跳到正文
Financial Context Wiki

跟踪误差：主动收益波动、年化与基金层次

通过同步主动收益、明确的样本或总体估计量、考虑相关性的年化方法，以及相互分离的指数、NAV 和市场价格层次，衡量事后与事前跟踪误差。

更新于

仅供教育参考，不构成投资建议；投资可能产生损失。

直接答案

跟踪误差是投资组合周期收益相对于指定基准的波动程度。对于同步的算术总回报，把每个观测值定义为 aₜ = R_P,ₜ − R_B,ₜ。一种常用事后估计是该主动收益序列的样本标准差，而不是单期回报差，也不是投资组合自身的总波动率。

跟踪差异描述水平或方向，而不是波动。它可以指明确期限的端点差异 TD_H = R_P,H − R_B,H，也可以指平均周期主动收益，但必须标明定义。几何相对财富 RW_H = (1 + R_P,H) ÷ (1 + R_B,H) − 1 是另一项不同指标。稳定、类似费用的落后可以造成负跟踪差异，同时跟踪误差接近零。

只有在说明投资组合或份额类别、基准标识和方法版本、价格/总回报/净总回报版本、NAV 或市场价格层次、日期与估值截止时点、频率、币种与对冲、分配与预扣税、费前或费后口径、估计量、年化规则，以及事后或事前属性后，结果才有意义。

七步可复现流程

  1. 锁定衡量对象和问题。 识别账户、业绩组合、基金份额类别或可交易证券；确切基准；起止时间戳；拟回答的复制、授权范围或投资者体验问题；以及投资组合序列采用官方 NAV、其他估值还是交易所市场价格。ETF 的 NAV 回报与市场价格回报不能互换。
  2. 构建同步的总回报序列。 采用不重叠期间，并匹配时区、节假日、估值截止时点、币种换算、对冲、分配、预扣、外部现金流处理，以及费前或费后口径。使投资组合总回报匹配正确的基准回报版本；价格、总回报、净总回报、对冲、未对冲和递减指数描述不同对象。
  3. 选择相对收益惯例。 算术主动收益通常定义为 aₜ = R_P,ₜ − R_B,ₜ。授权范围也可能采用几何相对收益 gₜ = (1 + R_P,ₜ) ÷ (1 + R_B,ₜ) − 1 或对数收益差。说明惯例并保留完整精度；不得把一种惯例下的均值或端点与另一种惯例下的离散序列混用。
  4. 分开跟踪差异与跟踪误差。 根据匹配的累计回报直接计算所述期限的端点差异和几何相对财富。另行计算 ā = Σaₜ ÷ n。单个端点和 ā 都不是跟踪误差。还应区分稳定的平均落后与偶发离散，因为两者可能有不同成因及投资者影响。
  5. 以具名统计量估计事后波动。 当有 n > 1 个样本观测值且拟采用样本标准差时，使用 s_a = √[Σ(aₜ − ā)² ÷ (n − 1)]。对于中心 μ_a 已知且定义完整的总体，可采用 σ_a = √[Σ(aₜ − μ_a)² ÷ n]。零中心指标 RMS₀ = √[Σaₜ² ÷ n] 同时包含总体方差与均值平方；它并不等同于均值中心化的跟踪误差。报告观测数、缺失数据处理、异常值和修订。
  6. 一致地年化与预测。 当周期主动收益等间隔、不重叠、近似平稳且无序列相关时，TE_annual ≈ s_a × √q，其中 q 为每年观测数。存在自协方差 γ_h 时，算术加总满足 Var(Σ_{t=1}^{q}aₜ) = qγ₀ + 2Σ_{h=1}^{q−1}(q − h)γ_h；陈旧价格、非同步市场、平滑、重叠、敞口变化和衍生品都可能使平方根缩放失效。事前跟踪误差是另一项模型指标，常写作 TE_ex ante = √(w_AᵀΣw_A)，需要带日期的主动权重、匹配期限的协方差及明确的风险模型假设。
  7. 勾稽层次、归因原因并检验可靠性。 对指数实施，应比较基金 NAV 总回报与匹配指数。市场价格比较还反映折溢价变化、买卖价差效应、成交时点和市场休市。勾稽费用、现金、抽样、税务、证券出借、成分重构、公司行动、交易、衍生品、抵押品和货币对冲。若采用归因，要求 active return = explained attribution + residual，并调查残差，而不是把标签视为因果证明。展示滚动窗口、不同频率、子期间、基准变更、压力时期，以及事后与事前差异。

SEC 基金表格和 ETF 规则规范特定注册、报告、持仓字段和披露，但并未为所有用途规定一个通用跟踪误差估计量。GIPS 指引支持一致的输入数据、基准相关性和公允业绩展示。NIST 的统计资料解释尺度与自相关，指数提供商则定义基准本身的计算和回报版本。分析者必须连接这些层次，不能暗示监管申报、持仓快照或指数文件本身就衡量了实际跟踪误差。

