성과 수익률
뮤추얼 펀드 성과 분석과 마찬가지로 헤지 펀드는 절대 수익률과 상대 수익률을 모두 평가해야합니다. 그러나 헤지 펀드 전략의 다양성과 각 헤지 펀드의 고유성 때문에 서로 다른 유형의 수익을 잘 이해하는 것이 필요합니다.
반면 상대 수익률은 투자자가 다른 투자와 비교하여 펀드의 매력을 결정할 수있게합니다. 비교 대상은 다른 헤지 펀드, 뮤추얼 펀드 또는 심지어 투자자가 모방하려고하는 특정 지수 일 수 있습니다. 상대 수익률을 평가하는 핵심은 1 년, 3 년 및 5 년의 연간 수익률과 같은 여러 기간의 실적을 결정하는 것입니다. 또한 이러한 수익은 각 투자에 내재 된 위험과 관련하여 고려되어야하며, 다음 섹션에서 살펴볼 것입니다.
상대적인 성과를 평가하는 가장 좋은 방법은 전통적인 뮤추얼 펀드, 주식 또는 고정 수입 지수 및 유사한 전략을 가진 다른 헤지 펀드의 횡단면을 포함 할 수있는 동료 목록을 정의하는 것입니다. 알파 생성 능력을 효과적으로 증명하기 위해 분석되는 각 기간에 대해 최상위 4 분위수에서 우수한 기금을 수행해야합니다.
위험성위험을 고려하지 않고 정량적 분석을하는 것은 바쁜 길을 눈을 가리고 교차시키는 것과 유사합니다. 기본 재무 이론에 따르면, 큰 규모의 수익은 위험을 감수함으로써 만 생성 될 수 있으므로 펀드가 우수한 수익률을 나타낼 수는 있지만 투자자는 펀드의 리스크 조정 성과와 다른 투자와의 비교 방법을 결정하기 위해 리스크를 분석에 포함시켜야합니다. 아래에는 위험을 측정하는 데 사용되는 몇 가지 측정 기준이 나와 있습니다.
표준 편차
- 표준 편차를 위험의 척도로 사용하는 가장 큰 이점은 계산의 용이함과 정규 수익 분배 개념의 단순성이라는 점입니다.불행하게도, 그것은 또한 헤지 펀드에 내재 된 위험성을 설명하는 약점에 대한 이유이기도합니다. 대부분의 헤지 펀드는 대칭 적 수익률을 가지지 않으며, 표준 편차 척도는 예상보다 큰 손실 가능성을 감추기도합니다.- 위험 가치 (VAR)
- - 위험 가치는 평균 및 표준 편차의 조합을 기반으로 한 위험 측정 기준입니다. 그러나 표준 편차와는 달리 변동성 측면에서 위험을 기술하지는 않지만 오히려 5 %의 확률로 손실 될 가능성이 가장 큰 최대 금액으로 나타냅니다. 정규 분포에서, 가능한 결과의 가장 왼쪽 5 %로 표시됩니다. 단점은 정상적으로 분배 된 수익의 가정 때문에 금액과 확률 모두를 과소 평가할 수 있다는 것입니다. 정량 분석을 수행 할 때는 여전히 평가되어야하지만 투자자는 리스크를 평가할 때 추가적인 메트릭스를 고려해야합니다. 왜도 (Skewness) - 왜곡은 수익률의 비대칭성에 대한 척도이며,이 메트릭스를 분석하면 펀드의 위험에 대한 추가적인 정보를 얻을 수 있습니다. 그림 1은 동일한 평균과 표준 편차를 갖는 두 그래프를 보여줍니다. 왼쪽의 그래프는 양의 기울기가 있습니다. 이것은 mean> median> mode를 의미합니다. 오른쪽 꼬리가 더 길고 왼쪽의 결과가 가운데 방향으로 모이게됩니다. 이러한 결과가 평균보다 낮은 결과 확률을 나타낼지라도, 오른쪽에 긴 꼬리가 표시된 극도로 긍정적 인 결과는 낮을지라도 확률을 나타냅니다. 그림 1 : 양의 비대성과 음의 비뚤어 짐
- 출처 : "비상시 분석"(2002) 비뚤어진 약 0은 정규 분포를 나타냅니다. 양의 비대칭 측정 값은 왼쪽의 분포와 비슷할 것이고 음의 비대칭 값은 오른쪽의 분포와 유사합니다. 그래프에서 볼 수 있듯이, 부정확하게 왜곡 된 분포의 위험은 확률이 낮더라도 매우 부정적인 결과가 발생할 확률입니다.
