海外文献推荐系列之七十八：西学东渐-20200528-兴业证券-22页_1mb

报告摘要

报告总结

核心内容

本文提出了一种灵活、统一、以组合为核心的归因框架，将事前归因与事后归因统一在一个模型中，使得对组合的alpha、风险、收益等属性可以使用相同的方法进行归因。该框架通过协方差矩阵和相关系数来分析组合的属性，并且可以将回归方法纳入其中，使得归因更加全面和系统。

主要观点

统一框架：将事前与事后归因统一，便于对组合的多个属性（如alpha、风险、收益）进行系统分析。
协方差为核心：通过协方差矩阵分析组合的风险和收益来源，实现对组合的归因。
转换系数与已实现IC：转换系数（用于事前分析）和已实现信息系数（用于事后分析）分别代表了组合与理想组合之间的相关性，是衡量实施效率和预测准确性的关键指标。
风险归因：可以将组合的风险归因到特定的因子或资产上，通过标准化暴露与相关系数的乘积来衡量各部分对风险的贡献。
alpha归因：将组合的alpha归因到因子或资产上，通过信息比率（IR）和转换系数来衡量。
收益归因：将组合的收益归因到因子或资产上，通过机会集（OS）和已实现IC来衡量。
残差部分：残差部分代表无法被因子或资产解释的部分，其对组合的贡献可以通过相关系数进行衡量。

关键信息

1. 事前分析

定义：关注组合的风险、超额收益来源以及实施效率。
关键公式：
- 组合P的方差：$\omega_{P} = \sqrt{\sum_{n=1}^{N} \sum_{m=1}^{N} p_n \cdot V_{n,m} \cdot p_m}$
- 组合P的alpha：$\alpha_P = \sum_{n=1}^{N} \alpha_n \cdot p_n$
- 信息比率：$IR_P = \alpha_P / \omega_P$
- 组合P的效用损失：$U_Q - U_P = \frac{\lambda}{2} \cdot \omega_{B, B}$，其中B为backlog。
转换系数：用于衡量组合与理想组合之间的相关性，是实施效率的指标。

2. 事后分析

定义：关注实际收益、机会集和已实现IC。
关键公式：
- 组合P的收益：$\theta_P = \sum_{n=1}^{N} \theta_n \cdot p_n$
- 机会集：$OS = \theta_R / \omega_R = \lambda \cdot \omega_R$
- 已实现IC：$\rho_{P,R}$，用于衡量组合与事后理想组合的相关性。
归因方法：通过回归模型将组合的收益分解为可解释部分和残差部分，其中残差部分与源组合无关。

3. 风险归因与alpha归因

风险归因：将组合的风险归因到源组合上，使用公式：$\omega_{P} = \sum_{j=1}^{J} \omega_{P} \cdot \psi_{P,j} \cdot \rho_{j,P} + \omega_{P} \cdot \rho_{P,\epsilon(P)} \cdot \rho_{\epsilon(P),P}$
alpha归因：将组合的alpha归因到源组合上，使用公式：$\alpha_P = IR \cdot \omega_P \cdot \sum_{j=1}^{J} \psi_{P,j} \cdot \rho_{j,Q} + \omega_P \cdot \rho_{P,\epsilon(P)} \cdot \rho_{\epsilon(P),Q}$

4. 与行业实践的对比

传统方法：通常使用多元回归方法，将收益归因到因子上，而暴露是直接获取的。
本文方法：通过回归得到暴露，因子收益是直接获取的，归因更加系统和统一。

图表摘要

图表1：每个资产的风险贡献，展示资产对组合P风险的贡献比例。
图表2：货币资产组合的风险归因，展示不同资产对组合风险的贡献。
图表3：五种组合的属性（风险、alpha、信息比）。
图表4：组合PQ与源组合的收益相关系数。
图表5：组合PQ的回归系数与R方，展示组合P与源组合的解释能力。
图表6：组合PQ的风险预算，展示不同源组合对风险的贡献。
图表7：组合P的alpha分解，展示不同源组合对alpha的贡献。
图表8：效用损失分解，展示组合P与理想组合Q之间的效用损失。
图表9：源组合的表现，展示各源组合的收益、风险与IC。
图表10：组合P的事后分析，展示收益分解与已实现IC。

结论

本文提出的归因框架具有高度的灵活性和统一性，可以同时用于事前和事后的归因分析。该框架基于协方差矩阵和相关系数，将风险、alpha和收益的归因统一到一个模型中，不仅适用于资产本身，也适用于因子归因。该方法的核心优势在于能够将多种归因方法整合到一个统一的结构中，提升归因分析的效率和深度。

展开完整摘要