一、绩效归因入门：到底什么是绩效归因？

各位同学，咱们直接开门见山。

绩效归因，说白了就是回答一个问题：我的投资组合赚的钱，到底是从哪儿来的？

你可能会想，这还用问？买的股票涨了呗。但事情没这么简单。我刚开始做量化那几年，也这么觉得。直到有一次，我管理的组合跑赢了基准5个点，老板让我解释原因。我支支吾吾说了半天，最后发现——其实是因为运气好，赶上了某个行业的β行情，跟我选的个股关系不大。嗯，那次之后，我才真正开始重视归因分析。

1.1 为什么非要做归因？

我总结下来，有三个最实际的理由：

1. 验证投资逻辑——你的策略到底有没有alpha？还是只是运气好？
2. 优化决策流程——哪个环节在拖后腿？是行业配错了，还是个股选差了？
3. 向客户交代——LP问你钱怎么赚的，你不能只说“市场好”。

你想想看，如果一个基金经理连续三年跑赢基准，但归因分析发现，他的超额收益全部来自对某个行业的风格暴露。那一旦风格切换，后果可想而知。我在项目中就见过这样的案例，一个明星基金经理，归因一做，发现他的alpha其实是个假象。

1.2 投资组合收益的来源拆解

咱们把收益拆开来看。一个组合的总收益，通常可以分解成以下几个层次：

• 无风险收益——比如国债利息，这是“躺赚”的部分。
• 市场收益（Beta）——大盘涨了，你跟着涨的部分。
• 风格因子收益——比如你偏配了小盘股、价值股，这些因子带来的额外收益。
• 行业/板块收益——你重仓了某个行业，行业本身涨了。
• 个股选择收益（Alpha）——在同样的行业里，你选的股票比别人选的好。
• 交易执行收益——买卖时机、滑点控制带来的差异。

我习惯把这几个层次画成一个金字塔。最底层是市场，最顶层才是真正的alpha。很多新手一上来就觉得自己有alpha，其实大部分收益都来自下面几层。

1.3 一个简单的归因计算示例

光说不练假把式。咱们拿一个最简单的例子来算一下。

假设基准是沪深300，年收益10%。你的组合年收益15%。超额收益就是5%。这5%怎么来的？

收益来源	贡献（%）	说明
无风险收益	2.5	国债利率
市场Beta	7.5	组合Beta=1.2，市场涨10%
行业配置	2.0	超配了科技行业
个股选择	2.5	行业内选股表现优异
交易执行	0.5	买卖时机把握较好
总收益	15.0

你看，真正属于“选股能力”的只有2.5%，剩下的都是市场、行业和运气。我刚开始做归因时，看到这个结果其实挺受打击的——原来自己没那么厉害。但反过来想，这也帮我找到了真正需要改进的地方。

1.4 归因分析的常见误区

这里我列几个常见的坑，都是我在项目中踩过的：

• 把Beta当Alpha——组合涨了就觉得是自己选股厉害，其实只是市场好。
• 忽略交互效应——行业配置和个股选择不是独立的，它们之间有交叉影响。
• 归因频率太低——一年做一次归因，等发现问题时已经晚了。我建议至少月度归因。
• 基准选错——用沪深300去归因一个中证500增强策略，结果毫无意义。

嗯，这里要特别强调一下基准的问题。我曾经见过一个团队，用上证50做基准去分析一个创业板基金，归因结果出来全是负贡献，搞得大家都很沮丧。后来发现，基准根本不对。选基准这件事，比你想象的重要得多。

1.5 本章小结

咱们这一章，其实就讲了三件事：

1. 绩效归因是拆解收益来源的工具，不是炫技。
2. 收益可以拆成无风险、Beta、风格、行业、个股、交易等多个层次。
3. 不做归因，你永远不知道自己的真实水平。

我个人觉得，归因分析是量化投资里最被低估的技能之一。很多人花大量时间研究策略，却很少花时间搞清楚策略到底赚了什么钱。这其实挺可惜的。

好了，第一章就到这里。内容不多，但都是基础中的基础。后面的章节，咱们会一步步深入，从Brinson模型到多因子归因，再到机器学习归因，把这块彻底讲透。