導語：收益歸因是一個比較基礎、同時相當重要的政策分析工具，本教程旨在幫助大家利用BigQuant自帶的Brinson進政策進行績效歸因分析。
分析架構
Brinson的架構可以用來分解投資組合的總收益。盡管計算上很簡單，但理論上是有效的，已被各種養老金贊助人、顧問和投資管理人員成功地使用；目前，它被用來表示實際投資組合中的業績貢獻。績效歸因雖然不是新發現的理論，但仍然是一個不斷發展的學科。早期關于這一主題的論文主要關注風險調整後的收益，提出了最初的架構，但很少關注多重資産績效衡量。我們的任務是按照投資客戶和經理的決策的重要性排序，然後衡量這些決策對實際計劃績效的整體重要性。
表1說明了分析投資組合收益的架構:
象限Ⅰ表示基準收益（Benchmark Return）。在此，我們将根據其長期投資基準确定投資組合的基準收益率。
一個計劃的基準收益是所采用的投資基準的結果。投資基準确定長期資産配置計劃(包括資産類别和标準權重)，用于控制總體風險和滿足投資組合目标。
簡而言之,基準确定整個計劃的投資組合的标準。要計算政策基準收益率，我們需要：(1)預先說明所有資産類别的權重，以及(2)配置設定在每種資産類别上的被動(或基準)收益。
象限II表示基準和擇時的收益（Benchmark and Timing Return）。這裡象限II的收益并不單表示了擇時的收益，而是按照基準進行選股加以主動擇時的綜合收益。擇時是指相對于基準，以提高收益和/或降低風險為目的，在資産類比的标準權重上戰略地降低或提高它的權重，擇時表現了相對于政策回報的增量回報。
象限III表示基準和選股的收益（Benchmark and Security Selection Return）而産生的收益。同樣地，這裡象限Ⅲ的收益并不單表示了選股的收益，而是按照基準進行擇時加以主動選股的綜合收益。選股是在一個資産類别中進行主動投資選擇，我們将其定義為投資組合的實際資産類别收益率(例如，普通股和債券部分的實際回報率)超過這些類别的被動基準收益率，并由标準的資産配置權重進行權重。
象限IV表示該期間基金總額的實際收益(Actual Portfolio Return)。這是主動進行擇時和選股的實際結果。
表2給出了計算這些象限值的方法:
案例展示
下面我們用一個實際的政策案例來說明如何使用brinson分析。
這個政策是一個比較簡單的雙均線政策，當短期均線上穿長期均線，出現金叉，則買入；當短期均線下穿長期均線，出現死叉，則賣出。
交易時間我們選擇從15年初到17年底，共三年時間。為示範目的，我們沒有選擇全市場的股票，而是抽了一些股票，這樣回測結果跑得快些。
回測結果如下圖：
調用brinson分析api
當運作完回測的時候，儲存下M.trade.v4的傳回對象，在案例裡我們存在strategy1裡。強調一下，現在brinson分析隻支援在v4版本上。
然後我們調用brinson_analysis()方法，這個方法會計算brinson分析所需要的資料，應該要不了幾分鐘。
brinson = strategy1.brinson_analysis() 當brinson對象建構後，我們調用plot_return_path()方法，來獲得收益歸因的路徑圖，對應的是上述表2的結果：
brinson.plot_return_path() 其中，RETURN_I是基準收益，相對應的RETURN_IV是組合實際收益。
然後我們來看下最關鍵的收益貢獻分析：
brinson.plot_periods_return_analysis() 圖中每根柱子代表相應收益在時間上的累積貢獻，不難從上圖中發現，這個政策有正的擇時貢獻，由于我們的雙均線政策本來就是擇時政策，是以并不奇怪。然而我們的選股收益是負的，說明我們的政策并不具有選股能力，分析我們的樣例政策，是一個固定的股票清單，比基準的數量還要少，這個結果也能解釋。
如果我們還可以單獨看超額收益，如下圖，可以看到我們的樣例政策還是獲得了超額收益。
小結：分解影響投資組合表現的因素，有利于量化投資管理決策在投資組合表現中發揮的作用；明确投資政策和投資政策之間的差別和聯系将有助于進一步闡明這兩項活動在投資過程中的作用。簡單、準确、完整和可衡量的投資決策過程歸因，将使我們進一步認識到投資活動中各部分的重要性，Brinson的理論在分析投資組合表現的決定因素上搭建起了一個簡明而完整的架構。
原文釋出時間為：2018-08-29
本文來自雲栖社群合作夥伴“
BigQuant”，了解相關資訊可以關注“
”。