基于交易的多期股票型基金绩效归因研究

基于交易的多期股票型基金绩效归因研究

课题研究人：辛曌

选送单位：兴业基金管理有限公司

内容提要

基金绩效评价是国内基金业当前的重要研究课题。基金组合，尤其是开放式积极管理型基金组合的持仓通常会处于较为频繁的变动之中，因此，对基金管理公司而言，一个实现的、急迫的问题是采用什么样的绩效评估方法反映基金经理的管理能力？本文将回答上述问题，不仅如此，还将提供一个基于现实基金绩效的实证分析。

本文的多期Brinson模型解决了基金绩效评估问题的以下重要问题：首先，采用简单Brinson模型可以将超额收益再分解为超额资产配臵收益、超额个股选择收益以及交互收益三个部分；其次，我们采用以交易日为单位的单期计算，可以解决积极型股票组合的持仓变化问题；再次，本文的多期技术可以对组合资产中的各细分资产进行多期收益的精确分解；最后，针对实现中的收益计算和资产细分等具体问题提出了解决方法。

本文的模型现实意义重大，不仅可以广泛运用于基金公司、保险公司、资产管理公司等买方机构的内部绩效评价，还可以便于研究人员用交易日数据用于基金的纵向和横向数据研究的各种模型之中。

1

目 录

1、前言

…………………………………………………………1

2、相关文献综述 ............................................................................... 2 3、基于交易的多期BRINSON模型 ............................................... 4

3.1 单期Brinson模型 .................................................................. 4 3.2积极管理型投资组合归因分析 ............................................. 6 4、基于真实基金组合的实证分析 ................................................. 11

4.1 几个基本概念的现实表述 .................................................. 12 4.2 基金资产的切分................................................................... 13 4.3 选股能力还是资产配臵能力？ .......................................... 15 5、总结 ……………………………………………………………22

1、前言

基金绩效评价是国内基金业当前的重要研究课题。合理客观地评价旗下基金的投资绩效，一方面可以为内部投资研究提供事前、事中支持与事后业绩考核；另一方面也可以向客户展现更有说服力的投资业绩，使其对基金管理团队的运作绩效有更深层的认识。

基金组合，尤其是开放式积极管理型基金组合的持仓通常会处于较为频繁的变动之中，一方面，基金经理会根据市场趋势进行主动性投资操作；另一方面，来自客户的频繁申购、赎回基金也对基金组合产生非常大的冲击，基金经理将不得不根据申购赎回量买卖股票，而且申购赎回资金的流动会直接导致持仓股票权重的变动。因此，对基金管理公司而言，一个实现的、急迫的问题是采用什么样的绩效评估方法反映基金经理的管理能力？

本文将回答上述问题，不仅如此，我还将提供一个基于现实基金绩效的实证分析，对基金经理的管理能力进行详细分析，以期为国内基金同行和其它买方机构在投资组合绩效评估工作的推进和完善上做出贡献。1本文第2部分对绩效评价相关研究进行了综述，第3部分阐述基于交易的多期绩效归因模型的构建过程；在此基础上，第4部分采用该模型针对真实的交易数据，对旗下管理的趋势投资基金

1

AA(正文中不出现作者单位名称，因此，此处隐去真实名称)基金管理有限公司已经成功开发了基于本文模型的绩效与风险评估系统，并将本文的模型运用日常的绩效评价中。 我们认为本文的重要意义一方面在于为国内同行的绩效评估工作提供了重要借鉴；另一方面，用基金真实的交易数据展现了一个绩效分析框架的完整框架。有关数据以及基于该数据形成的研究结论都是首次在文章中予以披露，AA基金管理有限公司旨在不违反现行法律法规对相关信息的披露要求基础上，与同行和广大投资者分享我们的研究成果，为推动国内基金绩效分析研究做出贡献。

1

2006年绩效归因进行了实证分析，以此对基金投资团队的管理能力进行评价。在这部分的分析中，我还将提供诸如国内股改送权证、可转债套利过程等等较为特殊情况的收益处理方式。最后，在第5部分做出总结。

2、相关文献综述

绩效归因分析的本质是将基金组合的实际绩效与一个市场基准（Benchmark）的收益进行比较，同时，将两者之间的差额分解成几种“效应”，比如资产配臵效应和个股选择效应。

基于分析方法和使用数据的不同，归因分析可以划分为以下两大类别：外部评价法和内部评价法。外部评价法是指由第三方借助基金净值数据与基金基准的市场表现采用统计学方法进行的基金绩效归因分析，通常是基于CAPM模型与多因子模型进行拓展，比如HM模型、TM模型、Fama and French三因子模型以及Carhart的四因子模型等等。国内王霞（2001）、辛曌（2004）等人对这些方法进行了总结。Fama（1972）最早提出的归因分析模型就是建立在CAPM模型基础上，将资产组合的超额收益率分为“选择回报”（由分散回报和净选择回报组成）和“风险回报”（由投资者风险回报和经理人风险回报组成）两部分。

