Brinson归因模型：拆解你的收益来源

做量化投资的朋友，一定都遇到过这种情况：回测曲线漂亮得不行，实盘一跑就拉胯。这时候你最需要的是什么？不是拍大腿，而是搞清楚——钱到底赚在哪，亏在哪。

Brinson归因模型，就是干这个的。它能把你的组合收益拆成三块：资产配置做对了没？选股选得好不好？这两者之间有没有产生化学反应？

我个人习惯，每次跑完一个策略，第一件事就是跑一遍Brinson。不是为了炫技，而是为了让自己心里有数。嗯，咱们今天就把这个模型彻底讲透。

Brinson模型的数学原理

说白了，Brinson模型就是一个收益分解公式。它把组合的超额收益拆成三个部分：

• 资产配置效应：你赌对了大类资产的方向
• 选股效应：你在同一类资产里挑对了标的
• 交互效应：配置和选股之间的协同作用

公式长这样：

超额收益 = 配置效应 + 选股效应 + 交互效应

其中：

配置效应 = Σ (Wp_i - Wb_i) × Rb_i
选股效应 = Σ Wb_i × (Rp_i - Rb_i)
交互效应 = Σ (Wp_i - Wb_i) × (Rp_i - Rb_i)

解释一下符号：

• Wp_i：组合在第i类资产上的权重
• Wb_i：基准在第i类资产上的权重
• Rp_i：组合在第i类资产上的收益率
• Rb_i：基准在第i类资产上的收益率

你想想看，这个公式其实特别直观。配置效应就是你比基准多配或少配了某个资产，赚了多少。选股效应就是你在同一类资产里，挑的股票比基准指数强多少。交互效应嘛，就是这两件事同时发生时的额外效果。

资产配置效应：你的仓位管理能力

资产配置效应衡量的是：你在大类资产上的权重决策，到底对不对。

举个例子。假设基准里股票占60%，债券占40%。你的组合里股票配了70%，债券配了30%。结果股票涨了10%，债券涨了2%。

那么配置效应怎么算？

股票部分：(70% - 60%) × 10% = 0.1%
债券部分：(30% - 40%) × 2% = -0.02%
总配置效应 = 0.1% - 0.02% = 0.08%

你看，因为你多配了股票，少配了债券，整体多赚了0.08%。这就是配置效应的功劳。

我在项目中遇到过一件事。有个朋友做FOF，他特别喜欢超配科技股。有一年科技股大爆发，他的配置效应特别漂亮。但第二年科技股回调，配置效应直接变成负的。这说明什么？配置效应是有周期性的，不能只看一年。

选股效应：你的个股挖掘能力

选股效应衡量的是：在同一类资产里，你选的股票比基准指数强多少。

还是刚才的例子。基准里股票部分收益是10%，但你选的股票组合收益是12%。那么选股效应就是：

选股效应 = 60% × (12% - 10%) = 1.2%

注意这里用的是基准权重，不是组合权重。为什么？因为选股效应要剥离掉配置决策的影响。你想想看，如果你用组合权重去算，那选股效应里就混进了配置的功劳，这不就乱了吗？

我曾经犯过这个错误。刚开始做归因分析时，直接用组合权重算选股效应，结果发现选股效应特别大。后来一检查，原来是配置效应被算到选股里去了。嗯，这个坑我替你们踩过了。

交互效应：配置与选股的化学反应

交互效应，说白了就是配置和选股同时做对或同时做错时，产生的额外收益或损失。

公式是：

交互效应 = (Wp_i - Wb_i) × (Rp_i - Rb_i)

什么意思？如果你超配了一个资产，而且在这个资产里选股也做得特别好，那交互效应就是正的。反过来，如果你超配了一个资产，但选股做得一塌糊涂，那交互效应就是负的。

举个例子：

你超配了科技股5%（Wp - Wb = 5%）
你选的科技股比基准科技指数多赚了3%（Rp - Rb = 3%）
交互效应 = 5% × 3% = 0.15%

这0.15%就是你同时做对配置和选股的额外奖励。

我个人觉得，交互效应是最能体现基金经理真实水平的地方。为什么？因为配置和选股都做对，说明你对这个资产有深刻的理解，不是瞎蒙的。

一个完整的例子

咱们用一个简单的表格来演示。假设只有两类资产：股票和债券。

资产	组合权重	基准权重	组合收益	基准收益
股票	70%	60%	12%	10%
债券	30%	40%	3%	2%

计算过程：

配置效应：
  股票：(70% - 60%) × 10% = 1%
  债券：(30% - 40%) × 2% = -0.2%
  合计：0.8%

选股效应：
  股票：60% × (12% - 10%) = 1.2%
  债券：40% × (3% - 2%) = 0.4%
  合计：1.6%

交互效应：
  股票：(70% - 60%) × (12% - 10%) = 0.2%
  债券：(30% - 40%) × (3% - 2%) = -0.1%
  合计：0.1%

总超额收益 = 0.8% + 1.6% + 0.1% = 2.5%

你看，这个组合的超额收益2.5%里，选股效应贡献最大，占了1.6%。配置效应也不错，有0.8%。交互效应虽然只有0.1%，但说明配置和选股之间没有互相拖后腿。

Brinson模型的局限

任何模型都有局限，Brinson也不例外。我总结了几点：

• 线性假设：它假设收益是线性可加的，但现实中资产之间有相关性，这个假设不一定成立
• 基准选择：基准选得不对，归因结果就全歪了。我见过有人用沪深300做基准去分析小盘股策略，那结果能看吗？
• 交互效应解释困难：交互效应到底是配置的功劳还是选股的功劳？说不清楚。有些分析师干脆把交互效应合并到选股效应里

知识体系结构图

下面这张图，帮你把Brinson归因模型的核心逻辑串起来：

这张图把Brinson模型的核心逻辑展示得很清楚。从中心出发，三个分支分别对应三个效应，每个效应都有自己的计算公式。最下面列出了常见的应用场景。

好了，Brinson归因模型就讲到这里。记住，归因分析不是为了找借口，而是为了找到真正的问题。下次你的策略跑偏了，别急着改参数，先跑一遍Brinson，看看问题到底出在哪。

---

公众号:蓝海资料掘金营，微信deep3321