來源：金融界網站
作者：母基金周刊
STRATEGY
VC基金的回報曲線，呈現冪律分布而不是正態分布的特徵。大多數VC基金的回報處於長尾曲線的尾部—回報率低、基金數量多，LP投資人無法簡單通過投資多個VC基金管理人，就一勞永逸地獲得行業平均水平（或以上）的收益。
VC基金的這種冪律曲線分布的特點，會導致整個創投行業的資金和資源嚴重向頭部VC基金管理人和明星創投項目傾斜。同時，競爭的市場是個超級複雜的體系，頭部VC和明星項目也是不斷動態變化的，這對所有參與者和利益相關者包括LP、GP和創投企業等機構而言，意味著要保持可持續的超額收益，都面臨著非常嚴峻的挑戰。
龔詠泉丨母基金周刊特約作者
現代資產組合模型與資產配置
「風險越大，預期收益越高」，大概是投資從業人員都耳熟能詳的一句話。那麼，如何量化地分析和評估收益和風險呢？
收益的評估相對容易，無非就是用投資者實際獲得（或預計將獲得）的全部收益除以原始投資的比值。
而評估投資風險的量化指標稍微複雜些。先舉個例子：假如張三在第一年初投資100元，其回報情況存在以下兩種可能情形。
1. 情形一：第一年和第二年底各獲得50元現金收入，並在第二年底以100元的價格賣出原始投資。
2. 情形二：第一年底虧損100元，第二年底實現現金盈利200元，並在第二年底以100元的價格賣出原始投資。
上述兩種情形，都是以100元的原始投資，在兩年內累計獲得100元的淨收益，但兩種情形下收益的波動性大相逕庭，換言之，為獲得同樣的收益水平，情形一的投資人和情形二中的投資人承擔了不同程度的風險。
因此，投資風險主要取決於收益的波動性，量化的風險評估指標主要包括標準差和方差，對一個包含多個資產的投資組合（portfolio）來說，相關係數和協方差（correlation 和covariance），也會直接影響投資組合的風險（這兩個指標也是計算和評估資產貝塔係數的基礎）。
假設一個資產組合中僅有兩個資產，資產i和資產j，其方差（風險）的計算公式如下：
Var （portfolio） = Wi2σi2+Wj2σj2+2 WiWjPi，jσiσj
上述公式中，W表示相應資產在投資組合中所佔的權重，σ表示相應資產收益的標準差，Pi，j表示兩個資產之間的相關係數。
顯而易見，如果投資組合中不同資產的收益負相關（舉個例子：石油期貨價格下跌，航空公司的股票通常會上漲，這兩種金融產品的相關係數就是負數，即負相關），即Pi，j為負數，則不難推導出以下結論：
Wi2σi2+Wj2σj2+2 WiWjPi，jσiσj<=Wi2σi2+Wj2σj2+2 WiWjσiσj<=（Wiσi+Wjσj）2
整體投資組合（portfolio）的風險（標準差）一定會小於或者等於組合中單個資產類別的風險（標準差）之和，換言之，多元化的投資組合可以有效降低投資風險。
這個公式是馬柯維茨的現代資產組合模型理論（Modern Portfolio Theory）的核心內容之一。在現代金融理論發展史上，馬柯維茨第一次將概率論和線性代數的方法應用於投資組合的分析，系統地研究了資產組合（portfolio）的收益和風險，在此基礎上建立了「現代資產組合模型」，成為現代金融市場價格理論的支柱。
馬柯維茨認為，任意一個資產類別的風險均可拆分為資產組合風險（又稱系統性或者市場風險）和非系統性（又稱可分散風險）風險兩個部分，也就是：
Total risk of individual asset = portfolio risk + unsystematic or diversifiable risk 。