|
|
| 첨도 |
| - 왜도에 반대하여 첨도는 분포의 평탄도를 측정합니다. 그림 2에서 왼쪽의 분포는 음의 첨도를 나타내어 평균 주위의 결과 확률이 낮고 극값의 확률이 낮습니다. 오른쪽의 분포 인 양의 첨도는 평균 근처의 결과 확률이 높을뿐만 아니라 극단 값 확률도 높다는 것을 나타냅니다. 이 경우 두 분포 모두 평균 및 표준 편차가 동일하기 때문에 투자자는 표준 편차 및 VAR 이상의 추가 위험 메트릭 분석의 중요성에 대한 아이디어를 얻을 수 있습니다. |
Sharpe Ratio
- - 헤지 펀드가 사용하는 위험 조정 수익률의 가장 보편적 인 척도 중 하나는 샤프 (Sharpe) 비율. 샤프 비율은 각 위험 수준에 대해 얻은 추가 수익 금액을 나타냅니다. 1보다 큰 Sharpe 비율은 크지 만 1 미만의 비율은 사용 된 자산 클래스 또는 투자 전략에 따라 판단 할 수 있습니다.어떤 경우에도 Sharpe 비율 계산의 입력은 평균, 표준 편차 및 무위험 이자율이므로 Sharpe 비율은 저금리 기간에는 더 매력적이고 금리가 높은 기간에는 덜 매력적 일 수 있습니다. 벤치 마크 비율
|
|
| 정확한 펀드 성과를 측정하려면 수익을 평가할 기준점을 찾아야합니다. 이러한 비교 지점을 벤치 마크라고합니다. 벤치 마크와 비교하여 성능을 측정하는 데 적용 할 수있는 몇 가지 방법이 있습니다. 세 가지 일반적인 척도는 베타, 상관 관계 및 알파입니다. |
| 베타 |
- - 베타는 체계적인 위험이라고하며 지수 수익률에 대한 펀드의 수익률을 나타냅니다. 비교되는 시장이나 지수는 1의 베타가 할당됩니다. 따라서 베타가 1.5 인 펀드는 시장 / 지수의 1 % 운동마다 1.5 %의 수익을내는 경향이 있습니다. 반면 0.5의 베타를 가진 펀드는 시장에 1 %의 수익을 올릴 때마다 0.5 %의 수익을 올릴 것입니다. 베타는 펀드의 주식 노출 (특정 자산 클래스에 대한 노출)이 얼마나되는지를 결정하는 훌륭한 척도이며, 투자자가 펀드 배당의 보장 여부 및 / 또는 규모를 결정할 수 있습니다. 베타는 특정 인덱스의 움직임에 대한 펀드의 민감도를 나타 내기 위해 주식, 고정 수입 또는 헤지 펀드 지수를 포함한 벤치 마크 지수와 관련하여 측정 할 수 있습니다. 대부분의 헤지 펀드는 S & P 500 지수에 상대적으로 베타를 계산합니다. 왜냐하면 그들은 상대적인 둔감 / 상관 관계를 기반으로 수익을 광범위한 주식 시장에 판매하기 때문입니다. 상관 관계
- 상관 관계는 베타와 매우 유사하며 수익의 상대적인 변화를 측정합니다. 그러나 시장이 어느 정도 펀드의 성과를 주도한다고 가정하는 베타와 달리 상관 관계는 두 펀드의 수익률이 어떻게 관련이 있는지를 측정합니다. 예를 들어, 다각화는 상이한 자산 클래스와 투자 전략이 체계적인 요소와 다르게 반응한다는 사실에 근거합니다. 상관 관계는 -1에서 +1의 척도로 측정됩니다. 여기서 -1은 완벽한 음의 상관 관계를 나타내고 0은 명백한 상관 관계를 나타내지 않으며 +1은 완벽한 양의 상관 관계를 나타냅니다. 긴 S & P 500 포지션의 수익률과 S & P 500 포지션의 짧은 포지션을 비교하면 완벽한 부정적 상관 관계를 얻을 수 있습니다. 분명히 한 위치에서 1 % 증가 할 때마다 다른 위치에서 1 % 감소합니다. 상관 관계의 가장 좋은 사용은 포트폴리오의 각 펀드와 해당 포트폴리오의 다른 펀드와의 상관 관계를 비교하는 것입니다. 이 기금이 서로에 대한 상관 관계가 낮을수록 포트폴리오가 다변화 될 확률이 높습니다. 그러나 투자자는 너무 많은 분산을 염두에 두어야합니다.이 경우 수익은 크게 감소 할 수 있습니다. Alpha
- - 많은 투자자는 펀드 수익과 벤치 마크 수익의 차이를 알파라고 가정하지만 알파는 실제로 취해진 리스크의 양에 대한 수익의 차이를 고려합니다. 즉, 수익률이 벤치 마크보다 25 % 우수하지만 취해진 위험이 벤치 마크보다 40 % 큰 경우 알파는 실제로 부정적입니다.이것이 대부분의 헤지 펀드 매니저가 수익에 추가한다고 주장하는 것이므로이를 분석하는 방법을 이해하는 것이 중요합니다. 알파는 CAPM 모델을 사용하여 계산됩니다 : 기대 수익 = 무위험 이자율 + 베타 * (시장의 기대 수익률 - 무위험 이자율)
- 헤지 펀드 매니저가 리스크를 기반으로 알파를 추가했는지 여부 계산 투자자는 단순히 헤지 펀드의 베타를 위의 방정식으로 대체 할 수 있습니다. 그러면 헤지 펀드의 성과에 대한 기대 수익률이 발생합니다. 실제 수익률이 예상 수익률을 초과하면 헤지 펀드 관리자는 취해진 리스크를 토대로 알파를 추가했습니다. 실제 수익률이 예상 수익률보다 낮 으면 헤지 펀드 관리자는 실제 수익률이 관련 벤치 마크보다 높을지라도 취해진 리스크에 따라 알파를 추가하지 않았습니다. 투자자는 위험을 감수하는 수익에 알파를 추가하고 추가 위험을 감수함으로써 수익을 창출하지 않는 헤지 펀드 관리자를 원합니다. 결론 헤지 펀드에 대한 정량 분석은 매우 시간이 많이 걸리고 어려울 수 있습니다. 그러나이 기사에서는 분석에 중요한 정보를 추가하는 추가 메트릭에 대해 간략하게 설명했습니다. 사용할 수있는 다양한 메트릭스도 있으며,이 기사에서 논의 된 메트릭조차도 일부 헤지 펀드와 관련성이 높고 다른 헤지 펀드와의 관련성은 낮을 수 있습니다. 투자자는 PerTrac, Morningstar 및 Zephyr와 같은 분석 소프트웨어에 의해 자동으로 계산되는 몇 가지 추가 계산을 수행하기 위해 노력함으로써 특정 기금에 내재 된 더 많은 위험을 이해할 수 있어야합니다.