第38章：基准与策略归因

2025 年，A 股几个宽基指数的全年涨幅是：沪深300 +17.66%、中证500 +30.39%、中证1000 +27.49%、中证2000 +36.42%（Wind 数据）。假设你的只做多组合这一年赚了 30%——同一份持仓、同一年，只换比较对象，结论就有四种：对沪深300 是超额 +12.34 个百分点，对中证500 是 −0.39 个百分点，对中证1000 是 +2.51 个百分点，对中证2000 是 −6.42 个百分点。“赚了多少”这句话本身不含信息，它必须跟着“跟谁比”。

但这只是第一层。就算基准定对了，那个 +12.34 个百分点仍然可能是三件完全不同的事：押对了行业（2025 年申万一级行业里有色金属涨 94.73%，食品饮料跌 9.69%）；持仓整体比基准更偏小盘（中证2000 比沪深300 多涨 18.76 个百分点）；或者真的在每一个行业里都挑中了更好的公司。三者的可复制性完全不同——前两种要求你每年押对行业或风格，只有第三种要求你分辨公司。

本章要回答三个问题：该拿什么当基准；超额里行业配置、风格暴露、个股选择各占多少；以及亏损该记在谁头上。

第36章已经把“先扣掉暴露，再看剩下多少是选择”立成一个必须做的动作（风格暴露指组合在市值、估值、波动这些共同特征上偏离基准的程度），本章把它做成能照着算的分解：行业这一层用 Brinson 分解，风格这一层用“主动暴露乘以因子收益”。第37章回答策略在别的条件下还成不成立，本章回答它挣的到底是什么钱——只有知道来源，第39章要管的那些暴露才有对象。

一、先定基准：同一份持仓，四个基准四种结论

一个数字怎么变成四种结论

把开头那组数字摆成表，问题就藏不住了。下表沿用“组合 2025 年赚 30%”这个教学示意，四个基准都是真实涨幅：

比较对象	2025 年涨幅	组合的超额收益
沪深300	+17.66%	+12.34 个百分点
中证500	+30.39%	−0.39 个百分点
中证1000	+27.49%	+2.51 个百分点
中证2000	+36.42%	−6.42 个百分点

同一份持仓，“大幅跑赢”和“明显跑输”只隔着一行表格。所以任何一句“我的策略今年赚了 30%”，在补上基准之前都不能拿来评价。

读图：四根柱子是同一个组合、同一年的超额收益，只有比较对象不同。从左到右，基准的持仓市值越来越小，超额从 +12.34 个百分点一路变到 −6.42 个百分点。柱子过零线那一刻，结论就从“跑赢”翻成“跑输”，而组合本身一个字都没改。 这就是基准必须最先定下来的原因。

选基准的三条检查

知道基准重要，不等于知道该选哪一个。下面三条可以照着做，顺序不能反。

第一，持仓匹配度。 把组合和候选基准的市值、行业权重、估值水平并排放一行看。第36章给过一个具体检查，做法是这样的：把股票池里的股票按市值从大到小排序、等分成五档，再分别算组合相对基准在每一档里的平均超额。如果超额几乎全挤在市值最小的那一两档，说明组合的实际栖息地就在小盘，基准就该落在那边，而不是沪深300。 反过来说，如果持仓市值中位数和沪深300 差不多，却拿中证1000 当基准，超额会被人为抬高——抬高的部分不是你挣的。

第二，可投资性。 基准必须是真能买到的东西。对个股组合，这意味着基准指数要有对应的、规模与成交额足够的 ETF（第18章、第32章）；对一个只做多不能做空的账户，这也意味着你没法靠做空把基准的某一部分对冲掉。一个买不到的基准，它的超额无法兑现——你可以在报告里写“跑赢中证2000 六个百分点”，但账户里拿不到这六个百分点。

第三，可算性。 基准的权重和收益要能按 point-in-time 取到，还要知道它什么时候调样、按什么规则调样（第27章）。沪深300、中证500、中证1000 这些指数的成分与权重是公开可得的，所以能算；自己临时拼的一个“等权平均收益”不是合格基准，因为它的权重在事后才可知，回测里很容易混入未来信息。

