1号配资:对于毎一种对冲基金投资策略

  一个关于特定汽车制造商或者原材料价格趋势的消息不仅仅是引起经理的注 意,而且会让经理进行更加深人的思考。一个消息对基金经理产生的影响远比对其他投资者的影响大。这就陚予了基金经理一个信息识别的优势、一个独特的竞争优势。通过本书的学习,对于毎一种对冲基金投资策略,我们都可以参照图1.7去识别影响对冲基金业绩的市场因素。

  [摘要]:对冲基金基于资产定价模型,我们可以把对冲基金的投资收益分解成线性的阿尔法和贝塔函数。阿尔法是衡量与市场表现无关的超额收益,而贝塔则衡量K 是对市场波动的敏感度。

  传统的贝塔来自股票市场、债券久期和信用差价。尽管这些因素不是正态分布的,同样的,1号配资它们的风险也不能很好地用贝塔去衡量,但是我们发现这对于衡量贝塔的来源很有价值。另类贝塔来自流动性、波动性、相关性、公司事件的内在风险、商品市场的贝塔及公司事件或者结构产品模型的内在复杂性。结构阿尔法因为其特有的结构优势深受对冲基金的喜爱。例如,更宽松的监管环境、没有基准的投资领域、投资的灵活性和敏感度,以及规模的限制等。

  阿尔法是衡量与市场表现无关的超额收益,不同的对冲基金、不同时期的收益来源差异很大,但是,在分析个人的投资策略时,而贝塔则衡量K 是对市场波动的敏感度。对冲基金的收益决定于经理的投资能力,我们宁愿运用能更好地解释对冲基金绩效的理论模型,[摘要]:对冲基金基于资产定价模型,因此,我们可以把对冲基金的投资收益分解成线性的阿尔法和贝塔函数。为了这个目的,我们区别开传 统贝塔和可替代贝塔,结构阿尔法和“技术阿尔法”。也决定与个人能力无关的市场的状况。这取决于基金运用的不同投资策略。我们会泼 现投资模型与对冲基金的表现吻合得不是很好。

  与基金经理能力相关的阿尔法收益与其投资技巧、开发新投资策略的能 力、投资组合管理和风险管理能力密切相连。对信息敏感的卓越的基金经理更容易获得阿尔法收益。今天,由于互联网的存在,实时信息已经成为一种非常有价值的商品。一个优秀的经理人可以吸收大量的信息并且能够对各种信息进行分析处理从而给出相应的判断。以一个平时只需要关注汽车行业的信息、在战略咨询公司工作了15年的经理为例。他在汽车行业的知识的获得来自很多汽车公司的战略计划。于是这个人可以形成一个深人的行业动态知识体系、一个与各主要公司高层关联的网络体系,以及关于汽车制造供应商、顾客和内部竞争的知识结构。这个例子说明了对冲基金经理阿尔法的存在。