而内部评价法则是指基于基金组合的真实交易数据而进行的基金绩效分析。Brinson等人（1985、1986、1991）的工作为基金绩效的内部评价做出重要先导性贡献，其中，在1986年的经典文章中，

2

Brinson等人以 91家养老基金从1974年开始的10年间的数据为研究对象，采用最小二乘回归法发现基金收益的时间差异90%以上是由资产配臵能力解释的。尽管后来的学者对该文的研究结论进行多次深入探讨，甚至有人提出不同结论（Jahnke,1997等）。这些研究文章中首先提出了以后被广泛称之为Brinson模型的基金评价方法。Brinson模型强调将基金组合收益与基准收益进行比较，两者之间的超额收益再次分解为超额资产配臵收益与超额股票选择收益和交互收益三种。简单的Brinson模型提出后，从不同角度又得以拓展：Karnosky and Singer （1994）将其拓展为多币种绩效归因模型（KS模型），从而可以对全球资产的绩效进行分析。另外， 对于一个买入持有策略的组合而言，多期的归因分析仍然可被视为一个单期进行处理，但是，对于一个积极型投资组合而言，需要构建合适的多期归因方法，Davies and Laker（2001）以及Arnarson等人（2003）对此作出了贡献。

影响股票和债券的因素明显不同，债券更多地受利率水平的共性影响，因此，债券组合与股票组合的绩效归因分析方法也显著不同。大量研究学者（Fong, Pearson, and Vasicek，1983; Ramaswamy，2001）发展了单纯的债券组合绩效归因分析方法。限于篇幅限制和为了突出主题，本文只讨论股票型基金归因方法，如果股票型基金中包含部分债券持仓，处理方式上，等同于不在基准中的股票持仓。

与外部评价法相比，内部评价法所包含的信息全面，并且可以切分到任意维度，从而可以进行行业或者个股的绩效分解，便于基金内部绩效细化评价和外部客户推介。由于基金定期公布季报、年报中包

3

含了部分甚至是非常详细的内部信息，因此，外部机构可以借助这些信息进行内部评价。正是看到基于持仓数据进行归因分析的明显优点，一些研究也对基于CAPM和多因子模型的分析方法加以改进以用于基于（季度或者月度）持仓的内部归因分析。

但很明显，对于一个积极管理型的基金而言，只凭这些公布信息无法进行准确分析（比如无法有效地剔除“披露日修饰”行为）。因此，我们在下文将给出一种基于即时交易（每天）数据的归因模型，该模型可以广泛运用于基金公司、保险公司、资产管理公司等买方机构的内部绩效评价。

3、基于交易的多期BRINSON模型

3.1 单期Brinson模型

首先，我们先引入Brinson等人（1986，1991）提出的单期Brinson模型。一个时期的基金收益可以分为四个部分：资产配臵收益、个股选择收益、交互收益和基准组合收益。在计算这四部分收益之前，先构建四个概念性组合：

Q1: 实际组合；

Q2: 积极资产配臵组合； Q3: 积极股票选择组合； Q4: 基准组合。

其中，每个组合的计算可以用下表来描述：

4

组合资产i收益（rp,i） 基准资产i收益（nrb,i） 组合资产i权重（wp,i） Q4??wp,i?rp,ii?1nn Q2??wp,i?rb,ii?1n 基准资产i权重（wb,i） Q3??wb,i?rp,ii?1 Q1??wb,i?rb,ii?1 其中，wp,i为组合资产i权重；wb,i为基准资产i权重；rp,i为组合资产i收益；rb,i为基准资产i收益。

这样，基准组合收益为rb?Q1 资产配臵收益:

AR?Q2?Q1??wp,i?rb,i??wb,i?rb,i??(wp,i?wb,i)?rb,i；公式（1）

i?1i?1i?1nnn个股选择收益:

SR?Q3?Q1??wb,i?rp,i??wb,i?rb,i??wb,i?(rp,i?rb,i)i?1i?1i?1nnn; 公式（2）

交互收益:

IR?Q4?Q3?Q2?Q1??(wp,i?wb,i)?(rp,i?rb,i)i?1n； 公式（3）

总超额收益TR?rp?rb?Q4?Q1?SR?AR?IR

为保持内部一致性，每期组合中的各类资产分类权重总和必须为1，各类资产收益综合必须等于总组合收益：

?wi?1np,i?1；?wp,i?rp,i?rp

i?1n这样，超额收益就由资产配臵收益、个股选择收益和交互收益所构成，但是，以此类推，在具体的分析中，绩效评估者还可以根据自身的需要对超额收益进行适当修改。通常，资产配臵收益被改写为以

5

下形式（Brinson, Hood, Beebower,1986）：

AR???(wp,i?wb,i)?(rb,i?rb) 公式（4）

i?1n比较公式（1）、（4），会发现，尽管基准收益rb进入公式（4），但两者在总和上是相等的，上述的内部一致性原则下，组合和基准的权重之和都为1，因此，两者之差与一个相对固定量rb的乘积的总和为0，这样：

