4. 行业配置归因：如何判断行业偏离贡献了多少超额？

做指增产品，最核心的问题就是：超额收益到底从哪来的？

我个人习惯把超额拆成两块：一块是选股，一块是行业配置。今天咱们就专门聊聊后者——行业配置归因。说白了，就是看你主动偏离基准行业权重，到底赚了还是亏了。

4.1 行业配置归因的基本逻辑

先想一个问题：如果你把沪深300里所有银行股都砍掉一半，换成白酒，这算不算行业偏离？当然算。这种偏离带来的收益，就是行业配置贡献。

我见过不少新手，一上来就盯着个股猛算Alpha，结果发现组合跑输基准了。一查原因，原来是行业配错了。嗯，这里要注意：行业配置是超额收益的放大器，也可能是毁灭器。

行业配置归因的核心公式其实很简单：

行业配置贡献 = Σ (组合行业权重 - 基准行业权重) × 基准行业收益率

为什么用基准行业收益率？因为我们要剥离选股的影响。你想想看，如果某个行业你配多了，但这个行业本身没涨，那你的偏离就没产生超额。反过来，行业涨了，你超配了，那这部分收益就该算到行业配置头上。

4.2 Brinson模型：最经典的归因框架

说到行业归因，绕不开Brinson模型。这个模型把超额收益拆成三块：

• 配置效应：行业权重偏离带来的收益
• 选股效应：行业内个股选择带来的收益
• 交互效应：两者交叉影响（通常归入选股或忽略）

我在项目中遇到过一个问题：用Brinson模型时，交互效应有时候很大，让人摸不着头脑。后来我习惯把交互效应合并到选股效应里，这样解释起来更清晰。

来看一个实际例子。假设基准有两个行业：

行业	基准权重	组合权重	基准收益	组合收益
科技	30%	40%	5%	7%
消费	70%	60%	2%	1%

计算配置效应：

科技：(40% - 30%) × 5% = 0.5%
消费：(60% - 70%) × 2% = -0.2%
合计：0.3%

也就是说，行业配置贡献了0.3%的超额收益。虽然不多，但方向是对的——超配了涨得好的科技，低配了涨得慢的消费。

4.3 多期归因：别被单期数据骗了

单期归因有个大坑：它假设权重和收益是同时发生的。但现实中，你是在期初决定权重，期末才知道收益。如果期间权重变了，单期归因就会失真。

举个例子。你月初超配了煤炭，但月中煤炭暴跌，你赶紧减仓。到了月底煤炭反弹了。单期归因会认为你超配煤炭赚了钱，但实际上你是在低点割肉离场的。这就是典型的「幸存者偏差」。

我建议用多期归因，把时间切成小段，每段单独算，然后累加。这样能更真实地反映你的交易行为。

多期配置贡献 = Σ (每期组合权重 - 每期基准权重) × 每期基准收益

注意，这里的权重要用期初的，收益用当期的。这样才能避免「用后视镜开车」的问题。

4.4 行业分类的粒度选择

行业分类越细，归因结果越敏感。但太细了，噪声也大。我个人习惯分三层：

• 大类（5-8个）：用于宏观配置分析
• 中类（20-30个）：用于日常归因监控
• 小类（50+个）：用于深度诊断

举个例子。如果你用申万一级行业（31个），那归因结果已经比较细了。但如果你用申万二级（100多个），很多行业的权重只有零点几个百分点，算出来的配置贡献波动会很大，反而不容易看出规律。

我建议先用中类跑一遍，如果发现某个行业贡献异常，再下钻到小类去看。这样既高效，又不会漏掉关键信息。

4.5 行业配置归因的实战流程

下面这张图是我自己总结的归因流程，分享给你：

这个流程我用了好几年，基本没出过大问题。核心就是：先定标准，再算偏离，然后乘收益，最后累加诊断。

4.6 常见陷阱与应对

最后聊几个我踩过的坑：

1. 行业分类漂移：有些股票会换行业分类，比如美团从信息技术换到可选消费。如果你没同步更新，归因结果会乱掉。我建议每季度核对一次分类。
2. 权重计算时点：用日频权重还是周频权重？日频太敏感，周频刚刚好。我习惯用周五收盘后的权重来算下周的归因。
3. 行业收益的代理变量：基准行业指数有时候会停牌或分红，导致收益失真。我一般用自由流通市值加权指数，更贴近实际。

好了，行业配置归因就聊到这儿。记住，归因不是为了证明自己多厉害，而是为了找到可以改进的地方。这才是量化投资的精髓。