从4家养老金30年投资的1195只基金业绩总结VC/PE行业特征及规律

美国加州公共雇员退休基金(CalPERS)、美国加州教师退休基金（CalSTRS）、美国俄勒冈州公共雇员退休基金（OrePERS）以及美国宾州公务员退休基金（PSERS）2022Q3最新在管规模分别为4968亿美元、3139亿美元、1004亿美元和431亿美元，在全美退休基金中分别排名第2、3、24和59位，这四家基金长久以来一直是美国VC基金的活跃出资人。通过数据挖掘及数据清洗，我们得到上述四家机构自1980年到2022Q3对1185只基金的出资及回报数据，我们以该数据集作为美国VC行业自1980年至今的业绩追踪指数，希望我们发掘出的VC市场的一般规律对我国的VC行业发展有所借鉴。
这篇研究定量化地给出了VC行业特征，核心发现包括如下：

（1）VC投资回报符合对数正态分布，分析了该分布背后的原因及其对我们的启发

（2）定量VC行业收益的马太效应：GP统计口径下，完美符合二八法则

（3）展示了VC行业的Vintage Year Effect客观存在：“一切皆是周期”

（4）给出了供GP/LP对基金DPI进行过程管理的benchmark

（5）给出了在只有TVPI及Vintage Year信息前提下，估算DPI的经验公式

1

1980-2022Q3，共1195只基金TVPI涨落情况一览

图1：1195只基金TVPI按Vintage Year排列的涨落分布情况

表1：1195只基金中按TVPI排列前十名，USV真乃一代传奇

2

VC基金的收益分布规律

“鸡蛋不能放在一个篮子里”，这是所有的大型机构投资者如养老基金、捐赠基金、基金会以及家办都需要深入考虑的问题：在整个资产配置portfolio当中，机构投资人究竟对VC类资产赋予多大权重？想要清晰地回答这个问题，就需要明确各类资产（包括VC类资产）的整体投资收益分布情况。

我们排除掉尚在投资期的265只基金，将剩下的920只基金按照Δ(TVPI) = 0.1的间隔，分别统计了各区间内的基金数量情况，各TVPI区间内基金数量分布结果如图2所示；同时，我们也统计分析了该分布的特点。

（1）结论：VC投资符合对数正态分布

图2：基金回报整体遵从对数正态分布，其拟合分布函数如图所示

图2中的红色曲线是我们拟合后的TVPI收益分布函数，其表达式如下

其中 N = 92, μ = 0.47， σ = 0.49。

上述分布是典型的对数正态分布。

（2）VC收益率为何呈对数正态分布？

VC行业的马太效应，偏离了中心极限定理（统计学上中心极限定理对应正态分布），导致右侧出现长尾形成对数正态分布。

（3）VC投资呈对数正态分布带来的启发

图2中VC投资TVPI分布情况显示，VC资产的平均TVPI约为 1.81倍，按照平均8-10年的基金持续期计算，年化回报仅6.2%~7.7%左右。由此，给我们带来两个启发：

（1）对GP来说，核心工作是要发掘能驱动异常回报的因子/策略，假如基金投资策略与市场共识趋同，与之对应的回报水平将十分平淡；

（2）对LP来说，核心工作在于尽可能发掘使TVPI分布靠右的GP甄选及投放策略。进一步整理各基金的feature数据，我们可以对VC类资产配置策略的有效性进行回测，但相关工作超过了本文的讨论范畴，在此不予展开。

3

VC行业马太效应的定量化

图3：单只基金口径下的回报分布情况

图4：独立GP口径下的回报分布情况

我们知道VC行业具备极强的马太效应，本质上是因为找到有效投资范式的投资人所具备的经验、判断力，以及伴生的network & resource等会随着时间增长而增长，促进投资人整体track record提升，而track record提升又反过来能带给投资人更多exposure，再次强化前述各因素，从而形成循环增强体系。但具体地，行业的马太效应到底多强？过去一直没有确切的、定量化的数据。

这里，为了避免基金成立时长过短导致TVPI失真影响结论，我们排除尚在投资期的265只基金，将剩下的920只基金按单只基金和独立GP两种口径分别进行统计，回报分布情况分别展示在图3及图4中，下表总结了两种口径下，各个排名分位所对应的回报占整体的比例。其中