AR???(wp,i?wb,i)?(rb,i?rb)?AR??(wp,i?wb,i)?rb?AR

i?1i?1nn尽管对于总资产配臵收益而言，两者的计算结果是一致的，但是，两者背后的评价理念有所差异：AR强调超额资产配臵收益来源于对上涨的资产类别（比如行业i）的超配或者对下跌的资产类别的低配；但AR?强调只有对涨幅超过基准总收益的类别进行超配或者对跌幅超过基准总收益的类别进行低配才是有超额资产配臵能力。比如，在普涨行情中，AR要求对所有上涨行业都进行超额，这显然是做不到的，因为即使在一个无现金比例的股票组合中，根据内部一致性原则，对一个行业的超配，必然另一个行业的低配为代价。从这个角度看，AR?的评价更为贴近现实一些。

另外，绩效评价者还可以根据自身需要对超额收益进行重新划分，比如可以将交互收益也归到个股选择收益中去（Menchero，2000）。

3.2积极管理型投资组合归因分析

Brinson模型可以在任意时间段内，比如1天、1个月，进行相应

6

计算，然后，再将所有时间段内地单期进行汇总计算。

不过，不像组合的收益率可以跨期进行复合计算，各个分解的归因收益不能简单地进行跨期复合计算。我们假设组合收益率为Rt与基准收益为Rt在给定的时期t中，被分解为多个“效应”。很自然，在多期，收益率就是将每个时期的复合收益：

Rp?(1?rp,1)(1?rp,2)...(1?rp,t)?1

而基准收益为：Rb?(1?rb,1)(1?rb,2)...(1?rb,t)?1

单期的超额收益表示为Rp,t?Rb,t，多期的超额收益相应为Rp?Rb。之所以不能简单对跨期进行效应加总，是因为各期收益超额的总和并不等于复合收益超额：

Rp?Rb?(rp,1?rb,1)?(rp,2?rb,2)?...?(rp,T?rb,T)

很明显，对于买入持有组合而言，由于持仓组合在各期没有变化，多期归因可以简化为一个单期进行计算。但基于交易（Transaction Based）组合的绩效归因就需要根据真实交易和现金流量数据采用合适的模型进行计算。之所以不能将一个多期简单地看成一个单期，原因在于，在多期，积极管理型基金投资组合的持仓必然发生变化，对于一个开放式基金而言，这个单期通常是以天计算，其中的原因一方面来自于基金经理的频繁操作；另一方面也源于投资者申购、赎回基金份额对原有持仓权重的改变。由此可见多期归因分析对现实中的基金绩效评价的重要意义。

海外学者对于该问题的研究时间也不长，但迄今为止，已经发展出几种较为实用的多期归因处理方法。目前的几个研究共识是：根据

7

Brinson模型的四个概念性组合，对于基金层面（不对资产进行细分）的多期归因存在精确解；对应类别资产（行业）或者个股层面则不存在精确解。

基金层面的多期处理技术的基本原理在于将总超额收益按照一定的算法归因于资产配臵、个股选择和交互收益三种效应中去。Burnie, Knowles, and Teder (BKT,1998)提出了一种被成为几何归因法的方法。他们重新定了归因效应的表达式：

1?rp,t1?rb,t?(1?At)(1?St)(1?It)

用几何归因方法重新定义单期效应，使得多期归因分析可以像收益率一样进行复合计算。

单期归因效应的几何方法表述为：

行业配臵收益AE??{(wp,i?wb,i)?[(1?rb,i)/(1?rb)?1]}

i?1nn个股选择收益SE??[wb,i?(rp,i?rb,i)/(1?rb)];

i?1交互收益IE?(1?rp,i)?(1?rb,i)/[(1??wp,i?rb,i)?(1??wb,i?rp,i)]?1

iinnDavid(1999)提出了一种算术归因法，这种方法可以克服BKT方法需要重新定义归因公式的问题，通过算术演算可以直接推导出与单期相对应的多期归因效应公式。该方法已经被Russell/Mellon分析服务公司的绩效归因系统所采用。其核心思想是将多期收益用对数形式展开：

ln(1?Rp)?ln(1?rp,1)?ln(1?rp,2)?...?ln(1?rp,t)

8

对应地，超额收益为：

ln(1?Rp)?ln(1?Rb)??(ktAEt?ktSEt?ktIEt)

t?1T其中，kt为调整因子，其作用就是要上式与标准的单期归因分析公式Rp?Rb??(AEt?SEt?IEt)相等。很明显有

t?1Tkt?ln(1?rp,t)?ln(1?rb,t)rp,t?rb.t，

其中，Rt?Rt时，kt?1/(1?Rt)。有了这个调整因子，多期资产配臵、个股选择和交互收益就可以写成：

行业配臵收益AE??(ktAEt/k)

i?1n个股选择收益交互收益

SE??(ktSEt/k)i?1nn;

IE??(ktIEt/k)i?1

算术归因法也称为可加性归因，其算法的内在原理是假设在一个连续的时间内考察基金绩效，在瞬时上，跨期的收益就可以被连续的复合，或者称之为可加，而不是可乘。如果将跨期收益看作是离散的复合，则就可以实现可乘的归因算法。David(2001)还比较了BKT的几何算法与算术算法的异同。因为，

