报告概述
报告提供全球私人资本市场的基金业绩基准数据,覆盖私募股权、风险投资、房地产、实物资产、私人债务、基金中的基金和二级市场等七大策略。通过内部收益率(IRR)、现金倍数(TVPI/DPI)和公共市场等价物(PME)等多维度指标,按基金年份(vintage)和季度展示回报情况,帮助有限合伙人(LPs)和普通合伙人(GPs)评估基金表现。报告采用资本加权和等权加权两种计算方法,并包含分散度分析,为投资者进行业绩比较和资产配置提供参考。
报告的核心结论
私募股权长期表现持续领先公开市场。
报告显示,多数私募股权年份的KS-PME大于1,表明其表现超过S&P 500和Morningstar Global指数。例如,2009-2019年间的私募股权基金普遍实现正向Direct Alpha,长期horizon IRR约13-16%,显著高于同期公开市场回报。
风险投资基金回报分化显著,近年高波动性。
风险资本的回报率在不同年份间波动巨大,2021年基金中位数IRR仅3.48%,而2023年回升至13.14%。同时,基金表现离散度高,顶级基金IRR超30%,底部基金则亏损,显示该策略高度依赖管理人选择和投资时机。
私人债务策略表现稳健,回报波动较低。
与其他策略相比,私人债务的IRR范围较窄,中位数在8-12%之间,且KS-PME接近或略高于1,表明相对高收益债券指数有稳定超额回报。例如2021年基金pooled IRR达11.84%,体现了其低波动、高现金收益特征。
报告回答的关键问题
全球私募股权基金的历史表现如何?
报告表明,2000年至2023年成立的私募股权基金多数年份的pooled IRR在10-19%之间,中位数IRR约13%。近十年表现突出,2017年基金pooled IRR达18.79%,且相对公开市场(S&P 500)的KS-PME大部分超过1.0,显示超额收益。
风险投资与私募股权相比哪个回报更高?
风险投资的回报波动更大。在好年份(如2014年)top quartile IRR可超23%,但差年份(如2021年)中位数仅3.48%。私募股权回报更稳定,长期中位数在14-16%左右。两者在不同时间窗口表现交替领先,投资者需根据风险偏好选择。
私人债务基金能否跑赢高收益债券?
报告以Morningstar Global High Yield为基准,多数私人债务年份的KS-PME大于1,表明其回报超过高收益债券。例如2021年基金KS-PME为1.11,Direct Alpha为正,即使在利率上升环境下,私人债务仍提供风险调整后的超额回报。
报告中的代表性数据
私募股权中位数IRR(2023年基金)
2023年,2023年成立的全球私募股权基金的中位数IRR,数据截至2025年6月30日。
风险资本TVPI中位数(2021年基金)
2021年,2021年成立的全球风险投资基金的总价值倍数中位数,显示当前多数基金尚未实现回报。
私人债务pooled IRR(2021年基金)
2021年,2021年成立的全球私人债务基金的资本加权IRR,表现优于近年其他策略。
以上数据根据报告摘要整理,具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 分策略的按基金年份(vintage)详细IRR、PME和倍数数据,涵盖2000-2023年各年份。
- 资本加权和等权加权计算方法下的汇总统计,以及各年份IRR的分散度(四分位数、标准差)。
- 基于S&P 500、Morningstar Global等多个公开市场指数的公共市场等价物(KS-PME)对比分析。
- 各策略的季度回报率时间序列(2001-2025年Q3),反映近期趋势。
- 基金数量、中位数、top/bottom decile等分布特征,便于同行比较。
- 方法论说明,包括数据来源、计算规则、报告偏差处理等。
- Excel数据包下载,支持自定义筛选和深入分析。
- 分层按区域(北美、欧洲)和子策略(如buyout、growth、distressed debt等)的细分数据。
本页内容由川海智库整理,用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限,部分观点、数据、统计口径或表述可能存在偏差,具体内容请以完整报告原文为准。
相关报告

PitchBook Benchmarks: Global (Q4 2025, with preliminary Q1 2026 data)

国债期货套利:正向套利实证研究

Advancing Robust Planning Process for the ASEAN Power Grid (APG) Through Integrated Resource and Resilience Planning (IRRP)

Toward Comprehensive Benchmarking of the Biological Knowledge of Frontier Large Language Models

主动权益基金基准纠偏:如何选择兼具代表性与竞争力的基准?——基金研究系列之二十一
