2、风险归因基础理论：Brinson归因模型、Campisi模型、多因子模型在组合风险分解中的应用原理

风险归因是连接组合绩效与风险来源的核心桥梁。在人群切片复盘中，只有将超额收益或风险敞口精确拆解到可解释的维度（如资产配置、个券选择、因子暴露），才能定位特定客群的风险驱动因素。本章系统阐述三种主流归因模型——Brinson模型（权益/配置归因）、Campisi模型（固收归因）和多因子模型（横截面风险分解），并给出其在组合风险分解中的适用场景与数学原理。

2.1 Brinson归因模型：权益组合的配置与选股分解

Brinson模型是业界最经典的权益组合超额收益归因框架，将组合相对于基准的超额收益拆解为资产配置效应、选股效应和交互效应三个正交部分。

2.1.1 模型数学表达

设组合在行业（或板块）i上的权重为 w_p,i，基准权重为 w_b,i；组合在行业i内的收益率为 r_p,i，基准收益率为 r_b,i。则超额收益分解如下：

配置效应 = Σ (w_p,i - w_b,i) × (r_b,i - r_b)
选股效应 = Σ w_b,i × (r_p,i - r_b,i)
交互效应 = Σ (w_p,i - w_b,i) × (r_p,i - r_b,i)
总超额收益 = 配置效应 + 选股效应 + 交互效应

其中 r_b 为基准总收益率。交互效应通常较小，实务中常将其合并入选股效应。

2.1.2 人群切片场景应用

2.2 Campisi模型：固收组合的收益归因与风险分解

Campisi模型专门针对固定收益组合，将总收益分解为票息收入、国债收益率曲线变动（久期与曲率）、信用利差变动和个券选择四个部分。该模型天然适用于利率风险和信用风险的双重归因。

2.2.1 分解公式与含义

总收益 = 票息收益 + 国债效应 + 利差效应 + 个券选择效应

其中：
国债效应 = -修正久期 × Δ国债收益率 + 0.5 × 凸性 × (Δ国债收益率)²
利差效应 = -修正久期 × Δ信用利差 + 0.5 × 凸性 × (Δ信用利差)²
个券选择效应 = 个券实际收益 - 基于久期和利差拟合的预期收益

2.2.2 人群切片中的固收归因要点

• 久期切片：短久期客群受国债效应影响小，但票息收益占比高；长久期客群对利率变动敏感，国债效应主导。
• 信用等级切片：高收益债客群的利差效应和个券选择效应占比显著高于投资级客群。
• 持有期切片：短期交易型客群的个券选择效应波动大，长期持有型客群的票息收益稳定。

2.3 多因子模型：横截面风险分解与因子归因

多因子模型（如Fama-French三因子/五因子、Barra模型）将组合收益和风险敞口分解到系统性因子（市场、规模、价值、动量、波动率等）和特质性残差。在人群切片复盘中，多因子模型能回答“某客群的超额收益主要来自哪些因子暴露”以及“因子贡献是否稳定”。

2.3.1 模型基本形式

组合收益 = Σ (因子暴露_j × 因子收益_j) + 特质收益

组合风险 = Σ Σ (因子暴露_i × 因子协方差_ij × 因子暴露_j) + 特质风险

其中：
- 因子暴露：组合在因子上的敏感度（载荷）
- 因子收益：因子组合的横截面收益率
- 特质收益：未被因子解释的残差收益

2.3.2 人群切片因子归因步骤

1. 因子选择：根据切片客群特征选择相关因子（如小盘客群选规模因子，成长客群选价值因子）。
2. 因子暴露估计：对每个切片内组合做时间序列回归，得到因子载荷。
3. 因子贡献计算：因子贡献 = 因子暴露 × 因子收益，分解超额收益来源。
4. 风险归因：计算各因子对组合总风险的边际贡献（因子风险贡献 = 因子暴露 × 因子边际风险）。

2.3.3 三种模型对比

2.4 三种模型在人群切片复盘中的协同应用

实际复盘工作中，三种模型并非互斥，而是形成互补的归因体系：

• 自上而下分层：先用Brinson模型做资产配置归因（大类资产或行业层面），再用多因子模型对配置效应和选股效应做因子拆解。
• 固收+混合组合：固收部分用Campisi模型，权益部分用Brinson或多因子模型，最后汇总为总组合归因。
• 切片对比：对同一客群的不同切片（如高净值 vs 普通客户），分别运行三种模型，对比各效应和因子贡献的差异，定位风险驱动因素。