如果構建的資產組合足夠大而且充分多元化，上述公式中的非系統性風險（unsystematic risk）是可以無限接近甚至等於0的。所以，在構建足夠大的投資組合時，投資經理只需要關心單個資產類別對資產組合風險的貢獻度，單個資產類別的非系統性風險會被「對衝」或者「分散」。
而單個資產類別對資產組合風險的貢獻度，主要與其貝塔係數有關，前面提到過相關性係數和協方差是計算貝塔係數的兩個指標，而貝塔係數度量的是單個資產類別在市場組合（market portfolio）發生變化時，該資產類別的變化幅度，以貝塔係數為橫坐標的證券市場線（Security Market Line）是資產配置重要的理論。
換言之，按照馬科維茨的理論，只要資產組合構建適當，就可以在單位風險水平不變的情況下獲得更高收益；或者在收益不變情況下，承擔的單位風險卻可以更小。
由於其在1952年的這個卓有成效的研究成果，馬柯維茨不僅在後來獲得了諾貝爾經濟學獎，而且也深深地影響了包括耶魯大學捐贈基金首席投資官大衛·斯文森在內的、眾多世界頂級LP管理人的投資思想，成為大型LP（退休金計劃、捐贈基金、母基金、保險基金等）進行多元化的資產配置時的支撐理論之一（其他資產配置理論如前述SML線和CAPM模型等，也建立在現代資產組合模型的基礎上）。美國於1979年修改「Prudent Man」條款後，這些理論成果直接推動了VC/PE基金作為一種重要的、可以為資產組合帶來顯著的分散投資效果的資產類別，進入了這些大型機構LP管理人的篩選雷達。
目前市場上也有些母基金，設立了專門投向一級市場的股權甚至聚焦於早期VC基金的產品，按照上述理論，此類產品的風險敞口高度集中在一級市場股權或者VC這種資產類別上，其分散風險的效果，在理論界尚有爭議，在實踐中仍待驗證。當然，VC基金尤其是明星級的VC基金，在全球任何市場都不會向一般投資者開放，因此，此類母基金的確有助於一般投資人獲得投資VC基金的機會。
VC基金回報率的冪律分布
冪律分布（Power-law Curve）規律是指：滿足於某個具有分布性質的變量，其分布密布函數是冪函數，的分布規律。
不同投資機構（LP）的收益目標、風險偏好、流動性需求、投資期限、適用稅率等等因素並不一樣，對其適用的最優資產組合必然也不一樣，因此，其配置到VC類資產的資金比例和管理人的選擇標準也會不一樣。
那麼，在LP機構做出了投資VC資產類別的決策並確定了配置比例之後，LP投資人能否按照多元和分散化投資的原則，將自己管理的資金無差別地投資到儘可能多的VC基金管理人，以充分獲得前述分散投資的好處呢？
答案當然是否定的。制定了大類資產配置策略之後，對不同資產管理人的選擇，仍然要受該LP的投資策略約束。舉個例子，股票型基金管理人，按不同的維度劃分，就可以分為主動型和被動型，價值型和增長型，大盤股和中小盤股等不同的投資策略，LP機構會進一步根據自己的投資策略，選擇與之匹配的股票基金管理人。對VC基金管理人的選擇也是如此，大型機構LP會根據行業、地區、年份以及投資策略的不同，而有不同的細分資產組合選擇方案。
除了投資策略的匹配之外，LP投資人在選擇具體VC基金管理人時，還要考慮一個特殊而且特別重要的因素，那就是VC基金回報率的分布圖是一條「冪律曲線（Power-Law Curve）」。
我們在日常生活中，經常會遇到正態分布的現象，例如學生考試成績（中等成績的學生佔多數，特別高分和特別低分的學生佔少數），員工考核（Exceptional和below average的佔少數，solid和average的佔多數）表現、居民家庭收入水平等等。認識到這種正態分布現象的存在，我們就可以利用正態分布規律來制定政策和採取行動，以實現預期利益。舉個例子，財富管理公司常常根據大多數客戶的共性畫像，來製作市場營銷宣傳手冊，吸引和獲取客戶等等。
