मुख्य निष्कर्ष
एक्टिव और पैसिव फैक्टर निवेश के बीच की बहस आधुनिक पोर्टफोलियो प्रबंधन में सबसे महत्वपूर्ण आवंटन निर्णयों में से एक है। SPIVA स्कोरकार्ड, शैक्षणिक अनुसंधान और लाइव फंड प्रदर्शन से प्राप्त दशकों के डेटा एक सुसंगत पैटर्न दर्शाते हैं: अधिकांश एक्टिव फैक्टर प्रबंधक शुल्क के बाद अपने बेंचमार्क से कम प्रदर्शन करते हैं, और जो अल्पसंख्यक बेहतर प्रदर्शन करते हैं, उनकी सफलता शायद ही कभी टिकाऊ होती है। इसके विपरीत, फैक्टर ETF और स्मार्ट बीटा उत्पाद बहुत कम लागत पर व्यवस्थित फैक्टर एक्सपोजर प्रदान करते हैं, जबकि डायरेक्ट इंडेक्सिंग संभावित कर लाभों के साथ नवीनतम मार्ग प्रस्तुत करता है। यह विश्लेषण तीनों दृष्टिकोणों पर डेटा वास्तव में क्या दिखाता है, इसकी जांच करता है।
एक्टिव प्रबंधन का प्रदर्शन कार्ड
S&P Indices Versus Active (SPIVA) स्कोरकार्ड बेंचमार्क के सापेक्ष एक्टिव फंड प्रदर्शन का सबसे व्यापक निरंतर मापन प्रदान करता है। डेटा अपने दिशात्मक संदेश में स्पष्ट है: अधिकांश एक्टिव फंड अपने बेंचमार्क से कम प्रदर्शन करते हैं, और समय क्षितिज जितना लंबा होता है, परिणाम उतने ही खराब होते हैं।
SPIVA अंडरपरफॉर्मेंस दरें: एक्टिव फंड बनाम बेंचमार्क
| श्रेणी | 5 वर्ष | 10 वर्ष | 15 वर्ष |
|---|---|---|---|
| अमेरिकी लार्ज कैप | 79% | 87% | 92% |
| अमेरिकी मिड कैप | 74% | 83% | 90% |
| अमेरिकी स्मॉल कैप | 69% | 78% | 88% |
| अंतरराष्ट्रीय लार्ज कैप | 71% | 82% | 89% |
| इमर्जिंग मार्केट्स | 68% | 76% | 84% |
ये आंकड़े सर्वाइवरशिप बायस के लिए समायोजित हैं, अर्थात इनमें वे फंड भी शामिल हैं जो माप अवधि के दौरान विलय या परिसमापन हो गए थे। इस समायोजन के बिना, एक्टिव प्रबंधकों के लिए संख्याएं और भी बदतर दिखती हैं, क्योंकि खराब प्रदर्शन करने वाले फंड असमान रूप से बंद कर दिए जाते हैं।
Fama and French (2010) ने भाग्य बनाम कौशल पर अपने ऐतिहासिक अध्ययन में इस निष्कर्ष को औपचारिक रूप दिया। 1984 से 2006 तक अमेरिकी इक्विटी म्यूचुअल फंड के ब्रह्मांड पर बूटस्ट्रैप सिमुलेशन का उपयोग करते हुए, उन्होंने दिखाया कि फंड अल्फा का क्रॉस-सेक्शन लगभग पूरी तरह से उसके अनुरूप है जो यादृच्छिक संयोग से अपेक्षित होता। कुछ प्रबंधकों में वास्तविक कौशल प्रतीत होता है, लेकिन अल्फा का वितरण उस दुनिया से लगभग अप्रभेद्य है जहां कोई भी प्रबंधक मूल्य नहीं जोड़ता।
इसका निहितार्थ स्पष्ट है: अधिकांश एक्टिव प्रबंधक किसी दिए गए काल में केवल अभागे नहीं होते। वे औसतन शुल्क, ट्रेडिंग लागत और खराब स्टॉक चयन के संयोजन के माध्यम से मूल्य का विनाश करते हैं। किसी भी पांच वर्ष की अवधि में बेहतर प्रदर्शन करने वाले लगभग 10-20% प्रबंधक मोटे तौर पर उसके अनुरूप हैं जो केवल भाग्य से अपेक्षित होता।
एक्टिव प्रबंधक क्यों संघर्ष करते हैं: शुल्क का अंकगणित
