阿尔法贝塔阀原理_阿尔法(alpha)与贝塔(beta)
本文介绍了投资收益的两个来源:阿尔法(alpha)与贝塔(beta)。阿尔法(alpha)是管理非系统风险的能力带来的收益。贝塔(beta)是承担系统风险带来的收益。
未来写作计划:《阿尔法与贝塔前传:资本资产定价模型》、《Sharpe Ratio》、《如何计算收益率》等。
阿尔法与贝塔的意义
在证券投资中,我们交易的是什么?是风险。
承担了被低估的风险获得正收益。反之,获得负收益。
所以,关键问题是对风险定价。
资本市场中有各种各样的风险。如何将完全不同的风险,统一到同一个价格体系中,是一个复杂的问题。
但是,我在伟大的知乎上找到了答案。
提问:如何优雅地测量一只猫的体积,而不使其感到惊恐或受到伤害?
@王福霖:我们可以直接定义这只猫的体积为1喵升。。。
是的,就是这个方法,定义1喵升……哦,不,是1单位风险。
要对A风险定价,已知它与B风险是等价的,如果知道B风险的价格,也就知道A风险的价格。
如果从历史数据分析结果看,A的价格与B的价格呈现线性相关关系,那么我们就可以认为A和B风险是等价的。
所以,关键问题是找到合理的B。我们把B称为A的Benchmark。
Benchmark的好坏,取决于与A的相关程度,以及Benchmark交易价格的合理程度。
我们一般都找指数作为Benchmark。因为根据有效市场理论,市场价格是合理的。
有了以上的逻辑,我们就可以对A、B的价格进行回归分析:
容易知道,如果Benchmark上涨1%,投资收益就会增加b%。b就是β。
把Benchmark看作一个系统,β代表承担系统风险带来的收益。β越高,承担的系统风险越高。
投资组合的β值是由投资者无差异曲线决定的。所以,单纯的β值并不能体现基金经理对系统风险的管理能力。根据对系统风险的判断,合理的调整β,才体现了基金经理的对系统风险的管理能力。
如果A是一个组合,投资者在持有过程中,有权限主动调整组合中某些标的的权重,但这种调整并不足以改变β。
Benchmark上涨1%,投资收益最终增加了(b+Δ)%。Δ就是α。
α体现了主动调整投资组合带来的收益。但是,这种调整并不改变系统风险。也就是说,α体现了对非系统风险的管理能力。
被动管理型策略几乎没有α,其目的是跟踪Benchmark的收益。α越小,跟踪误差越小。
α大于0,且越大越好。当α很大时,投资策略可能更偏向主动管理,而非被动管理。因为,α属于回归分析的残差项,与β收益不在一个数量级。
一个实例
以深证成指(399001)为Benchmark,我们来分析一下广发证券(000776)自2010年2月12日开始的月收益率。
可以看出来,000776与399001的相关性比较稳定,在0.8附近。
2015年4月起,β值稳定在2附近。回归分析和CAPM模型计算的收益率与实际收益率基本没有误差。说明000776的收益率都是系统风险带来的,基本没有非系统风险。
阿尔法策略
阿尔法策略利润来源于对非系统风险的主动管理,例如选股。对系统风险,可以采用被动管理、部分对冲,或者完全对冲。
举个简单的例子:
F国的一个基金经理A的选股能力可以带来稳定的正阿尔法。但其投资经验局限在F国资本市场。
D国有一个基金B,如果既想获得A的阿尔法,又不想承担F国的系统风险,需要怎做呢?
基金B通过F国的衍生品市场,对冲掉A持有头寸的贝塔,就可以获得单纯的阿尔法。
贝塔策略
贝塔策略利润来源于对系统风险的管理能力。
既可以专注于一个市场:基金经理在市场牛市时,通过投资高贝塔的标的,承担更大的系统风险,来获得更高的收益。反之,在熊市中就降低贝塔。
也可以跨市场,例如全球宏观对冲策略。
阿尔法贝塔阀原理_阿尔法(alpha)与贝塔(beta)相关推荐
- 阿尔法贝塔阀原理_臭氧投加在污水处理中的应用_美国阿尔法Alpha
首页 > 新闻列表 > 正文 发布时间:2020-12-09 07:11:40 浏览: 77 导读:美国阿尔法Alpha为您提供臭氧投加在污水处理中的应用的相关知识与详情: 自动控制. 减 ...
- 阿尔法贝塔阀原理_α是阿尔法,β是贝塔,那接下去呢?