对个股加 ETF 的混合组合，基准要分开定：个股部分对照股票指数，ETF 部分对照它跟踪的指数，最后按两部分的资金占比合并成一个混合基准。

边界：基准要写死，而且换基准要重报

基准和股票池、成本假设一样，是必须在研究开始前写死的东西，不能等看到结果再挑（第30章的三条纪律）。研究中途换基准，等于把之前所有“超额”数字作废重算。

ETF 组合在这里有一个特殊情形：一篮子行业或主题 ETF 没有天然的宽基基准。这时要么自己按持仓权重拼一个混合基准，要么坦白说“这个组合只做绝对收益评价，不谈超额”。声称“跑赢沪深300”却又满手行业 ETF，是最常见的自我美化：那笔超额里绝大部分是行业选择，而沪深300 根本不承担这种比较。

二、行业配置还是行业内选股：一次 Brinson 分解

两个组合，同样的超额，完全不同的本事

甲、乙两个组合，2025 年都跑赢基准 10 个百分点。甲的持仓里，有色金属从基准的 4% 加到 12%，其余行业基本照抄基准——它挣的是“押对了涨 94.73% 的那个行业”。乙的行业权重和基准一模一样，但它在每一个行业里持有的都是该行业内表现更好的那一批公司。

两个组合的绩效数字完全相同，可复制性却不同：甲要求你每年都能判断对哪个行业最强，乙要求你能在同一行业里持续分辨公司。不拆开看，你没法知道自己练的是哪一种本事，也没法知道自己明年会栽在哪一种失败上。

三块贡献，一块都不能少

把超额拆成三块，用的是 Brinson 分解（Brinson、Hood 与 Beebower，1986；Brinson 与 Fachler，1985 的改进版）。设 $w_i^P$、$w_i^B$ 是组合与基准在第 $i$ 个行业上的权重，$r_i^P$、$r_i^B$ 是该行业内组合持仓与基准成分的实际收益，$R^B$ 是基准总收益，则：

$$R^P-R^B=\sum _i(w_i^P-w_i^B)(r_i^B-R^B)+\sum _i{w}_i^B(r_i^P-r_i^B)+\sum _i(w_i^P-w_i^B)(r_i^P-r_i^B)$$

三块依次是：

• 行业配置收益 $\sum _i(w_i^P-w_i^B)(r_i^B-R^B)$：权重偏离乘以该行业相对基准总收益的超额。它回答“超配的那些行业，是不是比基准整体涨得更好”。
• 个股选择收益 $\sum _i{w}_i^B(r_i^P-r_i^B)$：按基准权重加权、衡量行业内选得好不好。它回答“如果行业权重完全照抄基准，我还能不能多赚”。
• 交互项 $\sum _i(w_i^P-w_i^B)(r_i^P-r_i^B)$：权重偏离与选股偏离的乘积。它回答“我超配的行业里，是不是恰好也选得更好”。

用 2025 年的真实行业涨幅算一遍

下面换一个示意组合来演示分解：它 2025 年拿到 27.70%，与开头那个赚 30% 的组合不是同一个，两节的示意数字互不相干。例子用 2025 年申万一级行业的真实涨幅（有色金属 +94.73%、食品饮料 −9.69%），组合的权重与行业内选股收益是教学示意。为看清结构，把 31 个行业合成三组：

行业组	基准权重	组合权重	基准内该组收益	组合内该组收益
有色金属	4%	12%	+94.73%	+99.73%
食品饮料	8%	2%	−9.69%	−14.69%
其余行业合计	88%	86%	+16.64%	+18.64%

（其余行业这一组的收益是反解出来的：让基准总收益正好等于沪深300 的 17.66%。）

先算两端的总收益。基准：$0.04\times 94.73\mathrm{\%}+0.08\times (-9.69\mathrm{\%})+0.88\times 16.64\mathrm{\%}=17.66\mathrm{\%}$。组合：$0.12\times 99.73\mathrm{\%}+0.02\times (-14.69\mathrm{\%})+0.86\times 18.64\mathrm{\%}=27.70\mathrm{\%}$。超额 10.05 个百分点。 现在把它拆开：