计算示例

  • 端点跟踪差异不是相对财富或跟踪误差。 一年内，基准总回报为 10.0000%，投资组合总回报为 9.7200%。端点差异为 TD_H = 9.7200% − 10.0000% = −0.2800%，即负 28 个基点。几何相对财富为 RW_H = 1.0972 ÷ 1.1000 − 1 = −0.2545%。这些数值回答不同问题，一个端点不能产生跟踪误差估计。若每个月的主动收益都恰为 −0.0300%，则样本跟踪误差为 0.0000%，即使投资组合每个月都落后。
  • 样本、总体与零中心惯例。 六个月度主动收益为 +0.1000%, −0.1000%, +0.2000%, −0.2000%, 0.0000%, 0.0000%，均值为 0.0000%。离差平方和为 0.1000 percentage-points squared。样本跟踪误差为 √(0.1000 ÷ 5) = 0.1414%；采用总体除数则为 √(0.1000 ÷ 6) = 0.1291%。这里零中心 RMS 也等于 0.1291%，只因为均值为零。在独立同分布式平方根近似下，样本年化跟踪误差为 0.1414% × √12 = 0.4899%。
  • 自相关改变年化结果。 假设月度跟踪误差为 0.2000%，一阶滞后自相关为 ρ₁ = 0.5000，并为说明目的假设更高阶自相关为零。机械缩放得到 0.2000% × √12 = 0.6928%。按所述假设采用聚合因子，则得到 0.2000% × √[12 + 2 × 11 × 0.5000] = 0.9592%。这是一项风格化协方差计算，并不声称一个估计相关系数能完整描述未来相关性。
  • 事前风险与 ETF 衡量层次。 主动权重为 +2.0000% 和 −2.0000%；预测年化波动率为 20.0000% 和 15.0000%，相关系数为 0.4000。事前跟踪误差为 √[(0.02² × 0.20²) + (−0.02)² × 0.15² + 2 × 0.02 × (−0.02) × 0.4000 × 0.20 × 0.15] = 0.3924%。另有四个日度 NAV 主动收益 −0.0200%, −0.0300%, −0.0100%, −0.0200%，均值为 −0.0200%，样本跟踪误差为 0.0082%；市场价格主动收益 +0.1000%, −0.2000%, +0.1500%, −0.0500% 的均值为 0.0000%，样本跟踪误差为 0.1581%。NAV 与市场序列衡量不同层次；在期限和方法未匹配前，任何四日事后估计都不能与年度事前预测直接比较。

计算与证据检查清单

  • 识别被衡量的投资组合、账户、业绩组合、法律基金、份额类别和投资者体验。
  • 记录基准名称、标识、提供商、方法版本和生效日期。
  • 精确匹配价格、总回报、净总回报、递减、币种和对冲版本。
  • 说明回报采用 NAV、其他投资组合估值、收盘市场价格、买价、卖价还是成交价。
  • 同步估值时间戳、市场节假日、时区和不重叠回报期间。
  • 一致地再投资分配，并使预扣税、税务、费用、支出和证券出借收入保持一致。
  • 勾稽外部现金流，并采用符合衡量目标的回报方法。
  • 说明算术、几何相对或对数收益惯例，不得混用惯例。
  • 将端点跟踪差异和平均周期主动收益与跟踪误差分别报告。
  • 说明样本、总体或其他尺度估计量及其分母和中心。
  • 未披露时，不得把零中心 RMS 偏差称为均值中心化标准差。
  • 报告观测数、频率、起止日期、缺失数据、异常值和修订。
  • 年化前检验自相关、陈旧定价、非同步市场、平滑和重叠观测。
  • 使年化或直接多期方法与复利方式及拟衡量期限匹配。
  • 分开历史事后估计与前瞻事前协方差模型预测。
  • 对主动权重、协方差输入、因子映射、衍生品、现金、抵押品和货币敞口注明日期。
  • 分别勾稽 NAV 跟踪与市场价格折溢价、价差和成交效应。
  • 对费用、现金、抽样、税务、交易、出借、再平衡、公司行动和对冲进行无重复计算的归因。
  • 将归因勾稽至主动收益总额，并调查未解释残差，而不是强行归零。
  • 展示滚动窗口、频率敏感性、压力时期、基准变更、不确定性和独立复算结果。

常见误解

  • “跟踪误差就是基金回报减指数回报。” 那只是一个主动收益观测值或特定期限的跟踪差异，不是跨观测值的波动。
  • “低跟踪误差意味着良好业绩。” 投资组合可能因费用或其他稳定拖累而持续落后，同时跟踪误差接近零。
  • “除以 n 还是 n 减一只是格式选择。” 样本与总体估计量回答不同统计问题；零中心 RMS 又是另一项指标。
  • “平方根年化会使日度和月度估计完全一致。” 相关性、重叠、陈旧价格、敞口变化、复利和时点可能产生实质差异。
  • “ETF 市场价格跟踪误差只衡量投资组合复制。” 市场价格还反映折溢价变化、价差、流动性、成交，以及与 NAV 和指数不同的交易时段。

相关主题

权威来源

导航

搜索知识库...