更新时间:2022-09-26 10:22:56
导语:收益归因是一个比较基础、同时相当重要的策略分析工具,本教程旨在帮助大家利用BigQuant自带的Brinson进策略进行绩效归因分析。
分析框架
Brinson的框架可以用来分解投资组合的总收益。尽管计算上很简单,但理论上是有效的,已被各种养老金赞助人、顾问和投资管理人员成功地使用;目前,它被用来表示实际投资组合中的业绩贡献。绩效归因虽然不是新发现的理论,但仍然是一个不断发展的学科。早期关于这一主题的论文主要关注风险调整后的收益,提出了最初的框架,但很少关注多重资产绩效衡量。我们的任务是按照投资客户和经理的决策的重要性排序,然后衡量这些决策对实际计划绩效的整体重要性。
表1说明了分析投资组合收益的框架:
表2给出了计算这些象限值的方法:
表3根据四个象限的值,计算出择时(Timing)、股票选择(Security selection)和两种的交互效应(Other),三者共同构成了组合的超额收益:
案例展示
下面我们用一个实际的策略案例来说明如何使用brinson分析。
这个策略是一个比较简单的双均线策略,当短期均线上穿长期均线,出现金叉,则买入;当短期均线下穿长期均线,出现死叉,则卖出。
交易时间我们选择从15年初到17年底,共三年时间。为演示目的,我们没有选择全市场的股票,而是抽了一些股票,这样回测结果跑得快些。
回测结果如下图:
调用brinson分析api
当运行完回测的时候,保存下M.trade.v4的返回对象,在案例里我们存在strategy1里。强调一下,现在brinson分析只支持在v4版本上。
然后我们调用brinson_analysis()方法,这个方法会计算brinson分析所需要的数据,应该要不了几分钟。
brinson = strategy1.brinson_analysis()
当brinson对象构建后,我们调用plot_return_path()方法,来获得收益归因的路径图,对应的是上述表2的结果:
brinson.plot_return_path()
其中,RETURN_I是基准收益,相对应的RETURN_IV是组合实际收益。
然后我们来看下最关键的收益贡献分析:
brinson.plot_periods_return_analysis()
图中每根柱子代表相应收益在时间上的累积贡献,不难从上图中发现,这个策略有正的择时贡献,由于我们的双均线策略本来就是择时策略,所以并不奇怪。然而我们的选股收益是负的,说明我们的策略并不具有选股能力,分析我们的样例策略,是一个固定的股票列表,比基准的数量还要少,这个结果也能解释。
如果我们还可以单独看超额收益,如下图,可以看到我们的样例策略还是获得了超额收益。
小结:分解影响投资组合表现的因素,有利于量化投资管理决策在投资组合表现中发挥的作用;明确投资政策和投资策略之间的区别和联系将有助于进一步阐明这两项活动在投资过程中的作用。简单、准确、完整和可衡量的投资决策过程归因,将使我们进一步认识到投资活动中各部分的重要性,Brinson的理论在分析投资组合表现的决定因素上搭建起了一个简明而完整的框架。
原文发布时间为:2018-08-29