Berk and Green (2004) ने सैद्धांतिक स्पष्टीकरण प्रदान किया कि एक्टिव प्रबंधन कौशल, जब यह मौजूद भी होता है, तो निवेशक रिटर्न में क्यों परिवर्तित नहीं होता। उनके प्रतिस्पर्धी संतुलन मॉडल से पता चलता है कि कुशल प्रबंधक पूंजी प्रवाह आकर्षित करते हैं जब तक कि उनका अल्फा शुल्क और पैमाने पर घटते प्रतिफल द्वारा पूरी तरह से उपभोग नहीं हो जाता। संतुलन में, एक्टिव फंड में निवेशक पैसिव निवेशकों के समान अपेक्षित रिटर्न अर्जित करते हैं, लेकिन उच्च शुल्क और अधिक रिटर्न अस्थिरता को अवशोषित करने के बाद ही।
एक्टिव और पैसिव दृष्टिकोणों के बीच शुल्क अंतर सापेक्ष प्रदर्शन का सबसे विश्वसनीय पूर्वानुमानक है।
शुल्क तुलना: एक्टिव बनाम स्मार्ट बीटा ETF बनाम डायरेक्ट इंडेक्सिंग
| दृष्टिकोण | सामान्य व्यय अनुपात (bps) | ट्रेडिंग लागत (bps/वर्ष) | कर भार (bps/वर्ष) | कुल वार्षिक लागत |
|---|---|---|---|---|
| एक्टिव फैक्टर फंड | 75-150 | 30-80 | 50-100 | 155-330 bps |
| स्मार्ट बीटा ETF | 15-40 | 5-15 | 20-40 | 40-95 bps |
| डायरेक्ट इंडेक्सिंग | 0-30 | 10-25 | -50 से 0 | -40 से 55 bps |
एक्टिव और पैसिव फैक्टर रणनीतियों के बीच शुल्क अंतर सामान्यतः वार्षिक 100 से 200 आधार अंक होता है। 20 वर्ष के निवेश क्षितिज पर, यह नाटकीय रूप से संयोजित होता है। 7% सकल रिटर्न मानते हुए, वार्षिक 200 आधार अंक अधिक भुगतान करने वाला $1 मिलियन का पोर्टफोलियो कम लागत वाले विकल्प की तुलना में अंतिम संपत्ति में लगभग $480,000 का त्याग करता है।
यह अंकगणित क्षमाहीन है। एक एक्टिव प्रबंधक को पैसिव विकल्प की बराबरी करने के लिए कम से कम 100-200 आधार अंक का सकल अल्फा उत्पन्न करना होता है, इससे पहले कि कोई शुद्ध बेहतर प्रदर्शन प्राप्त हो। SPIVA डेटा दिखाता है कि लगभग 85-90% प्रबंधक एक दशक में इस सीमा को भी पार करने में विफल रहते हैं।
एक्टिव शेयर: क्लोज़ेट इंडेक्सर्स को वास्तविक एक्टिव प्रबंधकों से अलग करना
Cremers and Petajisto (2009) ने एक्टिव शेयर की अवधारणा प्रस्तुत की, जो मापता है कि एक पोर्टफोलियो की होल्डिंग्स अपने बेंचमार्क से कितनी भिन्न हैं। उनका प्रमुख निष्कर्ष यह था कि केवल बहुत उच्च एक्टिव शेयर (80% से ऊपर) वाले फंडों के पास शुल्क के बाद बेहतर प्रदर्शन की सार्थक संभावना थी। कम एक्टिव शेयर (60% से नीचे) वाले फंड प्रभावी रूप से क्लोज़ेट इंडेक्सर थे, जो लगभग पैसिव प्रदर्शन के लिए एक्टिव शुल्क वसूल करते थे।
इस निष्कर्ष ने एक्टिव-पैसिव बहस को काफी परिष्कृत किया। समस्या यह नहीं है कि एक्टिव प्रबंधन काम नहीं कर सकता; यह है कि मंझला एक्टिव फंड अपने शुल्क को उचित ठहराने के लिए पर्याप्त सक्रिय जोखिम नहीं लेता। अत्यधिक सक्रिय प्रबंधकों के उपसमूह में, तस्वीर अधिक सूक्ष्म है: कुछ वास्तव में स्थायी अल्फा उत्पन्न करते हैं, लेकिन उन्हें पहले से पहचानना अत्यंत कठिन रहता है।
