뮤추얼 펀드와 헤지 펀드는 매우 유사한 메트릭과 프로세스를 사용하여 분석 할 수 있지만, 헤지 펀드는 복잡성 수준과 비대칭 기대 수익을 처리하기 위해 추가 수준의 깊이가 필요합니다. 헤지 펀드는 일반적으로 다른 펀드보다 더 적은 SEC 규정을 준수해야하기 때문에 공인 투자자 만 액세스 할 수 있습니다.
이 기사는 헤지 펀드를 분석 할 때 이해해야 할 몇 가지 중요한 지표를 다루고 고려해야 할 다른 것들이 많지만 여기에 포함 된 것은 헤지 펀드 성과에 대한 엄격한 분석을 시작하기에 좋은 장소입니다.
절대 및 상대 수익
뮤추얼 펀드 성과 분석과 마찬가지로, 헤지 펀드는 절대 수익률과 상대적 수익률을 모두 평가해야합니다. 그러나 다양한 헤지 펀드 전략과 각 헤지 펀드의 독창성으로 인해이를 식별하기 위해서는 다양한 유형의 수익에 대한 이해가 필요합니다.
절대 수익은 투자자에게 전통적인 유형의 투자와 비교하여 펀드를 어디에 분류 할 것인지에 대한 아이디어를 제공합니다. 총 수익이라고도하며 절대 수익은 펀드가 경험 한 손익을 측정합니다.
예를 들어, 수익률이 낮고 안정적인 헤지 펀드는 신흥 시장 주식보다 고정 수입 투자를 대체 할 가능성이 높으며, 이는 고수익 글로벌 매크로 펀드로 대체 될 수 있습니다.
반면에 상대 수익률은 투자자가 다른 투자에 비해 펀드의 매력을 결정할 수 있도록합니다. 비교 대상은 다른 헤지 펀드, 뮤추얼 펀드 또는 투자자가 모방하려고하는 특정 지수 일 수 있습니다. 상대 수익을 평가하는 핵심은 1 년, 3 년 및 5 년 연간 수익률과 같은 여러 기간 동안의 성과를 결정하는 것입니다. 또한 이러한 투자 수익은 각 투자에 내재 된 위험과 관련하여 고려해야합니다.
상대적인 성과를 평가하는 가장 좋은 방법은 기존의 뮤추얼 펀드, 주식 또는 고정 수입 지수 및 유사한 전략을 가진 기타 헤지 펀드의 단면을 포함 할 수있는 동료 목록을 정의하는 것입니다. 알파 생성 능력을 효과적으로 증명하기 위해서는 분석되는 각 기간 동안 최상위 사 분위수에서 좋은 펀드를 수행해야합니다.
위험 측정
위험을 고려하지 않고 정량 분석을하는 것은 눈가리개를하는 동안 번잡 한 길을 건너는 것과 유사합니다. 기본 재무 이론은 위험을 감수해야만 대형 수익을 창출 할 수 있음을 나타내므로 펀드가 우수한 수익을 보일 수 있지만 투자자는 위험을 분석에 포함시켜 펀드의 위험 조정 성과 및 다른 투자와 비교하는 방법을 결정해야합니다.
위험을 측정하는 데 사용되는 몇 가지 메트릭이 있습니다.
표준 편차
위험을 측정하기 위해 표준 편차를 사용하면 얻을 수있는 장점 중 하나는 계산의 용이성과 정규 수익률 분포 개념의 단순성입니다. 불행하게도, 이는 또한 헤지 펀드의 내재 된 위험을 설명하는 데 약점이있는 이유이기도합니다. 대부분의 헤지 펀드에는 대칭 수익률이 없으며 표준 편차 메트릭은 예상보다 큰 손실 가능성을 가리킬 수도 있습니다.
위험 가치 (VaR)
위험에 처한 가치는 평균과 표준 편차의 조합을 기반으로하는 위험 지표입니다. 그러나 표준 편차와 달리 변동성 측면에서 위험을 설명하는 것이 아니라 5 % 확률로 손실 될 가능성이 가장 높은 금액으로 설명합니다. 정규 분포에서는 가능한 결과의 가장 왼쪽 5 %로 표시됩니다. 단점은 정규 분포 수익률을 가정하여 금액과 확률을 모두 과소 평가할 수 있다는 것입니다. 정량 분석을 수행 할 때는 여전히 평가해야하지만 투자자는 위험 평가시 추가 메트릭을 고려해야합니다.
