一、归因分析概述：什么是策略归因？为什么需要归因？归因分析的三大流派

各位同学，咱们今天聊聊策略归因。

说白了，归因分析就是回答一个问题：这笔钱到底是怎么赚的？或者更扎心一点——这笔钱是怎么亏的？

我刚开始做量化那会儿，经常遇到这种情况：回测曲线漂亮得不行，实盘一跑就拉胯。那时候我只会盯着净值看，完全不知道问题出在哪。后来才明白，没有归因，你就是在盲人摸象。

1.1 什么是策略归因？

策略归因，就是把组合的收益或风险，拆解成一个个可解释的因子。

你想想看，一个投资组合的收益，可能是由市场行情带来的，也可能是你选股选得好，还可能是你运气好踩对了行业风口。归因分析就是把这些混在一起的收益，一层层剥开，让你看清楚每个部分的贡献。

嗯，这里要注意，归因不是算命。它不能告诉你明天该买什么，但它能告诉你昨天做对了什么、做错了什么。我个人习惯，每周跑完策略，第一件事就是做归因。不看归因，我都不敢跟老板汇报。

1.2 为什么需要归因？

我遇到过不少同行，觉得归因是锦上添花的东西。其实不然，归因是保命的工具。

• 避坑：我曾经有一个策略，回测年化30%，实盘却只有5%。一归因才发现，原来回测里的大部分收益来自小市值因子，而实盘时小市值因子正好失效了。如果没有归因，我可能还在傻傻地调参数。
• 优化：归因能告诉你，你的阿尔法到底来自哪里。是择时厉害？还是选股牛逼？知道了这个，你才能有针对性地改进。
• 风控：有些风险敞口，你不做归因根本发现不了。比如你觉得自己在搞量化选股，结果归因一看，80%的收益都来自行业暴露——那你还不如直接买行业ETF呢。

1.3 归因分析的三大流派

归因分析发展到现在，主要有三大流派。我按自己的理解，给你捋一捋。

1.3.1 Brinson 归因：最经典的“自上而下”

Brinson 归因，说白了就是把收益拆成配置和选股。它最早用于权益类组合，现在也广泛用于多资产配置。

它的逻辑很简单：

• 资产配置效应：你超配了某个行业/资产，这个行业/资产涨了，这部分收益就是配置的功劳。
• 个股选择效应：你在某个行业里选的股票，跑赢了该行业的基准，这部分就是选股的功劳。
• 交互效应：配置和选股的交叉影响，通常归为“运气”。

1.3.2 Campisi 归因：债券的“专属武器”

债券的归因和股票完全不同。Campisi 归因就是专门为债券设计的。

它把债券收益拆成：

• 票息收益：持有债券拿到的利息
• 国债收益率曲线变动：利率变化带来的资本利得/损失
• 信用利差变动：信用风险溢价的变化
• 个券选择：你选的债券比同类好多少

我记得刚接触债券归因时，觉得 Campisi 太复杂了。后来做了一单信用债组合，才发现没有 Campisi，你根本分不清收益是来自利率下行还是信用下沉。这两者的风险完全不一样。

1.3.3 Barra 归因：多因子模型的“终极形态”

Barra 归因，是量化圈用得最多的方法。它基于多因子模型，把收益拆解到一个个风险因子上。

常见的因子包括：

• 市场因子：大盘涨跌的影响
• 风格因子：如价值、成长、动量、波动率等
• 行业因子：不同行业的暴露
• 特异收益：因子解释不了的部分，也就是真正的阿尔法

组合收益 = 因子暴露 × 因子收益率 + 特异收益

我个人觉得，Barra 归因是最精细的归因方法。它能告诉你，你的策略到底是在赚价值的钱，还是在赚动量的钱。我曾经用 Barra 归因发现，一个看似稳健的套利策略，其实有大量的市值因子暴露——小盘股涨它就涨，小盘股跌它就跌。这哪是套利？这分明是买了个小盘股指数。

1.4 三大流派的对比

1.5 知识体系框架图

下面这张图，帮你理清本章的知识结构：

1.6 小结

这一章咱们聊了归因分析的基本概念。说白了，归因就是给收益做“体检”。没有归因，你就像在黑暗中开车，不知道前面是坑还是路。

三大流派各有千秋：Brinson 适合做宏观层面的配置分析，Campisi 是债券玩家的专属工具，Barra 则是量化人的终极武器。你想想看，你的策略适合用哪一种？

嗯，这里要提醒一句：归因不是万能的。它只能解释过去，不能预测未来。但如果你连过去都解释不了，那未来就更别想了。