Petajisto (2013) ने इसके अनुवर्ती साक्ष्य प्रस्तुत किए कि "स्टॉक पिकर्स" (उच्च एक्टिव शेयर और कम ट्रैकिंग एरर का संयोजन) के रूप में वर्गीकृत फंडों ने बेहतर प्रदर्शन में सबसे मजबूत स्थायित्व दिखाया। हालांकि, यह समूह एक्टिव फंड ब्रह्मांड का एक छोटा अंश है, और उन्हें पूर्वानुमान के आधार पर (न कि पश्चगामी आधार पर) चुनना केंद्रीय चुनौती है।
फैक्टर ETF और स्मार्ट बीटा: कम लागत पर व्यवस्थित एक्सपोजर
2010 के बाद से फैक्टर ETF और स्मार्ट बीटा उत्पादों के उदय ने परिदृश्य को बदल दिया है। ये उत्पाद सुप्रलेखित कारकों (वैल्यू, मोमेंटम, क्वालिटी, लो वोलैटिलिटी, साइज़) के प्रति एक्सपोजर पारदर्शी, नियम-आधारित पद्धतियों के माध्यम से एक्टिव प्रबंधन से बहुत कम लागत पर प्रदान करते हैं।
Frazzini, Israel, and Moskowitz (2018) ने संस्थागत पैमाने पर फैक्टर रणनीतियों की ट्रेडिंग लागत की जांच की। AQR Capital Management से वास्तविक निष्पादन डेटा पर आधारित उनके विश्लेषण से पता चला कि विविध फैक्टर पोर्टफोलियो के लिए वास्तविक कार्यान्वयन लागत शैक्षणिक अनुमानों की तुलना में काफी कम थी। एक विविध फैक्टर पोर्टफोलियो के लिए लेनदेन लागत लगभग 10-20 आधार अंक प्रति वर्ष थी, जो साहित्य में कभी-कभी उद्धृत 100+ आधार अंकों से बहुत कम है।
यह निष्कर्ष महत्वपूर्ण है क्योंकि यह फैक्टर ETF की आर्थिक व्यवहार्यता को मान्य करता है। यदि ट्रेडिंग लागत निषेधात्मक रूप से उच्च होती, तो सकल फैक्टर प्रीमियम कार्यान्वयन घर्षण द्वारा उपभोग हो जाता। Frazzini et al. के डेटा ने दिखाया कि लागत के बाद प्रीमियम का पर्याप्त हिस्सा बचता है ताकि सार्थक शुल्क-पश्चात रिटर्न प्रदान किया जा सके।
फैक्टर ETF प्रदर्शन बनाम एक्टिव फैक्टर फंड (10 वर्ष वार्षिक)
| फैक्टर | एक्टिव फंड मंझला | फैक्टर ETF मंझला | फैक्टर प्रीमियम (शैक्षणिक) |
|---|---|---|---|
| वैल्यू | 7.2% | 8.1% | 3-5% |
| मोमेंटम | 9.1% | 10.4% | 4-8% |
| क्वालिटी | 9.8% | 10.6% | 3-4% |
| लो वोलैटिलिटी | 7.5% | 8.3% | 2-4% |
| साइज़ (स्मॉल कैप) | 8.4% | 8.9% | 2-3% |
फैक्टर ETF का व्यवस्थित लाभ उनकी निरंतरता है। वे अपने अधिदेश से विचलित नहीं होते, शैली दांव नहीं लगाते, और प्रदर्शन शुल्क नहीं लेते। उनके लक्ष्य फैक्टर एक्सपोजर के सापेक्ष ट्रैकिंग एरर सामान्यतः कम होता है, और उनकी शुल्क संरचनाएं पारदर्शी और गिरावट की प्रवृत्ति में हैं।
डायरेक्ट इंडेक्सिंग: कर दक्षता की सीमांत
डायरेक्ट इंडेक्सिंग फैक्टर निवेश का नवीनतम दृष्टिकोण है। फैक्टर-टिल्टेड शेयरों की एक टोकरी रखने वाला ETF खरीदने के बजाय, निवेशक व्यक्तिगत शेयरों को सीधे रखता है। यह संरचना व्यवस्थित टैक्स-लॉस हार्वेस्टिंग को सक्षम बनाती है, जहां गिरावट वाली व्यक्तिगत पोजीशन को बेचकर हानि को साकार किया जाता है जो पोर्टफोलियो में अन्यत्र लाभ को ऑफसेट करती है।