(1?Rp,t)/(1?Rb,t)?1Rp,t?Rb,t1。 1?Rb,t?1，所以1?Rb,tBKT公式相当于单期公式乘以调整因子

Davies and Laker（2001）则从Brinsion四个概念性组合角度入手提出基金层面的各种效应可以直接用四个概念性组合的复合收益乘

9

积之差来表示。

很明显，基金层面的多期归因可以采用多种准确计算方法来处理。但是，如果要评价基金经理在细分资产，比如行业和个股上的超额能力就需要用到类别层面的多期归因方法。

以下我们遵循Arnarson等人（2003）的思路，对Davies and Laker（2001）提出的方法进行拓展，使其可以用于类别资产层面的归因分析。

假设一个股票组合分为M个细分资产类别（比如行业，甚至可以细分到个股），那么，类别i的收益贡献为

a1?wi,0?ri,1 i其中，wi,0为期初权重，ri,1为第一期的收益率（只有跨两期才能计算收益率）。

两期的收益贡献为：a2?a1?wi,1?ri,2(1?Rp,(1))

ii对多期进行一般化处理则有：

ai,n?ai,n?1?wi,n?1?ri,n?(1?Rp,n?1)??wm,kri,k?1(1?Rp,k)

k?0N?1其中，R(1)表示n?1期内复合收益率。其中第三个因子(1?Rp,k)的作用是将组合总收益的效应传递到了每个i类别上，这样做的好处是可以对多期的各类资产进行任意归因效应的分解。

在此基础上，多期Brinson行业归因框架可以表示为：

10

组合行业i权重wp,i 基准行业i权重wb,i 组合行业i收益rp,i mn?1kp,ik?1kp基准行业i收益rb,i mn?1k?1kQ4???w?rp,i?(1?R) Q2???wk?r?(1?Rp,ib,iaa) i?1k?0mn?1i?1k?0mn?1kk?1kQ3???w?rp,i?(1?R) Q1???wb,i?rb,i?(1?Rb) kb,ik?1kssi?1k?0i?1k?0kkkk其中，Rp分别是基金实际组合、积极资产配臵组合、积,Raa,Rss,RB极股票选择组合以及基准组合的k期复合收益率。

从而多期行业资产配臵、多期个股选择以及交互收益分别为：

kkkkk?1?ARk???w?(1?R)?w?(1?R)?rp,iaab,ibb??,i

k?0n?1k?1kk?1kkSRk????rp,i(1?Rss)?rb,i(1?Rb)???wb,i

k?0n?1kk?1kkk?1kkk?1kk?1kkIRk???w?r(1?R)?w?r(1?R)?w?r(1?R)?r?w(1?R)?p,ip,ipb,ibbp,ibaap,ib,iss??k?0n?1 用这种方法不仅可以与单期Brinson模型一样的思路来计算基金层面的资产配臵收益、个股选择收益和交互收益，更重要地可以将归因分析分解到细分组合资产维度，比如行业或者个股1。

4、基于真实基金组合的实证分析

由于一个真实的基金组合需要以每个交易日作为单期进行归因，从而如果要进行季度或者年度绩效归因分析，就需要运用多期归因方法。下面的分析，我们将采用上述多期归因模型对我公司旗下的趋势投资基金进行绩效归因分析，以展示多期归因模型如何在实际的基金绩效评估工作中发挥重要作用。

1

个股层面的归因分析不同于基金层面和行业层面，限于篇幅和突出重点，本文不做介绍。

11

4.1 几个基本概念的现实表述

我们在第3部分中详细介绍了基于交易的多期归因分析框架，但要将其运用到实际基金绩效中，还需要梳理清楚几个基本概念的现实表述形式。在进行实证分析之前，我们基于基金交易的真实情况分别定义了收益率、权重、收益贡献等基本概念。

股票i收益率的表达式为：

ri,t?(Mi,t?Mi,t?1?Ci,t)/(Mi,t?1?Cibuy) ,t其中，Mi,t?1ri,t为股票i的t日收益率；Mi,t为股票i的t日收盘市值；为股票i的t-1日收盘市值；Ci,t为股票i的t日现金流净额1；Cbuy是

i,t指在交易日发生的买入金额，可以是多笔金额的累计也可以是单笔。通常在某一交易日只发生连续买入的交易行为（不能发生两次以上反向交易2），这时，Ci,t等同于Cbuy。如果在某一交易日只发生连续卖

i,t出的交易行为，则Cbuy为0，则Ci,t等于累计卖出金额。

i,t说明一下：这种收益率算法对于交易日发生大额的买入行为，或者期初持仓为0的股票收益率的计算非常必要。换言之，这种收益率的计算隐含的假设是买入交易发生在第二期的期初，而卖出交易则发生在第一期的期末（如果按照实际交易发生数据来计算则两者都将发生在两期的交界点）

其中现金流入流出形式通常包括买入股票i、卖出股票i、分红、交易成本。卖出股票和分红为现金流入，为正值；买入股票、发生交易成本为现金流出，为负值。为简化分析，假设现金流只包括股票买卖行为。 2

