基金业绩的python分析_Python与量化多因子—

1. 前言

插图是小学读书走的最多的一条巷子，从前面的青石板左转，就到了我们的小学，笔直往前走，就到了江边的树林和草地，那时候下午课上完已经将近傍晚，快放暑假的时候，我都是先去河里泡个澡，再把牛牵回家，现在回忆起来，别有一番趣味。现在河边的树林即将入湖底，小时候玩的乐园也一并没了。

按照计划，这部分应该到后面再讲的，不过最近一直在搞业绩归因系统，后面讲我估计我都忘了。所以先放到前面来。注意，这篇文章绝对的干货满满，走过路过，不要错过了。

2. 单期Brinson归因

首先，我们定义两个组合的收益率

$r_p$ 与

$r_b$ ： $r_p=\Pi_{t=1}^{T}(1+r_{pt}) - 1$

$r_b=\Pi_{t=1}^{T}(1+r_{bt}) - 1$

而： $r_{pt}=\Sigma_{i=1}^{M}w_{p, it}r_{p, it}$

$r_{bt}=\Sigma_{i=1}^{M}w_{b, it}r_{b,it}$

我这里定义了M个行业，其中

$w_{p, it}，r_{p, it}$ 分别表示组合第i个行业的权重与行业的收益率，而

$w_{b, it}，r_{b, it}$ 则表示基准的第i个行业的权重与行业的收益率。

那么：

$r_{pt}-r_{bt} = \Sigma_{i=1}^{M} w_{p, it}r_{p,it} - \Sigma_{i=1}^{M} w_{b, it}r_{b,it}=\Sigma_{i=1}^{M}(w_{i,pt}-w_{i,bt})\cdot(r_{i,bt}-r_{bt}) + \Sigma_{i=1}^{M}w_{p,it}\cdot(r_{p,it}-r_{b,it})$

公式有点长，不晓得这里怎么换行。注意，这样我们就得到了一个简单的单期Brinson归因模型，注意，一般来说，Brinson归因的分解是有三项的，我这里把交叉效应放到了选股效应里面了。配置效应：

$\Sigma_{i=1}^{M}(w_{i,pt}-w_{i,bt})\cdot(r_{i,bt}-r_{bt})$ 。这很好理解，假设基准里面行业i的收益率要高于基准的收益率，而我们组合里面对这个行业又是超配，那么这部分的收益为正；如果要低于基准，我们组合对这个行业又是低配，那么我们这部分的收益也为正。这就是配置的效应

选择效应：

$\Sigma_{i=1}^{M}w_{p,it}\cdot(r_{p,it}-r_{b,it})$ 。这也很好理解，假设我们组合里面行业i的收益率要高于基准的收益率，同时，我们也配置了正的权重，那么这部分的收益也为正；同样的道理，如果我们组合里面行业i的收益率要低于基准的收益率，同时，我们也配置了负的权重，那么这部分的收益也为正。只要

$w_{p,it}$ 不为0，这项都不会恒为0，除非我们配置了和基准相同权重的股票或者其他资产。而

$w_{p,it}$ 不为0则表明了我们选择了该行业，这就是选择效应

3. 多期的Brinson归因

上面我们介绍了单期的Birnson归因，但是，现实上，我们都需要对一段时间的超额收益进行分析，这里面就牵涉了一个多期归因的问题，因为

$r_{p}-r_{b}$ 并不等于简单的多个单期配置效应与选择效应的添加。

业界一般会引入连接系数来解决这个问题，知乎上也有相应的帖子：蕉崽：多期Brinson业绩归因分析——Carino模型zhuanlan.zhihu.com谁能介绍下基金的brinson 业绩归因模型？www.zhihu.com

这里我就不菲篇幅来具体展开，业界大多数都是使用了Carino连接系数来解决这个问题。

我再拉来一个帖子：优矿uqer.io

这篇是对华泰柏瑞沪深300指数增强基金的多因子模型归因。这里也会有多期归因的问题，那么，事实上多因子模型也可以采用Carino连接系数来解决这个问题。这个作业留给读者来解决了。

