量化新手初识Campisi模型
对于业绩归因模型,权益投资者们更加熟悉,相比而言,固定收益债券的业绩归因模型会更加复杂,目前相对经典的模型有:
- W-T模型
- 加权久期归因模型
- Campisi模型
Campisi模型
传统认知里:
债权组合收益=包括票息收入+资本利得收入债权组合收益 = 包括票息收入 + 资本利得收入 债权组合收益=包括票息收入+资本利得收入
CampisiCampisiCampisi模型认为:
总收益率(TotalReturn)=利息收入(IncomeReturn)+价格收入(PriceReturn)总收益率(Total\; Return)=利息收入(Income \; Return)+价格收入(Price \; Return) 总收益率(TotalReturn)=利息收入(IncomeReturn)+价格收入(PriceReturn)
其中
价格收入(PriceReturn)=国债变化效应(TreasuryEffect)+利差变化效应(SpreadEffect)+择券效应(SelectionEffect)价格收入(Price\; Return)=国债变化效应(Treasury \; Effect)+利差变化效应(Spread \; Effect)+择券效应(Selection \; Effect) 价格收入(PriceReturn)=国债变化效应(TreasuryEffect)+利差变化效应(SpreadEffect)+择券效应(SelectionEffect)静态收益
将票息收入(Income Return)带来的收入效应称为静态收益。因为买入时就已经决定了的。
系统收益
策略效应
由行业配置和个券选择贡献的利差效应导致的超额收益称为策略效应。
利差效应是个券按平均利差变化导致的。
择券效应则是相对于基准的利差变化导致的。
Campisi模型输入
Campisi模型计算过程
对Campisi模型进行收益率分解:
收入效应(Income Effect)
收入效应(IncomeEffect)=持有期票息收益价格收入效应(Income \; Effect)=\frac{持有期票息收益}{价格} 收入效应(IncomeEffect)=价格持有期票息收益
国债效应(Treasury Effect)
国债效应(TreasuryEffect)=−久期∗国债收益率变化国债效应(Treasury Effect)=-久期*国债收益率变化 国债效应(TreasuryEffect)=−久期∗国债收益率变化
利差效应(Spread Effect)
利差效应(SpreadEffect)=总收益−收入效应−国债效应利差效应(Spread Effect)=总收益-收入效应-国债效应 利差效应(SpreadEffect)=总收益−收入效应−国债效应
利差变化(Spread Change)
利差变化(SpreadChange)=利差效应久期利差变化(Spread Change)=\frac{利差效应}{久期} 利差变化(SpreadChange)=久期利差效应
上述分析并未额外引入基准(benchmark),也就是将自身作为基准,如果有一个基准,则可以进一步分解出相对于基准的择券效应。
Campisi模型中基准与阿尔法的计算
如果将某一个债权组合作为业绩基准,来计算另一个不同于该基准的债权组合。
在Campisi模型中要想找到阿尔法,需要做两个归因分析:
对基准债券组合做出归因得到基准组合的收入效应(Income Effect)、国债效应(Treasury Effect)、利差效应(Spread Effect)、利差变化(Spread Change)
对目标债券组合计算归因,其中收入效应(Income Effect)、国债效应(Treasury Effect)与上述相同,而利差效应(Spread Effect)、**择券效应(Selection Effect)**则不同。
择券效应(Selection Effect)
择券效应,就是基准组合与实际组合的利差效应(Spread Effect)之差。
利差效应=总收益−收入效应−国债效应利差效应=总收益-收入效应-国债效应 利差效应=总收益−收入效应−国债效应
即,对于行业i:
利差效应=−久期∗基准组合利差变化利差效应=-久期*基准组合利差变化 利差效应=−久期∗基准组合利差变化择券效应=实际利差效应−(−久期∗基准组合利差变化)择券效应=实际利差效应-(-久期*基准组合利差变化) 择券效应=实际利差效应−(−久期∗基准组合利差变化)
References
- 20170718,债券组合业绩归因模型—框架、案例及分析
量化新手初识Campisi模型相关推荐
- 量化新手初识H-M模型
H-M模型是什么? H-M模型又称为双贝塔模型,是HenrikssonHenrikssonHenriksson和MertonMertonMerton(1997年诺贝尔经济学奖获得者)在1981年提出的 ...
