来源：雪球App，作者： 云小通-云通数科，（https://xueqiu.com/6044883229/225192064）

每当市场波动大的时候，哪些人有“alpha”，哪些收益在beta的反转中化为泡影，都会成为热门话题。仅就投资本身而言，我其实觉得没有必要特别关注这些东西，毕竟只是用几个希腊字母对投资业绩的人为拆分，而投资赚钱本质上是个黑猫白猫的问题，就像中药还是西药，核心还是看疗效一个道理。

但如果回到投顾的语境当中，从alpha和beta的角度，可能更容易甄别风险和收益的来源，理解产品的变化，从而提高投资过程和结果的可预期性。这对帮助我们引导客户正确的理解市场会有很大的帮助。

1

什么是alpha和beta

Alpha与beta最初来自Sharpe在CAPM模型中的定义，即beta是资产的回报率对市场变动的敏感程度。这是一个资产视角的理解。也就是说，针对一个资产，beta表示市场收益变动1%，资产回报的变动多少。如果变动幅度大于1%，则资产的beta大于1，反之亦然。alpha则是不随着市场收益变动的超额回报。

在CAPM之后，随着APT（套利定价）、Fama-French、Carhart等多因子模型的推出，使beta从表达资产对一个整体的“市场因子”的敏感度，扩展为多个因素（如市值、估值、成长性等）的敏感性。

人们出于简便，把这种对收益的拆分简化为，beta代表市场收益（红线），alpha是策略收益超过市场回报的部分（蓝线与红线中间的部分）。

但主要的难点来自于什么是市场回报，谁能代表市场回报？

比如，我们投资了一只股票基金，怎么知道它做的好不好？拿它跟谁做比较？——是跟大盘指数比，还是跟基金经理能力覆盖的主要行业指数比，还是跟同类基金的中位数比？

股票还算是比较好找基准的大类资产。如果买的是市场中性、CTA这种策略，并没有严格的单一资产方向性暴露，又应该跟谁做比较？包括最近热议的CTA有没有“beta”的概念？

还有一种理解，认为beta就是一定区间内买入持有策略的回报，alpha就是可以从区间波动中额外赚取的收益。这是一个交易的视角。

比如资产的价格同样在t时间内从A点走到B点，但三条路径有完全不同的的波动幅度。对于具有流动性的资产，没有波动意味着收益的完全确定，上了车就不能下来，否则错过几天就少了几天的收益，这是理想的固定收益资产，但也同时没有获得超额回报的可能性。现实中，波动越大的路径就越具有从交易中获得额外回报（或损失）的可能。很显然，在杠杆率一定的情况下，从波动越小的资产中获取超额收益的可能性也越低。这个角度也能够帮助我们理解一些由量价驱动的交易策略在不同市场环境下的超额捕获能力。

上述两种表述对alpha和beta的描述是一个问题的两面，都有助于我们对收益来源的理解。在同样的市场环境下，更高收益既可以来自更高的beta（由资产属性或杠杆倍数带来），也可以来自更好的alpha（由资产筛选或交易能力带来）。

2

演进中的alpha和beta

（1）alpha到beta反映了投资认知的动态变化

来源：AQR

行业已经公认，系统化投资的发展正在不断促进人们加强对传统alpha来源的解构，使越来越多的alpha向beta转化。五六十年以前，人们觉得从股票市场赚的所有钱都是alpha（即基金经理个人能力的贡献），但后面逐步发现大盘股、小盘股、成长股、价值股这些品种他们的风险收益特征是不一样，如果抱住成长股不放，长期就是有一定超额回报，但这真的是基金经理个人的贡献吗？

