阿尔法基金有哪些？
说到alpha策略，就不得不提一下它的两个分支-主动管理（active management）和宏观对冲（macro hedge）。 主动管理一般被定义为通过选择股票来获取超额收益率，而宏观对冲更倾向于通过判断央行货币政策、财政政策等宏观因素来获取超额收益。尽管两种策略的选股或选基的方向不同，但目标都是超越基准指数，即比基准做得更好。因此从投资理念上来说，两者并没有本质的区别。 市场上有非常多的主动资产管理公司，我们耳熟能详的“巴菲特”们大多是做主动管理的。这些公司在挑选股票上面有很多共同的策略和经验。为了衡量它们的能力，人们建立了一个通用框架来评估它们的业绩：将它们相对于基准的超额收益率标准差化，然后求年化，再减去对应的成本，得到他们所谓的Alpha值（见公式一）。如果他们的Alpha是正的并且经过统计显著性检验，就说明它们是比基准做的好的，而且做得好多少用α值可以表示出来。
很多对冲策略在构建时都做了一些优化，使得它们既能适应市场环境又能降低风险。由于这种策略往往同时考虑了选股和择时，所以它的Alpha往往会是一个正数。 但正如大家所知，市场的波动总是伴随着风险的，过大的风险会带来亏损。如果一种策略的α值虽然为正，但是伴随的高风险却使它不能真正带来超额收益，那么这个策略其实是没有意义的。 为了避免这种情况的出现，人们对策略进行评价的时候还会引入另一个重要的概念——信息系数（Information Coefficient）（见公式二）。这个系数的定义是策略的信息率（Information Ratio）与策略的相关系数的乘积。其中信息率是被广泛使用的度量策略信息的指标，其定义为策略的夏普比率（Sharpe Ratio）。如果策略的IR大于1，那就说明它既提供了正的ALPHA，同时也控制了相应的风险。
对于主动投资和宏观对冲来说，一个好的策略应该同时具备这两个条件：有正的ALPHA以及控制相应风险。 当然，这里只讨论了简单的资本资产定价模型，现实情况要复杂的多。市场上除了低风险的资产之外还有很多风险资产，策略可能涉及多因子的建模和对冲。但是所有的alpha策略都有一个共同的源头，那就是资本资产定价模型。