主题
第36章：策略绩效分析
第35章把每一天的账都算对了，你手里现在有一条可信的净值曲线。但可信不等于可用。一条“五年年化 25%”的曲线，可能只是一个常年只买小市值股票的账户撞上了小盘行情；另一条同样年化 25% 的曲线，可能真的在同类公司里反复选对。把两条画在一张图上，它们几乎重合，可复制性却完全不同。
绩效分析要回答三个问题：报告上那个数字是在什么口径下算出来的；同一份业绩还有哪些数字必须和它一起看；这些收益究竟是谁挣的。 前两个问题决定你能不能读懂一份绩效表，第三个问题决定你能不能接着用它。收益、波动、回撤、胜率以及夏普、信息比率、卡玛比率的定义与读法，第4章已经讲完，本章不重复公式，只看它们在真实的绩效报告里合起来会给出什么结论；完整的归因分解留到第38章。
本章的评价方法对个股组合和 ETF 组合同样适用。用到 ETF 时要注意：它的净值里已经扣过管理费和托管费，而你自己买卖 ETF 付出的佣金要另算；产品层面的跟踪质量与折溢价仍按第18章处理。
一、收益率要先说清是“跟谁比、算了多长”
中证指数公司编的中证主动式股票型基金指数（930890），追踪的是全部主动股票型基金的整体表现。截至 2026 年 6 月 17 日，它在三个周期上的数字是：近一年上涨 48.37%，近三年年化 11.11%，近五年年化 1.72%。同一时点的年化波动率，三个周期分别是 19.62%、20.00%、19.73%，几乎一样。
同一个指数、同一套编制方法、同一段市场，只因为观察窗口不同，近一年像明星产品，近五年年化 1.72%（五年累计约 8.9%）连货币基金都不一定比得过。读任何绩效数字之前，先确认两件事：它跟谁比，以及它算了多长。
基准写在哪一栏，决定了“超额”是多少
绝对收益没有评价意义。一只基金赚了 15%，如果同期沪深300 涨了 25%，你承担了股票的波动却落后 10 个百分点；如果同期基准跌了 15%，这 15% 就是相当强的结果。评价业绩的第一步不是看收益，是看它旁边那一栏写的是什么。
这不是本章自定的规矩。证监会《证券投资基金信息披露编报规则第 2 号》要求基金定期报告列示各阶段的净值增长率，并与同期业绩比较基准收益率对照，而且要求同时给出两者的标准差——基准自己的波动率也要摆出来。2026 年 5 月 1 日起施行的新版定期报告准则又把对比周期扩到一年、三年、五年、十年和自合同生效以来，并要求股票型和混合型基金额外披露两组对比：基金与基准的资产配置比例（股票、债券、现金各占多少），以及期末股票组合与基准的行业分布。后一组正是本章第三节要带你亲手做的那件事：“基准是谁、差在哪里”在这个行业里从来不是可选项。
基准选错，同一个策略的结论会立刻改变。2024 年，主动权益基金中能战胜上证指数、沪深300、中证 A500、中证 800 的比例分别是 19%、14%、18% 和 20%，平均超额收益分别是 −7.4、−9.7、−8.9 和 −8.0 个百分点（中信证券口径）。同一批产品、同一段时间，只换比较对象，战胜比例就从 14% 跳到 19%，平均超额从落后 9.7 个百分点变成落后 7.4 个百分点。
所以看到“超额收益”四个字，要连着问三件事：基准是谁；基准和我的持仓像不像；换一个基准，超额还在不在。前两件事在第18章讲过，第三件事本章第三节给出检查方法。
年化收益要先问“几年”，还要问从哪天算起
年化把长度不同的样本折算到同一年：
年化只在样本足够长时才稳定，不足一年不应年化。这不只是谨慎，而是监管要求：编报规则第 2 号明确要求基金成立当年按实际存续期计算净值增长率，不能按整个自然年度折算。一只基金成立三个月赚了 12%，说成“年化 48%”，等于假设后面九个月每月都复制这三个月的表现。
起点和终点的选择同样能改写结论。同样看沪深300：从 2019 年 1 月初的 2935 点附近，到 2021 年 2 月 18 日盘中的 5930.91 点，两年多基本翻倍；从 2021 年 2 月 18 日盘中的 5930.91 点，到 2024 年 2 月 2 日盘中的 3108.35 点，跌去 47.59%。同一段市场历史，起点往前挪两年，结论从“翻倍”变成“腰斩”。
可执行的做法：报告里同时写清起止日期、样本长度和是否满一年；看到“年化”先找它是几年。
毛收益和净收益之间隔着一层费用
