1703664660
1703664661
图6-6a 按基金类型划分的风险回报比率（1992—1996年）
1703664662
1703664663
十年以后
1703664664
1703664665
1703664666
1703664667
1703664668
图6-6b 按基金类型划分的风险回报比率（1995—2005年）
1703664669
1703664670
注：a．莫迪利安尼回报率（Modigliani return）
1703664671
1703664672
如后文所解释的那样，在回报率为负值时，夏普比率就不起作用了。因此，为了公平地对比原来的数据以及更新后的数据，我计算了这些基金在原来那段时期内的莫迪利安尼回报率，并以此在图6-6a中替换夏普比率。
1703664673
1703664674
用风险因素来调整回报率，这对投资者而言相当重要。为了明白这其中的原因，看看这个例子：假设市场波动性为10%，而市场年回报率为14%。若无风险利率为4%，用上述回报率减去无风险利率，就会使市场的风险调整回报率最终达到1.00。现在想想，有两只回报率都是14%的共同基金：基金A相比市场有更大的波动性（11%），而基金B则有更小的波动性（9%）。基金A的风险调整回报率就是0.90；基金B的风险调整回报率则为1.11。如果基金B的投资者希望自己所承担的风险既要略高于市场，又要与基金A相当，那理论上他们就可以借入20%的投资资金，从而使其杠杆率为20%。这样一来，他们的风险则会增至11%，但他们的回报率则会上升到16.8%，从而比之前14%的回报率高出20%。这2.8个百分点的超额回报率，不用承担任何高出基金A的风险就能获得。如果聪明的投资者以给定风险水平下可能获得的最高回报率为目标，那么，基金A明显会成为次优的投资选择。
1703664675
1703664676
夏普比率太过敏锐了吗
1703664677
1703664678
尽管从基金风险的角度来考虑基金的回报率是非常重要的，但夏普比率却是衡量风险调整回报率的一种稍显生硬的工具。以往的回报率并不能预测将来的回报率。尽管基金之间的相对风险在时间上能保持相当的持续性，但对风险这一难以界定的概念而言，标准差却只是一种粗略的指标。进一步来说，将风险与回报率在公式中的重要性视作等同是相当不理性的。在我看来，以下才是投资的现实情况：标准差的一个额外百分点是没有意义的，但回报率的一个额外百分点却是无价的。股票投资组合与债券投资组合之间是存在风险差异的，这种很大的风险差异是极为重要的，但在这个简单公式里将风险与回报视为等同，这种权宜之计并不令人满意。在最后的分析中，风险调整回报率可能就像是情人眼里出西施一样。
1703664679
1703664680
尽管存在这些不足，夏普比率仍然是投资分析师用来衡量风险调整回报率的主要工具。与原始回报率相比，它更为全面地展示了基金的业绩状况，而且能够帮助投资者评估那些采用了同样广泛的投资策略的基金，以识别哪一只基金在相互竞争中会更为成功。可能像所有的统计数据一样，它明显是有用的，但前提是要承认其局限性。
1703664681
1703664682
我知道这个分析很复杂。下面这个例子会阐明这个概念：假设有两只基金的波动性都是10%。风险回报比率为1.20的基金会获得16%的回报率，风险回报比率为0.60的另一只基金则只获得10%的回报率（假设无风险利率为4%）。每年6个百分点的差异，不能说是微不足道的。
1703664683
1703664684
因为九宫格每一格的平均回报率在这期间都相当的稳定，所以其风险调整回报率的显著变动，就会在很大程度上反映出这9大市场板块的风险差异。在风格分析出现以前，我们很难将风险调整后的回报率的差异与特定市场板块的业绩联系起来。通常来说，回报率变动是由于基金经理的能力存在差异，而不是因为一个基金经理投资小盘成长型股票而另一个基金经理却在不断交易大盘价值型股票。风格分析使投资者能够评估基金经理使用其所选工具的能力。这种九宫格的同类基金组合对比方法，即使并不完美，也算得上是目前最好的了。
1703664685
1703664686
十年以后
1703664687
1703664688
风格箱、回报率和风险
1703664689
1703664690