VC基金的回報卻不服從常見的「正態分布」規律，因此，基於正態分布規律而開發的一些解決方法和工具並不適用於VC投資。
VC基金的回報具有「冪律分布（Power-Law Distribution）」的特徵。提到「冪律分布」，可能很多人第一反應就是「長尾效應」，長尾效應是Chris Anderson在其2006年出版的暢銷書The Long Tail一書中提到的洞見。Chris Anderson認為，大量非主流、個性化的需求會在需求曲線上面形成一條長長的「尾巴」，而所謂長尾效應就體現在其龐大的總計數量上-將所有非主流市場的需求累加起來，就會形成一個遠大於主流市場的巨大市場，只要有辦法將這些長尾客戶的獲取和交付成本降下來，就有機會獲得巨大的利潤。在網際網路時代，利用長尾效應而一舉成為行業巨頭的例子不勝枚舉如。這條著名的「長尾效應」冪律分布曲線圖如下所示：
VC的回報率曲線雖然服從冪律分布的規律，但與網際網路經濟的方法論不同之處在於，在VC世界，即使存在一個可以低成本觸達長尾VC基金的渠道，但這些大量的「長尾」VC基金通常回報率很低（甚至虧損），LP們不可能通過大量投資長尾VC基金，就能氣定神閒、一勞永逸地實現超額盈利，因此，「長尾效應」中的方法論在VC投資決策過程中的作用，即使不能說一無是處，也是非常有限的。
VC基金回報率的冪律分布示意圖，可參考下圖：
在上面的示意圖中，縱坐標表示回報率（僅為示意圖，不代表實際回報率），橫坐標表示VC基金管理人的數量。從上圖中不難看出，獲得高回報率的VC基金數量極少，大多數長尾VC基金的回報率其實很低（或者虧損）。
矽谷著名的創投基金A16Z管理合伙人Scott Kupor在其所著的Secrets of Sand Hill Road: Venture Capital and How to Get It一書中，曾經提到，截至到2017年，VC基金的10年中位數回報率比同期納斯達克大盤指數還要低1.6％。也就是說，在此期間，如果某個投資者投資於一個或多個僅僅獲得了接近於中位數回報率的VC基金管理人，則其相對收益率還不如投資於納斯達克的指數基金。我們都知道，二級指數基金的流動性很高，幾乎與現金相差無幾，而VC基金動輒鎖定7-10年，其流動性與股票基金有天壤之別。這就好比三年定期存款的利息比活期利息還低，理性的投資人肯定不會選擇三年期存款產品。
這種只有少數基金管理人才能獲得高回報率的獨特現象，說明對VC的投資並不存在一個「陽光普照」或「雨露均沾」獎。LP投資人如果寄希望於大數法則，希望通過押寶多家VC基金管理人，來分散風險獲得行業平均回報的話，大概率這個美好的願望會被無情的現實擊碎。押寶多家VC基金管理人，不僅不能確保該LP投資人獲得超額回報，恰恰相反，其投資到為數眾多的、回報率很低的「長尾」VC基金的概率很大，如果不幸沒有投到曲線圖中那些數量很少但回報超高的「頭部」VC基金，則該LP的投資大概率會跑輸大盤。
有意思的是，不僅不同VC基金回報率呈現出冪律分布的特點，單個VC基金自被投企業中獲得的回報的分布，也往往會呈現出冪律曲線的特徵，也就是說絕大部分VC基金的回報來自於其中少數幾個被投項目。
Scott Kupor認為，在任何一個其他職業，如果你的成功概率僅有50％，你可能就面臨著被淘汰出局的命運，但VC世界遵從的卻是不同於此的遊戲規則。如果一個VC基金管理人能從50％的投資項目中收回投資本金或以上的金額（意味著其餘50％左右的項目實際上是虧損甚至血本無歸的），這個基金管理人就是合格的，不應該被淘汰出局。
