2、主动收益的拆解:选股能力(Alpha)与择时能力(Beta Timing)

做主动增强策略这些年,我最大的体会是:你得先知道钱是怎么赚的,才能持续赚到钱。很多同行一上来就猛怼因子、调参数,结果回测漂亮实盘拉胯——说白了,就是没把收益来源拆清楚。

这一节,咱们就聊聊主动收益的拆解。核心就两件事:选股能力择时能力。你想想看,一个基金经理的业绩,到底是因为他选的股票好,还是因为他踩对了市场节奏?

2.1 选股能力 vs 择时能力

先给个直观的定义:

  • 选股能力(Alpha):在控制市场风险后,通过个股选择获得的超额收益。说白了,就是「不管大盘涨跌,我选的票就是比别的票强」。
  • 择时能力(Beta Timing):通过预测市场走势,调整组合的贝塔暴露来获利。也就是「我看准了大盘要涨,就多配点;要跌,就减仓」。

我个人习惯把这两者比作「厨师」和「火候」。选股能力好比食材本身好不好,择时能力则是烹饪时的火候控制。食材好但火候不对,菜照样难吃;火候再好,烂食材也做不出佳肴。

关键认知:长期来看,选股能力比择时能力更稳定、更可持续。为什么?因为择时本质上是预测市场,而市场短期走势近乎随机。我在项目中见过太多试图「精准择时」的案例,最后都变成了「精准踩雷」。

2.2 Brinson模型:主动收益归因的经典框架

说到收益拆解,就绕不开Brinson模型。这个模型是1985年由Brinson、Hood和Beebower提出的,到现在快40年了,依然是业界标准。嗯,这里要注意:经典之所以是经典,是因为它把复杂问题简单化了

Brinson模型的核心思想是:主动收益 = 选股收益 + 择时收益 + 交互收益

具体公式长这样:

主动收益 = Σ(Wp_i - Wb_i) × Rb_i   (择时收益)
         + ΣWb_i × (Rp_i - Rb_i)   (选股收益)
         + Σ(Wp_i - Wb_i) × (Rp_i - Rb_i)  (交互收益)

其中:
Wp_i = 组合中资产i的权重
Wb_i = 基准中资产i的权重
Rp_i = 组合中资产i的收益率
Rb_i = 基准中资产i的收益率

我曾经用这个模型帮一家私募做归因分析,发现他们某只产品过去一年的超额收益中,选股贡献了80%,择时贡献了15%,交互项只有5%。这个结果让基金经理松了一口气——他的选股逻辑确实有效,而不是靠运气。

实战技巧:做Brinson归因时,建议把行业或板块作为分组维度。比如按申万一级行业分组,这样能更清晰地看到超额收益来自哪些行业。

2.3 信息系数(IC)与信息比率(IR)的关系

聊完归因,咱们再深入一层:如何衡量选股能力的好坏?

业界最常用的指标就是信息系数(IC)。IC衡量的是预测值与实际收益之间的相关性。简单说:你预测某只股票下周会涨,它真的涨了,你的IC就高;预测错了,IC就低。

IC的计算方式有两种:

  • 秩相关系数(Rank IC):用排名算,更稳健,不受极端值影响。我个人更推荐这个。
  • 皮尔逊相关系数(Pearson IC):用原始值算,对异常值敏感。

那IC和IR是什么关系?

这里有个经典公式:

IR ≈ IC × √(N)

其中:
IR = 信息比率(主动收益 / 主动风险)
IC = 信息系数(预测准确度)
N = 独立预测次数(通常指年化预测次数)

这个公式告诉我们一个很直观的道理:IR的提升,要么靠提高IC(预测更准),要么靠增加N(预测更多次)

核心洞察:假设你的IC是0.05(这已经算不错了),每年做50次独立预测,那么IR ≈ 0.05 × √50 ≈ 0.35。这个水平在主动管理里算及格。如果想做到IR=1.0,要么把IC提升到0.14,要么把预测次数增加到400次。你想想看,哪个更容易实现?

2.4 知识体系框架图

下面这张图,是我自己梳理的本章核心逻辑。建议你多看几遍,把整个框架印在脑子里。

主动收益拆解与归因框架 主动收益 选股能力(Alpha) 择时能力(Beta Timing) Brinson归因模型 选股收益 + 择时收益 + 交互收益 衡量指标 信息系数(IC) 选股收益 = ΣWb_i × (Rp_i - Rb_i) 择时收益 = Σ(Wp_i - Wb_i) × Rb_i IR ≈ IC × √N 提升路径:提高IC或增加N

2.5 实战中的避坑指南

讲完理论,说点实在的。我在实际项目中踩过不少坑,分享几个给你:

避坑1:别把交互项当Alpha

我曾经见过一个策略,Brinson归因显示交互收益很高,团队以为是选股能力强。后来一查,是因为频繁调仓导致权重变化和个股收益产生了正相关。说白了,这是运气,不是能力。交互项通常不稳定,别过度解读。

避坑2:IC的统计显著性

IC不是算出来就完事了。你得看它的t统计量。我习惯要求IC的t值大于2(对应95%置信度),否则我会认为这个IC可能是噪声。记住:高IC但样本量小,比低IC但样本量大更危险

避坑3:频率匹配

做IC计算时,预测频率和收益频率要匹配。比如你用日频预测,就别用周频收益去算IC。我见过有人用月频预测配日频收益,结果IC算出来忽高忽低,完全没参考价值。

2.6 小结

这一节我们拆解了主动收益的两大来源:选股和择时。Brinson模型帮我们把收益归因到具体动作上,而IC和IR的关系则给出了量化提升的路径。

我个人觉得,做主动增强最怕的就是「糊涂账」——赚了不知道为啥赚,亏了不知道为啥亏。把收益拆清楚,你才能知道自己的优势在哪,劣势在哪。下次咱们聊因子投资的时候,你会发现这些拆解思路会反复用到。


公众号:蓝海资料掘金营,微信deep3321