来源	有色金属	食品饮料	其余行业	合计
行业配置	$0.08\times 77.07\mathrm{\%}=6.17$	$(-0.06)\times (-27.35\mathrm{\%})=1.64$	$(-0.02)\times (-1.02\mathrm{\%})=0.02$	7.83
个股选择	$0.04\times 5.0\mathrm{\%}=0.20$	$0.08\times (-5.0\mathrm{\%})=-0.40$	$0.88\times 2.0\mathrm{\%}=1.76$	1.56
交互项	$0.08\times 5.0\mathrm{\%}=0.40$	$(-0.06)\times (-5.0\mathrm{\%})=0.30$	$(-0.02)\times 2.0\mathrm{\%}=-0.04$	0.66
合计				10.05

（单位均为百分点，因四舍五入各项之和与总数相差不超过 0.01。）

三块加起来正好等于 10.05，一分不多一分不少——这是这套分解的价值：它不是三种估计，而是一次彻底的切分。

读图要注意最后那段结论：这 10.05 个百分点里，7.83 个百分点是“多配了有色金属”这一件事带来的，1.56 个百分点才是照抄基准权重、靠行业内挑股挣到的，剩下 0.66 是“押注叠加”——在超配的行业里恰好也选得更好。也就是说，这套被称作“选股策略”的东西，2025 年大约八成的超额来自一次行业判断。

交互项不是杂物。它为正，说明你把钱加在了自己也更会挑的行业上；如果它显著为负，说明你的行业判断和选股能力在互相拆台——在最会挑的行业上反而配得最少。这种组合本身就是一条值得处理的信号。

边界

它假设期内不调仓。 上例用一整年做单期，实际等于假设你年初就拿着这套权重不动。真实归因要按月或按季滚动做，再把各期贡献连起来。

各期贡献不能直接相加（跨期这一种不能加）。 收益是复利相乘的，Brinson 的各期贡献却是可加的，所以简单求和会与累计超额对不上。业界的做法是用链接系数对各期结果做缩放（Cariño 1999 的对数链接法是最常见的一种），使各期之和等于真正的累计超额。看到一份多年归因报告，先问它用了哪种链接方法；说不上来的，各期数字多半是硬加出来的。

行业分类标准会改变结论。 申万一级 31 个行业、中信一级 30 个行业、按产业链粗分的七八个板块，切出来的“行业配置收益”不是同一个数。报告里必须写明用的是哪一套。

权重为零的行业要特殊处理。 组合完全不配某个行业时，该行业内没有持仓、收益无从计算，直接填零会凭空产生一笔“选股收益”。标准做法是把它设成等于基准行业收益，这样不影响等式成立。

不要把 Brinson 读成“行业配置最重要”。 那篇 1986 年的论文有个被引用了几十年的数字：资产配置政策解释了样本基金季度收益变动的 93.6%。它解释的是收益随时间的波动，不是收益的水平，而且后来 Ibbotson 与 Kaplan（2000）用截面回归给出的“基金之间收益差异有多大比例来自配置政策”约为 40%。本章的例子里行业配置占八成，是这个示意组合的特定结果，不是普遍规律。

三、除了行业还有风格：因子归因与市值下沉

扣掉行业之后剩下的，可能仍然是风格

上一节那个组合，就算行业权重完全照抄基准、一年只挣到 1.56 个百分点，也还不能宣布“选股有效”。因为它可能只是在每一个行业里都买了更小的那只——行业权重一样，市值暴露不一样。

2025 年把这件事放得很大：中证2000 涨 36.42%，沪深300 涨 17.66%，差 18.76 个百分点；同期万得微盘股指数（由市值最小的一批股票等权构成）上涨 70.7%。在这一年，“每个行业里挑市值更小的那只”本身就是一种能挣到钱的行为，但它挣的是风格，不是选股。 反过来的年份也有：2024 年 1 月，万得微盘股指数单月跌 21.28%，沪深300 只跌 6.29%，同一套做法当月就大幅落后。

