장기주식 사모펀드를 예로 들어보자: 사모펀드 FOF에 투자하는 방법

1. 스타일 포착 및 투자의사결정

2014년 사모펀드 등록 및 신고제도가 시행된 이후 우리나라 사모펀드 산업은 급속도로 발전하여 현재 표준화되고 제도화된 발전 단계에 진입했습니다. 2014~2015년이 제도적 규제가 집중적으로 도입되는 '원산지 원년'이라면, 2015년~지금은 호황을 누리는 'FOF 투자의 해'라고 할 수 있다. 통계에 따르면 2015년 상반기 시장 여건에 힘입어 사모펀드 FOF 시장은 한 해 동안 발행된 사모펀드 FOF 상품 수가 836개에 이르렀는데, 이는 2014년에 비해 거의 5배에 달하는 수치입니다. 2016년에는 사모펀드 FOF 발행건수 증가세가 지속되었으나, 성장채널은 안정적인 경향을 보였습니다. 현재 시장에 존재하는 사모펀드 FOF의 초기 규모는 1,500억 위안을 넘는 것으로 추산되며, FOF 투자 방법론이 시장에서 화제가 되고 있다.

사모펀드 FOF의 장기적이고 안정적인 자본이득은 합리적인 자산배분과 효과적인 결합을 통해 달성되어야 합니다. 상대적으로 완전한 경로는 대규모 자산 배분 -> 자산 범주 선택 -입니다. > 특정 자산의 선택 선택에는 시장 환경 변화에 따른 동적 배분도 포함됩니다. 스타일 캡처는 사모펀드 FOF 투자 체인에서 다양한 역할을 할 수 있습니다. 자산 카테고리 선택 단계에서는 스타일 회전 전략의 구체적인 구현을 위한 참고 자료로 사용할 수 있으며, 특정 자산 선택 단계에서는 펀드 성과를 더 많이 평가하는 데 도움이 됩니다. 정확하게, 동적 배분 단계에서 기초 펀드 스타일의 변화를 모니터링하고 적시에 조정할 수 있어 선택 비용을 효과적으로 절감할 수 있습니다.

사모펀드 FOF의 복잡한 과정을 차치하더라도 개인 사모펀드 투자자들에게 스타일 캡처는 투자 결정을 내리는 데 직관적으로 도움이 되기도 한다. 서로 다른 스타일의 대상 펀드는 동일한 시장 환경에서 서로 다른 성과를 보이고 서로 다른 위험 및 수익 특성을 가지므로 대상 펀드의 스타일을 적시에 포착하는 것은 투자자의 다양한 위험 선호도와 요구 사항에 따라 해당 대상 펀드를 선택하는 데 도움이 됩니다. 또한, 특정 기간에 좋은 성과를 내는 펀드는 기본적으로 현재 기본 시장 상황의 시장 스타일에 부합하는 상품이므로, 전체 시장의 펀드 상품 스타일을 파악하는 것이 현재 시장을 판단하는 데 도움이 될 수 있습니다. 스타일 트렌드가 어느 정도.

이 글에서는 투자 의사결정에 스타일 포착 방법을 적용하는 방법을 논의합니다. 이 기사에 기여한 Wu Yulu에게 감사드립니다.

2. 모델 구축 및 요인 선택

2.1. 모델 선택

펀드 투자 스타일에 대한 연구 방법에는 주로 포지션 기반 분석 방법과 순가치 수익이 포함됩니다. 기반 분석 방법 두 가지 분석 방법이 있습니다. 그 중 위치기반 분석방법은 최하층까지 침투하여 위치 데이터를 기반으로 단면적 통계모델과 다주기 중첩모델을 구축하는데 정확도가 매우 높다. 그러나 사모펀드의 정보취득에 있어 일정한 한계로 인해 빈도가 높은 구체적인 포지션 정보를 얻는 것이 불가능하므로 본 글에서는 순자산수익률을 기반으로 한 분석방법을 사용한다.