왜도
왜도는 수익률의 비대칭성에 대한 척도이며, 이 메트릭을 분석하면 펀드 위험에 대한 추가 정보를 얻을 수 있습니다.
아래 그림은 평균과 표준 편차가 동일한 두 개의 그래프를 보여줍니다. 왼쪽의 그래프가 양으로 치우쳐 있습니다. 평균> 중앙값> 모드를 의미합니다 . 오른쪽 꼬리가 더 길고 왼쪽의 결과가 중앙을 향해 모여있는 것을 주목하십시오. 이러한 결과는 평균보다 작은 결과의 높은 확률을 나타내지 만 오른쪽의 긴 꼬리로 표시되는 매우 긍정적 인 결과의 확률도 낮습니다.
양의 왜도 및 음의 왜도. Julie Bang의 사진 © Investopedia 2020
약 0의 왜도는 정규 분포를 나타냅니다. 양의 비대칭 측정 값은 왼쪽의 분포와 유사 할 수 있지만 음의 비대칭은 오른쪽의 분포와 유사합니다. 그래프에서 볼 수 있듯이 음의 비대칭 분포 위험은 확률이 낮더라도 매우 음의 결과 확률입니다.
첨도
첨도는 나머지 분포에 대한 분포 꼬리의 총 중량을 측정 한 것입니다.
그림 2에서 왼쪽 분포는 음수 첨도를 나타내며 평균 주변 결과의 확률이 낮고 극단적 인 값의 확률이 낮습니다. 오른쪽의 분포 인 양의 첨도는 평균 근처의 결과 확률이 높지만 극단적 인 값의 확률도 높음을 나타냅니다. 이 경우 두 분포 모두 평균 및 표준 편차가 동일하므로 투자자는 표준 편차 및 VAR 이상의 추가 위험 지표 분석의 중요성에 대한 아이디어를 얻을 수 있습니다.
음성 첨도 및 양성 첨도. Julie Bang의 사진 © Investopedia 2020
샤프 비율
헤지 펀드가 사용하는 위험 조정 수익률의 가장 보편적 인 척도 중 하나는 샤프 비율입니다. 샤프 비율은 각 위험 수준에 대해 얻은 추가 수익의 양을 나타냅니다. 샤프 비율이 1보다 크면 좋은 반면, 1 미만의 비율은 사용 된 자산 등급 또는 투자 전략에 따라 판단 할 수 있습니다. 어쨌든 Sharpe 비율 계산에 대한 입력은 평균, 표준 편차 및 무위험 비율이므로, 금리가 낮은 기간에는 Sharpe 비율이 더 매력적이고 높은 금리 인 경우에는 매력적이지 않을 수 있습니다.
벤치 마크 비율로 성능 측정
펀드 성과를 정확하게 측정하려면 수익을 평가할 수있는 비교 지점이 있어야합니다. 이러한 비교 지점을 벤치 마크라고합니다.
벤치 마크와 관련된 성능을 측정하기 위해 적용 할 수있는 몇 가지 측정이 있습니다. 이들은 세 가지 일반적인 것입니다.
베타
베타는 체계적인 위험이라고하며 지수 수익률 대비 펀드 수익률의 척도입니다. 비교되는 시장 또는 지수에는 베타 1이 할당됩니다. 따라서 베타가 1.5 인 펀드는 시장 / 지수에서 1 % 움직일 때마다 1.5 %의 수익을 얻는 경향이 있습니다. 반면 베타가 0.5 인 펀드는 시장에서 1 %의 수익마다 0.5 %의 수익을 올릴 것입니다.
베타는 펀드에 얼마나 많은 지분 노출 (특정 자산 등급에 대한)이 있는지를 결정하는 훌륭한 척도이며, 투자자가 펀드에 얼마나 많은 할당이 필요한지 결정할 수 있습니다. 베타는 특정 지수의 움직임에 대한 펀드의 민감도를 나타 내기 위해 주식, 채권 또는 헤지 펀드 지수를 포함한 모든 벤치 마크 지수를 기준으로 측정 될 수 있습니다. 대부분의 헤지 펀드는 S & P 500 지수와 비교하여 베타를 계산합니다. S & P 500 지수는 더 넓은 주식 시장에 대한 상대적인 무감도 / 상관 관계에 따라 수익을 판매하기 때문입니다.