于是通过对投资理念和方法的概括化总结，越来越多的alpha成为了beta，也有人称之为“聪明的beta”（smart beta）。例如，人们通过总结格雷厄姆、巴菲特的投资理念，逐步概括为“质量”因子、“价值”因子。质量因子寻找的是行业中具有竞争力的公司，重要标志就是较高的ROE。价值因子则是寻找价格被低估的公司，重要标志的是较高的B/P（净资产/市值）等。使用这些简单的因子构建的smart beta策略，都在历史不同时期相对宽基指数有显著的超额收益，同时也能够很好的解释大师过去绝大部分收益来源。所以也经常有人说，如果从因子投资的角度去理解，巴菲特的传奇似乎就显得没有那么“传奇”了（虽然我觉得这是一种马后炮思想）。

随着越来越多的超额收益被“因子”所解释，投资也不再能够按照“主动”、“被动”做二元划分。一些基于规则和特定逻辑的投资方式逐渐模糊了主被动的界限。随着投资理论的进步和量化研究的不断深入，被挖掘出来的因子数量也越来越多。在一些常见的具有超额收益的因子方面的暴露被做成标准化产品甚至指数基金，从而不再被认为是一种alpha，大幅压低了投资成本，这实际是内卷的体现。

MSCI总结的一些常见的因子

来源：MSCI

回到国内，以前大部分人心目中权益类基金的基准都是大盘指数。2017年开始，核心资产火了好几年，喝酒吃药组合长期跑赢，造就了一大批基金经理的“超额收益”神话。直到去年核心资产抱团瓦解，一批大咖倒下，新能源板块又接力上扬，成就另一批牛基。这些产品中的很多都是可投全市场的基金，但事实上有常年的行业偏离。

时至今日，大部分投资者都知道，这类产品应该直接把他们归入“消费基金”，“新能源基金”。并且似乎已经忽略基金的投资政策并没有这方面的限制。显然，新beta的定义有助于对投资品收益来源和波动的理解，也改变了基金评价结果本身。例如对于基金A来讲，虽然在2021年3月份出现了大幅度的回撤，但相对于我们为其设定的风格基准（消费指数）而言，它还是有一定的超额收益（alpha）。而下面的一组基金虽然都大幅跑赢沪深300，但与新能源车指数则保持了较高的同步性，显然行业beta对基金收益占据了主要贡献。

将投资收益不断用beta解释，是我们对投资标的理解不断深入的过程，就像将食物拆解为热量和营养素一样。拆分alpha和beta的最大意义并不在于说基金经理行还是不行，而是通过将收益从不同维度的刻画，有助于理解基金经理的收益来源，并为其设定合适的比较基准。

在与投资者的交流中，试图让他们弄清不同基金产品的收益来源和波动特征，alpha和beta是一个有用的工具。

（2）如今，大部分收益都已经可被beta所解释

正如前文所述，alpha到beta并非严格的二分法，而是不断演变转化的过程。时至今日，从如果从后验的角度，投资中的大部分收益其实已经都可以用已知的beta来解释。

我们选择近10年由未发生投资经理完全变更（至少一个人连续任职）的偏股混合型基金共22只，这些基金的10年年化收益率平均达到15%，绝大部分长期收益高于偏股混合基金平均水平，说明能够“老江湖”们创造alpha的能力总体还是比较显著的（当然也是因为没被淘汰）。重点是，在10年时间里，这些产品在可比产品中的年度业绩排名反映了一些特征：

22只基金经理任职10年的产品逐年业绩排名分位数

所有基金的年度业绩排名分位数均呈现了大幅波动（数字越小排名越靠前）。

几乎所有基金都曾在某些年份排在后1/3，后10%也不鲜见。

连续3年维持在前50%情况不多见，且绝大部分发生在最近这几年。

在许多年份，排名的波动有一定规律性，如2014-2019年，大部分基金产生了“好一年坏一年”的排名特征，一部分基金的排名波动方向呈现一致性（如下图）。

连续10年逐年业绩分位数的均值大致在34-62%这样一个比较窄的区间，也就是都在中间的1/3水平。可以理解的是，这些产品有一定的幸存者偏差，故没有长期排名靠后还能坚持下来的选手，但同时也说明，即使近几年业绩强悍，长期逐年排名的均值也很难进前1/3。