순자산소득을 기준으로 한 분석 방법에는 여러 가지가 있는데 대표적인 것으로는 샤프(Sharpe) 자산 분류 요인 모델, 파마-프렌치 3요인 모델, 칼하트 4요인 모델 등이 있습니다. Sharpe 모델은 펀드의 과거 수익률을 스타일 자산 수익률과 연결하고, 다양한 스타일 자산에 대한 펀드 수익률 노출을 기반으로 펀드의 스타일을 결정합니다. Fama-French 3요소 모델은 시장 위험 프리미엄 요소, 시가총액 요소 및 장부가치 비율 요소를 사용하여 펀드가 얻는 초과 수익을 설명합니다. Carhart 4요인 모델은 Fama-French 3요인 모델에 모멘텀 요인을 추가합니다.

위의 방법들은 비슷한 일반적인 형태, 즉 다요인 모형을 가지고 있지만, 각각은 특정 요인 선택과 얻을 수 있는 통계적 결론에 중점을 두고 있습니다. Fama-French 3요인 모델과 Carhart 4요인 모델은 스타일 결정 차원에서 크기 스타일, 성장 스타일, 모멘텀 스타일에 중점을 둡니다. Sharpe 모델은 스타일 자산을 분할하여 보다 개인화된 여러 차원에서 펀드 스타일을 검사할 수 있으며, 다양한 스타일 자산에 대한 민감도를 통해 상품 스타일을 판단하는 것이 더 직관적입니다. 따라서 이 기사에서는 사모펀드 상품의 스타일을 포착하기 위해 Sharpe 모델을 선택합니다.

Sharpe 자산 분류 요인 모델의 일반적인 표현은 다음과 같습니다.

이 중 R_i는 사모펀드 i의 수익률을 나타내고, F_i는 다양한 유형의 수익률을 나타냅니다. 자산의 계수 b_ij 자산 j의 각 스타일에 대한 사모펀드 i의 수익률 민감도를 나타내며, ε_i는 펀드매니저의 액티브 운용 알파 및 잔여 조건을 포함하여 사모펀드 i의 비요소 수익률 부분을 나타냅니다. . Sharpe에 따르면 이 모델은 펀드 수익이 스타일 수익과 선택 수익이라는 두 가지 주요 구성 요소로 구성되어 있음을 보여줍니다.

2.2 요소 선택 및 스타일 정의

샤프 자산 분류 요소 모델에서는 카테고리 자산(즉, 스타일 요소)이 상호 배타성, 포괄성, 소득 차별화라는 세 가지 조건을 충족해야 합니다. 특히, 기본 증권은 여러 자산 클래스에 동시에 포함되어서는 안 됩니다. 선택한 자산 클래스에는 가능한 한 많은 증권이 포함되어야 합니다. 자산 클래스 간의 상관관계는 낮거나 표준 편차가 다를 수 있습니다. 자산군 구성이 자주 바뀌기 때문에 사모펀드 수익률과 스타일 수익률에 어느 정도 편차가 발생하게 됩니다.

이 기사에서는 스타일 연구의 향후 적용 문제에 중점을 두므로 가장 간단한 크기 차원인 대형주 팩터, 중형주 팩터 및 소형주 팩터를 예로 선택했습니다. 특정 적용에서는 S&W 대형주 지수, S&W 중형주 지수, S&W 소형주 지수가 각각 대형주, 중형주, 소형주라는 세 가지 스타일의 자산 포트폴리오로 사용됩니다. 상호배타성과 수익률 차이의 3가지 조건을 만족하지만 포괄성에는 다소 결점이 있다. 1992년 논문에서 Sharpe는 가치주, 성장주, 중형주, 소형주, 유럽주, 일본주를 포함한 12개 자산군을 사용하여 스타일을 논의했습니다.

본 글에서는 회귀기간으로 40일을 사용하고, 회귀 후 스타일 팩터 계수에 대한 임계값을 설정하여 이 기간 동안 펀드의 스타일 유형을 결정합니다. 회귀분석 결과의 높은 적합도에 기초하여 특정 스타일 인자의 계수가 0.5 이상이면 해당 기간에 계수가 모두 0.5 미만인 경우 해당 펀드가 해당 스타일을 갖는 것으로 판단합니다. , 펀드는 뚜렷한 스타일이 없고 상대적으로 균형이 잡힌 것으로 간주됩니다.

3. 데이터 선택 및 정리

이 기사에서는 순자산 공개 빈도가 매일이고 순자산 데이터가 그 이상인 사모 펀드 순위 데이터베이스에서 장기 사모 펀드를 선택합니다. 표본으로 41개 이상,* **총 937개. 조사 기간은 2016년 1월 4일부터 2017년 3월 31일까지이며, 일 단위로 40일의 롤링 회귀, 즉 매일 스타일 판단을 얻게 된다.