将1999年版的数据更新至今，5年期的回报率就出现了显著差异。图表覆盖了1992—1997年期间的一段牛市，这一时期标准普尔500指数每年上涨大约20%，随后回报率在2004—2009年期间逐步回落，这一时期标准普尔500指数每年下降大约2%。2007—2009年期间的熊市也反映其中。但是，尽管市场状况几乎截然相反，这段时期的数据却再一次证实了风格箱、回报率与风险的相关原理，虽然不那么显著和一致。注意：即使是长达5年的时间也能使平均回报率产生相当大的随机性，所以应该将这两组数据都看作是指向性的而不是决定性的。
1703664691
1703664692
非常值得注意的是，有5年历史的股票型基金数量（图6-3b）从1998年的741只猛增到了2009年的1 967只，其中增幅最大的当数大盘成长型基金组合（10年以前只有58只基金，今天已经有369只基金了）。即使这9个晨星风格箱里的年回报率在更新后的时期内都下降了，这些风格箱还是再一次出现了相似的回报率。除了大盘成长型与小盘价值型这两种风格以外，最近时期的回报率变化范围与上一版同样很小：从前期的12%～15%到后期的10.1%～12.8%，这两种情况下都有大约3个百分点的浮动。这样的差异简直就是微不足道的。
1703664693
1703664694
然而，在波动性更大的近期市场中，每个风格箱里的基金都表现出高很多的标准差（图6-5b中描绘的近期变动范围是14%～25%，相比之前则是10%～18%）。尽管如此，大盘基金所承担的风险仍然要远远低于其他类型的基金。
1703664695
1703664696
但在展现这些数据时，发生了一件有趣的事情。当我们将这两组序列放在一起来计算每种风格的风险调整回报率时（图6-6b），之前的方法失效了。在低迷的市场中，夏普比率无法传递准确的信息。1999年，我将这一比率形容为，“一种稍显迟钝的工具……有用的，但前提是要承认其局限性。”然而，我很惊讶它会失效。正如晨星在2009年年中所宣布的那样，夏普比率在负值时就“不应该再使用”，因为它们会“产生违反直觉的结果”。
1703664697
1703664698
我们用莫迪利安尼回报率公式（Modigliani formula）来取而代之，计算风险调整回报率基本上是根据这些基金所承担的风险来调整其年回报率的。（例如，如果标准普尔500指数的回报率为10%而其风险为15%，那么一只回报率同样为10%而风险却为13%的基金，就会有11.5%的风险调整回报率；而一只风险为17%的基金就会有8.8%的风险调整回报率。）我们也研究了一段更长且更有代表性的时期，即截至2005年2月的10年期，该时期内股票的回报率要略高于长期水平。尽管各时期存在差异，但要注意在图6-6a和图6-6b的这两个版本中，数据都有着显著的相似性。两种情况都反映出一种对时期的依赖性偏好，这种偏好有利于价值型基金而不是成长型基金。
1703664699
1703664700
股票型基金：风险、回报和成本
1703664701
1703664702
当我们开始基于投资风格来评估股票型基金时，正如它们的晨星类型所衡量的那样，会出现什么情况呢？我现在正要试图回答这个问题，我所依据的是从1992年到1996年的这5年期间的回报率及其标准差。第一个例子是大盘混合型组合，即投资于具备价值型和成长型双重特征的那些大型公司的共同基金。在晨星所分析的741只基金中，这种类型有211只，是任何其他组合基金数量的两倍以上，大约占比全部国内股票型基金资产总额的40%（据晨星数据库统计，截至1996年年底，股票型资产总额为1.2万亿美元，而这类基金占有其中的4 500亿美元）。它为我们提供了一个开展这类分析的可靠平台。
1703664703
1703664704
表6-1a显示了大盘混合型组合的回报率和风险。这些基金以该时期的总回报率为依据，划分为4个四分位等级。即使回报率上升了，该类型的风险却几乎还是没有变动，而且这些四分位的标准差也保持着相当的稳定性。风险调整回报率的上升幅度与总回报率相同，从0.74到1.37，即从最低点到最高点上升了整整63个百分点，相差惊人的85%。而这一结果对于大盘混合型（位于中间水平的）基金类型而言，是很典型的。无论回报率高低，这9种类型中的7种（排除小盘价值型和中盘成长型）都有着相当稳定的风险指数。因此，最高的风险调整回报率等级一直属于那些总回报率最高的基金。
1703664705
1703664706
表6-1a 大盘混合型基金（按回报率分级）
1703664707
1703664708
1703664709