22只基金经理任职10年的产品逐年业绩排名分位数

作为同一人管理的基金产品，其投资风格长期大致上是稳定的。上述“排名波动”特征（特别是多只基金同向变化、逐年的跳跃式变化）说明，在基金收益当中，不受市场波动影响的alpha是有限的，而绝大部分产品都有着不同或类似风格的beta暴露，市场风格变化对其业绩产生了关键影响。

在长期，市场风格的轮动可以在一定程度上减弱基金风格暴露的影响，从而令基金业绩平均化。我们选取成立满10年的偏股基金，从其1年、3年、5年和10年年化收益分布来看，基金业绩从考察区间由短到长，呈现出明显的分布收窄特征，这与国外的发现是一致的。这也是基金短期业绩包含大量风格收益的佐证。

成立满10年偏股型基金不同期限年化收益率分布情况

我们在30年的误会：资产配置等于“高抛低吸”吗？中已经说明，投资基准收益（市场beta）对投资结果的解释力可以达到90%以上。而如果更进一步解析，公募基金整体长期也存在一定方向性的风格暴露，这样就进一步解释了为什么基金的收益会在某些年份整体性的跑赢宽基指数（如2019、2020年），在另一些年份则整体跑输（如2017年、今年1-4月等）。

国盛量化团队对公募基金的beta进行过拆分，他们的研究（20210518《基金ALPHA进化史:公募基金究竟赚的是什么钱?》）表明，公募基金在风格收益上有如下偏好：

a)高Beta、高动量、高成长，是长期正超额收益来源；

b)高波动、高流动性，但长期贡献超额收益为负；

c)高PB、高PE，以前一直亏钱，但近年依靠高PB赚钱；

d)总体来说对“市值”、“价值”收益把握不稳定。

在根据上述因子对公募基金的静态收益进行拆分之后，发现收益似乎都可以用行业、风格等已知策略解释，“未知策略”并没有实现正贡献。

需要注意的是，虽然基金的大部分收益可以被某种beta所解释，但这不意味着基金经理没有做积极贡献。正如我在后面会谈到的，对beta的选择本身，也是一种积极的投资管理。

（3）超额收益的波动或衰减是alpha和beta共同的宿命

从长期趋势来看，无论是被定义为smart beta的“白盒策略”，还是投资经理“独门绝技”的alpha，都处于波动和衰减的过程中。

MSCI针对常见的因子构建了smart beta指数，从过去20年表现来看，价值因子的相对收益出现了显著的衰减，以至于前几年有人直言“价值因子已死”（但是，也许今年又复活了？）。而质量因子则在最近10年出现显著的复兴。而动量则在整体呈现较好收益的同时，在一些年份出现大幅度的反转，往往把投资者吓个不轻。

这都说明smart beta本身不是一劳永逸的，想闭眼依托已知的因子投资赚取超额收益是无法保证的。

Winton稍早的研究也表明，即使在长期有效的动量策略内，不同预测周期的选择也呈现了差异化的结果，在较长的区间内，各类策略的夏普比都出现显著的下降。

来源：Winton

McLean & Pontiff（2016）通过对97个以学术论文形式发表的新因子（在公布前可被认为是一种alpha）发表前后的效果进行跟踪，发现因子的投资收益在样本外平均要降低26%，在论文发布后平均要降低58%。

因此，无论是alpha还是已经被固化的smart beta，自从被发现或确定的那一刻起，就已经进入了一个收益波动、衰减乃至消亡的宿命。——在完全竞争的投资市场里，没有长期有效的印钞机。

