收益分解基础：Brinson模型原理、单期Brinson分解、多期Brinson分解
做量化策略的朋友，十有八九都遇到过这个问题：
“我这个月跑赢基准了，但到底赢在哪？是行业选得好，还是个股挑得准？”
嗯，这就是我们今天要聊的——Brinson归因分析。说白了，它就是把超额收益拆成几块，让你清清楚楚看到钱是怎么赚的。
Brinson模型的核心思想
我个人习惯把Brinson模型理解成一个“分锅大会”。
假设你是一个基金经理，基准是沪深300。你超配了医药，低配了银行。结果医药涨了，银行跌了。那你的超额收益，到底来自哪里？
Brinson告诉你：来自两个部分——
- 资产配置效应：你赌对了行业（比如超配了医药）
- 个股选择效应：你在行业内选对了股票（比如医药里你买了恒瑞，没买垃圾股）
当然，还有一个交叉项，叫交互效应。这个后面再说。
核心公式（单期）：
超额收益 = 配置效应 + 选择效应 + 交互效应
我在项目中遇到过不少新手，一上来就对着公式硬套，结果算出来的数字对不上。为什么？因为基准的权重和收益没搞对。你想想看，基准的行业权重是动态的，你拿静态数据去算，肯定出问题。
单期Brinson分解
单期分解，就是只算一个时间窗口（比如一个月）的归因。这是最基础的操作。
我们来看一个具体的例子。假设市场只有两个行业：科技和消费。
| 行业 | 组合权重 | 基准权重 | 组合收益 | 基准收益 |
|---|---|---|---|---|
| 科技 | 60% | 40% | 10% | 8% |
| 消费 | 40% | 60% | 5% | 6% |
我们来算一下：
- 配置效应 = (组合权重 - 基准权重) × 基准收益
科技：(60% - 40%) × 8% = 1.6%
消费：(40% - 60%) × 6% = -1.2%
合计：0.4% - 选择效应 = 基准权重 × (组合收益 - 基准收益)
科技：40% × (10% - 8%) = 0.8%
消费：60% × (5% - 6%) = -0.6%
合计：0.2% - 交互效应 = (组合权重 - 基准权重) × (组合收益 - 基准收益)
科技：20% × 2% = 0.4%
消费：-20% × -1% = 0.2%
合计：0.6%
总超额收益 = 0.4% + 0.2% + 0.6% = 1.2%
我的经验：交互效应其实挺烦人的。它既包含配置也包含选择，很难单独解释。我个人习惯在报告里把它合并到选择效应里，或者干脆忽略。当然，学术上要求严格的话，还是得分开列。
多期Brinson分解
单期好算，但现实是我们要做月度、季度、年度的归因。这时候问题就来了——
不同时期的权重和收益是变化的，你不能简单地把单期的结果加起来。为什么？因为复利效应。
举个例子：你第一个月赚了10%，第二个月亏了5%。总收益不是10% - 5% = 5%，而是 (1+10%)×(1-5%) - 1 = 4.5%。
嗯，这里要注意，多期归因必须考虑几何链接。
常见的多期方法有两种：
- 算术链接法：直接把各期效应相加。简单，但有误差。
- 几何链接法：用复利方式链接。更精确，但计算复杂。
我个人推荐用几何链接法。虽然麻烦一点，但结果更可信。我曾经在某个项目中，用算术链接法算出来的归因结果，和实际超额收益差了0.3%。客户追问起来，解释半天才说清楚。从那以后，我再也不敢偷懒了。
避坑指南：我曾经用算术链接法处理一个季度数据，结果配置效应和选择效应加起来，居然比总超额收益还大。后来发现，是因为各期收益波动太大，算术链接的误差被放大了。所以，如果你的策略收益波动大，务必用几何链接。
Brinson模型的局限性
说实话，Brinson模型虽然经典，但也不是万能的。
- 只能分解到一层：比如行业-个股。如果你想看风格因子（价值、动量）的贡献，Brinson就无能为力了。
- 假设线性关系：它假设配置和选择是独立的。但现实中，这两者往往相互影响。
- 对高频交易不友好：如果你一天交易几十次，Brinson的权重计算会变得很麻烦。
不过，对于大多数中低频策略，Brinson依然是入门必备的工具。你想想看，连这个都不会，怎么跟老板解释你的收益来源？
本章小结
Brinson归因，说白了就是把超额收益拆成三块：配置、选择、交互。单期分解是基础，多期分解要注意几何链接。虽然模型有局限，但作为量化策略分析的起点，它足够实用。
嗯，今天就聊到这。下一章我们聊聊更进阶的因子归因——那才是真正考验功力的地方。