4. Brinson归因的进一步思考

一般来说，我们看国内各种分析软件，Brinson归因到这就结束了。但是对于一个产品来说，如果做到这样，恭喜你获得了60分。去年下半年，我去华泰的一个金融科技展，他们做到的大概也是这样。假设，我的组合里配了一部分港股，基准是恒生指数，那么这个Brinson业绩归因该怎么做？

如果按照A股与港股进行划分，如果这段时间恒指是涨的，A股也是涨的，然后就会得到我们组合里A股板块的配置效应是负的，我们的A股组合明明贡献了正收益啊，这又该如何理解？

进一步的思考，我们还能怎么做Brinson业绩归因，压箱底的东西就欢迎私信交流了！

基金业绩的python分析_Python与量化多因子——聊聊Brinson业绩归因相关推荐

运用Python分析公募基金【量化投资】
运用Python分析公募基金 1.背景学校财富管理课程的期末论文是分析中国各种投资标的的收益,笔者分配到的研究的细分类别为:通过大集合转公募基金的方式,成立的公募基金的收益分析.Python在量化投 ...
双底形态突破与业绩报表叠加分析！股票量化分析工具QTYX-V2.4.9
前言双底形态选股的作用就在于能够快速把全市场4000多只股票聚焦到几十只股票.由于双底形态是由市场供需力量所形成的,特别是大周期.多K线形成的双底形态,是比较容易过滤出符合大牛股上涨初期特征的股票. ...
python 期货交易_Python期货量化交易基础教程（1）
(本教程基于天勤量化平台) 前言语言: 人与人在沟通的时候,需要靠语言传递彼此的"意思",没有语言,人们就无法相互理解对方,语言是承载人们的"意思".&quo ...
python怎么求因子之和_Python与量化多因子——因子库（上）
前言不换个标题,感觉是没有人来读的.记得在学校那会,找实习,啥都不会, 听到同学说到`因子库`这个词汇,觉得好高级!后来慢慢接触下来,每个做量化的团队应该都有这么个玩意,专门用来存因子的.我是不是直 ...
python 期货交易_Python期货量化交易基础教程（3）
3.函数式编程: 我们在用Python程序处理实际问题时,有些代码可能需要重复使用,如果每次使用都要编写一遍代码会耗费不少工作量,我们可以把这部分代码编写成函数,每次调用函数就能完成工作,不用再重复编 ...
python 期货交易_Python期货量化交易基础教程（8）
8.错误和异常处理 Python中常见的错误有两类,一是语法错误,二是异常. 语法错误是违反了Python语法规则,导致代码无法执行. 异常是语法没有错误,但在执行过程中因为代码逻辑问题又发生了故障. ...
程度性数据python分析_python数据分析实战之AQI分析
文章目录 1.数据分析的基本流程 2.明确需求和目的 2.1 需求和目的 3.数据收集 4.数据预处理 4.1 数据整合 4.1.1 加载相关库和数据集 4.1.2 数据总体概览 4.2 数据清洗 4 ...
用python做股票因子分析_Python与量化多因子——机器学习方法在因子合成上的应用...
1. 前言最近要工作了,工作好难找啊.看到好多要求要有机器学习这方面的经验的,虽然我对传统因子模型这块做了很多工作,但是机器学习却没怎么接触. 从我自身的理解来看,在股票的多因子模型上,机器学习或者深 ...
python基金预测分析_Python爬虫抓取基金数据分析、预测系统设计与实现
版权声明:本文为博主原创文章,如果转载请给出原文链接:http://doofuu.com/article/4156231.html 目前在开发一款基于Python的基金爬取.分析.预测系统,目前已经开 ...
Python分析三季度基金调仓
目前三季度已经过去了一个月,大部分基金都已经公布了三季度持仓数据,今天我们就用 Python 分析以下今年三个季度基金的调仓情况. 1 获取数据第一步,我们要获取目前发行的所有基金及其持有的股票. ...

基金业绩的python分析_Python与量化多因子——聊聊Brinson业绩归因

基金业绩的python分析_Python与量化多因子——聊聊Brinson业绩归因相关推荐

最新文章

热门文章