3. 收益归因基础
在组合收益与风险联合归因的体系中，收益归因是理解“钱从哪里来”的第一层拆解。它的核心任务，是把组合相对基准的超额收益，拆解为可解释、可复盘、可沟通的若干来源。本节围绕收益分解方法、Brinson模型与多期归因三条主线展开，帮助建立从单期到多期、从算术到几何的完整认知。
一、核心原理：收益分解的基本逻辑
收益分解的起点是一个恒等关系：组合收益等于各资产权重与对应收益的加权和。若以 R_p = Σ w_i × r_i 表示，则超额收益可写为组合收益减基准收益。问题在于，权重与收益同时变化，直接相减无法区分“配置选择”与“标的选择”的贡献。因此，收益分解的本质是把权重差异与收益差异进行结构化配对，形成可加总的贡献项。
常见分解方法有三类：
- 算术分解：以基准权重或组合权重为锚，计算配置效应与选择效应，简单直观，但多期不可直接加总。
- 几何分解：考虑复利效应，将超额收益按对数或乘积形式拆解，多期可加性更好，但解释门槛较高。
- Brinson模型：在算术框架下，将超额收益拆为配置效应、选择效应与交互效应，是行业最通用的单期归因工具。
二、Brinson模型：配置、选择与交互
Brinson模型假设组合与基准均按相同维度（如行业）划分。设基准权重为 w_b，组合权重为 w_p，基准行业收益为 r_b，组合行业收益为 r_p。则单期超额收益可拆为：
配置效应 = Σ (w_p - w_b) × r_b
选择效应 = Σ w_b × (r_p - r_b)
交互效应 = Σ (w_p - w_b) × (r_p - r_b)
超额收益 = 配置效应 + 选择效应 + 交互效应配置效应衡量“超配了表现好的行业”带来的贡献；选择效应衡量“在行业内部选股优于基准”的贡献；交互效应则捕捉“超配且选股同时占优”的叠加部分。三者相加即为单期超额收益。
三、方法流程：从数据准备到归因输出
一次完整的收益归因通常遵循以下流程：
- 确定归因维度：按行业、风格、地区或资产类别划分，维度需与投资决策过程一致。
- 准备权重与收益数据：组合权重、基准权重、组合各维度收益、基准各维度收益，确保口径一致。
- 选择分解方法：单期用Brinson，多期需选择算术链接或几何链接。
- 计算效应项：按公式逐项计算配置、选择、交互效应。
- 校验与解释：检查各效应之和是否等于超额收益，结合调仓记录解释异常项。
| 效应项 | 计算锚点 | 经济含义 | 常见误读 |
|---|---|---|---|
| 配置效应 | 基准行业收益 | 行业超低配的贡献 | 误以为配置效应只反映择时 |
| 选择效应 | 基准权重 | 行业内选股的贡献 | 忽略权重偏离对选择项的影响 |
| 交互效应 | 权重差×收益差 | 超配与选股叠加的贡献 | 直接归入配置或选择导致失真 |
四、多期归因：算术链接与几何链接
单期Brinson结果无法直接跨期相加，因为每期基数不同。多期归因的核心是解决“可加性”问题。常见做法有两种：
- 算术链接：将各期效应按各期组合收益进行复利调整后加总，计算简单，但存在残差项。
- 几何链接：以对数收益或乘积形式分解，多期可加性更优，适合长期业绩归因。
五、案例与复盘：一个行业配置场景
假设基准仅有两个行业：科技权重60%、消费权重40%，基准收益分别为10%和5%。组合超配科技至70%、低配消费至30%，组合科技收益12%、消费收益4%。
配置效应 = (0.70-0.60)×0.10 + (0.30-0.40)×0.05 = 0.010 - 0.005 = +0.5%
选择效应 = 0.60×(0.12-0.10) + 0.40×(0.04-0.05) = 0.012 - 0.004 = +0.8%
交互效应 = (0.70-0.60)×(0.12-0.10) + (0.30-0.40)×(0.04-0.05) = 0.002 + 0.001 = +0.3%
超额收益 = 0.5% + 0.8% + 0.3% = +1.6%复盘可见：超配科技贡献了正向配置效应，科技内部选股也占优，交互项进一步放大收益。若仅看总超额1.6%，无法判断是行业配置还是选股能力主导，分解后决策质量一目了然。
掌握收益分解方法、Brinson模型与多期归因，是后续将收益来源与风险来源进行联合归因的基础。只有先把收益拆清楚，才能在风险维度上找到对应的暴露与贡献，形成完整的归因闭环。