1. 绩效归因基础

1.1 绩效归因的定义

绩效归因(Performance Attribution)是一种定量分析技术,用于将投资组合的总收益分解为多个可解释的驱动因素。其核心目标是回答一个关键问题:“组合的超额收益究竟来自哪里?”——是资产配置的宏观判断正确,还是个股选择的微观能力突出,亦或是行业轮动、货币敞口、择时操作等因素贡献了收益。

从数学角度看,归因分析将组合收益 \( R_p \) 与基准收益 \( R_b \) 之间的差值(超额收益)拆解为若干项之和:

超额收益 = R_p - R_b = Σ (配置效应 + 选择效应 + 交互效应)

其中每一项对应一个具体的投资决策维度。通过这种分解,投资经理可以量化自身决策的有效性,识别能力圈与盲区。

核心价值:绩效归因不仅是“算账”,更是投资流程的反馈闭环。它帮助机构区分“运气”与“技能”,为投研资源分配、基金经理考核、策略迭代提供数据支撑。

1.2 在投资管理中的核心价值

绩效归因在投资管理全生命周期中扮演着不可替代的角色,其价值体现在以下四个层面:

应用层面 具体价值 典型问题
投资决策验证 量化判断宏观/行业/个股判断是否正确 “超配科技股是否真的贡献了超额收益?”
基金经理考核 区分α能力与β运气,避免奖励市场行情 “经理的业绩是选股能力还是行业β?”
策略迭代优化 定位策略薄弱环节,指导调仓方向 “择时操作是否持续拖累收益?”
客户与合规沟通 透明化收益来源,增强信任与合规性 “能否向客户解释组合为何跑输基准?”

1.3 归因分析的常见类型

根据资产类别和投资策略的不同,业界发展出多种归因模型。以下重点介绍两种最经典的框架:Brinson 模型(权益类)和 Campisi 模型(固收类)。

1.3.1 Brinson 模型(权益归因)

Brinson 模型由 Gary Brinson 于 1986 年提出,是权益投资领域最广泛使用的归因框架。它将超额收益分解为三个核心效应:

  • 配置效应(Allocation Effect): 因行业/板块配置权重偏离基准而产生的收益贡献。
  • 选择效应(Selection Effect): 在特定行业/板块内,因个股选择偏离基准而产生的收益贡献。
  • 交互效应(Interaction Effect): 配置与选择决策的交叉影响,通常归入选择效应或单独列示。

Brinson 模型的标准计算公式如下:

配置效应 = Σ (W_pi - W_bi) × (R_bi - R_b)
选择效应 = Σ W_bi × (R_pi - R_bi)
交互效应 = Σ (W_pi - W_bi) × (R_pi - R_bi)

其中:
W_pi = 组合在行业 i 的权重,W_bi = 基准在行业 i 的权重,
R_pi = 组合在行业 i 的收益率,R_bi = 基准在行业 i 的收益率,R_b = 基准总收益率。

应用场景: 多行业配置的股票型基金、量化多因子模型、行业轮动策略的归因分析。
Brinson 权益归因分解流程 Brinson 权益归因分解流程 组合收益 vs 基准收益 超额收益分解:R_p - R_b 配置效应 Σ (W_pi - W_bi) × (R_bi - R_b) 选择效应 Σ W_bi × (R_pi - R_bi) 交互效应 Σ (W_pi - W_bi) × (R_pi - R_bi) 归因报告:各效应贡献 说明:三个效应之和等于总超额收益,Brinson 模型是权益归因的行业标准。

1.3.2 Campisi 模型(固收归因)

固定收益归因比权益更复杂,因为债券收益不仅来自价格变动,还包含票息收入、久期管理、信用利差变化等多重因素。Campisi 模型(由 Scott Campisi 提出)是目前固收领域最主流的归因框架,它将债券组合的超额收益分解为以下层次:

  • 票息收益(Coupon Income): 持有期内获得的利息收入,不受市场利率变动影响。
  • 国债效应(Treasury Effect): 因国债收益率曲线变动(久期与曲率)带来的价格变化。
  • 利差效应(Spread Effect): 因信用利差、流动性利差等非国债利差变动带来的价格变化。
  • 择券效应(Selection Effect): 在相同久期/信用评级下,因个券选择带来的超额收益。

Campisi 模型的核心公式可概括为:

债券超额收益 = 票息收益 + 国债效应 + 利差效应 + 择券效应

其中,国债效应又可进一步拆解为:久期管理效应(对收益率曲线平行移动的暴露)和 曲率/扭曲效应(对收益率曲线非平行变动的暴露)。

注意: 固收归因对数据频率和估值精度要求极高。Campisi 模型通常需要日频的收益率曲线数据、个券的 OAS(期权调整利差)以及精确的久期计算。在实际工程中,数据清洗与曲线构建往往是归因链路中最耗时的环节。
Campisi 固收归因层次结构 Campisi 固收归因层次结构 债券组合总超额收益 票息收益 国债效应 利差效应 择券效应 久期管理效应 曲率/扭曲效应 说明:Campisi 模型将固收超额收益逐层拆解,帮助投资经理识别利率判断、信用分析、个券选择等不同维度的能力。 国债效应可进一步拆分为久期管理效应和曲率效应,以反映对收益率曲线不同形态变动的暴露。

1.4 归因模型对比总结

为便于快速理解两种主流模型的差异,下表从多个维度进行对比:

对比维度 Brinson 模型 Campisi 模型
适用资产 权益(股票) 固定收益(债券)
核心分解维度 配置效应、选择效应、交互效应 票息收益、国债效应、利差效应、择券效应
关键输入数据 行业权重、行业收益率、基准权重 收益率曲线、久期、OAS、信用利差
对市场假设 行业划分清晰,基准可复制 收益率曲线连续,利差可分解
工程实现难度 中等(数据获取相对容易) 高(需高频曲线数据与估值引擎)
输出粒度 行业/板块级别的配置与选股贡献 利率、利差、个券级别的贡献分解
实践建议: 在实际量化系统中,Brinson 模型通常作为权益归因的“第一性原理”实现,而 Campisi 模型则需要与债券估值引擎、收益率曲线构建模块深度集成。在后续章节中,我们将分别讲解这两种模型的 Python 实现与 Model Serving 部署方案。