ボウディン大学2021年度:優れたCIOを複製する方法

このシリーズの最初の記事では、2021年度のペンシルベニア大学基金(205億ドル)の力強いリターンを取り上げ、基金が株式や非流動投資へ資産配分を集中させることによる将来のリスクについて問いました。

これは、NylesBryant氏(2021年7月就任)がボウディン大学基金のSVP兼CIOを引き継ぐときに直面する多くの課題の1つです。退任したCIOのPaulaVolent氏は、6月に辞任してロックフェラー大学のCIOに就任し、力強い成功の記録を残しています。

彼女の有名なファンドセレクションの1つは、2005年にセコイアキャピタルの中国にフォーカスを当てたベンチャーファンドへの投資でした。他にも多くの例があります。 New York Timesが指摘しているように、2018年度末までのボウディン大学基金の過去10年間の平均リターンは8.8%ですべてのアイビーリーグの大学基金を上回りました。

明らかに、ボウディンのアプローチは今年度も成果を上げました。 大学基金は2021年6月30日に57.4%のリターンを公表しました。

つまり、ボウディン大学は2015年から過去10年間ですべてのアイビーリーグを上回っており、最新の2021年度の結果は14.4%に達し、これを上回ることはほぼ不可能です。

しかし、ボウディンの資産配分を確認し、そのリターンの源泉を理解しようとする投資家は、他の大学基金の分析と同じ問題を抱えています。それは、年次リターンのみでどのようにして大学基金の分析を行うかです。

我々は、ペンシルバニア大学基金の分析で行ったことと同じアプローチを取ります:ダイナミックスタイル分析(DSA)モデルを使用して、大学基金の年次リターンと各アセットクラスを表すベンチマークとインデックスのリターンを分析し、ボウディン大学の動的なアセットクラスのエクスポージャの初期段階の分析を作成します(以下)。

ここでは、ボウディン大学の投資がベンチャーキャピタルを中心としたプライベートアセットへの継続的な傾向を確認することができます。我々の分析では、この結果がヘッジファンド(絶対リターン戦略)の配分を減少させたことで得られたことを示しています。これはボウディン大学の年次報告書で確認しています。 下のチャートは、DSAで分析したボウディン大学の直近(会計年度)のエクスポージャの推定値を示しています。

このような分析を行う上で、実際の投資配分は重要ですが、当初の分析ではプライベートエクイティ(VCを含む)へのエクスポージャを過大評価し、ヘッジファンドやパブリックエクイティへのエクスポージャを過小評価していることに注意してください。

ボウディン大学基金の年別の過去の投資配分

とはいえ、ベンチマークとインデックスから作成したインサンプルのポートフォリオ(スタイル/トラッキング)は、大学基金自体の累積パフォーマンスを模倣するのに非常に優れています。

このアプローチでは、インサンプルの推定値を使用します。つまり、利用可能なすべての情報を使用して分析をしていきます(この場合、大学基金全体のリターンとトラッキングポートフォリオを構成する各インデックスの年次リターン)。そして、ペンシルバニア大学の2021年度の分析結果と同様に、投資分散がすばらしい結果をもたらしています。:大学基金がAUMとファンド数の両方で特定のサイズに達すると、アセットアロケーションは大学基金の運用結果を説明するのに非常に効果的であり、個々のマネージャの成功または失敗にはほとんど影響をうけません。 これは、ブラウン大学のような独自の運用スタイルをもつ大学基金や、1.4TドルのNorgesなどの大規模な年金でも見られました。

しかし、ファンドの成功に寄与しているのは(アルファよりむしろ)アロケーションであることがどのようにして分かるのかと、よく尋ねられます。 これは合理的な質問であり、その答えの最良の方法は、アウトオブサンプルのテストを実行することです。

 まず「将来を見すえる」ことなく、2016年度までのエクスポージャをDSAで推定します。 次に推定されたエクスポージャを利用し、翌年(2017年度)に観測されたインデックスリターンを使用して、2017年度の予測リターンを推定します。これを年ごとに繰り返し、大学基金の実現リターンの横に推定リターンを並べて表示します。

複製(予測)の品質は驚くべきものです。特に、公表された大学基金レポートから取得した年次データを処理しているという事実を考えればなおさらです。

我々のモデルが次の期間のリターンについての事前の知識がなくても、大学基金のパフォーマンスでうまく機能していることがわかりました。しかし、我々の推定と公表されたアロケーションに相違があります。それはなぜしょうか?

それを解明するために、 2021年度と過去の数年度の、トラッキングポートフォリオのパフォーマンスに対するアセットクラス別の寄与度を見てみましょう。

パブリックエクイティ、プライベートエクイティ、ヘッジファンドはそれぞれ戦略と仕組みが異なりますが、これは基本的に1つのアセットクラス(株式)であり、相関関係が高くなる可能性があります。年次のデータを使用し大学基金のパフォーマンス分析を行うと、モデルは、市場ベンチマークに対してより高いベータを持つファンドの優れたパフォーマンスに対してアロケーションを過大評価しますが、それは合理的であるように思われます。したがって、ボウディンのVCへの配分(前述のセコイアキャピタルのファンドなど)がVCインデックスよりも積極的であり、米国株式がS&P500インデックスよりも積極的でない場合、それぞれのエクスポージャは公表されたアロケーションとは異なります。

我々のクライアントは、投資信託やオルタナティブを分析するときに、毎日同様の質問に直面しています。DSAを使用したシャープのRBSA(リターン・ベース・スタイル分析)の目的は、公表されたアロケーションをただ確認することだけではありません。潜在的なリスクとマネジャー「アルファ」を導き出すこのような分析の焦点となるのは、報告されたアロケーションと効率的なアロケーション(1992年当時のSharpeのRBSAの専門用語)の間の潜在的な相違です。

ファンドの習性をよりよく理解するために、そしてアイビーリーグと同様に、どれだけのリスクがとられているかを理解するために、今後のデータポイントの公表を楽しみにしています。

Bryant氏がファンドのアロケーションにどのような変化をもたらすかを見守っているのは、私たちだけではないと思います。

ディスクレーマー: MPIはパフォーマンスベースの分析を行っており、公開されているファンド情報以外の投資戦略のクオリティあるいはメリットに関してコメントは行いません。また当該ファンドの実際の投資戦略、ポジションあるいは保有情報を知ることを要求したり示唆するものではありません。この分析は、ファンドのリターンのみを使っており、実際の保有情報は反映しておりません。あらゆる定量分析に固有の分析と実際の保有、また/あるいはファンドによる投資決定との乖離が予想されます。本レポートは、MPIが信頼できると判断した情報源から入手した情報をもとに作成しておりますが、当該情報の正確性を保証するものではありません。情報提供を目的としたものであり、本ファンドの勧誘のために作成されたものではありません。

Follow me!