Альфа Дженсена: оценка и интерпретация константы регрессии CAPM

Узнайте, как альфа Дженсена оценивается по синхронизированным избыточным доходностям, чем она отличается от остатка за один период и как бета, ориентиры, комиссии, неопределенность и пропущенные факторы влияют на интерпретацию.

Только в образовательных целях; не является инвестиционным советом или инвестиционной рекомендацией. Инвестиции могут привести к убыткам.

Краткий ответ

Альфа Дженсена — это оцененная константа временной регрессии избыточной доходности портфеля на избыточную доходность рынка в рамках модели оценки капитальных активов (CAPM):

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

alpha_p — средняя периодическая доходность, которую в данной выборке не объясняет подобранная экспозиция CAPM. beta_p — оцененная чувствительность к рынку, а epsilon_p,t — остаток за период t. Один благоприятный остаток или разность между доходностью за период и подразумеваемой CAPM доходностью сами по себе не являются альфой регрессии.

Альфа зависит от выбранного ряда доходностей, рыночного и безрискового прокси, частоты, периода, модели и расчета до или после расходов. Положительная оценка не доказывает мастерство, устойчивость, ошибочное ценообразование или причинность: альфу могут создать или устранить выборочная вариация, пропущенные факторы, неподходящий ориентир, меняющаяся экспозиция, плечо, устаревшие цены и поиск закономерностей в данных.

Как это работает

Стройте и проверяйте оценку в следующем порядке:

Сформулируйте задачу оценки. Определите портфель, класс паев, мандат, цель ориентира, валюту, учет комиссий и налогов, метод оценки, начало и конец выборки, версию данных, а также относится ли вопрос к атрибуции, выбору управляющего или проверке модели ценообразования активов.
Постройте синхронизированные полные доходности. Используйте доходности портфеля и рынка с совпадающими датами, частотой, часовым поясом, учетом выплат, корпоративных действий, денежных потоков, валюты и доступной инвестору информации. Не смешивайте ценовую доходность с полной, а фактические результаты — с пересмотренным бэктестом.
Рассчитайте сопоставимые избыточные доходности. Выберите безрисковый прокси в той же валюте и за тот же период, затем вычислите y_t = R_p,t - R_f,t и x_t = R_m,t - R_f,t. Укажите, простые это доходности или логарифмические; обычная регрессия использует периодические простые доходности, последовательно выраженные десятичными дробями либо процентами.
Оцените регрессию. Метод наименьших квадратов подбирает y_t = alpha + beta × x_t + epsilon_t. Константа и наклон минимизируют сумму квадратов выборочных остатков. R-squared описывает долю подобранной выборочной вариации, а не истинность ценообразования, мастерство или экономическую ценность.
Оцените неопределенность. Укажите число наблюдений, стандартные ошибки альфы и беты, t-статистики, доверительные интервалы, диагностику остатков и оцениватель ковариационной матрицы. Гетероскедастичность, автокорреляция, перекрывающиеся доходности, сглаживание, кластерные шоки или оцененные ориентиры могут требовать робастного или специфичного для модели статистического вывода.
Проверьте устойчивость и спецификацию. Варьируйте разумные частоты, подпериоды, рыночные прокси, безрисковые ряды, выбросы, корректировки устаревших цен и доходности до или после расходов. Добавляйте обоснованные факторы размера, стоимости, прибыльности, инвестиций, момента, дюрации, кредита, сектора или валюты, не объявляя одну модель универсально верной.
Интерпретируйте экономическую значимость. Переведите точечную оценку в годовое выражение по заявленному правилу, сохраняя видимой статистическую неопределенность. Сравните альфу с комиссиями, торговыми издержками, налогами, оборотом, плечом, ликвидностью, емкостью, просадками, хвостовым риском и фактической целью портфеля. Прежде чем считать историческую альфу устойчивой, требуйте подтверждения вне выборки.

Если месячная альфа равна a_m, сложная годовая точечная оценка составляет (1 + a_m)^12 - 1; приближение 12 × a_m использует иное правило. Ни одна операция не превращает шумную месячную оценку в достоверность, а стандартные ошибки и границы интервала нельзя механически переводить в годовое выражение по формуле точечной оценки.

