--- type: "blog" slug: "sports-analytics-meets-investing" canonical_url: "https://aimunger.com/blog/sports-analytics-meets-investing/" source_section: "blog" lang: "zh-CN" updated_at: "2025-01-01" title: "把体育分析用到投资上：如何用数据识别真正有持续优势的基金经理" date: 2025-01-01 --- > 原文地址： ![](https://mmbiz.qpic.cn/sz_mmbiz_png/5HUkibFlfpic4wAnkdibGey1WPsx9H3jEacpsicicIIZoDwG3gxF10MIQhwrFyROwdcp5Mqy34wvbia1XrzJGwvWT2Sg/640?wx_fmt=png&from=appmsg) 曾供职于雷曼兄弟（Lehman Brothers）、Kingsford Capital 和 Point72 的资深从业者 Joe Peta 表示，他提出了一套全新的方法论，能够帮助资金配置方（allocators）预测哪些基金经理将在短期内跑赢同行。 Peta 也承认，这是一项难度极高的工作，但他强调，自己的方法并不是在衡量“回报”，而是在衡量“能力（skill）”。为此，他撰写了一本名为 **《Moneyball for the Money Set》** 的书，系统阐述了这套方法论。该方法通过数据分析，以一种不同于传统做法的方式来评估投资组合经理的真实能力。 这本书的书名与核心理念，源自迈克尔·刘易斯（Michael Lewis）2003 年的畅销书 **《魔球》**（Moneyball: The Art of Winning an Unfair Game）。原书详细介绍了奥克兰运动家队总经理比利·比恩（Billy Beane）如何利用数据驱动的方法，来发掘和评估棒球球员的真实价值。 作为一名棒球迷，Peta 在 2000 年代初期任职于雷曼兄弟纳斯达克做市交易台时，第一次被 “Moneyball” 的分析方法所吸引，并很快开始尝试用数据化手段对公司内部的交易员进行排名。他坦言，早期采用的指标相当粗糙。尽管随后他参与了雷曼向对冲基金领域拓展的相关工作，但当时所使用的分析方法提出的问题远多于给出的答案。 此后，Peta 先是在 Novus Research，不久又在一家专注于做空策略的对冲基金 Kingsford Capital，不断打磨和完善自己的方法论。最终，在 Point72，他加入了名为 Fusion 的量化团队，并在 2021 年年中之前担任绩效分析（performance analytics）负责人。 在接受《Institutional Investor》采访时，Peta 直言，当前大多数资金配置方以及基金自身用来识别基金经理能力的传统方法已经失效。这些方法往往关注所谓的“击球率（batting average）”，而在他看来，这一指标“几乎毫无价值”。他解释说： > “如果我告诉你，一位投资组合经理上个月或去年击球率是 53%，你根本无法判断这究竟是好是坏。更糟糕的是，一位击球率为 53% 的经理，可能并不如另一位击球率只有 49% 或 50% 的经理优秀。” 接下来，传统分析还会考察所谓的“长打率（slugging percentage）”，也就是“盈利交易的幅度有多大”。但 Peta 认为，这同样是一个没有意义的指标。他说，这类分析既无法判断“这个数值本身是否有好坏之分”，也无法对未来表现提供任何预测能力。 在 Peta 的分析框架中，有两个最关键的差异化指标，他称之为“稳定性能力（consistency skill）”和“爆发性能力（explosiveness skill）”。 Peta 表示，他借鉴了体育数据分析的逻辑，搭建了一套能够区分哪些能力是可重复的、哪些是不可持续的分析框架，从而形成了一个对未来表现具有预测力的模型。（目前也有其他机构在探索新的方法来识别未来可能跑赢的基金经理。例如，Essentia Analytics 会根据基金经理在投资决策中的实际表现，对其选股能力、仓位管理和择时能力进行量化评分。）Peta 在其《Moneyball》一书中写道，当将模型给出的未来投资组合经理相对市场的收益排名与实际结果进行对比时，从排名相关性（rank correlation）的角度来看，该模型的准确度显著高于业内任何已知方法。 在衡量“稳定性”时，Peta 会分析某位基金经理一年或两年的每日股票持仓数据。他在接受《Institutional Investor》采访时表示： > “一旦你拥有大约 500 个每日观测值，就会发现：一个投资组合经理在持有股票或识别股票时，能否持续地挑选出跑赢基准的股票多于跑输基准的股票，这一能力本身就开始反映其真实的专业水平，并且能够预测其未来相对于基准识别超额收益股票的能力。” 而他所说的“爆发性”，则试图回答这样的问题：你的赢家表现得怎么样？你是否能够长期持有那些最优秀的赢家？ Peta 进一步解释道： > “可以这样理解：稳定性指标衡量的是选股的‘科学’层面；而爆发性则衡量的是选股的‘艺术’层面。因为它真正捕捉的是基金经理在识别出跑赢股票之后，既不会‘把自己玩崩’，又能够最大化赢家收益的能力。” 尽管 Peta 在 Point72 关闭量化部门时离职，但他表示，如果当时使用了这套分析框架，或许能够提前预测到 Melvin Capital 的爆仓风险——而 Point72 创始人史蒂夫·科恩（Steve Cohen）正是该基金的重要投资人之一。 自离开 Point72 之后，Peta 一直以顾问身份开展工作。在一次案例中，他分析了一家对冲基金的两位基金经理，发现他们的“爆发性”指标都偏低。“这两个人在 GameStop 上都出了问题，”他表示——指的是 Melvin Capital 的创始人加布·普洛特金（Gabe Plotkin）曾因大规模做空该股而遭遇著名且灾难性的损失。Peta 认为，爆发性指标本可以在人工难以察觉的情况下，提前嗅出这些基金经理身上的潜在问题。 Peta 认为，他的分析方法对于养老金、大学捐赠基金、家族办公室等需要进行基金经理筛选的资金配置方而言尤其有价值；同时，这套框架对多基金经理制（multi-manager）的对冲基金平台同样适用。 他在采访中举例说道： > “如果你有十几位基金经理，在过去一年里的阿尔法水平几乎没有差别，这套框架可以进一步告诉你：虽然他们的历史回报看起来一样，但他们所展现出的能力，其在未来的持续性（persistence）是截然不同的。” 当然，Peta 也坦言，这种方法在预测能力上是有边界的： > “在更细的时间尺度上，我真正能做的，其实只是预测下一个月或下一个季度的表现。”