绩效指标如何关联? 基金经理可能会精挑细选吗?

投资组合经理使用夏普比率特雷诺比率信息比率索蒂诺比率以及其他流行指标来报告其风险调整后的业绩。

当然,有多种衡量标准可供选择,基金经理是否会倾向于挑选那些最能反映其业绩的指标呢?也许吧,但只有当绩效指标具有弱相关性或负相关性时,战略选择的潜力才会成为真正的问题。

如果它们都具有很高的正相关性,那么就真的没有选择游戏可玩。如果夏普比率的好坏意味着相似的特雷诺比率、信息比率和索尔蒂诺比率,那么报告哪一个(或两个)几乎没有什么区别。

那么,这些主要绩效指标如何相互关联,它们的相关性是否随着时间的推移而发生变化?

为了回答这些问题,我们将大型股票基金的所有活跃共同基金经理的回报率回溯到 20 世纪 50 年代。然后,我们计算了每只基金一年滚动的夏普比率、特雷诺比率、索尔蒂诺比率和信息比率。利用这些数据,我们探索了每个十年和整个时间段内指标之间的排名序数相关性。

首先,在整个时间段内,夏普比率和特雷诺比率具有很高的正相关性,信息比率和索尔蒂诺比率也是如此。但夏普比率和特雷诺比率与信息比率和索尔蒂诺比率的相关性较弱。因此,如果基金经理展示他们的索蒂诺比率,但没有强调他们的夏普或特雷诺比率,这可能表明他们正在战略性地选择要展示的指标。


绩效指标相关性:所有时期,1950 年至 2023 年

夏普比率 特雷诺比率 信息比 索蒂诺比率
夏普比率 1 0.95 0.25 0.24
特雷诺比率 0.95 1 0.24 0.23
信息比 0.25 0.24 1 0.99
索蒂诺比率 0.24 0.23 0.99 1

接下来,我们检查了四个指标在每个十年内的排序相关性。从 1950 年到 2020 年,同样的模式相当稳定。在审查的大约 70 年中,我们没有看到相关性出现任何过度的分歧。


绩效指标相关性:20 世纪 50 年代

夏普比率 特雷诺比率 信息比 索蒂诺比率
夏普比率 1 0.95 0.11 0.09
特雷诺比率 0.95 1 0.01 -0.01
信息比 0.11 0.01 1 0.99
索蒂诺比率 0.09 -0.01 0.99 1

绩效指标相关性:20 世纪 60 年代

夏普比率 特雷诺比率 信息比 索蒂诺比率
夏普比率 1 0.97 0.35 0.32
特雷诺比率 0.97 1 0.36 0.33
信息比 0.35 0.36 1 0.98
索蒂诺比率 0.32 0.33 0.98 1

绩效指标相关性: 20 世纪 70 年代

夏普比率 特雷诺比率 信息比 索蒂诺比率
夏普比率 1 0.98 0.38 0.33
特雷诺比率 0.98 1 0.37 0.32
信息比 0.38 0.37 1 0.98
索蒂诺比率 0.33 0.32 0.98 1

绩效指标相关性:20 世纪 80 年代

夏普比率 特雷诺比率 信息比 索蒂诺比率
夏普比率 1 0.97 0.25 0.23
特雷诺比率 0.97 1 0.23 0.20
信息比 0.25 0.23 1 0.98
索蒂诺比率 0.23 0.20 0.98 1

绩效指标相关性: 20 世纪 90 年代

夏普比率 特雷诺比率 信息比 索蒂诺比率
夏普比率 1 0.92 0.26 0.26
特雷诺比率 0.92 1 0.22 0.21
信息比 0.26 0.22 1 0.99
索蒂诺比率 0.26 0.21 0.99 1

性能指标相关性: 2000s

夏普比率 特雷诺比率 信息比 索蒂诺比率
夏普比率 1 0.97 0.27 0.25
特雷诺比率 0.97 1 0.26 0.24
信息比 0.27 0.26 1 0.99
索蒂诺比率 0.25 0.24 0.99 1

