中国私募证券投资基金的量化评价

2ResearchReportMay16,2025Quantitative Evaluation ofHedgeFundsin ChinaResearch Centerfor Asset ManagementResearch Center for Fund of FundsJianfeng Yu, Zhuzhu Wen,Pengbo YanIn recent years, China'shedge fundindustry has experiencedaboom.HedgeFOFs can serve as an efficient asset allocation tool for long-term institutional investors such as pension funds and insurance companies,highlightingthe importance of theeffectiveevaluationofhedgefundperformance.Thisreportinvestigates the quantitative evaluation methodsand performance ofthe hedgefundsin China.For each single metrictheevaluation abilityvaries across different strategies.Even within a singlestrategythoseof different metricsareinconsistent. Bycombiningvariousmetrics, thisreportproposes anewevaluationindicator, demonstratingstrong predictabilitytofuture returns. Additionally,thefundportfolioformed by theindicator outperformsthe Yinghua Award portfolio byapproximately 25% in annualized returns,during the one-year periodfollowing the Yinghua Awardannouncement. Thisreportprovidessome Abstract: insights forthe investment practice,andalsocontributes tothepotentialimprovementoftheevaluationsysteminthehedgefundindustry. 3 一、引言近年来，我国私募证券投资基金（以下简称“私募基金”，也称“对冲基金”）市场呈现蓬勃发展态势。根据中国证券投资基金业协会统计，截至2024年11月，存续私募基金89496只，存续规模5.23万亿元；相比之下，同期非货币市场公募基金11921只，管理规模18.30万亿元。可见，私募基金已逐步成为我国资产管理行业中的重要组成部分，在服务人民日益增长的财富管理需求、促进金融资源高效配置以及实体经济高质量发展过程中扮演着重要角色。私募FOF可为以养老基金、保险公司为代表的长期机构投资者提供高效的资产配置工具，那么科学评价私募基金表现至关重要。对广大投资者而言，面对众多的私募基金产品，如何评价私募基金进而甄选出优秀的基金进行投资是个根本性问题。选出最优秀的少数基金构造投资组合以期获得高额回报更是理想方案。然而，由于私募基金的一些固有特征，使得有效评价其表现具有一定的难度。例如，其灵活多变的动态策略及衍生品的应用使得其收益非正态分布（Bali，2006；Aragon和Martin，2012）；私募证券基金可能收益记录时间短，导致有些传统评价指标估计不够准确；而且相对公募基金而言，私募基金并不披露其持仓信息使得无法通过其持仓组合对其表现进行评估（Kosowski等，2007）。针对以上特征，尽管以往研究基于西方发达市场对冲基金提出了对应的评价指标，但是由于基金策略多样，单一指标的评价可能并不能很好适应所有基金策略。 4 相对于西方发达国家的对冲基金，我国私募基金在某些方面独具特色：投资群体并非机构主导而散户群体不可忽视，投资者投资期限较短，风险对冲工具相对匮乏等（Hong等，2017）。这些差异可能使得在海外发达市场表现良好的评价指标，不一定很好地适用于中国私募基金市场。报告基于中国私募基金市场，检验了已有众多评价指标对不同策略基金评价的适用性，在此基础上提出了私募基金量化评价的综合指标，并对比分析了基于私募基金英华奖以及私募量化选基进行投资这二者之间表现的优劣。研究发现：其一，整体而言中国证券私募基金市场能够创造年化3%的超额收益；其二，已有的单一指标对不同策略基金的评价效果存在差异，即使对于单一策略的基金，不同指标的评价效果也不尽相同；其三，分不同策略来看，除宏观策略外，量化评价综合指标具有良好的表现，其中管理期货策略表现最好，风险调整后年化收益高达26.33%（T值为2.80）；第四，考虑到不同策略的基金收益之间相关性可能较低，投资组合中如果基金策略存在多样性，可能会获得更好的组合表现。报告构造了基于量化评价综合指标的一种新的策略（LL_HH）1，能够获得风险调整后12.51%的年化收益（T值为3.32），在除管理期货以外其它策略中占优。其五，尽管英华奖榜单组合可以跑赢同期沪深300指数、但相较于私募基金市场组合并未见显著优势，而且整体来看，报告提出的基于综合评价指标的量化选基方案，平均可以跑赢英华奖上榜组合年化约25%。1策略详情请见章节4.3。 5 报告研究的创新之处体现在：其一，基于现有私募证券基金的评价方法，科学提出了量化综合评价指标。