我们的公式允许发生一次反向交易，如果存在多次反向交易，上述公式将低估收益，正确的公式就需要适当进行调整。我们的分析中不涉及反向交易，是因为除了专门的套利基金外，基于基金公司的内部风控制度，目前和将来的大多数基金不会进行频繁反向交易。

1

12

0

买入点

1

卖出点

权重：wi,t?(Mi,t?1?Ci,t)/(Mp,t?1)

其中，Mp,t?1为t-1日组合的资产净额，组合中包括现金比例，买入股票同时意味着现金减少，从而其权重也减少；卖出股票则不改变

Mp,t?1，因为卖出股票收回的现金计入下一个交易日。因此，从上述

权重公式可以看出，这里的权重计算比只考虑期初股票市值的情况更贴近现实，这样做避免了对当天新买入股票的计算遗漏。另外，隐含的假设是1与除现金外的投资品种权重之差就是当天现金权重。

我们提出的这种计算收益和权重的方法可以使得基金绩效的分解真正分解到最细分的维度上，比如个股。求出收益率和权重后，两者的乘积就是收益贡献。有了这些基本概念后，剩下的问题就是将报告期按照实际发生交易的日期分割为不同的时间区间，在对每个交易进行单期计算后，在整个评估期（通常为1月或者1年）用多期的Brinson模型进行归因分析。

4.2 基金资产的切分

之所以提出这个问题，是因为现实的基金组合中不可能只包括股票单一品种，根据国内的发展现状，基金可投资的品种就包括债券（包括可转债）、权证（包括股改送权证、分离债附权证与认股权证）、正逆向回购等等，未来还可能包括股值期货等新衍生品。如果不对相关

13

资产进行合理切分就很难准确计算到细分维度的归因效应。以下我们指出资产切分的几个关键点：

首先是如何处理期初成本为0的投资品种？

这个问题很有意思，股改送的权证和分离债附权证都涉及这个问题，如果期初成本为0，就无法对该品种收益率进行计算，为了客观反映这部分收益，我们做出如下安排：

股改送权证和可分离债附权证的期初成本以其理论价格计算，上市后交易价格与理论价格比例就可以作为收益率。理论价格遗漏部分我们创造性的将其视为股票分红或者可转债分红（相对于可分离债而言），这样，我们将就股票与权证、可分离债与权证的收益进行了再切分。

其次的一个问题是，如何处理可转债转股问题。如果一只基金只投资于可转债而没有投资对应正股，则转债转股后的对应正股收益可以还原为转债收益，但是如果同时投资转债和正股，则会存在一个收益归属原则的确定问题：即先卖出的股票收益先归于转债还是归于股票？为了避免一个“主观”问题的发生，我们的处理方式是将转债转股视为转债卖出，转股后的正股视为股票买入，用转债转股时对应市值表示上述两笔交易的发生金额。由于转债转股通常是转债正向套利交易的重要内容，因此，这种方式意味着转债套利的收益归于对应正股收益了。

另外，由于现实交易中还存在权证行权、卖空等等可能的交易情况，因此，需要根据资产属性以及投资团队对相关资产的交易动机确

14

认等等具体情况，确定合理的资产细分原则。

4.3 选股能力还是资产配置能力？ ——基于趋势基金2006年绩效归因的实证 AA基金为股票型基金，2006年晨星公司评价为5星级。2006年累计净值增长率为160.43％，以下我们基于AA基金的每日交易数据进行年度绩效归因分析。

4.3.1 基金组合的年度绩效分析

基于多期归因模型，我们提供一个包括大类资产、行业资产、以及个股绩效分解框架。

首先是大类资产的绩效。

AA基金2006年大类资产收益与贡献

700006000050000400003000020000100000股票权证6.752381.514.682640.05可转债0.001.54逆回购贡献度%0.000.87债券58866.74151.92160.00140.00120.00100.0080.0060.0040.0020.000.00-20.00绝对收益（万元）资料来源：AA基金

总收益6.4亿元，贡献度163.36%1(误差3.02%)，其中股票收益接近5.89个亿，贡献度为152%。权证和可转债投资贡献分别为6.75％

1

与累计收益率存在3.02％的误差，造成这种误差的原因我们认为主要是日收益率算法问题，在理想状态下，需要基于每笔交易进行分期计算，考虑到基金交易系统和估值系统的现状，我们以日为单位已经相当准确了。另外，我们的计算假设现金贡献度为0，根据我们的仓位测算，实际上现金贡献应该有千分之几，鉴于年度分析的现金贡献较小，以及现实处理中繁琐，我们没有计算现金贡献。

15

和4.68％,其中，权证绝对收益小于可转债，但贡献度较大，原因在于股改权证贡献较大时，基金份额相对较小。这一个有趣的现象，就是通过类别资产甚至个股绝对绩效和相对绩效的对比还可以反映出该类比资产在总基金净资产的份额变化。

