Brinson归因模型：从数学原理到实战拆解
说实话，做量化策略这几年，我见过太多人拿着漂亮的净值曲线，却说不清楚钱到底是怎么赚的。你想想看，如果连收益来源都搞不明白，怎么敢重仓？怎么敢在回撤时坚定持有？
Brinson归因模型，就是帮你拆解收益来源的利器。它最早用于公募基金的业绩分析，后来被量化圈广泛采用。我个人习惯把它叫做「三刀流」——一刀切出配置效应，一刀切出选择效应，最后一刀切出交叉效应。
核心思想：将组合的超额收益拆解为三个部分——资产配置的贡献、标的选择的贡献、以及两者交互的贡献。
Brinson模型的数学原理
先看公式，别怕，其实很简单。
假设我们有N个资产类别（比如股票、债券、商品），每个类别下有若干标的。定义：
W_pi：组合在资产i上的权重W_bi：基准在资产i上的权重R_pi：组合在资产i上的收益率R_bi：基准在资产i上的收益率
组合总收益：R_p = Σ W_pi × R_pi
基准总收益：R_b = Σ W_bi × R_bi
超额收益：R_p - R_b
Brinson模型把这个超额收益拆成三块：
超额收益 = 配置效应 + 选择效应 + 交叉效应
配置效应 = Σ (W_pi - W_bi) × R_bi
选择效应 = Σ W_bi × (R_pi - R_bi)
交叉效应 = Σ (W_pi - W_bi) × (R_pi - R_bi)嗯，这里要注意：三个效应加起来，正好等于超额收益。数学上完美闭合。
配置效应：你的仓位管理能力
配置效应衡量的是「你比基准多配或少配了哪些资产」带来的收益。
举个例子。基准里股票占60%，债券占40%。你判断股票要涨，于是配了80%股票、20%债券。结果股票涨了10%，债券涨了2%。
配置效应 = (80%-60%) × 10% + (20%-40%) × 2% = 2% - 0.4% = 1.6%
这1.6%就是你靠仓位判断赚到的超额收益。
我的经验：做配置效应分析时，我习惯把时间窗口拉长到季度级别。太短了容易被噪音干扰，太长了又看不清调仓节奏。我曾经用日频数据做归因，结果配置效应忽正忽负，根本没法用。
选择效应：你的选股能力
选择效应衡量的是「在同一个资产类别里，你选的标的比基准好多少」。
还是上面的例子。股票类别里，基准用的是沪深300，你选的是中证500。结果中证500涨了12%，沪深300涨了10%。
选择效应 = 60% × (12% - 10%) = 1.2%
这1.2%就是你靠选股能力赚到的超额收益。
说白了，配置效应考验的是大类资产判断，选择效应考验的是具体标的挖掘。两者缺一不可。
交叉效应：两者互动的结果
交叉效应是配置效应和选择效应的乘积项。它衡量的是「你在超配的资产里选对了标的」带来的额外收益。
继续上面的例子。你超配了股票（80% vs 60%），同时在股票里选对了标的（中证500跑赢沪深300）。
交叉效应 = (80%-60%) × (12%-10%) = 0.4%
这0.4%是你同时做对了两件事的奖励。
避坑指南：我曾经遇到过一个策略，配置效应和选择效应都是负的，但交叉效应特别大，导致整体超额收益为正。这种情况要警惕——它说明你的收益来源不稳定，一旦市场风格切换，可能瞬间崩塌。
实战中的归因流程
我一般按以下步骤做Brinson归因：
- 确定基准：基准必须可投资、可复制。我常用的是沪深300+中债综合指数。
- 划分资产类别：类别之间要互斥、全覆盖。比如股票、债券、商品、现金。
- 计算权重和收益：用日频数据，避免持仓变动带来的误差。
- 逐层拆解：先算大类资产层面的配置效应，再算细分类别的选择效应。
- 汇总验证：三个效应之和必须等于超额收益，误差超过1e-6就要查数据。
知识体系总览
下面这张图是我自己整理的Brinson归因知识框架，你可以对照着理解：
一个完整的计算示例
假设我们有两个资产类别：股票和债券。数据如下：
| 资产 | 组合权重 | 基准权重 | 组合收益 | 基准收益 |
|---|---|---|---|---|
| 股票 | 70% | 60% | 8% | 6% |
| 债券 | 30% | 40% | 3% | 2% |
计算过程：
配置效应 = (70%-60%)×6% + (30%-40%)×2% = 0.6% - 0.2% = 0.4%
选择效应 = 60%×(8%-6%) + 40%×(3%-2%) = 1.2% + 0.4% = 1.6%
交叉效应 = (70%-60%)×(8%-6%) + (30%-40%)×(3%-2%) = 0.2% - 0.1% = 0.1%
超额收益 = 0.4% + 1.6% + 0.1% = 2.1%
组合收益 = 70%×8% + 30%×3% = 6.5%
基准收益 = 60%×6% + 40%×2% = 4.4%
超额收益 = 6.5% - 4.4% = 2.1% ✅ 完美闭合实用技巧：我一般会把归因结果做成热力图，横轴是时间，纵轴是效应类型。颜色越红表示正贡献越大，越蓝表示负贡献越大。这样一眼就能看出策略在哪个阶段靠什么赚钱。
最后说一句，Brinson模型虽然经典，但它假设各资产类别之间是独立的。实际中，股票和债券经常同涨同跌，这时候交叉效应会变得很大。我的建议是：先用Brinson做初步归因，如果交叉效应占比超过20%，就要考虑用更复杂的多因子模型了。
公众号:蓝海资料掘金营，微信deep3321