डायरेक्ट इंडेक्सिंग का कर लाभ पर्याप्त हो सकता है। शैक्षणिक और उद्योग अनुमान बताते हैं कि टैक्स-लॉस हार्वेस्टिंग वार्षिक 50 से 150 आधार अंक कर-पश्चात रिटर्न जोड़ता है, विशेषकर पोर्टफोलियो के शुरुआती वर्षों में जब हानि की कटाई के अधिकतम अवसर होते हैं। एक पूर्ण बाजार चक्र में, लाभ निचले छोर की ओर अभिसरण करता है लेकिन सकारात्मक बना रहता है।
डायरेक्ट इंडेक्सिंग की कुल लागत नाटकीय रूप से गिर गई है। कई प्लेटफॉर्म अब 0 से 30 आधार अंक के व्यय अनुपात के साथ डायरेक्ट इंडेक्सिंग प्रदान करते हैं, जो कई ETF के साथ प्रतिस्पर्धी है। कर लाभ को शामिल करने पर, प्रभावी लागत ऋणात्मक हो सकती है, अर्थात निवेशक ETF रखने की तुलना में वास्तव में पैसा बचा सकता है।
हालांकि, डायरेक्ट इंडेक्सिंग की महत्वपूर्ण सीमाएं हैं। यह कर योग्य खातों के लिए सबसे अच्छा काम करता है; सेवानिवृत्ति खातों में कोई कर लाभ नहीं होता। न्यूनतम निवेश सामान्यतः अधिक ($100,000-$250,000) होता है, हालांकि यह सीमा घट रही है। और सैकड़ों व्यक्तिगत पोजीशन के प्रबंधन की जटिलता के लिए परिष्कृत सॉफ्टवेयर और निगरानी की आवश्यकता होती है।
क्षमता बाधाएं और घटते प्रतिफल
एक आयाम जहां एक्टिव प्रबंधकों का सैद्धांतिक लाभ होता है वह क्षमता-बाधित रणनीतियों में है। स्मॉल और माइक्रो-कैप शेयरों, अतरल क्रेडिट बाजारों और विशिष्ट व्यवस्थित रणनीतियों में फैक्टर प्रीमिया ETF द्वारा कुशलतापूर्वक पकड़ने के लिए बहुत छोटा हो सकता है।
Berk and Green (2004) ने दिखाया कि क्षमता संतुलन तंत्र है: जैसे-जैसे एक रणनीति पूंजी आकर्षित करती है, इसके रिटर्न तब तक गिरते हैं जब तक सीमांत निवेशक एक्टिव रणनीति और उसके पैसिव विकल्प के बीच उदासीन नहीं हो जाता। इसका तात्पर्य है कि एक्टिव अल्फा का सबसे विश्वसनीय स्रोत ठीक वहां मौजूद है जहां फंड का आकार छोटा रहना आवश्यक है।
डेटा इसका समर्थन करता है। Fung, Hsieh, Naik, and Ramadorai (2008) द्वारा हेज फंड प्रदर्शन के अध्ययन में पाया गया कि अल्फा छोटे, नए फंडों में केंद्रित था और फंड के बढ़ने के साथ क्षय होता गया। सबसे बड़े फैक्टर फंड, चाहे एक्टिव हों या पैसिव, समान रिटर्न की ओर अभिसरण करने की प्रवृत्ति रखते हैं क्योंकि वे सभी तरल, लार्ज-कैप शेयरों में समान पोजीशन रखते हैं।
क्षमता और प्रदर्शन संबंध
| फंड आकार | औसत वार्षिक अल्फा | सामान्य क्षमता | ETF के माध्यम से सुलभ? |
|---|---|---|---|
| $100M से कम | +1.2% | निम्न | शायद ही कभी |
| $100M-$1B | +0.4% | मध्यम | कभी-कभी |
| $1B-$10B | -0.1% | उच्च | सामान्यतः |
| $10B से अधिक | -0.5% | अत्यधिक उच्च | लगभग हमेशा |
यह पैटर्न निवेशकों के लिए एक विरोधाभास बनाता है। अल्फा उत्पन्न करने की सबसे अधिक संभावना वाली रणनीतियां ठीक वे हैं जिनकी क्षमता सबसे कम है, अर्थात वे बड़े आवंटन को अवशोषित नहीं कर सकतीं। जब तक कोई रणनीति अधिकांश निवेशकों के लिए पर्याप्त बड़ी और सुलभ हो जाती है, तब तक अल्फा सामान्यतः प्रतिस्पर्धा द्वारा समाप्त हो चुका होता है।
