📚 课程目录第4章绩效归因基础方法

4. 绩效归因基础方法

在行业轮动组合的绩效评估中，我们不仅关心“赚了多少”，更关心“钱是怎么赚到的”。Brinson模型正是回答这一问题的经典工具：它把组合相对基准的超额收益，拆解为配置效应（行业权重偏离带来的贡献）与选择效应（行业内个股选择带来的贡献）。本节从公式推导出发，对比BHB、Brinson-Fachler、Brinson-Hood-Beebower三种变体，并用一组行业轮动组合的示例数据手工完成计算。

一、符号约定与收益分解的起点

设基准包含若干行业，记第 i 个行业在基准中的权重为 w_bi、收益率为 R_bi；组合中对应权重为 w_pi、收益率为 R_pi。基准总收益 R_b = Σw_biR_bi，组合总收益 R_p = Σw_piR_pi，超额收益为 R_p − R_b。

Brinson分解的核心技巧是引入一个“交叉项”并做代数恒等变形。以BHB为例，对每个行业构造：

配置效应  A_i = (w_pi − w_bi) × R_bi
选择效应  S_i = w_bi × (R_pi − R_bi)
交互效应  I_i = (w_pi − w_bi) × (R_pi − R_bi)

三者相加恰好等于 w_piR_pi − w_biR_bi，即该行业的超额贡献。对全部行业求和，就得到组合总超额收益的完整分解。这里需要先明确符号约定：权重偏离与收益差均以“组合减基准”为正方向，正号表示对超额收益有正贡献，全文与图示保持一致。

二、三种变体的差异

BHB把交互项单独列出，信息完整但三项并列，解释时略显繁琐。Brinson-Fachler（BF）做了关键改造：把选择效应的基准从“基准行业收益 R_bi”换成“基准总收益 R_b”，即

BF:  A_i = (w_pi − w_bi) × (R_bi − R_b)
     S_i = w_bi × (R_pi − R_bi)

这样配置效应衡量的是“超配了相对基准整体表现更好的行业”，选择效应则与BHB一致，且两项之和直接等于超额收益，交互项被吸收进配置项。其经济含义更直观：配置效应回答“行业选择对不对”，选择效应回答“行业内选股好不好”。

Brinson-Hood-Beebower（BHB的另一种常见写法，部分文献称BHB即指此式）则采用组合权重计算选择效应：

BHB(组合权重版): A_i = (w_pi − w_bi) × R_bi
                 S_i = w_pi × (R_pi − R_bi)

此时选择效应以实际配置的资金为基数，更贴近“我实际投入的钱在行业内选股赚了多少”的直觉，但两项之和不再严格等于超额收益，需补一个交互项。实务中，BF因可加性最好、解释最清晰，是行业轮动归因最常用的默认口径；BHB适合需要完整拆解交互影响的场景；组合权重版适合强调实际资金效率的汇报。

三、用行业轮动示例数据手工计算

假设某行业轮动组合与基准均覆盖四个行业，示例数据如下（均为教学假设值，非实测结果）：

行业	基准权重 w_b	组合权重 w_p	基准收益 R_b	组合收益 R_p
科技	30%	45%	12%	15%
消费	25%	20%	8%	6%
医药	20%	15%	5%	9%
金融	25%	20%	3%	2%

先算基准总收益：R_b = 0.30×12% + 0.25×8% + 0.20×5% + 0.25×3% = 3.6% + 2.0% + 1.0% + 0.75% = 7.35%。组合总收益：R_p = 0.45×15% + 0.20×6% + 0.15×9% + 0.20×2% = 6.75% + 1.20% + 1.35% + 0.40% = 9.70%。超额收益 = 9.70% − 7.35% = +2.35%。

按BF口径逐行业计算（配置项用 R_bi − R_b）：

科技：A = (0.45−0.30)×(12%−7.35%) = 0.15×4.65% = +0.6975%；S = 0.30×(15%−12%) = +0.90%
消费：A = (0.20−0.25)×(8%−7.35%) = −0.05×0.65% = −0.0325%；S = 0.25×(6%−8%) = −0.50%
医药：A = (0.15−0.20)×(5%−7.35%) = −0.05×(−2.35%) = +0.1175%；S = 0.20×(9%−5%) = +0.80%
金融：A = (0.20−0.25)×(3%−7.35%) = −0.05×(−4.35%) = +0.2175%；S = 0.25×(2%−3%) = −0.25%

汇总：配置效应合计 = 0.6975 − 0.0325 + 0.1175 + 0.2175 = +1.00%；选择效应合计 = 0.90 − 0.50 + 0.80 − 0.25 = +0.95%；两者之和 = +1.95%。咦，与超额收益 +2.35% 相差 0.40%？这正是BF公式的一个细节：当配置项使用 R_bi − R_b 时，选择效应应改用 w_pi 加权才能完全可加，即 S = w_pi(R_pi − R_bi)。重算选择效应：科技 0.45×3% = 1.35%，消费 0.20×(−2%) = −0.40%，医药 0.15×4% = 0.60%，金融 0.20×(−1%) = −0.20%，合计 +1.35%。此时 A + S = 1.00% + 1.35% = +2.35%，与超额收益完全吻合。

这个“差0.40%”的插曲恰恰说明：公式口径必须成对使用。BF的配置项配组合权重选择项才严格可加；若配置项用基准权重选择项，则需回到BHB三项式。手工计算时先验证 A+S 是否等于超额收益，是发现口径错配的最快自检方法。

四、结果解读与适用场景

从上述示例看，组合超额收益 +2.35% 中，配置效应贡献 +1.00%（约43%），选择效应贡献 +1.35%（约57%）。配置端的主要来源是超配科技（+0.70%）和低配金融（+0.22%），说明行业轮动方向基本正确；选择端科技和医药的行业内选股贡献突出，但消费行业选股拖累明显（−0.40%），值得进一步下钻到个股层面排查。

三种变体的选用建议：日常行业轮动归因与对外汇报优先用BF，因其两项可加、含义直观；需要完整呈现权重与选股交互影响时用BHB三项式；强调“实际投入资金效率”的资金视角分析可用组合权重版。无论哪种，都应固定口径、固定符号方向，并在报告中注明所用变体，避免跨期比较时因口径切换产生误读。