这里要先把两把尺子分开。 第二节的 Brinson 分解、以及本节下面第一张因子表，起点都是“相对基准的超额”；本节最后那张“从总收益往下扣”的表，起点是“组合自己的绝对收益”。起点不同、扣的层次也不同，两组数字不能互相对照。真实归因里行业与风格还会互相重叠——超配有色金属同时也抬高了小盘暴露——所以行业层与风格层的贡献也不能加在一起。实务中一次通常只选一套口径来报：想知道“行业判断值多少”就用超额口径，想知道“我总共承担了多少偏离”就用总收益口径。

因子贡献等于主动暴露乘以因子收益

风格这一层的算法只有一句话：某一因子的贡献 = 组合相对该因子的主动暴露 × 该因子当期的因子收益。

$$c_k=(X_k^P-X_k^B)\times f_k$$

$X_k^P$、$X_k^B$ 是组合与基准在因子 $k$ 上的暴露，两者之差叫主动暴露；$f_k$ 是该因子当期的因子收益。两个词都要就地讲清楚（第19章讲过因子收益的来源）：

• 因子暴露是标准化的坐标：全市场股票的该特征值经去极值、标准化后，0 是平均水平，+1 表示比平均高一个标准差。以规模因子为例，数值越小代表市值越小，所以 −0.55 读作“偏小盘 0.55 个标准差”。组合的暴露就是各持仓暴露按权重加权平均。
• 因子收益是“暴露每增加一个单位，当期能带来多少收益”，由每一期对全市场做横截面回归估计出来（第19章）。它每期都在变：小盘占优的月份规模因子收益为负（因为暴露越大、即市值越大，收益越差），大盘占优时转为正。

用一个月度示意把这一步走完。下表是某组合相对基准的主动暴露，以及当月的因子收益（均为教学示意）：

因子	主动暴露（组合 − 基准）	当月因子收益	贡献
市场	+0.05	+2.0%	+0.10
规模	−0.55	−1.2%	+0.66
价值	+0.20	+0.4%	+0.08
动量	+0.35	−0.8%	−0.28
波动	−0.10	+0.3%	−0.03
因子合计			+0.53

规模那一行的读法是：组合比基准偏小盘 0.55 个标准差，而该月规模因子收益是 −1.2%（大盘吃亏），所以偏小盘这一侧挣到 $(-0.55)\times (-1.2\mathrm{\%})=+0.66\mathrm{\%}$。动量那一行是反的：组合偏动量 0.35 个标准差，而该月动量因子收益为负，所以赔掉 0.28%。

假设这个组合当月对基准的超额是 +0.70%，那么残差（也就是选股那一部分）是：

$$e=0.70\mathrm{\%}-0.53\mathrm{\%}=0.17\mathrm{\%}$$

0.70% 的超额里，0.53% 来自暴露，只有 0.17% 是因子解释不了的残差。 残差才是通常说的选股能力——它不依赖你押对了哪一类股票，只依赖你在一群特征相近的公司里挑得更好。

这一步需要的因子不止五个。实务中的风险模型（以 Barra 的中国版为例）用九个一级风格因子：波动、动量、价值、规模、流动性、质量、成长、股息率、情绪，再加三十个左右的行业因子。因子清单变长，残差就会变小——这是好事也是风险：扣得越干净，剩下的越像真本事；但扣得过头，也可能把本来属于你的收益算成了风格。

从总收益到残差 alpha：一层一层扣

风格归因和“Beta 收益与 Alpha 收益”是同一件事的两种说法，只是扣的层数不同。用开头那个 2025 年赚 30% 的示意组合把它走完（无风险利率取 2025 年末十年期国债收益率 1.85%；$\beta$ 是组合相对市场的涨跌放大倍数——市场的超额收益变动 1 个百分点，组合平均变动 $\beta$ 个百分点）：

层次	怎么算	这一层	扣掉后还剩
组合总收益	—	30.00%
无风险利率	十年期国债 1.85%	1.85%	28.15%
市场 Beta 部分	$\beta =1.15\times (17.66\mathrm{\%}-1.85\mathrm{\%})$	18.18%	9.97%
规模下沉	约 30% 的仓位等效从沪深300 移到中证2000：$0.30\times 18.76\mathrm{\%}$	5.63%	4.34%
残差（选股 alpha）	剩下的部分	4.34%	—

