在本系列的第一部分和第二部分中,我们探讨了与直接指数化的比较如何导致人们对税收感知多空(TA LS)投资策略的运作机制及其潜在税收优惠来源产生误解。我们重申,TA LS首先是一种主动投资策略:它寻求税前阿尔法,同时在投资组合管理方式中纳入税收考量。
在这最后一部分中,我们将讨论投资者对TA LS策略所承担的风险以及管理这些策略所涉及权衡的另外两个常见误解。
AQR认为,税务感知多空(TA LS)本质上是一种主动策略,追求税前阿尔法,因此跟踪误差是有意为之,而非像直接指数化那样需要最小化的缺陷。模拟显示,更严格的跟踪误差约束会同时削弱阿尔法表达与收益递延能力,而更高的跟踪误差与杠杆则扩大了获取超额收益和税务收益的空间。组合构建需在阿尔法、风险、成本与税务之间权衡;其目标并非最大化亏损。
未提取到可由原文核验的关键数字。
未提取到句级证据,请直接核验原文。
上下文:结论为 Tlines 自动提取,并非机构原话;带引号的证据为机构原文。引用时须同时保留机构、日期与时间范围。
在原始来源核验 ↗在本系列的第一部分和第二部分中,我们探讨了与直接指数化的比较如何导致人们对税收感知多空(TA LS)投资策略的运作机制及其潜在税收优惠来源产生误解。我们重申,TA LS首先是一种主动投资策略:它寻求税前阿尔法,同时在投资组合管理方式中纳入税收考量。
在这最后一部分中,我们将讨论投资者对TA LS策略所承担的风险以及管理这些策略所涉及权衡的另外两个常见误解。
投资者往往将跟踪误差——即策略回报与基准回报之间的差异程度——视为需要最小化的对象。这种本能对直接指数化而言是合理的,因为其目标是在收获税收亏损的同时紧密跟踪指数。由于直接指数化并不试图预测哪些股票会跑赢或跑输,其与基准的任何偏离预计都不会产生额外的税前回报。因此,许多直接指数化管理人会有意最小化这种无补偿的跟踪误差。
然而,对于TA LS这样的主动策略,跟踪误差发挥着关键作用。通过交易一个底层阿尔法模型,该策略刻意买入其认为有吸引力的股票,并做空其认为缺乏吸引力的股票,以力求跑赢基准。这自然会导致投资组合与基准产生差异。从这个意义上说,跟踪误差并非不幸的副作用;它是刻意为之且为跑赢基准所必需的。
在我们的模拟中,更严格的跟踪误差约束降低了该策略表达其阿尔法模型和递延收益的能力,而更大的跟踪误差和杠杆则增加了追求超额回报和税收优惠的机会。
表面上看,管理策略的税收考量似乎相对简单:实现资本亏损并递延资本利得。虽然这可能适用于直接指数化策略,但它忽视了TA LS策略的首要目标:追求税前阿尔法。
TA LS投资组合构建需要同时平衡多项考量:遵循阿尔法模型、管理投资风险、控制交易和融资成本,以及考虑每笔交易的税收后果。过于偏向阿尔法,可能会不必要地实现应税利得;过于偏向税收考量,策略可能会牺牲有吸引力的投资机会。
与直接指数化不同,设计得当的TA LS策略的目的绝对不是“最大化亏损”。相反,对于TA LS策略而言,投资组合构建需要在预期回报、风险、成本和税收之间校准权衡。正如我们之前所说,如果TA LS策略不这样做,最好避而远之。
在本系列的全部三个部分中,一个共同主题浮现出来:通过直接指数化的视角来看待税收感知多空投资,可能导致听起来直觉上合理但忽略了二者关键差异的结论。
我们的观点并非一种方法本质上优于另一种。相反,TA LS和直接指数化是追求独特投资结果的两种不同策略,对其中一种的熟悉并不能提供理解另一种的完整框架。
正在载入文档……
本页的结论、论点、数字与风险由 Tlines 从 AQR 于 2026/10/12 发布的研报中提取并结构化,用于横向比较。机构原文可通过本页来源链接访问。最后更新于 2026/10/17。方法论 · 来源政策 · AI 使用说明 · 申请更正