费用在哪一层被扣掉，决定了这个数字代表什么。ETF 的管理费和托管费在基金资产里扣，已经反映在公布的净值里，用净值算出的收益就是投资者（税前）拿到的部分；你自己买卖 ETF 付的券商佣金不在这上面，要另算。自建组合的回测收益，则要看你是否扣了佣金、印花税、过户费和滑点，第35章讲过这四笔怎样入账。
毛收益指没有扣交易成本的收益，它只适合比较信号本身的强弱，不适合用来预估自己能赚多少。第30章要求任何回测报告写明成交价假设、费用假设、买不到时怎么处理，以及换手率。前三项决定收益是毛还是净，第四项决定这层费用有多大——放在第三节讲。
把上面几点合起来，就是读一份绩效表时最先要核对的五项：
| 先核对什么 | 常见写法 | 为什么必须问 |
|---|---|---|
| 比较基准 | “跑赢基准 8%” | 基准不同，超额完全不同（同一批产品 2024 年在两个基准下分别是 −7.4 和 −9.7 个百分点） |
| 样本区间 | “年化 11%” | 起止日期不同，同一段历史可以是翻倍也可以是腰斩 |
| 样本长度 | “成立以来年化 15%” | 不足一年不能年化；太短的年化极不稳定 |
| 是否扣费 | “收益 25%” | 毛收益与净收益之间差的是换手率乘单次成本 |
| 有没有分年度 | 只有一行总收益 | 总收益把好年份和坏年份揉在一个数里，看不出稳定性 |
二、回撤的深度只说了一半，另一半是它要走多久
沪深300 在 2021 年 2 月 18 日盘中创出历史最高 5930.91 点，2024 年 2 月 2 日盘中最低 3108.35 点，最大回撤 47.59%。从高点到低点隔了 1079 个自然日，接近 3 年。到 2026 年 9 月 17 日收盘 4460.16 点，距离那个高点仍低 24.80%。在 2021 年 2 月那天买入并持有到今天的投资者，五年七个月后仍然亏掉约四分之一。
而这五年多里市场并非一路下跌：2024 年沪深300 上涨 14.7%，2025 年再涨 17.7%。回撤途中的反弹是真实存在的，只是不够把坑填平。这就是“最大回撤 −47.6%”这句话回答不了的问题——要等多久。
第4章已经指出，回撤除了看深度，还要看多久才回来。这里用真实数据把它落实：回撤有两个时间，一个是从高点到低点的探底时间，一个是从低点回到前高的修复时间。两者长度可以完全不同，而且修复时间在探到底部的那一天是未知的，谁也无法当场告诉你还要等三年还是一年。
图上的两条时间线要合起来读。沪深300 探底用了 1079 个自然日，从探底到今天又过了 958 个自然日，修复仍未完成。创业板指跌得更深——2021 年 7 月的高点 3576.12 点，2024 年 2 月最低接近 1483 点，跌幅约 58.5%——但它已经修完：2026 年 5 月 13 日收于 4038.33 点，创出历史新高，前后约 4 年 10 个月。跌得更深的那个反而先回本了。
这说明回撤深度和修复速度之间没有固定关系，修复快慢取决于后续行情落在哪一类公司上——这正是第三节归因要处理的问题。还要注意这两个数字都来自价格指数，没有计入分红；计入分红的总收益指数长期会好一些，但不会改变“等待可能长达数年”这个结论。
收益的“速度”和“路径”要用不同的数字描述
第4章讲过波动率衡量收益围绕平均值上下摆动的典型幅度，也讲过夏普、信息比率和卡玛比率分别把收益除以哪一种风险。这里要看的是它们在真实报告里合起来会暴露出什么。
第一，波动率和收益一样受周期影响，但两者变化的幅度完全不同。上节那个主动股基指数，近一年的年化波动率 19.62%，近五年 19.73%，几乎没变；同期收益从 48.37% 掉到 1.72%。收益的周期差异远大于波动率，所以只报一个周期的波动率、不报分周期收益，等于把最重要的信息藏起来了。
第二，三个比率在同一份业绩上会给出不同结论，因为它们除的不是同一种东西：
| 比率 | 除的是什么 | 回答的问题 | 什么时候最会骗人 |
|---|---|---|---|
| 夏普 | 组合自身的波动率 | 承担的整体波动，换来多少超过无风险利率的回报 | 策略与市场走势差别很大时它不管基准，跑输市场也可能显得很好 |
| 信息比率 | 相对基准的跟踪误差 | 偏离基准的程度，换来多少超额收益 | 基准选错时它会虚高；只做多选股策略最该看它 |
| 卡玛 | 最大回撤 | 最难受的那一次，用多少收益补偿 | 最大回撤只来自一次历史事件，换个区间就变 |
