“星火”多因子专题报告（四）：基于持仓的基金业绩归因，始于Brinson，归于Barra-20190410-财通证券-31页_4mb

2019年04月10日 基于持仓的基金业绩归因：始于Brinson，归于Barra 总结

核心内容

本报告由财通金工撰写，旨在探讨基于持仓的基金业绩归因方法，结合Brinson模型和Barra多因子模型，为投资者提供更全面、深入的组合收益与风险分析框架。报告重点分析了Brinson模型的两种形式（BHB与BF模型）以及基于行业和风格的多因子模型在组合收益归因中的应用，同时比较了不同风险分解方法的优劣。

主要观点

• Brinson模型 是一种基于持仓的组合收益归因方法，能够将超额收益分解为配置效应、选股效应和交互效应。
• 改进版BF模型 引入了行业超额收益，将超额收益分解为配置效应和选股效应，更贴合实际操作。
• 多因子模型 可以将收益归因进一步细化至行业和风格层面，为投资者提供更具指导意义的分析。
• 风险归因方法 包括单一波动分解法、边际风险分解法和三要素法（x-sigma-rho），其中三要素法对风险的分解更为透彻，有助于风险控制。

关键信息

1. 财通金工多因子风险模型研究框架

财通金工认为，一个完善的多因子风险系统应包含三个模块：

1. 收益模型：识别风格因子并分析其对股票收益的影响。
2. 风险模型：使用结构化估计方法对股票收益率协方差矩阵进行估计，以提高风险预测的稳健性。
3. 绩效归因模型：结合收益模型与风险模型，对投资组合的业绩和风险进行归因，帮助投资者了解收益来源与风险暴露。

2. 基于Brinson模型的组合收益归因

2.1 Brinson形式1：经典版BHB模型

• 将超额收益分解为配置收益（AR）、选股收益（SR）和交互收益（IR）。
• 配置收益：超额权重 × 基准行业收益率。
• 选股收益：基准权重 × 行业超额收益。
• 交互收益：超额权重 × 超额收益。

2.2 Brinson形式2：改进版BF模型

• 引入基准收益 $ R^B $，对配置效应进行重新计算，使分析更贴近实际操作。
• 选股效应被重新定义为选择效应与交互效应的总和，简化了归因过程。

2.3 Brinson模型的自下而上推导

• 将股票收益分解为基准收益、行业相对基准超额收益和个股相对行业超额收益。
• 推导后得出的公式与Brinson模型一致，说明其逻辑基础。

2.4 实证检验

• 分析基金A和基金B的超额收益，发现组合A的超额收益为 $-3.17%$，其中配置效应为 $-1.27%$，选股效应为 $-1.90%$。
• 组合B的超额收益为 $0.6%$，其中配置效应为 $0.08%$，选股效应为 $0.52%$。
• 图8展示了组合A和B在各行业上的主动权重，显示组合A在多个周期性行业存在明显超配或低配，而组合B更偏向于行业中性。

3. 基于多因子模型的组合收益归因

3.1 基于行业的简单因子组合

• 使用市值加权法对行业因子进行归因，解决了行业因子与截距项因子的共线性问题。
• 回归模型的样本股为基准指数成分股，采用市值权重作为回归权重。

3.2 基于行业的多因子模型收益归因

• 将股票收益分解为基准收益（$ f_B $）、行业收益（$ f_i $）和特质收益（$ u_n $）。
• 与Brinson模型推导一致，其中 $ f_B $ 对应基准收益，$ f_i $ 对应行业相对基准的超额收益，$ u_n $ 对应个股相对行业超额收益。
• 表4和表5展示了基于行业多因子模型的组合A和组合B的归因结果。

3.3 基于行业和风格的多因子模型收益归因

• 在行业基础上引入风格因子（如市值、价值/成长等），进一步细化收益归因。
• 风格因子的引入有助于更全面地分析基金经理在不同风格上的配置与选择效果。
• 表6和表7展示了基于行业+风格多因子模型的归因结果。

4. 基于多因子模型的组合风险归因

• 单一波动分解法：简单直观，但忽略因子间的协同影响，不具备可加性。
• 边际风险分解法：通过偏导数计算因子对组合风险的边际贡献，但解释不够直观。
• 三要素法（x-sigma-rho）：将风险分解为因子暴露（x）、因子波动（sigma）和组合-因子相关性（rho），更贴合实际操作。

4.1 实证检验

• 表9展示了组合A在各类因子上的风险贡献比例。
• 表10和表11展示了组合A和B的风险分解结果。

小结与展望

• Brinson模型和Barra多因子模型在基金业绩归因中各有优势，结合两者可以更全面地分析组合的收益来源和风险暴露。
• 多因子模型的归因方法在实际投资中更具指导意义，尤其在风格因子的引入上，能够更细致地分析基金经理的操作效果。
• 风险归因中，三要素法（x-sigma-rho）提供了更直观、深入的风险控制参考。

细节探讨

• 样本股选择：基于多因子模型的收益归因中，样本股通常为基准指数成分股，以确保分析的一致性。
• 基准指数风格暴露：在风险归因中，基准指数的风格暴露不为零，因为协方差矩阵是在全市场样本中估计的。
• 主动收益与残差收益：Brinson模型中的主动收益与多因子模型中的残差收益并不完全对等，这是由于组合在某些行业权重为零导致的。

风险提示

• 本报告基于历史数据，过去表现不代表未来，投资者需谨慎使用归因结果进行决策。