雖然可以使用非常相似的指標和流程分析共同基金和對沖基金，但對沖基金確實需要額外的深度，以解決他們的複雜程度和不對稱的預期回報。對沖基金通常只能訪問認可的投資者，因為它們要求遵守較少的SEC規定而不是其他資金.1

本文將解決一些關鍵指標，以便在分析對沖基金時要理解，儘管需要考慮許多其他人，但這裡包含的其他人是一個很好的地方，即開始對對沖基金表現進行嚴格分析的好地方。

絕對和相對返回

類似於相互基金績效分析，應為絕對和相對回報性能進行對沖基金。但是，由於對沖基金策略和每個對沖基金的唯一性，良好地了解不同類型的回報，以便識別它們。

絕對回報為投資者提供了與更傳統類型的投資相比對基金進行分類的想法。也稱為總回報，絕對回報衡量基金經歷的收益或損失。

例如，具有低穩定回報的對沖基金可能是對固定收入投資的更好的替代品，而不是新興市場股票，這可能被高回歸全球宏基金所取代。

另一方面，相對回報允許投資者確定與其他投資相比的基金的吸引力。比較可以是其他對沖基金，共同資金甚至某些指標，即投資者試圖模仿。評估相對返回的關鍵是確定幾個時間段的性能，例如一個，三個和五年年度的回報。此外，還應相對於每筆投資中固有的風險考慮這些回報。

評估相對績效的最佳方法是定義一份同行列表，該方面可能包括傳統共同基金，股權或固定收入指標以及具有相似策略的其他對沖基金的橫截面。一個好的基金應該在頂部四分位數中表現分析每個時期以有效地證明其α產生能力。

測量風險

在不考慮風險的情況下進行定量分析是類似於蒙上眼睛的繁忙街道。基本的金融理論表明，只能通過冒險產生外出的返回，因此，儘管基金可能表現出優秀的回報，但投資者應將風險納入分析，以確定基金的風險調整的績效以及如何與其他投資進行比較。

有幾個指標用於衡量風險：

標準偏差

在使用標準偏差的優點中，作為風險的衡量標準是其易於計算和概念的簡單概念。不幸的是，這也是它在描述對沖基金中固有風險的弱點的原因。大多數對沖基金沒有對稱回報，標準偏差度量也可以掩蓋大於預期的大損失概率。

危險（var）值（var）

風險的價值是一種風險指標，其基於均值和標準偏差的組合。然而，與標準偏差不同，它沒有描述波動性的風險，而是作為可能丟失的最高金額可能損失五個百分比。在正常分佈中，它由最左列的5％的可能結果表示。缺點是由於通常分佈式返回的假設，因此可以低估金額和概率。在進行定量分析時仍應評估它，但投資者還應在評估風險時考慮額外的指標。

Skewness

偏斜是回報不對稱的衡量標準，分析該度量可以縮小基金的風險。

下圖顯示了具有相同手段和標準偏差的兩個圖表。左側的圖形是正面傾斜的。這意味著平均值>中位數>模式。請注意，正確的尾部如何更長，左側的結果朝向中心束縛。雖然這些結果表明了較高的概率，但結果小於平均值，也表示概率，儘管是低的概率，但是如右側的長尾所指示的極其正面結果。

偏差約為零表示正態分佈。任何正極的尺度都會更有可能類似於左側的分佈，而負面偏斜類似於右側的分佈。您可以從圖中看到，即使概率低，也是負面偏斜分佈的危險是非常負面結果的概率。

Kurtosis

kurtosis是分佈式尾部相對於其餘分佈的組合重量的衡量標準。

在下面的圖2中，左側的分佈表現出負峰度，表明圍繞平均值的結果較低，極值較低的概率。陽性陽光病，右側的分佈，表明近似值較高的結果概率，也是極端值的概率較高。在這種情況下，兩個分佈也具有相同的均值和標準偏差，因此投資者可以開始了解分析超出標準偏差和var之外的額外風險指標的重要性。

Sharpe比率

對沖基金使用的風險調整返回的最受歡迎措施之一是銳利比率。Sharpe比率表示為每種風險級別獲得的額外返回量。夏普比率大於1是好的，而可以根據所使用的資產類或投資策略來判斷出1以下的比率。在任何情況下，對夏普比的計算的輸入是平均值，標準偏差和無風險速率，因此在低息率期間的夏季比率可能更具吸引力，並且在更高的利率期間不太吸引。