现有单一指标的评价可能并不能很好适应所有基金策略，而对于单一策略的基金，不同指标的评价效果也不尽相同，那么综合评价指标能够尽可能的克服这些不足，为私募基金的有效评价提供科学依据。其二，揭示了相对于现有评价体系“英华奖”，基于综合评价指标的量化选基方案的优越性。“英华奖”作为基金业最具权威性的奖项之一，旨在建立和完善国内私募证券投资基金行业的科学评价体系，展示私募证券投资基金行业的优秀管理机构以及基金产品，推动行业向规范健康的方向发展。报告研究发现，基于综合评价指标的量化选基方案优于现有评价体系“英华奖”，这给国内私募证券投资基金行业的科学评价体系的完善提供了可能的方向。报告其余部分安排如下：第二部分文献回顾，第三部分数据描述与指标设计，第四部实证分析，第五部分进行总结。二、文献回顾伴随着西方发达国家对冲基金市场的繁荣发展，涌现出一批关于私募基金业绩评价的研究。资产表现的度量发轫于均值-方差框架下的夏普比率（Sharpe，1966）。随后，自从Jensen（1968）基于CAPM模型（Sharpe，1964），首次提出基于参考基准的度量（阿尔法）以来，学界衍生出各类定价因子模型，如Fama-French三因子、五因子、Carhart动量因子（Fama和French，1993，2015；Carhart，1997），使得参考基准不断得以改进。 6 在对冲基金领域，Fung和Hsieh(2004)提出七因子模型，为对冲基金的业绩评价建立了参考基准。在此基础上，Kosowski等(2007)根据七因子模型风险调整后的超额收益，融入关于基金经理是否具有管理能力的先验信息，提出了后验超额收益，即贝叶斯阿尔法。而且，对冲基金可能会发生策略偏移，导致实际策略和自己披露的策略不一致，导致基准模型调整后的阿尔法失真。鉴于此，Jagannathan等（2010）进行了修正，提出了相对策略阿尔法。此外，由于对冲基金收益通常呈现非正态分布（Bali，2006），则传统的评价指标如夏普比率和阿尔法，难以准确评价不同资产类别表现的相对优劣。所幸在于，近似随机占优不需要对收益分布进行假设，Bali(2013)将 其 引 入 私 募 基 金 的 评 价 ， 提 出 了近 似 一 阶 随 机 占 优 指 标（AFSD）。需要特殊说明的是，现实世界里，基于众多指标度量基金表现过程中，可能天然地存在道德风险。如果投资者根据基金短期表现选择购买基金，那么基金经理尤其是对冲基金经理得益于策略选择更加灵活、衍生品应用更加丰富，有动机对短期表现进行操纵。这种操纵无任何信息含量可言，并不会给投资者提供价值。然而，一种防操纵的业绩表现度量（Manipulation-proof Performance Measures，简称MPPM）可以有效克服该不足（Goetzmann等，2007）。反观国内，2013年6月实施的《证券投资基金法》首次确认私募基金的法律地位，整体上私募基金行业发展起步较晚。关于国内私募基金的研究也相对不足。肖欣荣和田存志（2011）从委托-代理视角理论分析了私募基金最优管理规模和激励机制。Hong等（2017）分析了中国私募基金的市场表现及风险属性。Zhang等（2022）发现中国私募基金表现出趋势交易 7 倾向，通过持有被高估的股票加剧市场的错误定价。而如何评价私募基金的投资能力并预测其未来表现，更是鲜有关注。祝小全等（2022）基于中国私募证券投资基金样本，从个体层面考察了基金的多维择时能力，但是基于择时能力的未来收益预测效果较弱。三、数据描述与指标设计1、数据描述报告研究中基金数据来源于私募排排数据库。样本筛选办法如下：（1）仅筛选非结构化基金；（2）为避免幸存者偏差，保留已经清盘的基金（Fung和Hsieh，2001；Jagannathan等，2010）；（3）为避免回填偏误（Backfillbias），删去所有基金最开始的12个月历史收益记录（Fung和Hsieh，2000；Aggarwal和Jorion，2010）；（4）为了更为有效地估计基金表现的评价指标，参考Kosowski等（2007），要求样本基金至少有24个月的历史收益数据。经过以上两步筛选，每年具有有效净值2记录的基金数目如图1所示，考虑到2006年末之前，有效基金数目很少，为保障实证分析中投资组合分析所需足够样本，报告研究样本区间选取为2007年1月2基金净值数据的清洗遵循附录A中的规则。 8 9至2024年7月3。报告实证分析中，私募基金月度收益根据净值数据计算4，并且扣除月度的管理费及托管费5。图1样本基金数目年度分布（2004年--2024年）表1给出了基金收益的描述性统计，表中收益均为月度、百分比形式。从收益来看，管理期货策略下的平均收益最大（0.72%）；事件驱动策略下基金的平均收益最小（0.05%）。从波动性来看，债券策略下基金收益的 标 准 差 最 小 （2.18%） ， 事 件 驱 动 策 略 下 基 金 收 益 的 标 准 差 最 大（17.81）。此外，在绝对值水平，相对于收益最小值，收益最大值更大，这可能与基金收益分布类似期权的固有特征相符。表1基金收益的描述性统计3由于监管新规出台，2024年7月之后，各大数据服务商不再更新私募证券投资基金的净值数据。4由于基金在申购赎回时净值骤变，导致收益出现极端值，因此基金收益在横截面上予以[0.1, 0.99]缩尾。5不扣除费用的前提下，结果依然稳健。13928100 1993696319241,0691,3961,8343,6405,6788,27010,85113,84517,83721,32719,98517,47705,00010,00015,00020,00025,000200420052006200720082009201020112012201320142015201620172018201920202021202220232024基金数目/支年份 2、基金评价指标构建（1）防 操 纵 的 业 绩 表 现