终于把基金指标的核心理清楚了！|均值|基金|正收益|索提诺

大家好，我是讲干货不带货的Hanson。

昨晚的直播，原先的主讲嘉宾被拉进方舱了，只好我临时顶一场，给大家对基金指标做了较为成体系的梳理。

年轻的时候总是梦想着来一场说走就走的旅行。经过这么多年的努力，并且在今年疫情的配合下，终于实现了“说走就走”。

本文说下基金指标的生成路径，只要理解了一个，就能基于前一个理解后一个。

我把基金指标分成六大类，分别是收益类、风险类、性价比类、超额类、持有体验类、统计类。前面4类大家应该都熟悉，第5类（持有体验）是我看了上百个基金产品之后，基于财富端的角度汇总的。第6类统计指标不太受重视。

具体指标解读我不展开了，直播里讲得很详细，本文对指标的生成路径做一个说明，希望能够从另一个角度帮助大家理解。

所有指标的源头是基金净值，这是能够获取的最基本的和基金相关的数据。

有了净值，就能计算出基金的收益，比如基于两个时间点期间的收益（区间收益），以年为计量单位的年化收益。我们都知道，单看某天或者某周的收益水平意义不大，更倾向于看一段时间（长期或短期）的收益水平，这就是“均值概念”，即收益的平均水平。

有了均值以后，基于每个时间点的收益（比如日收益或者周收益），就可以计算出方差Var，方差开根号就是标准差Stedv，标准差进行年化处理后就得到了一只基金的年化波动率。这个指标衡量的是收益不确定性的程度，波动越大，收益不确定性就越大。

波动有个缺点，因为它是不考虑方向的，向上向下都是波动。但对投资人来说，向上波动（超过平均收益）的部分显然是喜闻乐见的呀，要回避的是向下的波动。所以，需要在计算过程中把大于收益均值或者基准收益的部分去掉，只留向下的波动（超额小于0的状态），这样就把标准差变成了下行标准差，年化处理后就从年化波动率变成了下行风险（下行年化标准差）。这个指标衡量向下的风险，数值越大，风险越大。至此，风险跟投资人理解的（亏损）更加贴近了一些。

回撤和最大回撤，可以从一个时间段内，净值的最高点-最低点得到，这是衡量极端不利情况的指标。

有了收益指标和风险指标，就可以进一步生成性价比指标，反应的是在承受既定的风险下获得收益的能力。比如你看到一只基金年化收益是20%，另一只是25%，哪个好？

如果只看年化，当然后后一只好。但我如果再告诉你，年化20%的最大回撤是5%，年化25%的最大回撤是20%，你觉得哪个好？

是不是觉得第一只更好些，这就是性价比问题。净值化的世界里，收益是通过承担风险换来的，于是我们会去追求①收益既定时风险最小；②风险既定时收益最大。这就是组合理论和均值方差模型涉及的范畴了。

性价比指标有3个，夏普Sharpe Ratio、卡玛Calmar Ratio、索提诺Sortino Ratio，都是分子分母形式，区别在于分子分母不同。

夏普是超额/年化标准差，衡量的是额外承担风险所获得的超额收益的能力。

卡玛是收益/最大回撤（分子分母区间一致），衡量的是通过承受极端风险下获得收益的能力。

索提诺是超额/下行风险，衡量的是承担“亏损的风险”所获得的超额收益能力。

常见比较用夏普更多一些，索提诺也可以看。

到这里我们发现上述说的指标都是从基金净值一步步计算出来，但这些都是绝对指标。指数增强或者被动指数基金、ETF使用的则是相对指标，考察的是跑赢基准点能力。

现在我们就有了两个净值，一个是基金的，另一个是基准的，两者相减所得的数值，对指增来说就是超额收益，对被动指数基金来说是跟踪偏离度。

该数值可以求得均值，因此也可能求得方差和标准差，这就是超额波动（超额的年化标准差）。如法炮制，还能得到超额回撤，超额夏普，超额卡玛等。

这里面比较重要的指标有两个，一个是超额波动（超额收益年化标准差），又叫做跟踪误差率，这个数字越大，说明“这只基金越不像基准”。

另一个指标叫做信息比率Information Ratio，即超额收益/超额标准差（超额波动/跟踪误差率），体现的是获取承担超额风险获取超额收益的能力。

第5类指标是基金持有体验指标，是我加上去的，目前基金评价中没有这些指标，但我觉得在财富端比较有用，因为一只基金再好，投资人拿不住意义就不大了。基金持有体验指标，反映的是持有该基金的期间，可能会对投资人带来的心理效果（情绪）。简单来说，持有体验越好（正面），越容易拿得住。持有体验越差（负面），越拿不住。