上表三个比率各自还需要一个额外输入：夏普要无风险利率，信息比率要基准，卡玛要最大回撤。为了单独看周期差异，这里先算一个不含这些输入的简化比值——年化收益除以年化波动。它不等于夏普比率，也不能与夏普比率的数值互相比，只用在同一张表的两个周期之间做同口径对照：近五年是 1.72% 对 19.73%，约 0.09；近一年是 48.37% 对 19.62%，约 2.47。同一个产品、同一套算法，一个说“不值得”，一个说“非常好”。 差别不在算法，在你看的是哪一段。
第三，对只做多的选股策略，信息比率比夏普通用，因为它的分母是相对基准的偏离，而你真正关心的正是“偏离基准之后有没有多赚”。但它有个前提：基准要真的代表你所在的市场，否则这个比值衡量的是选错基准的后果。
分年度胜率和收益分布：平均数之外的两种信息
2024 年，只有 14% 的主动权益基金跑赢沪深300；2025 年，这个比例变成 75%（Wind 口径，主动权益基金整体收益 33.19%，沪深300 涨 17.66%，并且有 97% 的主动权益基金实现正收益）。相邻两年，同一个群体的“年度胜率”从一成多变成四分之三。
年度胜率说的不是“平均能赚多少”，而是“长期持有需要忍受多少整年不赚钱”。 只给一条总收益曲线，恰好会把这件事盖住。连续跑输也不是假想：2022 年、2023 年、2024 年，中证主动股基指数分别跌 22.71%、跌超 14%、涨 2.02%，而沪深300 同期分别是跌 21.63%、跌 11.38%、涨 14.7%——三年里每一年都落后。
除了胜率，还要看赢和输的幅度各有多大。用一组示意数字：12 个月里有 8 个月赚钱、平均每月 +1.0%，另外 4 个月亏钱、平均每月 −3.0%。胜率 66.7% 看着不错，但月度期望收益是
按月折算一年约 −3.9%。胜率高不等于赚钱，它必须和平均盈利、平均亏损一起读（第4章讲过的盈亏比与期望收益）。
最后一层是收益在时间上的分布。上节那个指数五年年化只有 1.72%，而近一年就有 48.37%——五年里的收益大部分集中在最后一年。所以一份合格的报告至少要给出：分年度收益、最好与最差的单年（或单月），以及月度或年度胜率。只给一行总收益，等于把“收益是怎么分布出来的”这件事完全省略。
三、收益是谁挣的：先扣掉暴露，再看剩下多少是选择
一份回测报告写着：五年年化 25%，最大回撤 18%，信息比率 1.2。数字都挺好看。翻到持仓才看见，组合里绝大多数股票的市值都落在全市场最小的两成里，而基准是沪深300。那么这 25% 里，有多少是“选股”，有多少只是“站对了风格”？
答不出来，这条曲线就没法用。一个靠小市值撑起来的策略，遇到大盘蓝筹主导的年份会怎样，和你选公司选得好不好毫无关系。绩效分析的最后一层，是把收益拆到能说清来源为止。
先把收益分成“承担了什么暴露”和“做出了什么选择”
只做多组合的收益可以看成两部分：一部分来自你所处的市场和你实际承担的风格暴露，另一部分来自你在同一片市场里挑出来的东西。
风格暴露指组合在一组共同特征上偏离基准的程度：持仓的整体市值比基准更大还是更小、估值更高还是更低、波动更大还是更小。它描述的是你正在承担什么方向的风险，不是已经到手的收益。行业权重是另一种偏离，两者经常同时发生，但归因时必须分开算，原因下一节就能看到。第17章讲过完整定义，第20章讲清了规模怎样污染其他因子；这里把它变成一个必须回答的绩效问题。
判断顺序只有两步，而且不能颠倒：
- 先看组合和基准持有的东西像不像。 比市值分布、行业权重、估值水平、波动率。如果差得远，超额收益的第一解释就是暴露差异，不是能力。
- 再问在同一类股票里选得怎么样。 把行业和市值的影响扣掉，看还剩多少超额（扣的办法在第28章：行业内标准化与市值中性化）。剩下的这部分才是通常说的选股能力。
如果扣掉行业和市值之后超额接近零，说明前面那些好看的数字主要来自第 1 步的暴露。这样的策略不一定没有价值，但它要求你判断的是行业和风格，而不是公司——第47章讲 ETF 轮动时，这件事会重新出现。
三层归因各回答什么，最容易混淆的是哪一层
把上面的两步拆细，就是三种归因：
| 归因层次 | 回答的问题 | 需要的数据 | 最容易被读成什么 |
|---|---|---|---|
| 行业归因 | 超额里有多少来自超配、低配了哪些行业 | 组合与基准的行业权重、各行业当期收益 | “选股能力强” |
| 风格归因 | 有多少来自市值、估值、波动等风格上的偏离 | 组合与基准的风格暴露时间序列 | “超额收益”，其实那是承担了另一种风险 |
| 个股归因 | 在同一个行业内选得怎么样 | 行业内个股权重与个股收益 | “长期稳定”，样本少时噪声很大 |