展开全部 1 Α α alpha a:lf 阿尔法 2 Β β beta bet 贝塔32313133353236313431303231363533e78988e69d833133336566626 ...
- 阿尔法贝塔阀原理_图总结 - 阿尔法个贝塔 - 博客园
一.思维导图 二.概念笔记 图的存储结构 1. 邻接矩阵 定义:设图G有n (n大于等于1) 个顶点,则邻接矩阵是一个n阶方阵. 当矩阵中的 [i,j] !=0(下标从1开始) ,代表其对应的第i个顶 ...
- 阿尔法python课程答案_阿尔法编程python答案
阿尔法编程python答案 s = "abcd1234",find()函数可以在字符串中搜索子串,s.find("cd")返回的结果是__________. 以 ...
- Python量化投资——投资组合的评价和可视化(上):计算收益率、波动率、最大回撤、阿尔法alpha、贝塔beta、夏普率Sharp等指标【源码+详解】
投资组合的评价和可视化(上)--评价指标的计算 投资结果评价 本文示例数据下载 投资过程回顾 基于收益的投资组合评价 收益率.年化收益.每日收益率 月度历史收益率 基于风险度量的投资组合评价 Vola ...
- 现代软件工程_团队项目_阿尔法阶段_前端知识共享_2017.11.21
现代软件工程_团队项目_阿尔法阶段_前端知识分享 更加舒适浏览格式 http://blog.csdn.net/bowean HTML基础(一) 本文参考了[http://www.w3school.co ...
- 智伴机器人或阿尔法蛋_阿尔法蛋S为何销量第一,看完这篇儿童智能机器人的测评就懂了...
眼看暑假就要到了,给孩子报辅导班,价格贵,孩子累,负责接送的家长更累,可不报班又怕开学孩子掉了队.熟不知一台儿童机器人,就能在家学习,名师辅导,兴趣交互,那儿童学习机器人又该怎么选呢? 小编选了市面上 ...
- 计算机控制原理中雷达天线,什么是相控阵雷达_相控阵雷达原理_相控阵雷达原理图...
什么是相控阵雷达 相控阵雷达又称作相位阵列雷达,是一种以改变雷达波相位来改变波束方向的雷达,因为是以电子方式控制波束而非传统的机械转动天线面方式,故又称电子扫描雷达. 相控阵雷达有相当密集的天线阵列, ...
- python卡方检验筛选特征原理_基于Python的遥感特征筛选—递归特征消除(RFE)与极限树(Extra-Trees)...
引言 基于前几篇文章关于筛选方法的介绍,本篇同样给大家介绍两种python封装的经典特征降维方法,递归特征消除(RFE)与极限树(Extra-Trees, ET).其中,RFE整合了两种不同的超参数, ...
- 万能充电器工作原理_百度知道
万能充电器工作原理_百度知道 万能充电器工作原理_百度知道 万能充电器工作原理 2008-08-29 21:27 457070320 | 分类:社会民生 | 浏览4372次 | 该问题已经合并 ...
最新文章
- 设置MySQL/MariaDB 数据库默认编码为utf8mb4 (推荐)
- 数据段、数据报、数据包、帧的区别与联系
- Linux内核学习笔记
- 【Android 内存优化】垃圾回收算法 ( 内存优化总结 | 常见的内存泄漏场景 | GC 算法 | 标记清除算法 | 复制算法 | 标记压缩算法 )
- spring mvc 中文乱码 post与get的方法解决
- 查询分析器在哪里_你应该知道的3种Node.js分析器类型
- 一篇文章学习Python中的多线程
- python 科学计算设计_用Python做科学计算 pdf版
- MySQL 高可用架构在业务层面细化分析研究
- 封装的ini文件类。保存为unicode的。解决delphi xe的TiniFile保存后不为unicode的问题...
- 2019 年 9 月全国程序员工资统计,你是什么水平?
- stc流水灯c语言程序,求51单片机流水灯跑马灯程序设计 (STC89C52RC)??
- Protus 8.6 及以上如何找到library文件夹
- 从GSM-GPRS-WCDMA-LTE网络结构的变化,分析话音和数据交换技术的演进过程
- RC低通滤波器——CR高通滤波器---的使用
- 基于TI Davinci架构的多核/双核开发高速扫盲(以OMAP L138为例),dm8168多核开发參考以及达芬奇系列资料user guide整理...
- Contrastive Search Decoding——一种对比搜索解码文本生成算法
- 华为5G旗舰Mate30来了!这款5G“重磅炸弹”意义何在?
- 网络文件系统——上(samba,NFS,实现网络共享文件)
- 超星/智慧树 网课答案查询 高正确率