我们来看行业绩效：

AA基金2006年行业资产收益与贡献

金融保险业 机械设备、仪表 食品、饮料 金属、非金属房地产业 石化塑胶塑料 批发和零售贸易 交通运输仓储业电子 电力煤气及水 纺织服装 医药、生物制品综合类 信息技术业 其他制造业 传播与文化产业采掘业 社会服务业 农林牧渔业造纸、印刷 木材家具 其他资产0.00 建筑业-0.37 31.1330.5125.6416.1015.3211.5310.113.473.383.273.162.702.681.941.130.730.500.260.210.160.15贡献度%绝对收益14,00012,00010,0008,0006,0004,0002,0000-2,000-5.000.005.0010.0015.0020.0025.0030.0035.00 资料来源：AA基金

行业分类采用证监会行业分类，不过需要强调地是，我们对可转债（包括可分离债）、权证与相应地正股都归于同一行业，这样可以真实反映整个行业贡献。趋势基金行业贡献特征表现为：

金融、机械设备和金属（钢铁）行业的贡献度非常高，分别超过了30%，在一个完整年度内，整体而言，行业贡献较为平均。

16

最后，再来看趋势基金的个股贡献。

AA基金2006年个股收益与贡献（5%以上贡献个股）

8,000.00 7,000.00 6,000.00 5,000.00 4,000.00 3,000.00 2,000.00 1,000.00 0.00 20.0018.0016.0014.0012.0010.008.006.004.002.000.0018.1015.34绝对收益贡献度%7.446.376.305.665.485.335.235.095.01招行五粮液双汇金发浦发金融街柳工中企民生武钢重机资料来源：AA基金

我们只列示统计了贡献度为5%以上的个股，当然，正股对应的相应转债、（认购、认沽、认股）权证等类别贡献都包括在股票收益中。根据多期绩效分析结果，招商银行、五粮液这个品种的贡献度分别为18.10％和15.34％，其次，是双汇、金发、浦发、金融街、柳工、中企、民生、武钢和重机，这些品种的贡献度在5－7%之间。上述品种的累计贡献度为80.333%，占总贡献度的49%。

通过个股贡献度分析，我们还可以提炼一些基金运作规律： （1）长期持有的股票贡献相对较好。招商银行包括权证、转债在内贡献度为18.10，是最大的贡献品种。而招商2006年涨幅230%，以8％左右稳定仓位也可以粗略计算出相应的贡献度，这和我们的计算结果基本一致，因此，对于某些绩优股票长期持有，稳中求进，效果比波段操作好很多。

（2）在基金规模较小时，某些小股票可能会给基金带来更高贡献度；而基金规模较大时，尽管某些股票绝对收益较大，但相对收益

17

参考文献

Arnarson, B. O., Karason,S., Haraldsson,H.O., and Karason H., Return Attribution of Actively Managed or Time-Varying Portfolios, Volume 7(4)The Journal of Performance Measurement, Summer 2003.

Brinson G P Measuring non-US equity portfolio performance，Journal of Portfolio Management,1985, p 3-76.

Brinson, G. P., L. R. Hood, and G. L. Beebower, Determinantsof Portfolio Performance, Financial Analysts Journal, July/August 1986.

Brinson, G. P., B. D. Singer, and G.L. Beebower, Determinants of Portfolio Performance II: An Update,Financial Analysts Journal, May/June 1991.

Burnie, J. Stephen, James A. Knowles, and Toomas J. Teder. 1998. Arithmetic and Geometric Attribution. Journal of Performance Measurement 3 (No. 1, fall):59–68.

David, C., Combining Attribution Effects Over Time, Journal of Performance Measurement Summer 1999, pp. 5-14.

Davies, Owen and Laker, Damien, “Multiple-Period Performance Attribution Using the Brinson Model”, Journal of Performance Measurement, Fall 2001 pp. 12-22

Fama,E. F., Components of Investment Performance, Journal of Finance 1972,27,551-567.

Frongello, A., Attribution Linking: Proofed and Clarified, The Journal of Performance Measurement, Fall2002.

Ibbotson ,R.G., and Kaplan, P.D., Does asset allocation policy explain 40, 90, or 100 percent of performance?, Financial Analysts Journal ; Jan/Feb, 2000.

Jahnke,W.W., The Asset Allocation Hoax, The Journal of Financial Planning,, February ,1997.

Menchero, Jose G. An Optimized Approach to Linking Attribution Effects over Time, Journal of Performance Measurement, Fall 2000, pp. 36-42.

Karnosky, Denis S. and Brian D. Singer, Global Asset Management and Performance Attribution, The Research Foundation of the Institute of Chartered Financial Analysts,1994.

Ramaswamy, S., Fixed income portfolio management : risk modelling, portfolio construction and performance attribution Journal of Performance Measurement, Vol.5, No 4, summer 2001, pp 58-70

Surz, R. J., Stevens, D., and Wimer, M., The importance of investment policy, Journal of Investing, Winter 1999.

