto di commissioni e spese sul portafoglio.