（$\beta$ 与规模迁移比例都是教学示意，指数涨幅与无风险利率是 2025 年真实数据。注意这一层各项的单位是收益率，不是相对基准的百分点——它切的是组合自己的总收益，不是超额。）

一个 2025 年赚 30% 的偏小盘组合，扣掉市场涨跌和规模下沉之后，真正属于选股的可能只剩 4.3% 左右，不到总收益的七分之一。 这就是为什么只看总收益会严重高估策略：前两层不要求你做任何判断，只要在场、并且站在小盘那一侧就能拿到。

三种 alpha 不是同一个数

“我的 alpha 是多少”这句话必须补上“扣掉了什么”，因为它们数值差得很远：

口径	扣掉了什么	剩下的东西意味着什么
CAPM alpha	只扣市场涨跌	含全部风格与行业偏离，通常被高估
多因子 alpha	市场 + 规模、价值、动量等风格	风格之外的选择能力，但对行业偏离不设防
行业中性后的选股收益	再加行业权重	同一行业内挑公司的能力，最严格也最小

第36章那个“先扣掉行业和市值”的动作，对应的就是最后一行。报数时把口径写清楚，否则两个人的 alpha 根本没法放在一张表里比。

边界

• 因子收益是估出来的，不是观察到的。 它来自每期的横截面回归，估计误差会直接进入贡献值。单月归因的噪声很大，要看的是多个月的分布，不是某一个月。
• 暴露不等于收益。 偏小盘 0.55 个标准差只是你站的位置，它值多少钱取决于当期的因子收益。风格反转时，同一个位置立刻变成亏损来源。
• 残差为正也不等于策略好。 残差小、稳定、且能给出经济解释，才算可信；残差大但波动剧烈，可能只是模型漏掉了某个因子（第31章讲过因子冗余与共线性的同类问题）。

四、回撤也要归因：亏损同样分三层

同一个分解，用在亏钱的那段

前面三节拆的是收益，同样的方法必须再拆一遍亏损——因为回撤的原因决定了该做什么，而这一点从净值曲线上看不出来。

2026 年 7 月是一个现成的样本：万得全A（覆盖全部 A 股的宽基指数）当月跌 13.14%，科创50 跌 25.90%，同期红利指数（由高股息股票构成的指数）上涨约 12.8%，沪深300 跌 7.86%。假设你的组合当月跌 18.0%（教学示意），那么对沪深300 的超额回撤是 −10.14 个百分点。把它拆开：

来源	贡献	说明
行业配置	−2.4	超配的行业（科技方向）当月跌得更多
风格暴露	−8.0	小盘与高波动暴露在去杠杆中同时被卖出
行业内选股	+0.3	在同一行业里挑得仍然比基准好
合计	−10.1	与 −10.14 的差异来自四舍五入

读这张表的关键在最后一行：选股那一层还是正的。 这套策略的选股逻辑没有坏，坏的是它承担的那两份暴露在这个月同时反向兑现。

两种回撤，两种处理

把回撤拆完之后，判断只剩两个方向：

• 亏损集中在暴露层（上例的风格 −8.0）：机制没坏，是暴露在兑现它的反面。这类回撤的处理是暴露管理——按第39章要讲的限额降低偏离，或者按计划扛住。改因子、改参数是错的，因为信号本身还在工作。
• 亏损集中在残差层（行业内选股由正转负，且连续数月）：这是信号在退化。第37章把“可以上模拟盘”的通过条件写成两句话——样本外各段的超额方向要与样本内一致，量级不低于样本内的约一半；残差连续为负就是这两句话被破坏，对应第42章要处理的失效判断：那时该做的是回到因子检验，而不是调仓位。

