1 模型介绍

通过业绩归因,能够更加清楚组合的收益究竟来源于什么,进而知道这种获取超额收益的能力是否能够持续,也能够明白组合发生剧烈波动的原因,从而改进策略。

Brision模型中,将组合的收益分四部分:

  • 选股收益 :在资产类别(或板块)内部,超配或者低配个股带来的超额收益
  • 配置收益:超配或者低配资产类别(或板块)带来的超额收益。
  • 交叉收益:超配有正向选股能力的资产类别(或板块)、低配负向选股能力的资产类别(或板块)。
  • 基准收益:用来当参考基准的收益

组合相对于基准的超额收益就是主动管理的收益,包括:选股收益 配置收益 择时收益

Brision模量可用下图表示:
![这里写图片描述](https://img-
blog.csdn.net/2018072014112731?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpd2VpamllMjMx/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)

2 归因分析 - Sector(资产分类)归因

假设组合对三类资产的配置权重和收益情况如下所示:

Sector | 组合权重( W P W_P W P ​ ) | 基准权重( W B W_B W B ​ ) | 组合回报(

R P R_P R P ​ ) 基准回报( R B R_B R B ​ )
Equity 70%
Bond 20%
Cash 10%
Total 100%
P ​ ) 11.00%( R B × W B R_B \times W_B R B ​ × W B ​ )

Brision模型的指标计算过程如下所示:

选股收益: S S = W B × ( R P − R B ) SS = W_B \times (R_P-R_B) S S = W B ​
× ( R P ​ − R B ​ )

配置收益: A A = R B × ( W P − W B ) AA = R_B \times (W_P-W_B) A A = R B ​
× ( W P ​ − W B ​ )

交叉收益: I = ( R P − R B ) × ( W P − W B ) ​ I= (R_P-R_B) \times (W_P-W_B )​ I
= ( R P ​ − R B ​ ) × ( W P ​ − W B ​ ) ​

Sector 选股收益(SS) 配置收益(AA) 交叉收益(I) 基准回报 总回报
Equity 10.00% 4.50% 7.50% 6.00% 28.00%
Bond 2.00% -2.00% -1.00% 4.00% 3.00%
Cash 0.00% -0.50% 0.00% 1.00% 0.50%
Total 12.00% 2.00% 6.50% 11.00% 31.50%

3 归因分析 - Equity(个股)归因

Brision模型分析的每个Sector(板块或大类资产)的收益分解,分析的每个Sector的相对的选股,配置,交叉收益情况
,如果分析维度的颗粒度需要到个股层面,可以对该模型 进行一定修改。

如一个组合有5支股票,相关信息如下表所示:

Stock 1 2 3 4 5
组合权重( W P W_P W P ​ ) 0.8 0 0.2 0 0
基准权重( W B W_B W B ​ ) 0.3 0.3 0.1 0.1 0.2
个股收益( R i R_i R i ​ ) 2% -2% 1% -2% 0%

Brision进行个股归因的模型如下图所示:

![这里写图片描述](https://img-
blog.csdn.net/20180720141254535?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpd2VpamllMjMx/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)

该模型通过两步构建一个虚拟标的:

选股过程: 从基准中选择标的池子。 选出来的股票池子 用 B ′ B^{'} B ′ 表示。 如: B ′ B^{'} B
′ = {股票1 , 股票3 }

配置过程:标的权重确定,即计算 W B ′ W_{B'} W B ′ ​

W B j ′ = W B j ∑ W B j f o r   j ∈ B ′   e l s e
  0 W_{B'j} =\frac{W{B_j}}{\sum{W_{B_j}}} for , j \in
B' , else , 0 W B j ′ ​ ​ = ∑ W B j ​ ​ W B j ​ ​ ​
f o r j ∈ B ′ e l s e 0

指标计算过程如下:

Stock | 组合权重( W P W_P W P ​ ) | 基准权重( W B W_B W B ​ ) | 标的权重

W B ′ W_{B'} W B ′ ​ 个股收益( R i R_i R i ​ )(%)
1 0.8
2 0
3 0.2
4 0
5 0
Stock 选股收益(%)
1 0.9
2 0.6
3 0.15
4 0.2
5 0
总收益(%) 1.85
  • 特殊情况: 假如组合里的一支股票不在 基准里,那么对于这去股票 的选股收益将是0,这支股票产生的收益都是配置收益。
  • 该模型简单方便实现。

用户交易数据分析 - 投资绩效归因分析-Brision模型相关推荐

  1. 数据分析系列:归因分析原理、案例(附python代码)

    本文主要对以下指标的计算和解释进行阐述,并使用案例说明,最后利用python编写代码进行计算: risk ratios and rate ratios(风险比率和比率比率,RR) risk diffe ...

