对冲基金投资收益与风险理论文献综述刘莹（上海金融学院,上海201209）摘要：另类投资领域中的对冲基金研究对于中国正在兴起的私募基金具有重要的理论和现实意义。
本文系统回顾了对冲基金投资收益与风险研究的文献内容，收益的定价方法、收益数据的偏差研究、风险的估测方法、风险测量的不足、对冲基金对金融市场的稳定性影响等，研究发现对冲基金的风险未被正确认识而收益表现被高估。
这为全面认识对冲基金的收益风险特征提供了理论基础。
关键词：证券市场；对冲基金；投资收益；投资风险文章编号：1003－4625（2009）06－0096－07中图分类号：F 830.91文献标识码：AAbstract:Researches about hedge fund as an alternative investment choice is valuable practically and theoretically for private equity fund which is emerging in China.This article reviews systematically about returns and risks research in hedge fund,such as return pricing model,hedge fund data bias,risk estimation method and shortcomings,and its stability effects to financial market.The analysis provides theoretical foundation to assess hedge fund comprehensively.Key Words:Hedge Fund;Investment Returns;Investment Risks收稿日期：2009－04基金项目：上海市教委科研创新文科重点课题“衍生金融工具会计监管机制研究”09zs201、上海金融学院科研资助项目“对冲基金投资收益与风险评估的理论及实践”09shjr63。
：－），南安阳人管理学博，讲师，研方向：资本金融具。
一、绩效归因及对冲基金收益因素定价理论（factor-pricing model ）（一）宏观经济因素模型Nandita Das （2004）研究了两种对冲基金收益定价方法，宏观经济因素模型是其中一种。
他认为由于金融资产反映外部力量，宏观经济变量通过内生化（endogenous ）作为可观测的经济时间序列成为估测金融资产收益的分析因素。
Chen,Roll,Ross(1986)曾使用Fama-MacBeth 截面回归方法，发现了五个解释资产收益的定价因素。
Nandita Das 将他们的作为假设前提，考虑那些解释折现率变动的因素，以及影响期望现金流的因素。
他认为影响对冲基金收益的因素包括买入和卖出美国政府债券即期限溢价（term-premium)利息率的收益价差、预计的通货膨胀率、未预期的通胀率、工业生产增长率以及公司高信用和低信用债券的收益价差（违约溢价default premium ）。
Nandita Das 研究使用类似Chen et al(1986)的方法来对对冲基金收益建模，因素包括公司高等级和低等级公司债券的收益价差（违约溢价de -fault premium-DP ），通货膨胀率（INF ）,美国政府债券的长短期利率价差（term-premium 期限溢价-TM ），工业生产指数自然对数（industrial production factor-IP ）变动量、失业率(unemployment factor-UR)变动量、因素的选择是基于Gregory Connor (1995)的研究工作曾用这些因素解释了美国股票的收益数据。
他使用ZCM/Hedge funds 月度数据，研究包括3个不同的时间段，每个时间段包括48个月。
宏观经济因素模型结论显示只有两个变量是统计显著的：违约溢价和期限溢价。
在每个研究期间系数的显著性变化不大，在所有的研究时间段这两个变量的系数都是统计显著的。
这支持一个相似的假设：解释股票收益的宏观经济因素模型同样可以解释对冲基金收益。
尽管不是所有的R 2值足够大，但是五因素模型可以解释大概对冲基金收益变动的30%-40%。
违约溢价系数为正的含义是对冲基金投资者希望对冲掉未预期的总体风险的增加。
违约溢价系数在10%的显著性水平下是显著的，对于所有类别的对冲基金在所有研究时间段都是如此，只有一种类别的对冲基金违约溢价系数为负就是“卖空（short-selllers）”；期限变量的系数为正并在所有研究时间段里都是显著的。
期限测量的是长期实际利率高于短期利率，既然通胀率已经作为变量，更高的正值期限溢价对于对冲基金经理来说是更好的套利机会。
（二）基本因素模型Nandita Das（2004）采用的另外一种定价模型是因素定价模型。
使用对冲基金的基本特征作为因子与收益进行回归得到因素贝塔值。
基本因素模型使用影响对冲基金收益的基金特性（fund at-tributes）。
分析显示为模型选择的主要变量可以成功的解释美国国内对冲基金收益，但对于美国国外的对冲基金不适用。
