第四节：多期Brinson归因——单期与多期模型的区别，链接方法

聊完单期归因，咱们得面对一个更现实的问题。

你想想看，一个投资组合，不可能只拿一天吧？

实际工作中，我们往往要分析一个季度、半年甚至一年的业绩。这时候，单期Brinson就不够用了。为什么？因为单期模型假设每期独立，但现实中，收益是复利累积的。你把每期的归因结果简单相加，会发现——对不上账。

嗯，这就是多期归因要解决的问题。

单期 vs 多期：核心差异在哪？

单期模型，说白了就是拍一张快照。它假设期初的配置和选股，决定了这期的超额收益。但多期模型，你得拍一部电影。因为基金经理会在期间调仓，上期的选股结果会影响下期的配置基数。

我举个例子你就明白了：

• 单期模型：你月初配了10%的科技股，科技股涨了5%，那配置贡献就是0.5%。简单粗暴。
• 多期模型：你月初配了10%，科技股涨了5%，月底科技股占比变成10.5%了。下个月你继续配科技股，但基数变了。这时候，上期的选股收益，会通过“复利效应”影响下期的配置贡献。

所以，多期归因的核心难点在于：如何把跨期的交互效应，合理地分配给各期。

三种主流链接方法：Carino、Menchero、Grap

我个人习惯把这三种方法，理解为“分蛋糕”的不同方式。总超额收益是一块大蛋糕，我们要把它切成几块，分给各期。但切法不同，结果就不同。

1. Carino方法：最直观的“对数链接”

Carino的思路很简单：既然复利是乘法的，那我用对数把它变成加法不就行了？

具体来说，它给每期的超额收益乘上一个“链接系数”：

# Carino链接系数计算
def carino_link(r_period, r_total):
    """
    r_period: 单期组合收益率
    r_total: 多期总组合收益率
    """
    import math
    k = math.log(1 + r_total) / math.log(1 + r_period)
    return k

嗯，这里要注意：Carino方法有个前提——假设各期收益率都为正。如果某期亏损严重，对数就没定义了。我在项目中遇到过这种情况，某季度市场暴跌，Carino直接报错，搞得我手忙脚乱。

2. Menchero方法：最稳健的“优化链接”

Menchero方法，说白了就是Carino的升级版。它不依赖对数，而是通过优化算法，找到一个“最优链接系数”，使得各期归因结果之和，恰好等于总超额收益。

它的核心公式长这样：

# Menchero链接系数（简化版）
def menchero_link(r_period, r_total, n_periods):
    """
    通过迭代优化，找到链接系数
    """
    # 实际项目中会用牛顿法或最小二乘
    # 这里展示核心思想
    k = (1 + r_total) ** (1/n_periods) - 1
    k = k / r_period  # 近似解
    return k

我曾经在实盘归因系统中，全面改用Menchero方法。原因很简单：它不挑市场环境。无论牛熊，都能稳定输出结果。而且，它还能处理负收益的情况——这一点Carino做不到。

3. Grap方法：最简洁的“几何链接”

Grap方法，我个人觉得是最“优雅”的。它直接从几何角度出发，把多期收益拆解为各期收益的乘积，然后通过“几何分解”得到链接系数。

它的公式非常简洁：

# Grap链接系数
def grap_link(r_period, r_total):
    """
    Grap方法：几何平均分解
    """
    # 链接系数 = 总收益 / 各期收益的几何平均
    k = (1 + r_total) / (1 + r_period)
    return k

你看，就一行代码。但简洁不代表简单。Grap方法有个隐含假设：各期收益的波动率相近。如果某期波动特别大，结果会偏差。

三种方法的对比

方法	核心思想	优点	缺点	适用场景
Carino	对数链接	计算简单，直观	负收益时失效	市场平稳期
Menchero	优化链接	稳健，适用所有场景	计算量稍大	实盘生产环境
Grap	几何链接	公式简洁，易于实现	波动率敏感	学术研究、快速原型

多期归因的核心流程图

为了让你更直观地理解，我画了一张流程图。它展示了从单期归因到多期链接的完整路径：

实战中的选择建议

说了这么多，到底该用哪个？

我个人建议：

• 做学术研究或快速验证：用Grap。代码简单，跑得快，结果也够用。
• 做生产环境的归因系统：用Menchero。虽然计算量大点，但胜在稳健。我在实盘系统中，就是用的Menchero，跑了两年没出过问题。
• 做历史回测，且市场平稳：用Carino。它最直观，客户也容易理解。

好了，多期归因的核心逻辑就这些。说白了，就是怎么把单期的“快照”拼成一部“电影”。链接方法就是那个“剪辑师”，不同的剪辑师，剪出来的片子风格不同，但故事主线是一样的。