데이터 정리 과정에는 다음 사항이 포함됩니다.

(1) 데이터 누락 문제를 고려하여 초기 데이터 추출 시 해당 근무일에 데이터가 없는 경우 , 해당일 중 해당일과 가장 가까운 순자산 데이터를 해당일의 데이터로 사용하며, 지난 10일 이내에 데이터가 없는 경우 데이터 없음으로 표시됩니다.

(2) 각 펀드별로 심사기간 중 순가치 공개 첫날부터 40일부터 회귀분석을 실시하며, 해당일 이전의 모든 날짜는 스타일리스 데이터로 표시한다.

(3) 40일 회귀 기간 중 5일 이상 순자산 데이터가 없는 경우 회귀가 수행되지 않습니다. 즉, 스타일 데이터가 없습니다. 회귀 요구 사항이 충족되면 누락된 데이터가 보간됩니다.

4. 장기 주식 사모펀드의 전체 상황: 지속적으로 중요한 개인의 10% 미만

이 기사는 937개의 적격 장기 주식 사모펀드를 분석합니다. 2016년 1월 4일부터 2017년 3월까지. 31일 이내 일일 수익률은 40일 주기로 롤링 회귀를 거치며, 각 펀드별로 총 264회 회귀를 거칩니다. 검사 후 위의 스타일 정의 방법에 따라 펀드의 일일 해당 스타일 유형이 결정됩니다.

전체 937개 펀드 중 ***310개 상품이 적합도 요건을 충족하는 회귀 결과가 1개 이상 있어 전체 펀드의 약 33.1%를 차지한다. 이 310개 상품 중 약 81.3%를 차지하는 252개 펀드가 적합성 요구사항을 충족하는 회귀 결과를 나타내어 50% 미만을 차지하며, 58개 펀드는 50% 이상을 차지하는 유의미한 회귀 결과를 나타냅니다. , 약 18.7%를 차지하는데, 이 중 두 펀드의 회귀분석 결과가 모두 적합요건을 만족하고 있다.

결과에 따르면 대부분의 롱스톡 사모펀드의 스타일 특성은 유의성 테스트를 통과하지 못하는 것으로 나타났습니다.

첫째, 사모펀드의 포지션 설정입니다. 자금은 포지션 구축 기간 동안 위험 회피 기간, 전략 조정 기간, 다중 전략 다각화 기간, 인력 조정 기간 모두 낮은 포지션으로 운영될 가능성이 높으며, 상품 기간은 1~3년인 경우가 많습니다. 따라서 더 오랜 기간 동안 지속됩니다(예: 40거래일 이내). 80% 포지션 이상의 경우는 거의 없으며 이는 모델의 효율성에 영향을 미칩니다.

둘째, 사모펀드의 투자 스타일은 변화무쌍하다. 계속해서 우세 업종에 집중하는 일부 사모펀드를 제외하면 대부분의 사모펀드는 시장 전반과 산업 전반에 걸쳐 투자한 경험이 있다. 역사적 투자 주기에 따라 움직이며 앉아서 기다리는 스타일에서 전환하는 것이 정상입니다. 또한, 펀드매니저가 산업 및 시가총액 스타일에서 계속 다각화를 유지한다면 스타일 판단에도 실패하게 될 것입니다.

셋째, 퀀트 트레이딩 개념의 인기로 인해 사모펀드 주식선정 스타일이 어느 정도 확대됐다. 그 중 타이밍 모델과 업종 순환 모델은 사모펀드의 회전율을 높이는 경향이 있고, 사모펀드의 포지션 및 회전율을 가속화합니다. 주식 선택 전환. 정량적 거래 신호는 시장과 함께 움직이는 경향이 있어 지속적인 스타일 노출이 줄어듭니다.

테스트를 통과하지 못한 분석 결과는 통계적으로 유의미하지 않기 때문에 유의미한 스타일 결과를 어떻게 활용하여 사모펀드 FOF 투자에 도움이 될 수 있는지에 중점을 둡니다.