- 量化新手初识Brinson绩效分解模型
一项投资的最终表现依赖于多个影响因素,而绩效分解(又称为绩效归因)便是如何定量的将实际表现分解到各个影响因素. 具体到一个公司(泛指,可以是证券公司自营部门.国家养老金.个人投资者),投资行为可能是: ...
- 【MVVM Light】新手初识MVVM,你一看就会
[MVVM Light]新手初识MVVM,你一看就会 原文:[MVVM Light]新手初识MVVM,你一看就会 一.前言 作为一个初入软件业的新手,各种设计模式与框架对我是眼花缭乱的.所以当我接触到 ...
- Transformer 初识:模型结构+attention原理详解
Transformer 初识:模型结构+原理详解 参考资源 前言 1.整体结构 1.1 输入: 1.2 Encoder 和 Decoder的结构 1.3 Layer normalization Bat ...
- tensorflow量化感知训练_tensorflow模型量化实例
1,概述 模型量化应该是现在最容易实现的模型压缩技术,而且也基本上是在移动端部署的模型的毕竟之路.模型量化基本可以分为两种:post training quantizated和quantization ...
- Python 量化分析——基本面选股模型
摘要 利用Python进行量化分析,AkShare获取股票基本面财务数据.进行基本面数据分析,pe市盈率.ps市销率.pb市净率.总市值等数理统计,以及图表展示.基于莫伦卡选股模型进行编码,对A股30 ...
- bim webgl 模型 轻量化_数字化交付模型轻量化技术研究
研究背景 随着BIM应用的越来越深入,无论是在民建领域还是在基建领域,BIM模型越来越精细.越来越大已经成为一种现实与趋势,而建筑业全面推行数字化交付,模型轻量化技术与数据存储技术必将成为其中的关键. ...
- Model Pruning Based on Quantified Similarity of Feature Maps-基于特征图量化相似度的模型修剪
高精度的CNN模型往往具有巨大的参数,这些参数通常存储在高维张量中. 然而,很少有方法能够计算出存储在高维张量中的参数的冗余信息,这导致缺乏对CNN压缩的理论指导.本文提出了一种在三维张量中发现冗余信 ...
- 2.HTML、CSS初识盒子模型详解行高理解
什么是语言? 1. 语言是一个沟通工具: 2. 人与人之间的沟通交流我们会用到语言,比如: 汉语.英语-- : 3. 作为前端工程师,要与浏览器沟通交流,就要用到浏览器所能识别的语言. 浏览器 3大语 ...
- 【python量化】将Transformer模型用于股票价格预测
前言 下面的这篇文章主要教大家如何搭建一个基于Transformer的简单预测模型,并将其用于股票价格预测当中.原代码在文末进行获取. 1.Transformer模型 Transformer 是 Go ...
最新文章
- 在SQL Server中将数据导出为XML和Json
- php curl流方式远程下载大文件
- elasticsearch2.3安装以及集群部署
- ColorStateList 使用详解
- java string字节大小_Java中char[] 和 String 类型占用字节大小问题
- linux下安装php扩展curl
- word 导出编辑ftl_word文档转化成ftl文件
- 常用环境测试项目及标准
- 海内外弟子追思百岁国医大师邓铁涛
- C1驾照到期更换,驾照异地入迁,摩托驾驶证报名,记录
- flash网页播放器
- win10升级助手_Win7直接升级Win10,小编三种方法告诉你如何做到,建议收藏哦!
- 文件操作fwrite写txt文件乱码怎么办,我这里有方法解决
- 登录网络计算机提示用户名错误,局域网访问共享时提示登录失败:未知的用户名或错误密码 怎么回事...
- 14: PYCURL ERROR 6 - Couldn't resolve host 'mirro
- 零基础可以学板绘吗?怎么自学板绘?
- MySQL忘记密码怎么办
- 去哪儿网校园招聘笔试题(成都)--之一
- js长按删除_js模拟长按事件的实现方式
- 新手热门JAVA----随手笔记(上册)(有需要什么的可以私聊我qq1442828743)