ट्रैकिंग एरर: एक्टिव विचलन की छिपी लागत
ट्रैकिंग एरर किसी फंड और उसके बेंचमार्क के बीच रिटर्न अंतर की अस्थिरता को मापता है। एक्टिव फैक्टर प्रबंधकों के लिए, ट्रैकिंग एरर संभावित बेहतर प्रदर्शन का स्रोत और निवेशक पीड़ा का एक महत्वपूर्ण स्रोत दोनों है।
मंझला एक्टिव फैक्टर फंड अपने बेंचमार्क के सापेक्ष प्रति वर्ष 4-8% ट्रैकिंग एरर रखता है। इसका मतलब है कि किसी भी वर्ष में, फंड 4-8 प्रतिशत अंक या उससे अधिक से कम प्रदर्शन कर सकता है। पांच वर्षों में, 10-20 प्रतिशत अंक का संचयी विचलन सामान्य होता है। अंडरपरफॉर्मेंस की यह परिमाण महत्वपूर्ण निवेशक क्षरण का कारण बनती है; Kinnel (2014) ने पाया कि उच्च ट्रैकिंग एरर वाले म्यूचुअल फंड में निवेशकों के खराब प्रदर्शन के बाद बेचने की अधिक संभावना थी, जो व्यवस्थित रूप से ऊंचे पर खरीदकर नीचे पर बेचते थे।
फैक्टर ETF, इसके विपरीत, अपने लक्ष्य फैक्टर इंडेक्स के सापेक्ष सामान्यतः 0.5-2% ट्रैकिंग एरर रखते हैं। अधिदेश का यह कड़ा पालन सुनिश्चित करता है कि निवेशक जानते हैं कि उन्हें क्या मिल रहा है और सबसे बुरे समय पर रणनीति को छोड़ने की उनकी संभावना कम होती है।
स्थायित्व की समस्या
एक्टिव प्रबंधन के लिए शायद सबसे हानिकारक निष्कर्ष प्रदर्शन स्थायित्व की कमी है। Carhart (1997) ने दिखाया कि फैक्टर एक्सपोजर को नियंत्रित करने के बाद, म्यूचुअल फंड प्रदर्शन में एक वर्ष से आगे लगभग कोई स्थायित्व नहीं दिखा। एक अवधि में शीर्ष चतुर्थक फंडों की अगली अवधि में शीर्ष चतुर्थक में होने की संभावना यादृच्छिक संयोग की भविष्यवाणी से अधिक नहीं थी।
S&P Dow Jones Indices का हालिया डेटा इस पैटर्न की पुष्टि करता है। किसी भी पांच वर्ष की अवधि में शीर्ष चतुर्थक अमेरिकी इक्विटी फंडों में से, 25% से कम अगले पांच वर्षों में शीर्ष चतुर्थक में बने रहे। तीन लगातार पांच वर्षीय अवधियों के लिए शीर्ष चतुर्थक में बने रहने की संभावना लगभग 2-3% है, जो शुद्ध यादृच्छिकता के अनुरूप है।
यह निष्कर्ष उन निवेशकों के लिए विनाशकारी है जो पिछले प्रदर्शन के आधार पर एक्टिव प्रबंधकों का चयन करते हैं। ट्रैक रिकॉर्ड, जो अधिकांश निवेशकों द्वारा प्रबंधक चुनने के लिए उपयोग किया जाने वाला प्राथमिक उपकरण है, भविष्य के बेहतर प्रदर्शन के बारे में लगभग कोई भविष्यसूचक जानकारी नहीं रखता।
डेटा क्या सुझाव देता है
चार दशकों के शैक्षणिक अनुसंधान और व्यवसायी डेटा में साक्ष्य का भार एक स्पष्ट पदानुक्रम की ओर इंगित करता है। फैक्टर एक्सपोजर चाहने वाले अधिकांश निवेशकों के लिए, कम लागत वाले फैक्टर ETF और स्मार्ट बीटा उत्पाद सबसे विश्वसनीय जोखिम-समायोजित रिटर्न प्रदान करते हैं। वे न्यूनतम लागत, कम ट्रैकिंग एरर और पूर्ण पारदर्शिता के साथ व्यवस्थित फैक्टर प्रीमियम को पकड़ते हैं।