5. 사모펀드 FOF 투자를 지원하기 위한 스타일 캡처

5.1. 단일 제품 스타일 드리프트 모니터링

스타일 드리프트는 프라이빗 펀드의 주요 관심사 중 하나입니다. 주식 FOF 투자, 고위험과 저위험 품종 간의 전환, 전략적 초점과 집중의 변화 등은 모두 사모펀드 시장의 스타일 드리프트를 유발할 것입니다. 장기주식 사모펀드 투자에 있어서, 빈도가 높은 포지션 정보를 얻을 수 없는 경우(종종 투자 전후), 순가치 기반 스타일 모니터링을 통해 해당 상품의 투자 궤적을 기록하고 투자 가이드로 활용할 수 있습니다. 투자 관리자. 주장된 전략에 대한 중요한 확인입니다. 동일 회사가 관리하는 다수의 장형상품의 경우, 스타일 모니터링을 통해 사모펀드 투자의사결정회의에서 일관성 있는 결론이 효과적으로 도출되었는지, 상품 간 차이가 효과적으로 통제되었는지 여부를 반영할 수 있습니다. 어느 정도 후자는 사모펀드가 모든 유형의 투자자를 공정하게 대우하는지 여부를 반영합니다.

회귀 결과는 단일 제품 관점에서 관찰 기간 동안 제품의 스타일 변화를 가장 직관적으로 나타내기 때문에 제품 스타일 드리프트를 모니터링하고 투자 변화 여부를 반영할 수 있다. 제품의 전략.

유의성 테스트를 통과한 관찰 표본에서 사모펀드 회사의 거의 모든 주식 매수 상품이 비슷한 스타일 궤적을 보이는 것으로 나타났습니다. 2016년 7월 이전에는 이 사모펀드 회사의 주식 매수 상품이 상품은 확실히 대형주 스타일에 편향되어 있으며, 2016년 8월 이후 장기주 상품의 스타일이 점차 중소형주 쪽으로 기울어지면서 2017년 초부터 다시 대형주 스타일에 대한 선호가 높아졌습니다. .

동일한 전략을 가진 상품들의 순가치 추세와 스타일 궤적의 융합은 사모펀드 FOF가 투자에 집중되지 않은 투자 운용으로 순수 플랫폼형이나 사모펀드를 효과적으로 식별하는 데 도움이 될 수 있다고 믿습니다. 상품이 완전히 다른 투자 주기에 있는 경우 예외입니다.

5.2. 상품스타일 통계를 통해 시장스타일 경향을 살펴본다

모든 마켓펀드 상품의 관점에서 스타일 성과가 뚜렷한 펀드의 수를 별도로 집계하여 판단할 수 있다. 현재 시장 스타일 경향.

이론적으로 시장에서 장기 사모펀드의 스타일 성향은 현재의 배분을 의미하며 나아가 시장에 대한 사모펀드의 견해와 기대를 암시한다. 2차 시장의 헤비급 참여자로서 이러한 스타일 경향은 투자에 대한 특정 참고 자료를 제공할 수 있습니다. 그러나 위에서 언급한 바와 같이 2016년 이후 대다수의 주식형 장기 사모펀드의 시가총액 스타일은 뚜렷하지 않으며, 소수의 소수 집단만을 대상으로 한 스타일 통계는 진정한 관점에서 벗어날 가능성이 매우 높다. 업계.

회귀 분석 후 스타일 속성을 유의하게 나타내는 사모펀드 상품의 수는 제한되어 있으므로 유의미한 논의는 하지 않고 결과만 기술합니다. 백분율 누적 차트를 보면 2016년 이후 중요 샘플의 시장 스타일 경향이 대형주에서 중소형주로 점차 이동했습니다.

5.3. 스타일 승률이 높은 단일 상품을 찾아보세요

전통적으로 우리는 수익률, 최대 손실률 등 다양한 성과 지표를 사용하여 사모 펀드의 성과를 측정했습니다. 변동성, 샤프비율 등 주식 상승세의 경우 성공적인 스타일 전환은 타이밍 및 주식 선택 논리의 효율성을 검증할 수 있으며 성과 평가 차원 중 하나로 간주될 수 있습니다.

스타일 승률은 특정 관찰 기간 동안 시장 스타일과 일치하는 제품 스타일의 비율을 나타냅니다.