測量性能，具有基準比率

為了準確衡量基金表現，有必要對其進行比較來評估回報。這些比較點被稱為基準。

有幾種措施可以應用於相對於基準測試的性能。這些是三個常見的：

β

Beta稱為系統性風險，並且是基金相對於索引上的回報的衡量標準。正在評估的市場或指數被分配了1.5的基金，因此，BETA的基金將傾向於每次返回1.5％市場/指數中的百分比。另一方面，一個有0.5的Beta的基金將在市場上的每1％回報中獲得0.5％的回報。

Beta是確定股權暴露的良好措施-特定資產級別-A基金的股票有限，並允許投資者確定是否和/或對基金的大量分配是有必要的。β可以相對於任何基準指數衡量，包括股權，固定收入或對沖基金指數，以揭示基金對特定指標的運動的敏感性。大多數對沖基金根據標準普爾500指數計算測試票據，因為它們是根據其與更廣泛股票市場的相對不敏感/相關性銷售其返回。

相關性

相關性與Beta非常相似，因為它可以測量返回的相對變化。然而，與Beta不同，這假設市場在某種程度上推動了基金的表現，相關措施兩個基金的回報可能是如何相關的。例如，多樣化是基於不同的資產類別和投資策略對系統因素不同的事實。

在-1至+1的等級上測量相關性，其中-1表示完美的負相關，歸零表示完全沒有表觀相關性，+1表示完美的正相關。通過在短的S＆P500姿勢500500位置比較長的LON標準普爾500姿勢位置，可以實現完美的負相關。顯然，對於一個職位的每一個百分率增加，另一個尺寸增加了平等的減少。

最好使用相關性是將每個基金與該投資組合中的每個基金的每個基金的相關性進行比較。這些資金相互彼此的相關性越低，產品組合的可能性越大。但是，投資者應該謹慎多元化，因為返回可能會顯著減少。

α

許多投資者認為，alpha是基金返回和基準返回之間的差異，但alpha實際認為相對於所採取的風險數額的回報差異。換句話說，如果回報比基准率好25％，但花的風險比基準更高為40％，alpha實際上是消極的。

由於這是大多數對沖基金管理人員聲稱添加返回的東西，因此了解如何分析它是很重要的。

alpha使用capm模型計算：

ERI=RF+βi×（ERM-RF）其中：ERI=ESVENTIVE的預期返回=無風險率βi=投資者=BESTSSPESTMERM=市場的預期回報\開始{對齊}＆\text{er}_i}文本{r}_f+\beta_i\times（\text{er}_m-\text{r}_f）\\＆\textbf{where：}\\＆\text{er}_i=\text{預期返回投資}\\＆\text{r}_f=\text{無風險速率}\\＆\beta_i=\text{betsofphotol}\\＆\text{er}_m=\text{預期回報在市場}}\\\結束{對齊}ERI=RF+βi×（ERM-RF）其中：ERI=預期返回的投資效率=無風險率βi=投資者的β=預期的市場回歸

為了計算對沖基金經理是否添加了基於所採取的風險的alpha，投資者可以簡單地將對沖基金的賭注替代到上述等式，這將導致對沖基金的績效預期回報。如果實際退貨超過預期返回，則對沖基金經理基於所採取的風險增補了alpha。如果實際返回低於預期的回報，則對沖基金經理並未根據實際返回的風險添加Alpha，即使實際返回可能高於相關的基準。投資者應該希望對沖基金管理人員添加Alpha以返回他們所採取的風險，並且誰不會通過額外的風險來獲得返回。

底線

對對沖基金進行定量分析可能是複雜，耗時的，經常具有挑戰性。但是，本文已經提供了對附加指標的簡要說明，可以為分析添加有價值的信息。還可以使用各種其他指標，即使在本文中討論的那些甚至可能與某些對沖基金和對他人相關的更少相關。

投資者應該能夠通過使額外的額外計算來了解特定基金中固有的更多風險，其中許多是通過分析軟件自動計算的，包括來自Morningstar，Pertrac和Zephyr這樣的提供商的系統。