Пример

Рассмотрим отдельно один период и регрессионную выборку:

Остаток за один период: за месяц фонд приносит 2.5000%, безрисковая доходность равна 0.2500%, рынок приносит 1.2500%, а ранее оцененная бета равна 1.1000. Подразумеваемая CAPM полная доходность составляет 0.2500% + 1.1000 × (1.2500% - 0.2500%) = 1.3500%; разность равна 1.1500 percentage points. Это аномальная доходность за один период при данных исходных значениях, а не новая оценка альфы.
Регрессия за двенадцать месяцев: допустим, среднее синхронизированных избыточных доходностей рынка равно 0.5000%, а портфеля — 0.7000%. Метод наименьших квадратов по указанным 12 наблюдениям дает alpha = 0.1529% per month и beta = 1.0943. Подобранное среднее после округления сверяется как 0.1529% + 1.0943 × 0.5000% = 0.7000%.
Неопределенность: сумма квадратов остатков равна 0.6971 percentage-points squared. При 12 наблюдениях и 10 остаточных степенях свободы стандартная ошибка альфы составляет 0.0775%, а t = 0.1529% / 0.0775% = 1.9720. При условном двустороннем критическом значении 95% 2.228 интервал равен [-0.0198%, 0.3256%] и включает ноль. R-squared = 0.9934 не меняет вывод об альфе.
Пересчет в годовые значения и комиссии: сложная годовая оценка валовой месячной альфы равна (1 + 0.1529%)^12 - 1 = 1.8500%. Если для иллюстрации чистая доходность каждый месяц ровно на 0.1000 percentage points ниже валовой, бета не меняется, а чистая месячная альфа становится 0.0529%; ее сложная годовая точечная оценка равна 0.6363%. Фактические комиссии и денежные потоки не обязательно представляют собой постоянные месячные вычеты.

Риски

Определите портфель, класс паев, мандат, валюту, диапазон дат, частоту и версию данных.
Используйте синхронизированные ряды полной доходности и согласуйте выплаты, корпоративные действия, часовые пояса и праздники.
Сопоставьте доходности портфеля, рынка и безрискового актива по валюте, горизонту и правилу простых или логарифмических доходностей.
Различайте валовую доходность, чистую после расходов продукта, чистую после вознаграждения консультанта, после налогов и фактически полученную инвестором.
Выбирайте обоснованный рыночный прокси: ни один торгуемый индекс не представляет теоретический рыночный портфель идеально.
Рассматривайте бету и альфу как совместно оцененные выборочные коэффициенты, а не постоянные свойства портфеля.
Не называйте остаток за период, простое превышение ориентира или накопленную активную доходность альфой Дженсена.
Сообщайте число наблюдений, стандартные ошибки, t-статистики, доверительные интервалы и остаточные степени свободы.
Используйте вывод, подходящий для гетероскедастичности, автокорреляции, перекрывающихся периодов, сглаживания и кластерных шоков.
Проверяйте устаревшие цены и несинхронные торги, способные исказить оценки беты и константы.
Анализируйте подпериоды и скользящие оценки, поскольку экспозиции и процессы управления меняются.
Исследуйте выбросы, не удаляя неблагоприятные наблюдения лишь ради улучшения альфы.
Учитывайте смещения выживаемости, обратного заполнения, инкубации, заглядывания вперед, отбора и перебора данных.
Сравнивайте альфу CAPM с обоснованными многофакторными спецификациями и раскрывайте экспозиции к пропущенным факторам.
Не считайте высокий R-squared доказательством правильного ценообразования, а низкий — доказательством мастерства.
Переводите точечные оценки в годовые значения по заявленному правилу и сохраняйте неопределенность, не пересчитывая значимость механически.
Сравнивайте экономическую альфу с комиссиями, торговыми издержками, налогами, оборотом, плечом, ликвидностью и емкостью.
Отдельно оценивайте просадки, хвостовой риск, пригодность ориентира и цели хеджирования, дохода, налогов или обязательств.
Прежде чем приписывать альфу мастерству, требуйте устойчивости вне выборки и поправок на множественное тестирование.
Сохраняйте код, исходные данные, файлы источников и версии, чтобы результат можно было независимо воспроизвести.

Распространенные заблуждения

«Альфа Дженсена — это простое превышение доходности ориентира». Это константа модели, оцененная по синхронизированным избыточным доходностям и оцененной рыночной бете.
«Положительный месячный остаток означает положительную альфу». Остаток относится к одному наблюдению, а альфа — это подобранная константа выборки.
«Положительная альфа доказывает мастерство управляющего». Альтернативными объяснениями остаются случайность, ошибка модели, пропущенные экспозиции, меняющаяся бета, плечо, комиссии и смещение отбора.
«Высокий R-squared делает альфу статистически значимой». Качество подгонки и неопределенность константы — разные величины, требующие отдельных статистик.
«Пересчет альфы в годовые значения повышает уверенность». Масштабирование точечной оценки не добавляет наблюдений и не устраняет выборочную и спецификационную неопределенность.

Источники

Майкл К. Дженсен: результаты взаимных фондов за период 1945-1964 годов.
Уильям Ф. Шарп: цены капитальных активов — теория рыночного равновесия в условиях риска.
Юджин Ф. Фама и Кеннет Р. Френч: общие факторы риска в доходностях акций и облигаций.
Дартмутский колледж / Кеннет Р. Френч: библиотека данных.
FINRA: обзор инвестиционных ориентиров.
SEC Investor.gov: как комиссии и расходы влияют на инвестиционный портфель.