在此基礎上，如果管理人能從其中30-40％的項目中實現2-3倍回報，則基金大致能確保整體回報率在70-95％直到此時，管理人仍然無法確保基金獲得正的收益。
真正讓VC基金獲得巨大成功的，是剩餘的10-20％的項目。傑出的基金管理人通常能從這10％-20％的投資項目中，獲得10-100倍的回報—也就是說不管其他項目盈利與否，這10％-20％少數項目退出後，基金就能實現超額利潤。
這種行業收益嚴重向少數VC和項目傾斜的情況，必然會導致行業的資金和資源搶奪少數頭部VC基金和創投項目的投資機會。
但必須指出的是，集中在冪律函數頭部的少數VC基金和創投項目名單並不是一成不變的，而是動態變化的。這裡面有很多原因，其中原因之一，按照前文提到的資產配置大師-大衛·斯文森的說法，就是少數GP在獲得巨大的成功和天量資金的青睞之後，其AUM規模越來越大，LP投資到這種巨無霸GP的成本會越來越高，其投資的領域也會逐漸偏離固有的能力圈，投資策略也會越來越偏向保守，最終淪為另一個資產配置型基金。所以，大衛·斯文森會定期在市場中尋找和培育一些「黑馬」GP，支持這些逐漸成長為冪律曲線的頭部GP之一。
同樣，GP過度競爭去爭取獲得投資某些創投項目的機會，也會導致這些項目收益率的下降。這種冪律函數頭部VC基金會發生變化的現象，更進一步對LP持續保持篩選優秀GP、優化和淘汰失去競爭優勢的GP的能力提出了考驗。
對現實的含義
馬科維茨的資產組合模型理論告訴我們，在構建一個投資組合時，如果有足夠多數量和多元化（資產之間的相關係數低或者負相關）的資產類別可供選擇，則單個資產類別所特有的風險完全可以被對衝或分散，大型機構LP則有機會在風險不變的情況下實現更高的投資回報，或者在投資回報不變的情況下，降低單位回報所承擔的風險。
VC基金已經成為了一個重要資產類別，可以有效幫助機構LP在構建適合自己情況的資產組合時分散風險，或提高收益。目前市場上有些集中投資於一級市場股權產品或者VC基金的母基金，的確幫助普通投資人獲得了投資VC基金和未上市公司股權的機會，由於其風險敞口集中於某一類別資產，其分散投資風險的效果尚有待觀察。
VC基金的回報曲線，呈現冪律分布而不是正態分布的特徵。大多數VC基金的回報處於長尾曲線的尾部—回報率低、基金數量多，LP投資人無法簡單通過投資多個VC基金管理人，就一勞永逸地獲得行業平均水平（或以上）的收益。
VC基金管理人從被投企業獲得的回報也呈現出冪律曲線分布的特點—VC基金管理人從少數明星項目中獲得絕大多數的超額回報，剩餘大多數早期風投項目能給基金帶來的回報水平可能一般，或者虧損甚至血本無歸。
VC基金的這種冪律曲線分布的特點，會導致整個創投行業的資金和資源嚴重向頭部VC基金管理人和明星創投項目傾斜。同時，競爭的市場是個超級複雜的體系，頭部VC和明星項目也是不斷動態變化的，這對所有參與者和利益相關者包括LP、GP和創投企業等機構而言，意味著要保持可持續的超額收益，都面臨著非常嚴峻的挑戰。
參考文獻：
1.Ross/Westerfield/Jaffe. 2005.Corporate Finance. McGraw –Hill International Edition
2.Anderson， Chris. 2006.The Long Tail. HYPERION
3.Kupor， Scott.2019.Secrets of Sand Hill Road. Portfolio/Penguin
4.Swensen，David. 2008.Pioneering Portfolio Management. Free Press