Оценка результатов управления

Performance Measurement: как оценивать управляющих Оценка результатов управления активами — сложная задача с множеством подводных камней. Сырая доходность не даёт полной картины; необходимо учитывать риск, бенчмарк, временной горизонт, влияние удачи. Корректная attribution analysis позволяет отделить skill от luck и оценить источники результатов. Базовые метрики доходности Time-weighted return (TWR) измеряет доходность, устраняя влияние cash flows. Это стандарт для сравнения управляющих, поскольку изолирует инвестиционное решение от решений о подписке/погашении. Money-weighted return (IRR) учитывает timing и размер cash flows. Это доходность, реально полученная инвестором. TWR и IRR могут существенно различаться — хороший управляющий может иметь плохой IRR, если инвесторы вошли на пике. Gross vs Net returns: gross — до комиссий, net — после. Сравнение управляющих должно быть на одной основе. Net returns показывают реальный результат для инвестора. Risk-Adjusted Metrics Sharpe Ratio = (Return - Risk-free rate) / Standard Deviation. Измеряет доходность на единицу общего риска. Преимущества: простота, универсальность. Недостатки: предполагает нормальное распределение, не различает upside и downside volatility. Sortino Ratio использует downside deviation вместо стандартного отклонения, наказывая только за негативную волатильность. Более релевантен для инвесторов, озабоченных потерями. Information Ratio = Active Return / Tracking Error. Измеряет активную доходность относительно бенчмарка на единицу активного риска. Показывает, насколько эффективно управляющий использует deviation от бенчмарка. Alpha и Beta CAPM alpha — доходность, не объяснённая рыночным риском: Alpha = Portfolio Return - [Rf + Beta * (Market Return - Rf)]. Положительная alpha указывает на добавленную стоимость. Multi-factor alpha использует модели с несколькими факторами (Fama-French, Carhart). Это позволяет понять, объясняется ли alpha exposure к известным факторам (value, size, momentum) или отражает genuine skill. Persistence of alpha — ключевой вопрос: предсказывает ли прошлая alpha будущую? Исследования показывают слабую persistence для большинства стратегий. Это ставит под сомнение ценность исторического track record для прогнозирования. Attribution Analysis Brinson attribution разделяет результат на allocation effect (выбор весов секторов) и selection effect (выбор бумаг внутри секторов). Позволяет понять, откуда пришла alpha — из стратегических решений или stock picking. Fixed income attribution более сложен: duration contribution, yield curve positioning, spread effect, security selection. Множество источников доходности требуют детального разложения. Risk-based attribution объясняет доходность через экспозиции к факторам риска. Factor mimicking portfolios позволяют реплицировать часть доходности, не объяснённую Brinson. Practical Considerations Survivorship bias — базы данных включают только выживших управляющих. Неудачники закрываются и исчезают из статистики, завышая средние результаты индустрии. Look-ahead bias возникает при использовании данных, недоступных на момент принятия решения. Особенно опасен в backtesting. Sample size и statistical significance: короткий track record не позволяет отделить skill от luck. Даже несколько лет хороших результатов могут быть случайностью. Нужны годы данных для статистически значимых выводов.