完整的分解方法——行业配置、个股选择以及两者交互项各占多少，多个风格因子怎样用一次回归扣掉——留到第38章。本章只需要建立一个动作：在宣布“选股有效”之前，先把行业和风格这两层扣掉，看还剩多少。
一个最小的例子能说明为什么必须扣。假设基准只由两个行业构成：A 行业占 70%、当年涨 5%，B 行业占 30%、当年涨 20%。基准收益是
反过来，如果组合的行业权重和基准完全一样（70% 与 30%），但在两个行业里都持有了各自表现较好的那一半股票，超额就来自个股选择。两种超额的可复制性完全不同：前者要求你每年都能判断对行业，后者要求你能在同一行业里持续分辨公司。真实归因还要处理权重与个股收益同时偏离产生的交互项（留到第38章），但“先分清这两类”这一步不会因此改变。
图上把一次 12 个百分点的超额收益拆成三段：行业配置 4.0 个百分点、市值下沉带来的 5.0 个百分点、行业内选股 3.0 个百分点。数值是为了看清结构而设的教学示意，不是某只产品的真实归因。读图的关键是最后一段：前两段要求你判断行业和风格，只有第三段来自“在同一批公司里挑得更好”。
风格暴露最常见的混入方式是市值下沉
两个策略报出同样的超额收益：一个的持仓市值中位数只有基准的四分之一，另一个的市值分布和基准基本重合。它们的“成绩”看着一样，但你实际承担的东西完全不同——第20章的规模因子在这里变成了绩效问题。
2025 年的市场把这件事摆得很清楚：万得微盘股指数上涨 70.7%，沪深300 上涨 17.7%，创业板指上涨 49.6%（Wind 数据）。一个持仓偏小市值的策略在这一年会拿到很高的“超额收益”，但那主要是风格。反过来，2024 年沪深300 涨 14.7%、上证50 涨 15.4%，而中证500 只涨 5.5%，大盘风格占优，同一批小市值策略当年会很被动。
所以绩效报告必须同时给出组合的市值和行业暴露，否则那个信息比率没法解释。这一侧要回答的问题是：这条曲线的超额，扣掉规模暴露以后还剩多少。
检查可以照着第29章的市值分层做：把股票池按市值分成五档，分别计算组合在各档内的平均超额收益，再看这些超额在五档之间怎么分布。如果优势几乎全部集中在最小的那一两档，这条曲线主要就是小市值暴露，遇到大盘风格占优的年份会反过来；如果每一档都有正超额，才说明选择能力在市值之外也存在。第32章讲的过滤条件会引入新的风格偏差，与这里是同一类问题。
换手率与成本：这部分收益被交易拿走了
同一类产品、同一年，公开报道的换手率可以相差一倍以上。2025 年公募主动权益基金的平均换手率被报道为 494.93%（Wind 数据，近 400 只产品超过 10 倍）；同期中信建投用的是单边口径，2010 年以来长期在 200% 附近波动，2025 年上半年均值 232%、中位数 185%。两个数并不互相矛盾，只是口径不同：一个把买入和卖出都算进去（双边），一个只算一边。
本章与第34章统一使用双边口径
口径统一之后，换手率就能换成成本，接到净收益上。换手越高，收益被交易吃掉越多，公开数据也支持这一点：把主动权益基金按换手率从低到高分成五组，统计 2010 年以来各半年报、年报期内各组收益率的中位数，再对这些结果取平均，前四组分别是 4.28%、4.19%、4.35%、4.04%，换手率最高的第五组只有 3.06%（中信建投口径）。这组数字只是相关性——高换手也可能是业绩差之后被迫调仓——但它足以说明换手率必须和收益摆在同一张表里。
落到自己的回测上，检查两件事：绩效是在扣费前还是扣费后算的；报告里有没有把换手率和费用假设写出来（第30章的四项要求）。一个换手率 400%、成本假设为零的回测，和同一策略按真实成本重跑，是两个不同的策略。
本章小结
- 绩效数字必须先配口径：基准是谁、从哪天算到哪天、样本多长、扣没扣费、有没有分年度。缺一项，这个数就不能拿来比较。
- 回撤要用两个时间描述——探底用了多久、修复用了多久。沪深300 从 2021 年高点跌 47.59% 用了近 3 年探底，到今天五年七个月仍未收复。
- 收益要拆到来源：先看承担了哪些暴露，再看不扣暴露还剩多少是选择。行业、风格、个股三层不能混为一谈。
- 换手率必须连口径一起读，它决定毛收益和净收益之间差多少。
本章评价的是策略在已有样本里的表现。这份表现在别的年份、别的股票池、别的成本假设下还成不成立，是第37章的问题；把超额收益正式拆成行业、风格和个股三部分，则是第38章的题目。