阿尔法量化基金原理？
alpha（α）是资产回报与市场组合回报的差值，这个差值是由主动管理带来的。如果 α > 0，说明该资产管理人做的更好，比大盘指数回报高；如果 α < 0，说明该资产管理人控制的资金收益低于大盘指数收益率。 如果我们跟踪一组基金，计算其α系数，并对其进行排序，那么基金的收益情况就一目了然了。
当然，α系数的估计是有前提的，就是市场模型。也就是说，我们的基准组要选择合适，才能将α的真正含义表达出来。 通常来说，我们选取长期稳定的投资策略作为我们的“基准”。比如长期国债的收益率曲线。为什么选择长期国债呢？因为国家发行国债的目的就是要无风险借入资金，所以我们可以认为国债的收益是完全反映风险的，因此用国债的收益率作为我们的基准是比较合适的。
除了选择好基准以外，估计 α 系数还有一个重要的假设——资产回报率与基准之间的差异完全是由于主动投资的结果。也就是说，如果我们采用择时策略来提高组合收益的话，那么主动管理的效果就会体现在 α 上，我们的努力就能够被测量到。 然而事实确实如此吗？未必！
比如，在股票市场上，我们可能更倾向于把选股策略当作是一种获取超额收益的手段。这时候，主动管理的意义就难以体现出来了吧。毕竟，我们很难证明股票选择策略不是建立在被动的基础之上，即我们的选股策略本质上是试图捕捉到下一交易日或者下个月或者明年上涨幅度最大的股票。如果我们的策略能做到这一点，那么我们就可以完全通过择时来实现收益最大化，而且无需付出任何成本。这样的话，我们的主动管理效果又从何而来呢？
也许你会说，我的策略根本就不关注短期或者月度或者年度的排名。是的，你可能没有故意去追逐短期业绩，但是这并不意味着你的策略不产生主动管理效应。因为策略一旦实施，就会面临一个最佳买入点的问题。买的好，能省钱，赚的更多。买的不好，就要付出额外的成本。这些买的好或者坏所带来的差异就是由主动性带来的，它会直接或者间接的体现为 alpha 的正负和中大的数值。