分辨这两件事，是回撤归因唯一的用途。 净值跌 18% 本身不提供任何决策信息；知道这 18% 里有多少是市场、多少是暴露、多少是选股，才知道下一步该动哪里。

边界

• 先分清“市场跌的”和“我多亏的”。 只做多组合在市场下跌月份跑输基准是结构性的，不是错误。上例里沪深300 那 −7.86% 不是归因要处理的对象，要处理的是那 −10.14 个百分点的超额回撤。
• 回撤期更短，噪声更大。 一个月、甚至一个季度的归因结果，单看意义有限（第37章讲过分段结论的噪声）。要看的是多次回撤是否落在同一层。
• 极端日的归因会失真。 全市场跌停时，很多成交根本没有发生，那一天的收益本身是估出来的（第35章）。这类日子的归因只能看方向，不能看数值。

五、ETF 与混合组合：先穿透，再归因

ETF 组合不能用同一套做法直接套上去，因为它的持仓是基金份额，不是公司。

第一，先穿透到底层。 归因需要的行业权重、市值暴露、风格暴露，都得用穿透后的公司权重来算：持有某公司的实际权重等于直接持有的权重，加上各 ETF 的账户权重乘以该公司在 ETF 净资产中的占比（第33章给过这个公式）。不穿透，行业配置收益算不出来，风格暴露也算不出来。

第二，区分“指数给的”和“你选的”。 一只沪深300 ETF 的行业权重是指数编制规则决定的，不是你的判断；你真正做出的选择是“买哪几只 ETF、各配多少”。所以纯宽基 ETF 组合的行业配置收益通常接近零，这是正常的；只有当你用行业或主题 ETF 主动偏离时，行业配置这一项才有内容。把宽基 ETF 自带的行业分布算成自己的配置能力，是 ETF 归因里最常见的错误。

第三，产品层要单列一行。 跟踪误差、折溢价、管理费与托管费、跨境 ETF 的额度与汇率影响，都属于“产品层”而不是“投资逻辑层”。它们会实打实地吃掉收益，但与选股能力无关。如果把它们留在残差里，一个跟踪得很好的 ETF 组合会显得“选股能力为负”——这不是策略的问题，是归因漏了一层。

第四，重复持仓要先去重。 同时持有沪深300 ETF 和中证1000 增强 ETF，两只产品在成分上有重叠；穿透之后对同一家公司会算到两次权重。不去重，行业权重之和会超过 100%，归因结果全部失真。

混合组合的处理顺序就清楚了：个股部分按前面四节做完整归因，ETF 部分穿透后做同样的事，产品层单独列一行，最后按两部分的资金占比合并。不要用一个个股指数去对照整个混合组合，那等于把 ETF 的指数收益算成你的 alpha。

本章小结

• 基准先定，且必须写死。同一份持仓 2025 年对沪深300 是 +12.34 个百分点，对中证2000 是 −6.42 个百分点——柱子过零线那一刻，组合本身一个字都没改。选基准查三件事：持仓匹配度、能不能真的买到、权重能不能按 point-in-time 取到。
• 行业这一层用 Brinson 分解，超额被彻底切成行业配置、个股选择、交互项三块，一分不多一分不少。示意算例中 10.05 个百分点里有 7.83 来自一次行业押注。多期不能直接相加，要问用了哪种链接方法。
• 风格这一层用“主动暴露 × 因子收益”扣。示意算例中 0.70% 的超额有 0.53% 来自暴露，残差只剩 0.17%。从总收益往下扣，30% 的收益扣完无风险利率、市场 Beta 和规模下沉，可能只剩约 4.3% 属于选股。报 alpha 必须写明扣掉了什么。两节的两套分解起点不同（一个切超额、一个切总收益），不能互相对照，也不应相加。
• 回撤按同样的层次拆一遍。亏损落在暴露层就管暴露，落在残差层才怀疑信号失效——这是回撤归因唯一的用途。
• ETF 组合要穿透到底层公司再归因，把指数自带的行业分布与自己的选择分开，并把跟踪误差、折溢价、费用单列为产品层。

这一章把“收益是谁挣的”变成了可以照着算的分解。但分解出来的是已经发生的事实：你的组合站在小盘这一侧、超配了科技，这些暴露在下一刻会带来什么，取决于它们被允许有多大。第39章把这些暴露变成可以事先设定的限额。