可以考虑的基本因素自变量如下：市场特征：市场贝塔作为市场风险因素，采用Fama-MacBeth cross-sectional（1973）方法第一步估计每种对冲基金的贝塔值，通过对冲基金收益与市场指数的OLS回归。
由于对冲基金收益与市场之间存在非线性，所以市场风险因素的平方（β2）作为一个解释变量。
回归采用三个市场指数：S&P500，MSWI，Russell3000。
时间：对冲基金计入数据库的月份数量。
规模：资产平均美元价值。
管理费：对冲基金收取两种管理费：资产管理费和激励费。
资产管理费根据基金资产百分比收取，通常为每年1-2%，对所有的对冲基金是相同的。
因此，资产管理费不是模型的因素之一，激励费是对冲基金在基金利润中占有的份额，通常是20%，但是变化幅度为0到50%，激励费是基金的特征。
杠杆：杠杆和其他高风险投资策略是对冲基金的标志，是资产价值的x倍，0到70之间变动。
赎回频率：对冲基金无义务披露交易策略，无法直接测量流动性，赎回频率等于一个月分配价值为1。
最小购买量：单只基金的单位份额的规模，由于市场价格偏差幅度很小，对冲基金只有通过大量购买才能获得利润。
最小购买量与基金收益直接相关。
资产类别：即基金操作的市场，例如资产类别可以是股票、债券、货币（外汇）、期权、期货或者，个类别：股票、债券、货币和衍生品。
设置哑变量来代表资产类别，衍生品包括期权、期货和权证，投资任何一种都可以划分到衍生品中。
使用两步法建立模型，先利用时间序列回归估计贝塔值，再用估计的贝塔值对对冲基金收益截面数据回归。
第一阶段作以下回归得到贝塔值：[R i]=αim[l]+βim[R MSWI]+[εi]（1）R i是第i个对冲基金收益的（T×1）维向量l是（N×1）维单位向量R MSWI是市场指数MSWI的（T×1）维向量第二阶段作以下回归：[R it]=γ0t[l]+γ1t[β∧i,t-1]+γ2t[β∧2i,t-1]+γ3t[Age i,t-1]+γ4t[Size i,t-1]+γ5t[Fee i]+γ6t[Leverage i]+γ7t[Redemption i]+γ8t[Minpur i]+γ9t[DStocki]+γ10t[DBondsi]+γ11t[DC urrencyi]+γ12t[DDerivativesi]（2）R it是（N×1）维向量,某一类对冲基金中第i只对冲基金的收益l是（N×1）维单位向量γik是（N×K）维向量,表示因素敏感性，K从1到12，本回归中有12个风险因素对所有不同类别的对冲基金回归结果显示，在10%的显著性水平下，统计显著性的解释变量为规模、最小购买量和股票。
规模变量的系数为负表明在对冲基金行业存在规模非经济性，当基金规模增加时，运用适当交易策略盈利的可能性降低。
最小购买量变量的系数为正并且统计显著，证实了基金单位投资量高会产生较高收益，可能是因为基金经理人能够捕捉到较小的价格偏差以此盈利，系数显著但绝对值并不大，因为对冲基金经理人的大量交易捕捉市场机会使得市场更为有效率，套利机会很快消失，因此基金经理避免披露交易信息而产生羊群效应。
股票的系数为正并统计显著表明对冲基金和共同基金一样投资于股票资产类别。
对冲基金中除去FOF后的总体数据运用WLS回归显示，在10%的显著性水平下，统计显著性的解释变量为市场贝塔、规模、杠杆、赎回频率、最小购买量和债券、货币。
（三）资产因素模型（assets-based secutities）Fung and Hsieh(2004)提出使用七个风险因素作为风险因素模型，这些因素从主要对冲基金策略的实证研究结论中选取出来，例如S&P500。
的30%-40%，SCMLC(Small Cap minus Large Cap)作为非常重要的股票因素。
十年期国债的收益，Baa债券高于十年期国债的收益，这些是债权因素，对于固定收益对冲基金很重要。
三种债券、货币、商品回顾期权组合对于趋势跟踪或管理期货是很关键的风险因子。
实证研究表明这七种风险因素能解释较高比例的HFR对冲基金的指数收益约80%。
Noel Amenc,Sina El Bied,Lionel Martellini.（2003）利用因素模型预测对冲基金收益，选取的因素为：美国三月期政府债券收益、红利率用S&P500股票指数红利率，信用价差用长期BAA 债券和AAA债券的收益差，期限价差用三月国库券和十年期国库券收益差，隐含波动率用芝加哥期权交易所的波动率指数（VIX）、市场变化量用NYSE市场交易量月度变化，用石油价格表示短期商业周期，美国股票市场用S&P500收益率，世界股票市场用MSCI世界股票指数（除美国外），货币因素用外汇交易量加权指数。
Hung-Gay Fung,Xiaoqing Eleanor Xu,Jot Yau（2002）也采用三种系统性风险因素构建了因素模型回归。
Carol Alexander;Anca Dimitriu（2005）利用多资产因素模型研究发现，基金规模与收益表现负相关，与标准差负相关。
大规模基金降低了波动率但是夏普比率相似、非常小规模的基金与中等规模和大规模基金相比有缺陷。
无论从3因素、8因素、18因素模型中得到的阿尔法在10%显著性水平下显著。