대부분의 상품이 스타일 승률이 10% 미만인데, 승률이 10% 이상 30% 이하인 펀드가 95개다. 스타일 승률은 30% 이상, 최대 40.53%입니다. 물론, 여기서 통계적으로 고려하는 것은 과거 데이터를 기반으로 계산된 스타일과 현재 스타일 자산의 성과 사이의 관계입니다. 더 합리적인 접근 방식은 과거 데이터를 기반으로 계산된 스타일과 향후 스타일 자산의 성능.

5.4. 스타일 자산을 할당하면 원하는 결과를 얻을 수 있나요?

상품과 시장 스타일에 대한 관찰을 바탕으로 한 단계 더 나아가 현재 시장에서 투자자의 스타일 선호도에 맞는 상품을 선택해 향후 상품의 성과가 시장 스타일 트렌드와 일치하는지 관찰할 수 있다. . 그러나 펀드 상품 스타일 전환의 빈도가 높거나 포지션의 급격한 변화로 인해 이 모델에는 일정한 한계가 있으며 상품의 향후 스타일 추세를 정확하게 판단할 수 없다고 생각합니다.

모델을 검사 기간에 따라 적용하면 결과가 달라진다는 사실을 발견했습니다. 본 글에서는 동일한 방향으로 추세를 보이는 스타일 자산 포트폴리오와 차별화 단계의 두 가지 전형적인 상황을 각각 선택하여 관찰합니다. 추세 차별화 단계는 2016년 11월 17일부터 2016년 12월 1일까지의 기간을 예로 들어 설명합니다. 2017년 1월 16일부터 2017년 2월 17일까지 동일한 추세의 기간을 예로 들어보겠습니다.

2016년 11월 17일부터 2016년 12월 1일까지 기간 동안 대형주와 중소형주 지수의 추세가 크게 갈라지는 반면, 대형주 지수는 지속적으로 상승세를 보였습니다. 중소형주 지수는 기본적으로 동일하게 유지되었습니다. 이 단계의 통계에 따르면 대형주 스타일 상품의 반품률은 일반적으로 소형주 스타일 상품의 반품률보다 높고 소형주 스타일 상품의 반품률은 더 높습니다. 모두 0보다 작으며 이는 지수 추세와 일치합니다.

2017년 1월 16일부터 2017년 2월 17일까지의 기간 동안 대형주와 소형주 지수의 추세는 기본적으로 동일했으며, 소형주 지수의 수익률이 가장 높았고, 수익률이 가장 낮은 대형주 지수. 현 단계의 대형주 및 소형주 스타일 상품의 반품률 통계를 보면 대형주 스타일 상품의 반품률이 일반적으로 소형주 스타일 상품의 반품률보다 높은 것으로 나타나며 이는 시장 스타일 추세와는 정반대입니다.

5.5 단일 상품의 스타일 추적 오류 관찰

Sharpe는 펀드의 전체 스타일을 최대한 설명한 후 시뮬레이션 스타일 벤치마크 설정을 고려할 수 있다고 제안한 적이 있습니다. 스타일 벤치마크에서 제품의 상대적 미래 성능을 관찰합니다. 그러나 우리는 사모펀드가 보다 폭넓은 투자 철학과 절대 수익 실현을 추구하며, 시뮬레이션 스타일 벤치마크 추적을 거의 고려하지 않는다고 생각합니다. 따라서 여기서는 이 주제에 대해 논의하지 않고, 범위를 넓히는 방법으로만 언급하겠습니다. 아이디어.

6. 요약

요약하자면, Sharpe 자산 분류 요소 모델은 장기 주식 사모 펀드 및 보조 FOF 투자에 적용됩니다. 단일 제품의 스타일 드리프트, 시장 스타일 경향을 관찰할 때 사용 가능한 샘플의 비율이 낮다는 문제에 직면하고 스타일 승률이 높은 제품을 찾을 때 결과를 방해할 수 있는 방법 결함에 직면할 수 있습니다. 스타일 자산을 할당할 때 큰 추적 오류가 발생할 위험이 있습니다. 앞으로도 스타일 캡쳐를 바탕으로 사모펀드 FOF 투자 개선에 집중하겠습니다.

또한 정량적 모델 자체의 경우 R^2는 전체 회귀주기에 대한 모델의 적합도만 반영할 수 있기 때문에 모델 추정치의 편차 추세를 표시할 수는 없습니다. 따라서 회귀주가 되면 기간 말에 모델 추정치의 편차 정도가 클 경우 향후 스타일 추세에 대한 판단이 편향될 수 있습니다.