< English Version >

Not So Smart Alpha

In einem Fachbeitrag analysiert François-Serge Lhabitant kritisch die gängigen Methoden zur Schätzung von Alpha bei aktiv verwalteten Fonds und hinterfragt deren Aussagekraft als Mass für Managerkompetenz. Obwohl Alpha häufig als Beleg für Wertschöpfung über systematische Marktexponierung hinaus gilt, zeigt die Analyse, dass seine Messung stark von Modellwahl, Benchmarkdefinition und statistischen Annahmen abhängt.

Der Beitrag greift die klassische, CAPM-basierte Alphadefinition auf und beleuchtet zentrale praktische Schwächen. Naive Vergleiche von Fonds- und Benchmarkrenditen ohne Berücksichtigung des Betas können Ergebnisse erheblich verzerren. Ebenso kann die Berechnung auf Basis von Gesamtrenditen statt Überrenditen die wahrgenommene Kompetenz überzeichnen. Besonders problematisch ist die unvermeidliche Nutzung unvollkommener Benchmarks anstelle des theoretischen, nicht beobachtbaren Marktportfolios, was strukturelle Verzerrungen erzeugt. Ein positiver Regressionsinterzept kann daher eher Modellfehler als tatsächliche Outperformance widerspiegeln.

Die empirischen Beispiele sind aufschlussreich. Bei einem marktneutralen Hedgefonds liefern regressionsbasierte Ansätze durchgehend positive Alpha-Schätzungen, vor allem wegen der geringen Erklärungskraft traditioneller Aktienbenchmarks (niedriges R²). Ein Grossteil der Renditevariation wird somit mechanisch als „Alpha“ klassifiziert. Auch eine Trendfolge-Strategie zeigt ähnliche Instabilität: Unterschiedliche Faktormodelle führen zu deutlich abweichenden, teils sogar gegensätzlichen Alpha-Werten.

Die Kernaussage ist eindeutig: Alpha ist kein absoluter, sondern ein modellabhängiger Schätzwert. Investoren sollten daher mehrere Modelle heranziehen, Konfidenzintervalle und Erklärungskraft sorgfältig prüfen und statistische Interzepte nicht vorschnell als nachhaltige Managerleistung interpretieren.

Not So Smart Alpha

In a paper, Francois-Serge Lhabitant critically examines the methodologies commonly used to estimate alpha in actively managed funds and questions their reliability as measures of manager skill. While alpha is often interpreted as evidence of value creation beyond systematic market exposure, the analysis demonstrates that its measurement is highly sensitive to model specification, benchmark choice, and statistical assumptions.

The paper revisits the traditional CAPM-based definition of alpha and highlights several practical pitfalls. Naïve comparisons of fund returns to benchmarks that ignore beta can materially distort conclusions. Similarly, estimating alpha using total rather than excess returns may inflate perceived skill. Even more importantly, the unavoidable use of imperfect benchmarks instead of the true (unobservable) market portfolio introduces structural biases. In such cases, a positive regression intercept may reflect model misspecification rather than genuine outperformance.

The empirical examples are particularly instructive. For a large market-neutral hedge fund, regression-based approaches consistently produce positive alpha estimates, largely because traditional equity benchmarks exhibit very low explanatory power (low R²). Much of the return variation is therefore mechanically classified as “alpha.” A trend-following strategy shows similar instability: substituting different factor models materially changes the estimated alpha, and in some specifications even produces mixed signs.

The broader implication is clear. Alpha is not an absolute metric but a conditional estimate, dependent on the chosen model and its assumptions. Investors should therefore adopt multi-model frameworks, carefully examine confidence intervals and explanatory power, and remain cautious in attributing statistical intercepts to persistent manager skill.