Warren,B.,The new science of asset allocation, McGraw-Hill Companies,1997. 王霞. 证券投资基金评价研究, 深圳证券交易所综合研究所,2001. 辛曌，基金绩效经典模型及其改进，工作论文，2004。

AA基金，频繁赎回基金行为应予限制，中国证券报，2006年8月29日。 张雪莹，资产配臵对基金收益影响程度的定量分析，证券市场导报，2005 No.10 P.67-72。

23

可能较低。趋势基金的资产规模伴随业绩逐渐在增长，在初期，金发科技是组合中的重要品种，因此，尽管绝对收益相对低，但贡献度却排名考前；而后期武钢（包括相应的权证套利）绝对收益很大，但贡献度却较低。

（3）股改停牌导致采用停牌收盘价计算的双汇股价失真，从而降低了收益贡献度。这种股改停牌效应，引发了诸如基金套利与反套利的思考。面临基金净值的低估以及相应的短期基金申购赎回套利行为，基金公司可以考虑采用公允价值法或提高赎回费等多种手段保护长期持有人利益（AA基金，2006）。在具体的收益测算上同样也可以采用公允价值法。

4.3.2 年度绩效归因

单独计算组合的绩效只是相当于完成了多期Brinson归因分析框架中的一部分工作。下面我们以沪深3001为基准，考察趋势基金的选股和资产配臵能力。

根据上述基于交易的多期Brinson模型： 超额收益＝组合收益－基准收益

＝超额资产配臵收益＋超额个股选择收益＋交互收益 AA基金2006年的总超额收益

＝163.36％－126.93％

＝-0.70%+45.52%-8.39% ＝36.43%

1

趋势基金的业绩基准为50%的中标300＋45%的中标国债＋5%现金比例，由于2006年趋势基金在资产配置上基本以股票为主，因此，股票类资产配置能力必然大大领先。以沪深300做比较，可以更好地体现基金的真实能力。不过，这存在的另一个问题是由于建仓以及现金比例的问题，因此，直觉上，在总资产配置能力上必然落后于基准。实现中的一段时间的合理基准可以是基金公司内定的考核基准也可以根据当时的市场情况随时进行调整，比如，可以选择80％的沪深300＋20%的现金比例作为新基准。

18

因此，以沪深300为基准的归因分析结果表明，2006年度，趋势基金并没有取得超额行业收益，36.43％的超额收益主要由个股选择能力获得（其中交互收益为负）。

由于建仓和现金比例的限制（至少5%），因此，现实中的基金组合不可能达到沪深300组合一样的仓位水平，从而在超额行业配臵上没有取得明显收益主要原因则是股票资产权重较低。以下我们给出了2006年趋势基金的股票仓位比例变化。因此，我们的实证结果表明，趋势基金2006年的超额收益（基于沪深300的，如果基于基准组合，则会由超额行业收益）全部由选股能力获得。

我们的模型的优势在于可以对细分资产的超额收益能力进行分解，因此，以下给出行业超额收益的分解数据。

AA基金行业超额收益（按组合收益从大到小排列）

金融、保险业机械、设备、仪食品、饮料金属、非金属房地产业石化、塑胶、塑批发和零售贸易交通运输、仓储电子电力、煤气及水纺织服装、皮毛医药、生物制品综合类信息技术业其他制造业传播与文化产业采掘业社会服务业农林牧渔业造纸、印刷木材、家具其他资产建筑业-10.00%0.00.00 .000.00@.00P.00`.00p.00%组合收益基准收益超额收益资料来源：AA基金

19

AA基金行业超额收益分解（按超额收益收益从大到小排列）

机械、设备、仪食品、饮料批发和零售贸易房地产业石化、塑胶、塑电子金融、保险业纺织服装、皮毛其他制造业医药、生物制品木材、家具传播与文化产业农林牧渔业造纸、印刷交通运输、仓储电力、煤气及水建筑业社会服务业金属、非金属综合类采掘业信息技术业-20.00-15.00-10.00-5.00%0.00%%%%5.00.00.00 .00%资产配置收益个股选择收益交互收益资料来源：AA基金

超额收益贡献最大的行业依次为机械、食品、房地产和零售行业，占总超额收益的50%。在超额收益中，行业配臵收益最大的依次为食品饮料（14.88%，双汇、五粮液等）、机械设备（5.50%）、零售行业和房地产。由于总超额行业配臵收益只有-0.7％，这也说明在2006年的普涨行情中，很难获得超额行业收益，因为在一个行业中的超配，必然是以一个行业的低配为代价。换言之，超额收益的获取更多地要仍然要依赖于选股能力。

个股选择收益中最大的依次为金属（钢铁）、石化（金发）交通运输和机械类，其中，由于金属和交通运输行业的交互收益（误差）较大，因此，其真实个股选择还可能要打折扣。这其中的原因可以从交互收益的看出：交互收益为0为理想状态，但是现实的基金投资不可能出现这种情况，出现负的交互收益则超额配臵和超额收益方向要相反，比如，一个股票跑赢行业指数，同时我们的组合又低配该行业，这样就可能出现正超额选股收益、负的行业配臵，以及负的交互收益。