  2. 淘宝APP用户行为数据分析案例(附python代码及注释)

    淘宝APP用户行为数据分析案例 一.分析背景与目的 1.1背景与数据限制 电商平台的最核心的功能就是为买卖双方提供高效和体验良好的交易服务.得益于算法技术的发展,淘宝APP给买方提供了搜索.推荐及广告 ...

  3. sql查询当天交易总额最大的用户信息_如何分析交易记录? 因为后面要分析“每种类型用户的总交易金额”,所以保留左表(用户交易记录表)中的全部用户数据。 【题目】 某商场为了分析用... - 雪球...

    来源:雪球App,作者: 猴子数据分析,(https://xueqiu.com/1350621016/159703178) 因为后面要分析"每种类型用户的总交易金额",所以保留左表 ...

  4. 数据分析方法论-归因分析

    一.特点 1.99%以上的归因分析是关于下降的 上涨一般不需要分析,无论是产品还是运营,都会进行相应的解释,是由于某些运营策略或者产品新功能的上线导致的.当老板发文时,问题在进入数据分析部门之前就被消 ...

  5. 零售行业交易数据分析(3)——群组/同期群分析(留存率分析)

    内容简介 本文介绍了群组分析(同期群分析)的方法以及Python实现过程,并继续对一家零售公司的交易数据进行用户留存分析和可视化. 本系列的文章: <零售行业交易数据分析(1)--客户终身价值( ...

  6. 常见用户行为分析模型:归因分析

    在用户行为分析领域,数据分析方法的科学应用结合理论推导,能够相对完整地揭示用户行为的内在规律.而归因是精细化运营必不可少的利器,归因的目的,终究是为了提升运营转化与收入增长.本文详细介绍了归因分析模型 ...

  7. 为什么你的用户转化率不高?-- 新媒体运营转化效果渠道归因分析

    新媒体运营人最关注的就是流量和用户转化问题.公司发布了新APP.上线了新网站项目,进行用户定位.策划.数据分析和内容营销,花重钱做产品推广,但最后用户转化率却不高,大批用户流失了......这种现象是 ...

  8. 找出你的高价值潜在用户 - 通过归因分析实现用户画像和精准营销

    在之前的博客文章 为什么你的用户转化率不高?--新媒体运营转化效果渠道归因分析中,我们讲到 新媒体运营用户转化相关的指标以及目标追踪,以及相关的渠道归因分析.在本篇文章中,我们一起来看看,如何通过 K ...

  9. 常见用户行为分析模型解析—— 归因分析

    归因分析 一.什么是归因分析 归因分析要解决的问题是:广告效果的产生,其功劳应该如何合理的分配给哪些渠道. 直接方法:当然是我点了哪个广告,然后进去商品详情页产生了购买以后,这个功劳就全部归功于这个广 ...

最新文章

  1. BZOJ 2599: [IOI2011]Race
  2. uva 11400——Lighting System Design
  3. 网络传播动力学_通过简单的规则传播动力
  4. 国家自科委管文科学部认定的国内30种重要期刊
  5. SpringBoot 如何进行对象复制,老鸟们都这么玩的!
  6. Webpack 5 配置手册(从0开始)
  7. Hadoop 信息集成平台,让大数据分析更简单!
  8. LAMP+LNMP视频教程
  9. 【perl】LWP module
  10. [转载] Python数学实验与建模 课后习题第1章解析
  11. 平面直角坐标系中的旋转公式_难点解析丨空间直线、平面平行的判定及其性质...
  12. 挠场的科学丨三、特斯拉所来不及知道的「挠场」
  13. python socket和多线程实现多人对话聊天室
  14. 2022 CCF国际AIOps挑战赛决赛暨AIOps研讨会成功举办
  15. 要是你还看不懂这篇冒泡排序,麻烦找我要红包
  16. gnome-screenshot截屏快捷启动
  17. Vue实例化对象挂载到元素上的方法
  18. oracle 落落是谁,落落是老虎妖精吗?落落的父母是什么身份?
  19. ROS基础学习笔记(五)
  20. 阿里巴巴内推电话面试

热门文章

  1. 学计算机怎么入校,计算机摇号入学到底是如何进行随机录取的?一文了解!
  2. 利用声网进行屏幕共享及关闭共享网络状态检测
  3. 实现微服务:匹配系统(中)
  4. Mathematica (24)---求导函数D
  5. whistle 的使用
  6. 会长聚课堂 联手赢未来—湖北省商协会会长高级研修班开学典礼及课程邀请函
  7. handler原子锁_OC的底层并发API
  8. DIY USB3.0 SM2246XT+双贴闪迪15131颗粒256G固态U盘
  9. 数组按数字出现频次排序
  10. RTS相机+边框限制