상관 관계
상관 관계는 베타의 상대적 변화를 측정한다는 점에서 베타와 매우 유사합니다. 그러나 시장이 펀드의 성과를 어느 정도까지 이끈다 고 가정하는 베타와 달리 상관 관계는 두 펀드의 수익이 얼마나 관련되어 있는지 측정합니다. 예를 들어, 다각화는 서로 다른 자산 군과 투자 전략이 체계적인 요소에 다르게 반응한다는 사실에 근거합니다.
상관 관계는 -1에서 +1의 스케일로 측정되며, -1은 완전한 음의 상관 관계를 나타내고 0은 전혀 명백한 상관 관계를 나타내지 않으며 +1은 완전한 양의 상관 관계를 나타냅니다. 긴 S & P 500 위치의 수익률과 짧은 S & P 500 위치의 수익률을 비교하면 완벽한 음의 상관 관계를 얻을 수 있습니다. 분명히, 한 포지션에서 모든 퍼센트가 증가 할 때마다 다른 포지션에서도 같은 퍼센트가 감소 할 것입니다.
상관 관계를 가장 잘 사용하려면 포트폴리오의 각 펀드와 해당 포트폴리오의 다른 펀드와의 상관 관계를 비교하십시오. 이 펀드가 서로 연관성이 낮을수록 포트폴리오가 다양 화 될 가능성이 높습니다. 그러나 투자자는 수익이 크게 줄어들 수 있으므로 다각화에 너무주의해야합니다.
알파
많은 투자자들은 알파가 펀드 수익률과 벤치 마크 수익률의 차이라고 가정하지만 알파는 실제로 취한 위험 금액에 대한 수익 차이를 고려합니다. 다시 말해, 수익률이 벤치 마크보다 25 % 더 우수하지만 취한 위험이 벤치 마크보다 40 % 더 큰 경우 알파는 실제로 음수입니다.
이것이 대부분의 헤지 펀드 매니저가 수익에 추가한다고 주장하는 것이므로이를 분석하는 방법을 이해하는 것이 중요합니다.
알파는 CAPM 모델을 사용하여 계산됩니다.
의 ERi = Rf + βi × (ERm-Rf) 여기서: ERi = 예상 투자 수익률 Rf = 무위험 비율 βi = 투자 베타 ERm = 시장의 기대 수익율
위험 회피 펀드 매니저가 취한 위험에 기초하여 알파를 추가했는지 여부를 계산하기 위해 투자자는 간단하게 헤지 펀드의 베타를 위의 방정식으로 대체하여 헤지 펀드의 성과에 대한 기대 수익을 얻을 수 있습니다. 실제 수익률이 예상 수익률을 초과하면 헤지 펀드 관리자는 위험에 따라 알파를 추가했습니다. 실제 수익률이 예상 수익률보다 낮은 경우, 실제 수익률이 관련 벤치 마크보다 높았더라도 헤지 펀드 관리자는 위험에 따라 알파를 추가하지 않았습니다. 투자자들은 위험을 감수하면서 수익에 알파를 추가하고 단순히 추가 위험을 감수하여 수익을 창출하지 않는 헤지 펀드 관리자를 원해야합니다.
결론
헤지 펀드에 대한 정량 분석을 수행하는 데는 시간이 많이 걸리고 어려울 수 있습니다. 그러나이 기사에서는 중요한 정보를 분석에 추가하는 추가 메트릭에 대한 간단한 설명을 제공했습니다. 사용될 수있는 다양한 다른 메트릭이 있으며, 논의 된 것조차 일부 헤지 펀드와 관련이 있고 다른 헤지 펀드와 관련성이 적을 수 있습니다.
투자자는 몇 가지 추가 계산을 수행하여 특정 펀드에 내재 된 위험을 더 많이 이해할 수 있어야합니다.이 중 많은 것은 Morningstar, PerTrac 및 Zephyr와 같은 공급자의 시스템을 포함하여 분석 소프트웨어에 의해 자동으로 계산됩니다.