那么，怎么算好，怎么算不好？

我给个简单的定性公式：

持有体验F = { 基金特性 ∩ 主观偏好 }

其中，基金特性是通过历史净值体现出来的客观数据（指标）。主观偏好则是投资人个体本身基于投资心理和风险偏好的体现。两者交集部分F的“面积”越大，意味着基金跟投资人风偏越贴合，反之则越不匹配。

难点在于，基金特性是量化数据，主观偏好是文本数据（定性）。要求交集需要将非结构化数据转化为结构化数据。基金特性是一个向量，主观偏好特征化之后是另一个向量，两个向量求闵可夫斯基距离，作为持有体验的度量标准。

由于基金净值是变化的，所以基金指标以及基金的特性也是变化的。同时，投资人的心理状态也是变化的，因此F又是一个时间序列，即匹配度是变化的。如果能够挖掘出F的动态规律和特征，就能知道什么时候，以及用一个更优的F’去给这位投资人调仓。

这是一个投资人和一只基金的match，如果有n个投资人对应m只基金，或者m只基金可以构成q个组合，再放入模型训练学习，挖掘出影响F的重要特征。我的思想目前先到这里，再要展开需要很多跨学科的知识，我第一感是可以作为博士论文的选题。

好像跑题了。抱歉，我说得简单一些。

我用风险指标（最大回撤、波动、下行风险），回撤修复；胜率、赔率；构成两组基金持有体验的指标。

风险指标造成投资人的负面情绪，但这只是开始，更重要的是负面的持续时间。如果长，就会导致体验感变差。所以，需要观察回撤修复这个指标。这个指标有两层，level 1 是修复的时间（time），即修复最大回撤所花费的天数（最大回撤回补期限），或者周数。花费的时间越少，意味着修复能力越强。

但这样看是有局限的，比如基金A修复花了20天，基金B修复花了35天，哪个基金修复能力更好呢？大家可能会觉得是A。

但我再告诉你，A修复的最大回撤是5%，花了20天。B修复的最大回撤是42%，花了35天。那么哪个修复能力更强，显然是B对不对？

所以我又自说自话地加了一个指标，修复效率=修复天数/最大回撤，刻画的是修复1%的回撤，需要多少天数。类似英雄的回血能力，60点/秒。

修复能力越强，会改善回撤带来的冲击，提升持有体验。

接下来说胜率和赔率，这两个指标很重要。胜率就是获得正收益的天数/交易总天数，分子分母时间一致即可。胜率越高，持有体验越好。投资人总是喜欢去看基金，每周都看，所以周胜率如果能达到70%，那么意味着大部分时间投资人去看的时候，基金都是赚钱的，当然开心，能拿得住。

当然，周胜率70%对于指增来说是比较高了，对于套利则不如指增这么稀奇，要看具体策略。有些策略是看月胜率的，如果这个数字不高，那么意味着投资人持有的时候会经常发出抱怨。比如月胜率50%，一年12个月，6个月正收益。但是，投资人买基金往往是看到先涨了2~3个月再买的，那么剩下的时间里还有多少个月是正收益呢？

频率越高，维持高胜率越难。所以，高胜率策略是个宝。

赔率是盈亏比，就是一段时间里赚钱/亏损，这个值越大，意味着投资性价比越高。CTA的趋势策略，从长期看，胜率不会太高，但盈亏比很高。套利策略的盈亏比不一定很高，但胜率很高。

好的策略是胜率+赔率都高，往往在自营盘。二者得其一也可以接受，最怕的是两个都不高的基金。

这里更正一个话题，叫做长期持有基金。这是有前提的，不是无脑持有。如果一只基金胜率不高，赔率很低（上涨时涨得少，下跌时亏的多），长期持有复利滚一下，你的钱会越来越少。

所以并不是长期持有就一定能赚钱，一个渣男你等他时间越长，痛苦就越深。

最后一类指标是统计指标，偏度、峰度、相关性。

均值、方差、偏度、峰度简称就是同一个本源，四个阶段，分别叫做一阶矩、二阶矩、三阶矩、四阶矩。也是从均值里可以推导出来，偏度描述的是收益和亏损阶段风险的扭曲情况，峰度描述的则是极端风险的情况（尖峰肥尾）。这两类指标在财富端用得不多，了解下即可。

相关性是需要知道的，配组合的时候很有用，而且还可以看收益来源是否趋同。比如指增产品，看超额相关性，如果很接近，说明两只基金裸露的地方都差不多。

当然相关性还可以拆分为收益相关性，波动相关性，回撤相关性，这三个未必都整齐划一，阶段上会出现分化。

相关性 = 协方差 / 两个标准差乘积，依旧来源于最初的净值（两只基金）。

好了，基本上把基金指标从基金净值作为起点的生成路径介绍了下，具体内容有兴趣来听课程吧，已经剪辑上传了。4月8日中午我会在【无鱼】学习群里发优惠券。

昨天讲课的手稿先发给大家，需要自取：