hedge-funddata-qualitysurvivorship-biasselection-biasbackfillindex-construction

Hedge Fund Database Biases (对冲基金数据库偏差)

对冲基金收益数据库的六类系统性缺陷。核心结论：这些偏差无法靠统计手段修补，只能改用不依赖基金收益的因子（Asset-Based Style Factors (ABS 因子)）绕开。

六类偏差

偏差 机制 方向
选择偏差 (selection) 入库自愿。对冲基金禁止公开募集，只能靠口碑 + 数据库触达投资者；正在募资的基金与不募资的基金业绩分布不同 不确定，但样本非代表性
生存偏差 (survivorship) 多数库只留存续基金，停报/清盘的被清出。消失基金业绩通常更差（Brown-Goetzmann-Ibbotson-Ross 1992） 上偏
即时历史偏差 (instant history / backfill) 基金入库时把入库前的历史一并补录。新基金先"孵化"攒业绩，好则入库募资、坏则关门 上偏
抽样差异 (sampling) 各库覆盖的基金池重叠极小 库间收益分化
短样本 (short history) 可靠数据仅从 1990s 起，恰好覆盖史上最长牛市之一，仅有少数下跌年 无法评估非 1990s 型市场环境
不透明 (lack of transparency) 私募载体不披露持仓，除了质量可疑的历史收益统计外没有其他渠道判断股票/债券含量 无法做资产配置层面的整合

抽样差异有多严重

2000-12 时点：TASS 1061 只存续、HFR 1151 只、Zurich Capital 909 只 — 三库同时收录的只有 315 只。TASS 独有 396 只、HFR 独有 446 只、Zurich 独有 292 只。

后果直接体现在同名子指数上：2001 年 1 月 Equity Market Neutral，HFR 报 −1.57%，CSFB/Tremont 报 +2.13%。同一策略同一个月，符号相反。

但作者也指出一个反向信号：宽基同类平均之间的收益相关性很高，这暗示对冲基金背后只有少数几个共同风险因子 —— 这正是七因子路线的动机。

FoF 数据为什么偏差更小

Fung & Hsieh (2000) 的论点，按三类偏差逐一对应：

flowchart LR
    A[FoF 投了一只不上报任何库的基金] --> A1[该基金业绩仍反映在 FoF 收益里<br/>→ 选择偏差↓]
    B[FoF 投了一只后来清盘的基金] --> B1[该段业绩留在 FoF 历史里<br/>→ 生存偏差↓]
    C[FoF 新投一只基金] --> C1[不会把该基金入库前历史算进 FoF<br/>→ 即时历史偏差↓]

因此论文用 HFR Fund-of-Funds 指数代理"典型对冲基金组合"。代价是 FoF 有自己的费用层与效率问题 — 见 Alternative Alpha vs Alternative Beta (另类 alpha 与另类 beta) 里 FoF 与宽基指数的 alpha 落差。

权重方案：再平衡规则暗含策略

常规资产类指数看似被动，其再平衡规则实则暗含组合策略：

  • 等权 ⇒ 暗含逆势（rebalance 时卖赢家买输家）。用于对冲基金还有两个额外问题：无法反映"不到 25% 的基金管理着超过 75% 的行业资本"这一高度偏斜；且放大即时历史偏差最重的新基金权重。
  • 市值/AUM 加权 ⇒ 暗含动量（让赢家权重自然膨胀）。用于对冲基金的三个问题：(1) AUM 历史序列质量远低于收益序列；(2) 多数策略有容量上限，成功的大基金可能封闭并停止上报，扭曲指数序列；(3) 收益率还多一个杠杆维度，AUM 加权会偏向低杠杆管理人，极端情形下变成给"资金募集者"加权。

结论：在没有明确组合目标的前提下，不存在对所有投资者都合适的对冲基金加总方式。这是作者放弃"指数即因子"路线的根本理由。

Relationship to other concepts

Open questions

  • 国内私募数据库（朝阳永续、私募排排网）的六类偏差量级如何？是否有类似"三库仅 315 只重叠"的量化证据？
  • 中国 FoF 数据是否同样偏差更小 —— 国内 FoF 层次浅、样本短，这个论证是否成立？

Sources