डायरेक्ट इंडेक्सिंग पर्याप्त संपत्ति वाले कर योग्य निवेशकों के लिए एक आकर्षक विकल्प है, जहां टैक्स-लॉस हार्वेस्टिंग लाभ प्रबंधन शुल्क को ऑफसेट या उससे अधिक हो सकता है। निवेशक की कर दर बढ़ने और पोर्टफोलियो में अधिक हार्वेस्टिंग अवसर जमा होने के साथ इसके लाभ बढ़ते हैं।
एक्टिव फैक्टर प्रबंधन की भूमिका हाशिये पर, क्षमता-बाधित विशिष्ट क्षेत्रों में बनी रहती है जहां नियम-आधारित दृष्टिकोण कुशलतापूर्वक काम नहीं कर सकते। लेकिन डेटा स्पष्ट है कि मंझला एक्टिव फैक्टर फंड शुल्क के बाद मूल्य नष्ट करता है, और कुशल प्रबंधकों के अल्पसंख्यक को पहले से पहचानना स्टॉक-पिकिंग समस्या से अधिक आसान नहीं है।
सीमाएं
यह विश्लेषण समेकित डेटा पर निर्भर करता है जो वितरण की चरम सीमाओं पर व्यक्तिगत प्रबंधक कौशल को पकड़ नहीं सकता। SPIVA डेटा अमेरिका-केंद्रित है, और कम कुशल बाजारों में पैटर्न भिन्न हो सकते हैं। डायरेक्ट इंडेक्सिंग से टैक्स-लॉस हार्वेस्टिंग लाभ व्यक्तिगत कर दरों और बाजार स्थितियों के प्रति संवेदनशील हैं। फैक्टर ETF प्रदर्शन विशिष्ट निर्माण पद्धति पर निर्भर करता है, और खराब डिज़ाइन किए गए फैक्टर उत्पाद अभीष्ट प्रीमियम को नहीं पकड़ सकते। शुल्क परिदृश्य तेजी से विकसित हो रहा है, और वर्तमान लागत तुलना पैसिव दृष्टिकोणों के पक्ष में और अधिक स्थानांतरित हो सकती है।
यह विश्लेषण Cremers & Petajisto (2009), 'How Active Is Your Fund Manager?', Review of Financial Studies से QD Research Engine AI-Synthesised — Quant Decoded का स्वचालित अनुसंधान मंच — द्वारा संश्लेषित किया गया है और सटीकता के लिए हमारी संपादकीय टीम द्वारा समीक्षा की गई है। हमारी कार्यप्रणाली के बारे में और जानें.
संदर्भ
- Fama, E. F., & French, K. R. (2010). "Luck versus Skill in the Cross-Section of Mutual Fund Returns." The Journal of Finance, 65(5), 1915-1947. https://doi.org/10.1111/j.1540-6261.2009.01527.x
- Berk, J. B., & Green, R. C. (2004). "Mutual Fund Flows and Performance in Rational Markets." Journal of Political Economy, 112(6), 1269-1295. https://doi.org/10.1086/424739
- Frazzini, A., Israel, R., & Moskowitz, T. J. (2018). "Trading Costs." The Journal of Portfolio Management, 44(7), 62-76. https://doi.org/10.3905/jpm.2018.44.7.049
- Cremers, M., & Petajisto, A. (2009). "How Active Is Your Fund Manager? A New Measure That Predicts Performance." The Review of Financial Studies, 22(9), 3329-3365. https://doi.org/10.1093/rfs/hhp057
- Carhart, M. M. (1997). "On Persistence in Mutual Fund Performance." The Journal of Finance, 52(1), 57-82. https://doi.org/10.1111/j.1540-6261.1997.tb03808.x
- Fung, W., Hsieh, D. A., Naik, N. Y., & Ramadorai, T. (2008). "Hedge Funds: Performance, Risk, and Capital Formation." The Journal of Finance, 63(4), 1777-1803. https://doi.org/10.1111/j.1540-6261.2008.01315.x