回报 = （Capital Paid-IN） * （TVPI - 1）

表2：按照单只基金及独立GP两种口径统计的不同排名分位对应的回报占整体的比例

从表中可见，无论是单只基金口径还是独立GP回报口径，VC行业的马太效应显而易见：

1）从GP口径看，排名前5%的GP群体赚走了行业近50%的回报；前10%赚走了行业60%；前20%赚走了近80%的回报（如此完美地契合二八法则，应该只是一个巧合）。

2）单只基金统计口径下排名前20%的基金赚取了行业64%的回报，相对GP口径下略低，原因是更“established”的GP们所发行的平行基金拉低了基金间的集中度。

4

VC行业的Vintage Year Effect

图5：各个Vintage Year的TVPI分布情况，（“一切都是周期”——by 周期天王）

我们仍然排除尚在投资期的265只基金，将剩下的920只基金按照年份统计年度平均TVPI，分布情况展示在图5中。

由图5清晰可见，美元VC行业的平均TVPI与成立年份关系很大，并呈现鲜明的周期特征：1998~2000、2006~2008年成立的基金业绩明显较差，处于周期低谷，但随后都迎来了3-4年的反弹期，并逐渐达到周期高点。

美元VC行业回报率呈现周期背后，与技术浪潮和市场周期关联度较高：1998~2000年、2006~2008年成立的基金，正好赶上互联网泡沫和次贷危机前夕；而2001~2004年、2009~2011年成立的基金，适逢泡沫破灭后整体估值回归理性，利于行业整体获得了较好的业绩回报。

5

美元基金DPI及TVPI的一般规律特征

当前经济形势下，LP对现金回流的需求增大，DPI越大意味着LP实际到手收益越多，所以相对TVPI、IRR、MOC等非直接指标，市场在评价基金业绩时开始变得更关注DPI这一指标。

DPI很重要，但难点在于过程管理：基金刚成立时，DPI很小，随着时间增加其值会逐渐增加，在这个过程中，LP/GP如何实时科学/艺术地把握基金DPI就很关键：如果刚开始时要求太松，到后期阶段想快速拉升DPI时间就不够了；而一开始就盲目要求高DPI，又很容易造成束手束脚，使得整体动作变形。

a. 问题1：如何在基金生命周期全程中实时把握DPI健康程度，有没有参考基准？

图6：不同Vintage Year的基金平均DPI随成立时间的变化情况

最正确的做法应该是将所有基金的DPI随时间的演化情况进行统计以消除Vintage year effect的影响，这里为简便计，我们直接选择截至2022Q3，各个Vintage Year基金的平均DPI分布作为DPI随基金成立年限变化的参考标准，如图6所示：

从平均水平来看，DPI第3年0.22，第5年0.5，第7年0.9；但实际上，第6年时，已经有近30%的基金DPI超过1了。

b. 问题2：假如只有TVPI及Vintage Year的信息，如何毛估基金的真实回报情况？

我们通过研究DPI/TVPI随时间演化的关系来回答上面这个问题。

图7：由1185只基金统计出的DPI/TVPI伴随Vintage Year的变化情况

图8：根据DPI/TVPI与基金成立时长的分布关系，拟合出经验公式

根据TVPI及基金成立时长可以根据如下公式计算其预期DPI

E(DPI)=0.5053 * ln⁡(Duration) - 0.4597

进一步地，可以将计算出的E(DPI)结果与上述行业平均DPI基准进行对比，预估基金回报健康度。

6

VC与其它类型基金的TVPI对比

图9：各种不同类型基金的TVPI均值及标准差对比

在VC类基金之外，我们还额外整理了海外母基金、夹层基金、S基金、纾困基金的回报情况，这里展示了相关资产的平均回报及标准差，各类资产的回报分布不在本文进行讨论。从图中可以发现：

（1）VC类基金回报分布标准差最大，且平均回报排名倒数第二，说明机构投资人配置VC类资产做得好的话，回报水平的天花板是最高的，但是如果缺乏优秀的配置策略，其回报就会十分平淡；

（2）FOF、S基金的平均回报水平接近于VC类基金，但方差相对VC类基金显著降低，另外FOF的方差要略高于S基金，这些特征都可以通过构成这些基金底层资产的特点进行解释；

（3）夹层基金的平均回报最高，方差最小，这是由于其基金的特殊构成机制所决定的；

（4）纾困基金的平均回报是最低的，说明“追求逆境反转”的活儿还真是不好干。