1. 课程导论：人群切片复盘的定义、核心价值与学习框架
1.1 什么是人群切片复盘？
人群切片复盘（Cohort Slicing Attribution Review）是一种将投资组合的持仓与交易数据，按照投资者属性、行为特征或账户维度进行分层切割，并在每个子层内独立计算绩效贡献与归因结果的精细化分析方法。它突破了传统绩效归因仅关注“组合整体”或“资产类别”的局限，将分析粒度下沉到“人”与“行为”的层面。
核心定义： 人群切片复盘 = 维度分层 × 绩效归因 × 行为诊断。它不是单一指标，而是一套从“整体表现”到“群体差异”再到“个体行为”的逐层穿透分析框架。
1.2 在组合绩效归因中的核心价值
传统绩效归因（如 Brinson 模型、Campisi 模型）回答了“组合为什么跑赢或跑输基准”，但无法回答“是哪一类投资者贡献了超额收益”或“哪一类交易行为导致了亏损”。人群切片复盘填补了这一空白，其核心价值体现在以下四个维度：
| 价值维度 | 传统归因的盲区 | 人群切片复盘的突破 |
|---|---|---|
| 归因穿透力 | 只能看到资产配置与个券选择的整体贡献 | 可穿透到不同风险偏好、不同资金规模的投资者群体，定位超额收益来源 |
| 行为诊断力 | 无法区分“主动决策”与“被动持有”的绩效差异 | 通过切片对比，识别追涨杀跌、频繁交易、止损延迟等行为偏差 |
| 风险预警力 | 组合层面 VaR 或回撤无法提前暴露群体性风险 | 当某一类人群出现集中亏损或异常交易时，可提前触发预警 |
| 策略优化力 | 归因结果难以直接指导交易执行优化 | 通过切片对比，可针对不同人群设计差异化的交易策略与风控规则 |
应用场景举例： 某量化私募在月度归因中发现，组合整体超额收益为 +2.3%，但通过人群切片复盘发现，高净值客户群体（资产 > 500 万）贡献了 +3.8% 的超额，而普通客户群体（资产 < 50 万）反而亏损了 -1.5%。进一步切片发现，普通客户群体存在明显的“高买低卖”行为偏差。这一发现直接推动了该私募针对不同客户群体实施差异化的交易执行算法与投教策略。
1.3 课程整体框架
本课程共分为 6 大模块，从基础概念到实战落地，层层递进：
- 模块一：基础概念与数据准备（第 1-5 章） — 人群切片定义、数据清洗、维度设计、标签体系构建。
- 模块二：切片归因方法论（第 6-12 章） — Brinson 模型的人群扩展、多期归因、Campisi 债券归因切片、风险因子归因切片。
- 模块三：行为切片与偏差诊断（第 13-18 章） — 交易行为切片、持仓周期切片、情绪指标切片、行为偏差量化。
- 模块四：归因结果的可视化与报告（第 19-23 章） — 热力图、桑基图、瀑布图、人群对比仪表盘、自动化报告生成。
- 模块五：实战案例与系统实现（第 24-28 章） — 股票组合、债券组合、多资产组合、CTA 策略的切片复盘实战。
- 模块六：前沿与扩展（第 29-30 章） — 机器学习辅助切片、实时切片归因系统架构。
1.4 学习目标
完成本课程后，学员应具备以下核心能力：
- 目标一： 掌握人群切片复盘的完整方法论，能够独立设计切片维度与标签体系。
- 目标二： 能够将传统 Brinson、Campisi、风险因子归因模型扩展到人群切片场景，并正确解读归因结果。
- 目标三： 具备行为切片与偏差诊断的实战能力，能够通过切片数据识别追涨杀跌、处置效应、过度交易等行为偏差。
- 目标四： 能够使用 Python（Pandas、Plotly、Streamlit）实现切片归因的可视化与自动化报告。
- 目标五： 能够将人群切片复盘嵌入到投资组合管理的日常监控与风控流程中，形成可落地的归因系统。
学习前提： 建议学员具备基础的绩效归因知识（如 Brinson 模型）、Python 数据处理能力（Pandas 基础）以及基本的统计学概念。本课程不从头讲解归因基础，但会在模块一中提供必要的复习材料。
1.5 本章小结
人群切片复盘不是对传统绩效归因的替代，而是对其在“人”与“行为”维度上的深度扩展。通过将组合绩效按人群切片进行拆解，我们能够更精准地定位超额收益的来源、识别行为偏差、预警群体性风险，并最终优化投资决策流程。接下来的课程将围绕数据准备、归因方法论、行为诊断、可视化与实战落地展开，帮助学员构建一套完整的切片复盘分析体系。