1. 风险归因概述

1.1 风险归因的定义

风险归因（Risk Attribution）是一种将投资组合的总风险拆解到各个风险因子、资产类别、行业板块或具体持仓的分析方法。它回答了“风险从何而来”这一核心问题，是连接风险计量与风险管理决策的桥梁。

1.2 风险归因的目的

• 识别风险来源：明确组合风险主要来自市场因子（利率、汇率、权益）、行业集中度、个券信用风险还是杠杆操作。
• 评估投资决策：判断主动管理（选股、择时、行业偏离）是否带来了与风险相匹配的超额收益。
• 优化风险预算：将有限的风险预算（Risk Budget）分配到预期收益最高的风险暴露上，避免风险过度集中于单一因子。
• 满足合规与披露：满足监管机构（如巴塞尔协议、Solvency II）及投资者对风险透明度的要求。

1.3 在投资组合管理中的作用

风险归因贯穿投资组合管理的全生命周期，其作用可归纳为以下四个阶段：

1.4 风险归因的常见框架

根据归因维度的不同，主流框架包括：

• 因子归因：基于多因子模型（如 Fama-French、Barra 模型），将风险分解为市场因子、规模因子、价值因子、动量因子等。适用于量化组合和跨资产配置。
• 资产类别归因：按股票、债券、商品、现金等大类资产进行风险分解。适用于传统股债混合组合。
• 行业/板块归因：按 GICS 行业或自定义板块进行分解。适用于行业轮动策略或集中持仓分析。
• 层级归因：采用树状结构逐层分解（如资产类别 → 行业 → 个券），适用于多层级投资组合。

1.5 风险归因与 VaR 回放验证的关系

在本课程《风险归因训练集切分：VaR 与回放验证》中，风险归因是后续所有技术操作的前提。理解归因框架决定了：

• 训练集如何切分：按因子暴露、行业分布还是资产类别进行时间序列切分，直接影响模型训练的有效性。
• VaR 回放验证的维度：回放验证需要按归因维度逐层检验 VaR 模型的预测准确性，而非仅看组合总 VaR。
• 风险归因的稳定性：训练集切分方式会影响归因结果的稳定性，进而影响回放验证的结论可靠性。