绩效指标相关性: 2010 年代

夏普比率 特雷诺比率 信息比 索蒂诺比率
夏普比率 1 0.93 0.41 0.4
特雷诺比率 0.93 1 0.44 0.43
信息比 0.41 0.44 1 0.99
索蒂诺比率 0.40 0.43 0.99 1

最后,我们探讨了经济衰退期间的相关性,看看它们是否在最关键的时刻崩溃了。在 20 世纪 50 年代以来的七次衰退中,我们再次发现相关性与非衰退时期非常相似。

总而言之,结果表明,由于特雷诺比率和夏普比率高度相关,基金经理是否报告其中一个而不报告另一个并不是特别重要。信息和索蒂诺比率也是如此。

但由于特雷诺比率和夏普比率与后两个指标的相关性较弱,管理者可能有机会进行战略报告。因此,如果基金经理报告其索蒂诺比率或信息比率,但对夏普比率和特雷诺比率保持沉默,则可能反映了战略行为并值得进一步调查。

韭菜热线原创版权所有,发布者:风生水起,转载请注明出处:https://www.9crx.com/76548.html

(0)
打赏
风生水起的头像风生水起普通用户
上一篇 2023年9月21日 23:28
下一篇 2023年9月22日 23:11

相关推荐

  • 北京大学R语言教程(李东风)第53章: R与C++的类型转换

    R程序与由Rcpp支持的C++程序之间需要传递数据,就需要将R的数据类型经过转换后传递给C++函数,将C++函数的结果经过转换后传递给R。 用wrap()把C++变量返回到R中 在R API中用.Call()函数调用C程序库函数时,R对象的数据类型一般是SEXP。Rcpp提供了模板化的wrap()函数把C++的函数返回值转换成R的SEXP数据类型。此函数的声…

    2023年12月16日
    11400
  • 嘉信理财:欧洲情绪虽然糟糕但很好

    即使经济数据令人失望,情绪变化也可能推动欧元区股市的表现。 根据亚特兰大联储的 GDPNow 预测,美国第三季度的经济数据目前正追踪接近 6% 的 GDP 增长,该预测根据当前季度的可用经济数据提供了对实际 GDP 增长的持续估计。相比之下,欧洲的数据显示经济可能重新陷入衰退。然而,股市对欧洲有利,今年欧洲股票的平均表现优于美国股票的平均表现,并且第三季度迄…

    2023年9月21日
    6900
  • 市场效率与行为金融:哪种策略能带来更好的回报?

    我是行为金融学最重要的人物,因为行为金融学大部分都是对有效市场的批判。没有我,他们还能做什么? 尤金·法玛 吉恩完全搞错了。如果不是因为行为金融学,他和弗伦奇过去 25 年就什么事都没有了。他欠我一切。 理查德塞勒 读完法玛和泰勒的这些言论后,你可能会认为他们是死对头。但事实并非如此。法玛和泰勒是芝加哥大学商学院的教授,也是众所周知的高尔夫球友。但尽管偶尔会…

    2024年9月21日
    3100
  • 北京大学金融时间序列分析讲义第10章: 带时间序列误差的回归模型

    10.1 方法示例 在统计学的数据分析中,线性回归分析是最常用的分析工具之一。线性回归以一元线性回归为例,模型如下 Yt=β0+β1Xt+et, t=1,2,…,T(10.1) 其中自变量{Xt}为常数列,β0,β1为未知的系数,{et}为零均值独立同分布随机误差序列,方差为σ2e,因变量{Yt}为随机变量列。参数β0,β1,σ2e可以用最小二乘法估计,估计…

    2023年7月20日
    23800
  • 北京大学金融时间序列分析讲义第28章: 状态空间模型

    上一章的局部水平模型是线性高斯状态空间模型的一个简单特例。本章给出状态空间模型,举例说明这种模型能够表示的其它模型,如ARIMA模型,结构时间序列模型,时变回归模型,有自相关误差的回归模型,随机波动率模型等,并给出滤波、平滑、预报公式和参数估计方法。 参考: (Durbin and Koopman 2012) (Tsay 2010) (Beijers 202…

    2023年8月9日
    37100

发表回复

登录后才能评论
客服
客服
关注订阅号
关注订阅号
分享本页
返回顶部