3

如何运用alpha与beta的理解为组合服务？

从本源的角度，我觉得可以从如下角度对alpha，beta进行认识：

Beta是一种环境给予的收益，这种收益来自投资者对特定风险的暴露。在市场总体的风险之外，对有些“风险”的超配在过去相当长时间里带来过超过市场指数的回报，有时候也被称为“异象”（anomalies）。由于相对容易描述，比较稳定，逐渐被固化为“因子”（factor）。比如前面提到的市场上长期存在的动量效应、成长股超额、小盘股超额，还有日历效应、填权效应等。

alpha是一种能力给予的收益，它理论上不受到市场环境变化影响，而是来自于投资者自身的优势：模型优势，信息优势，速度优势，制度套利等。

beta是确定的不确定性。“确定”是说从beta的定义出发它是一种已知的策略，投资者可以有主动权去选择。比如投资何种资产，加多大杠杆，在各个行业或风格上要不要超配或低配。“不确定”则是选择后beta带来的收益或风险不易做短期预期（就像大盘涨跌很难猜一样）、收益也基本不受个体投资行为影响，很大程度上来自市场本身。

alpha是不确定的确定性。“不确定”是指它对市场而言是未知的，属于投资者的“独门绝技”，能不能有纯看个人本事，在越有效的市场上就需要越强大的能力优势。“确定”则是一旦确认挖掘到了alpha（比如建立了更好的交易算法），它带来的收益在一段时间里很可能是稳定的，与市场波动几乎无关，像buff一样贴在beta之上。

那么，我们应该如何应用alpha和beta的理解，更好的为投资组合服务？

回到对alpha和beta的基本认识，可以看出想提高投资收益，有两个方式，一是提高对beta的预测能力，从而确定对beta的暴露方向和幅度，另一个是通过各种能力优势，获得更高的alpha收益。

Beta是一个确定的存在，但收益具有不确定性，投资者可以选择性的暴露。因此对beta我们更多是考虑是否可以预测它的方向。正如在上一篇文章中提到的，对beta进行短期预测有困难，但还是积累了一些方法。总体可以分成均值回归和趋势演绎两种逻辑。前者是相信历史会重演，物极必反，后者则是觉得趋势会延续，甚至“这次不一样”。不论如何，本质都是一种“猜测”，讲求的不是精准的抄底逃顶，而模糊的正确，是胜率和赔率。

对于alpha而言，由于它不依赖于市场环境而贡献稳定的回报，由于来自投资能力本身的优势，相当程度上具有确定性，我们应该尽可能最大化它的作用，更重要的是成本问题。过去，中国市场上还有很多普通投资者可以把握的低成本的alpha机会，大部分属于套利交易，如无底仓的打新股，分级基金套利，期现套利等，2017年附近的集思录论坛上基本全都是讨论这种交易。但在当前市场越来越没有这种机会。真正的alpha必然是稀缺的，也很有可能需要付出昂贵的成本。考虑成本后是否还具备吸引力（就像有些高频策略收50%+的业绩报酬），是需要投资者自己考虑的事情。

在既定风险目标的情况下，投资组合的构建和调整，无非就是持续的选择：

1、暴露什么方向、什么程度的beta

2、如何获取、以什么成本获取alpha

投资是性价比不断权衡的过程。在一些投资者的价值观中，认为只有pure alpha才是好的，即纯粹的、稳定的超额回报，而不产生各种方向的市场风险暴露。特别是对市场中性等对冲策略的选择中，认为有风格暴露、行业暴露就是不好的。理论上讲，如果能剥离所有的beta，只留下alpha，是有机会实现无回撤的收益的。但在一个越来越有效的市场中，盈亏同源，真正的alpha不易获得，beta才是核心的收益来源。与此同时很多smart beta在较长的市场周期中仍然是有效的（就如公募基金长期暴露成长、动量、高beta而获取正收益那样）。选择合适的beta方向、风险暴露的程度，与持续的追求alpha效能的最大化，是相辅相成的过程。

