Financial - Brinson绩效归因实例

Brinson绩效归因(Brinson Performance Attribution)是投资管理中用来分析投资组合相对于基准(如市场指数)表现差异的一种方法。它由Gary P. Brinson、L. Randolph Hood和Gilbert L. Beebower在1986年提出,主要通过将投资组合的超额收益分解为几个不同的因素来理解和评估投资决策的有效性。

Brinson绩效归因通常分为三个主要部分:

  1. 资产配置效应(Allocation Effect)

    • 资产配置效应衡量的是投资组合在各个资产类别(如股票、债券、现金等)上的权重与基准的权重之间的差异对超额收益的贡献。
    • 如果投资组合在表现好的资产类别上配置了更多的资金,而在表现差的资产类别上配置了较少的资金,那么资产配置效应将是正的。
  2. 选股效应(Selection Effect)

    • 选股效应衡量的是投资组合中个别证券的选择与基准中相应证券的选择之间的差异对超额收益的贡献。
    • 如果投资组合中选定的证券表现优于基准中的相应证券,那么选股效应将是正的。
  3. 交互效应(Interaction Effect)

    • 交互效应是资产配置和选股效应的交互作用的结果。它考虑了在某一资产类别中,投资组合的权重与该类别内个别证券选择的共同影响。
    • 这个效应有时也被称为“残差效应”或“混合效应”。

这些效应的计算通常如下:

  • 资产配置效应
    [
    \text{Allocation Effect} = \sum (\text{Portfolio Weight}_i - \text{Benchmark Weight}_i) \times (\text{Benchmark Return}_i - \text{Benchmark Total Return})
    ]

  • 选股效应
    [
    \text{Selection Effect} = \sum \text{Benchmark Weight}_i \times (\text{Portfolio Return}_i - \text{Benchmark Return}_i)
    ]

  • 交互效应
    [
    \text{Interaction Effect} = \sum (\text{Portfolio Weight}_i - \text{Benchmark Weight}_i) \times (\text{Portfolio Return}_i - \text{Benchmark Return}_i)
    ]

总的来说,Brinson绩效归因通过将投资组合的超额收益分解为资产配置、选股和交互效应,帮助投资经理和投资者更好地理解和评估投资决策的有效性。这种方法不仅可以用于回顾过去的投资表现,还可以为未来的投资策略提供有价值的见解。

当然可以!让我们通过一个简单的例子来说明Brinson绩效归因的实际应用。

假设我们有一个投资组合和一个基准,两个都只包含三个行业:科技、医疗和金融。以下是投资组合和基准的权重以及每个行业的回报:

行业投资组合权重投资组合回报基准权重基准回报
科技 50% 12% 40% 10%
医疗 30% 8% 30% 6%
金融 20% 4% 30% 5%

首先,我们计算基准的总回报:

[
\text{基准总回报} = (40% \times 10%) + (30% \times 6%) + (30% \times 5%) = 4% + 1.8% + 1.5% = 7.3%
]

然后,我们计算投资组合的总回报:

[
\text{投资组合总回报} = (50% \times 12%) + (30% \times 8%) + (20% \times 4%) = 6% + 2.4% + 0.8% = 9.2%
]

投资组合的超额收益为:

[
\text{超额收益} = 9.2% - 7.3% = 1.9%
]

接下来,我们分解这个超额收益。

1. 资产配置效应

[
\text{资产配置效应} = \sum (\text{投资组合权重}_i - \text{基准权重}_i) \times \text{基准回报}_i
]

[
\text{科技} = (50% - 40%) \times 10% = 10% \times 10% = 1%
]

[
\text{医疗} = (30% - 30%) \times 6% = 0% \times 6% = 0%
]

[
\text{金融} = (20% - 30%) \times 5% = -10% \times 5% = -0.5%
]

[
\text{资产配置效应总和} = 1% + 0% - 0.5% = 0.5%
]

2. 选股效应

[
\text{选股效应} = \sum \text{基准权重}_i \times (\text{投资组合回报}_i - \text{基准回报}_i)
]

[
\text{科技} = 40% \times (12% - 10%) = 40% \times 2% = 0.8%
]

[
\text{医疗} = 30% \times (8% - 6%) = 30% \times 2% = 0.6%
]

[
\text{金融} = 30% \times (4% - 5%) = 30% \times -1% = -0.3%
]

[
\text{选股效应总和} = 0.8% + 0.6% - 0.3% = 1.1%
]

3. 交互效应

[
\text{交互效应} = \sum (\text{投资组合权重}_i - \text{基准权重}_i) \times (\text{投资组合回报}_i - \text{基准回报}_i)
]

[
\text{科技} = (50% - 40%) \times (12% - 10%) = 10% \times 2% = 0.2%
]

[
\text{医疗} = (30% - 30%) \times (8% - 6%) = 0% \times 2% = 0%
]

[
\text{金融} = (20% - 30%) \times (4% - 5%) = -10% \times -1% = 0.1%
]

[
\text{交互效应总和} = 0.2% + 0% + 0.1% = 0.3%
]

总结

[
\text{总超额收益} = \text{资产配置效应} + \text{选股效应} + \text{交互效应}
]

[
1.9% = 0.5% + 1.1% + 0.3%
]

通过这个例子,我们可以看到,投资组合的超额收益(1.9%)被分解为资产配置效应(0.5%)、选股效应(1.1%)和交互效应(0.3%)。这帮助我们理解为什么投资组合的表现优于基准,并为未来的投资决策提供有价值的见解。

 

参考文献


作者:AI_Finance
链接:https://www.jianshu.com/p/3f01b9a2cdeb
来源:简书
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

posted on   frank_cui  阅读(81)  评论(0编辑  收藏  举报

相关博文:
阅读排行:
· DeepSeek “源神”启动!「GitHub 热点速览」
· 微软正式发布.NET 10 Preview 1:开启下一代开发框架新篇章
· 我与微信审核的“相爱相杀”看个人小程序副业
· C# 集成 DeepSeek 模型实现 AI 私有化(本地部署与 API 调用教程)
· spring官宣接入deepseek,真的太香了~
历史上的今天:
2021-12-02 SonarCube - how VS and IDEA setup
2021-12-02 SVN - merge
2021-12-02 Bamboo - Create a bamboo branch
2021-12-02 Bamboo - Force Build
2021-12-02 Snoop - quick start
2021-12-02 Outlook - Recall email
2021-12-02 Outlook - Setup Shortcut Alt+3 for Unread/read
< 2025年2月 >
26 27 28 29 30 31 1
2 3 4 5 6 7 8
9 10 11 12 13 14 15
16 17 18 19 20 21 22
23 24 25 26 27 28 1
2 3 4 5 6 7 8

导航

统计

levels of contents
点击右上角即可分享
微信分享提示