核心观点
　　“基金能否创造alpha收益”是基金研究学术界的核心话题，Harvey and Liu (2022)在Journal of Finance发表论文认为大多数美国主动基金是没有显著alpha收益的。文献对基金研究的启发意义在于：秉持从数据和实证出发、科学验证的态度，精力放在剔离alpha后收益来源的拆解及可持续性预测上。
　　要点一
　　面对主动基金较弱的alpha收益，指数基金的强势是美国投资者“用脚投票”的结果，2023年底的最新数据显示美国被动基金的资产总规模已超越主动基金。2013年至2022年，美国股票型指数基金累计吸引了2.5万亿美元的净新资金流入，而同期主动基金规模遭遇2.3万亿美元的净流出。本期学界纵横推荐的文章尝试讨论三个话题：主动基金究竟能否创造alpha收益？怎样科学严谨衡量alpha收益强弱？定量上有多大比例的基金具备alpha收益能力？
　　要点二
　　“基金能否创造alpha收益”是基金研究学术界的核心话题，Kosowski等人(2006)和Fama &French(2010)（以下分别简称为KTWW(2006)和FF(2010)）的研究成果具备代表性。但是两者通过相同统计方法(bootstrap)，却得到了截然相反的结论：KTWW(2006)认为有超过10%的美国主动基金是存在显著alpha，而FF(2010)则认为该比例不超过1%。
　　Harvey and Liu (2022)在Journal of Finance发表《Luck versus Skill in the CrossSection of Mutual Fund Returns: Reexamining the Evidence》，通过研究和实证表明KTWW(2006)和FF(2010)的方法并不完善，KTWW(2006)的方法过度乐观地认为美国主动基金存在显著alpha收益，FF(2010)的方法过度低估基金的收益能力，得出了过于保守的结论。
　　Harvey and Liu (2022)综合以上两种bootstrap方法，融合二者的优点，在保留横截面的相关性基础上对FF(2010)方法进行了改进，提出了一个改进方法——FF阈值法。文章通过模拟实验证明了改进方法的有效性并得出结论：整体认为美国主动基金不具备显著alpha收益，改进后的实证结果表明有显著alpha的基金比例应介于FF(2010)的1%和KTWW(2006)的10%之间。
　　要点三
　　基金研究应秉持从数据和实证出发、科学验证的态度，将精力放在剔离alpha后的收益来源拆解及其可持续性的预测上。研究角度，文献在统计学方法和模型设计上提供了有效思路，比如FF阈值法在处理该多重假设检验问题时，既能保留横截面相关性，同时杜绝检验统计量分布的厚尾问题。实战角度，当统计学表明美国基金不具备显著alpha收益，实际能做到持续而稳定alpha则是难上加难。
　　风险提示
　　文章内容参考了文献《Luck versus Skill in the Cross Section of Mutual FundReturns: Reexamining the Evidence》，文章内容部分仅代表该文献的观点，不代表浙商金工研究观点；文章模拟实验使用了美国公募基金历史数据，历史表现不代表未来收益，也并不适用于其他市场。