4

对基金投资的几点启示

1、基金收益的大部分看起来是alpha，实际是beta。理解策略的风格、行业等beta方向，有助于更精确的理解投资组合的风险状况，也有助于对客户的预期管理。

2、alpha难得，有限，最终也会衰减，大多数人不必为等待alpha错过beta。比如没必要为了等待某个大佬产品的发行而错过一波可能的市场上涨机会。

3、短期过于“离群”的超额收益要警惕，大部分都是未被投资者认知的beta。出来混，没有不还的。

4、面对高收益弹性的策略注意区分是高beta还是真有alpha。通过杠杆和波动率水平有助于进行识别。

5、对beta进行预测是博取超额收益的手段，但有很大困难，只能追求模糊正确，随时做好准备接受反转的后果，不贪是关键。

6、最后，回答开头提到的一个问题。对于市场中性、CTA策略，如何设定比较基准？

其实难就难在这些策略实际上是由多种资产和工具复合构成的。如何设定合理的beta，取决于我们是否了解策略的构建逻辑。简单的处理可能有三个方向，一种是采用大样本的行业平均收益，另一种是采用行业公认的代表性产品收益，还有一种是根据具体策略类型设计的策略指数。各有各的优势和问题，但总的来说其方向可以作为一个参考。作为专业的FOF管理人，在足量数据的支持下，则可以通过持仓解析中性组合的多空部分的收益贡献，行业、风格偏离，以及拆分CTA的在不同品种、杠杆水平、不同策略逻辑下的损益，从而可以更好的刻画策略的风险暴露。但整体而言，与股票多头显著不同的是，作为两类绝对收益策略，对其beta的认识更多是风险的考虑，更重要的是做好策略选择和搭配，使其为组合贡献长期价值。

免责声明

上海琻瑢信息科技有限公司（以下简称”云通”）以尽责的态度，独立、客观地出具本报告。本报告依据公开的信息来源，力求清晰、准确地反映云通的研究观点。云通的利益不与报告中出现的任何机构与基金产品有直接或间接的关系。本报告不构成任何投资参考意见，亦不构成财务、法律、税务、投资咨询意见或其他意见，对任何因直接或间接使用本文所涉及的信息和内容或者据此进行投资所造成的一切后果或损失，云通不承担任何法律责任。

—可以在这里找到我们—

—推荐阅读—

【fofpower操作手册】

  致力于成为业内的六边形战士！

【实战篇】资产配置“刺激战场”，这可以是演习！

【实战篇】缚“基”之力MAX，大家都在用这个......

【实战篇】一键穿透，深挖底层标的，真正助力您的基金投顾业务

【云通动态】

【云通动态】量化投研的“掘金”新航路—嘉宾观点分享

【云通动态】云通线上沙龙活动“信托转型变局”成功举办

【云通动态】云通数科冯美云：基金配置服务三大核心——数据+算法+应用

【基金研究】

【基金研究】美国基金业年鉴2022

【基金研究】2022，基金经理为何这样？

【基金研究】等市场春暖花开，指增基金做回“全村的希望”？

【基金研究】“固收+”会成为逆势中的浮木吗？

【基金研究】2022公募基金一季报解析之FOF篇

【绩优基金榜单】

2022绩优基金半年度榜单

2022绩优基金5月榜单

2022绩优基金4月榜单

2022绩优基金3月榜单

【私募基金月报】

【私募基金月报】5月私募管理规模持续下滑；部分百亿私募业绩回温

【私募基金月报】4月私募基金在管规模缩水至20万亿以下，增速按下暂停键

【私募基金月报】一季度私募证券基金备案整体放缓，仅8家百亿私募逆市斩获正收益

【私募基金月报】私募规模首破20万亿,管理期货策略彰显危机alpha

【私募基金月报】1月基金规模破 20万亿，百亿私募猛增至109家

【重磅原创】2021年中国私募证券基金年度报告

【资产配置】

【云通研究】关于资产配置体系的研究与思考

【资产配置】招行《2021私人财富报告》的财富管理启示

【资产配置】《黑天鹅》读书笔记:做好应对，而不是预测

【量化因子】

【云通量化多因子】云通是如何让你的量化工作效率更高效的?（一）

【量化因子】Which Test Assets?