20

石化、交通运输和金属行业就是如此。换言之，这个行业中超额个股选择能力的获取是基于“人为”低配的原因，因此，影响了真实选股能力的度量。1

4.3.3 基于交易的多期Brinson模型的运用拓展

由此，我们提供了一个准确、细分到股票维度，基于交易日的多期Brinson归因分析框架，通过这个框架，可以准确地度量基金组合在任意时间段内的细分资产贡献度、并将超额收益分解到个股层面，从而便于内部绩效评价与投资参考。比如，下图是每个交易的个股贡献（招行系列）、行业贡献（金融）和基金净值累计增长率的比较图，这项工作的完成就需要准确计算个股、行业每个多期的贡献度。

基金净值累计增长、金融行业贡献度、招行贡献度比较

18016014012010080604020020060104353025201510520060407净值增长 060707招行贡献度20060929金融行业贡献度020061229

但是，我们还认为该模型的重要意义并不局限于此，先前的学者通常会基于基金公司的季报数据进行相应绩效分析，包括BHB等人也是基于季报数据对基金绩效进行回归分析，季报数据存在明显的数据遗漏，因此，我们相信基于交易的多期Brinson模型的运作，可以

1

回顾前文，这也是问什么有些学者将交互收益归于选股能力的原因。

21

方便研究人员用交易日数据用于基金的纵向（比如10年）和横向（比如旗下不同基金之间）数据研究的各种模型之中，这包括围绕BHB等人的对资产配臵能力的争论的解决；基于各种风格的基金绩效分析（因为很明显，我们可以根据自身需要对组合进行维度分解，比如，基于价值/成长因子、趋势/反转因子等等，这将极大地丰富基于因子特征基金绩效分析研究成果）。我们后续的工作将在这些研究领域做出相应探索。

5、总结

本文的多期Brinson模型解决了基金绩效评估问题的以下重要问题：首先，采用Brinson模型框架解决了对绩效的分解问题，Brinson模型可以将超额收益再分解为超额资产配臵收益、超额个股选择收益以及交互收益三个部分；其次，我们采用以交易日为单位的单期计算，可以解决积极型股票组合的持仓变化问题；再次，由于各个分解的归因收益不能简单地进行跨期复合计算，因此，本文的多期技术可以对组合资产中的各细分资产进行多期收益的精确分解；最后，针对实现中的收益计算和资产细分等具体问题提出了解决方法。

本文的模型现实意义重大，不仅可以广泛运用于基金公司、保险公司、资产管理公司等买方机构的内部绩效评价，还可以便于研究人员将交易日数据用于基金的纵向和横向数据研究的各种模型之中。

22

参考文献

Arnarson, B. O., Karason,S., Haraldsson,H.O., and Karason H., Return Attribution of Actively Managed or Time-Varying Portfolios, Volume 7(4)The Journal of Performance Measurement, Summer 2003.

Brinson G P Measuring non-US equity portfolio performance，Journal of Portfolio Management,1985, p 3-76.

Brinson, G. P., L. R. Hood, and G. L. Beebower, Determinantsof Portfolio Performance, Financial Analysts Journal, July/August 1986.

Brinson, G. P., B. D. Singer, and G.L. Beebower, Determinants of Portfolio Performance II: An Update,Financial Analysts Journal, May/June 1991.

Burnie, J. Stephen, James A. Knowles, and Toomas J. Teder. 1998. Arithmetic and Geometric Attribution. Journal of Performance Measurement 3 (No. 1, fall):59–68.

David, C., Combining Attribution Effects Over Time, Journal of Performance Measurement Summer 1999, pp. 5-14.

Davies, Owen and Laker, Damien, “Multiple-Period Performance Attribution Using the Brinson Model”, Journal of Performance Measurement, Fall 2001 pp. 12-22

Fama,E. F., Components of Investment Performance, Journal of Finance 1972,27,551-567.

Frongello, A., Attribution Linking: Proofed and Clarified, The Journal of Performance Measurement, Fall2002.

Ibbotson ,R.G., and Kaplan, P.D., Does asset allocation policy explain 40, 90, or 100 percent of performance?, Financial Analysts Journal ; Jan/Feb, 2000.

Jahnke,W.W., The Asset Allocation Hoax, The Journal of Financial Planning,, February ,1997.

Menchero, Jose G. An Optimized Approach to Linking Attribution Effects over Time, Journal of Performance Measurement, Fall 2000, pp. 36-42.

Karnosky, Denis S. and Brian D. Singer, Global Asset Management and Performance Attribution, The Research Foundation of the Institute of Chartered Financial Analysts,1994.

Ramaswamy, S., Fixed income portfolio management : risk modelling, portfolio construction and performance attribution Journal of Performance Measurement, Vol.5, No 4, summer 2001, pp 58-70

Surz, R. J., Stevens, D., and Wimer, M., The importance of investment policy, Journal of Investing, Winter 1999.

Warren,B.,The new science of asset allocation, McGraw-Hill Companies,1997. 王霞. 证券投资基金评价研究, 深圳证券交易所综合研究所,2001. 辛曌，基金绩效经典模型及其改进，工作论文，2004。

AA基金，频繁赎回基金行为应予限制，中国证券报，2006年8月29日。 张雪莹，资产配臵对基金收益影响程度的定量分析，证券市场导报，2005 No.10 P.67-72。

23

本文来源：https://www.bwwdw.com/article/3zs2.html