导读
本篇报告是兴业金工基金研究系列报告的第二篇，报告主要内容如下：
1、目前，基金的绩效归因主要是两大类方法：基于收益率回归的绩效归因和基于持仓数据的绩效归因。本篇我们主要关注基金持仓数据归因，其中最为经典、应用最为广泛的是Brinson归因模型。传统Brinson模型将基金的超额收益分解为资产配置收益、个股选择收益和交互收益，便于我们直观判断基金的超额收益来源，准确定位基金经理的核心能力。
2、我们对Brinson模型（1986）进行了三点应用上的改进。第一，在传统的Brinson分解模型中，交互收益项的含义较为不直观，我们根据基金经理的实际投资思路，将交互收益合并到了选股收益中。第二，我们对基金在各资产类别上配置能力的评价方式进行了改进，不再以各资产类别的绝对收益正负来评估组合在该资产上的超配或低配是否正确，而是强调对涨幅超过基准整体的类别进行超配、或者对跌幅超过基准整体的类别进行低配。第三，也是最为核心的，部分基金经理会根据市场判断进行积极的仓位管理，而传统的单层Brinson模型忽视了这部分仓位择时带来在超额收益。我们构建了双层的Brinson模型，将超额收益分解为择时收益、行业配置收益和行业内选股收益，使基金绩效归因的层次更加丰富、结果更为完善。
3、市场基金截面上的Brinson归因：我们对全市场基金2019年上半年的业绩进行归因。由于Brinson归因的估算误差绝对值与换手率呈现高度正相关的特性，低换手组别的基金分解结果具有更高的置信度，因此我们选取了换手率最低的161只基金进行归因。从分解结果来看，平均而言，2019年上半年，择时为基金带来了负贡献，行业配置和个股选择带来了正贡献，但有超半数基金的选股收益为负。从贡献大小来看，行业配置半年度平均贡献了2.37%的超额收益，其次为选股收益，半年度平均贡献了0.65%的超额收益。
4、代表基金时间序列上的Brinson归因：我们将观察时间区间拉长，分析了近3年的Brinson归因结果，并分别选取换手率较低、且长期来看具有择时能力、行业配置能力、个股选择能力的代表基金进行分析。
接下来的报告中，我们将进行多期Brinson归因分析，敬请各位投资者关注。
1、Brinson绩效归因模型介绍
绩效归因是基金研究领域的重要研究课题。绩效归因主要有两大类方法，分别是基于收益率回归的绩效归因（Returns-based approach，以下简称RBA）和基于持仓数据的绩效归因（Holdings-based approach，以下简称HBA）。RBA主要是考察投资组合的收益率序列相对于一系列风格指数收益率序列的表现，本质上是时间序列的多元线性回归。RBA存在一个隐含假设，即投资组合相对一系列风格指数的暴露程度（回归系数）在一段时间内是保持不变的。而HBA关注的是投资组合在不同时点上的实际持仓情况，根据具体的持仓信息对基金的收益进行归因。
本篇我们主要关注基于持仓数据的HBA模型，其中最为经典、在基金绩效归因领域应用最为广泛的为Brinson绩效归因模型(Brinson, G. P., Hood, L. R., & Beebower, G. L. (1986)、Brinson, G. P., & Fachler, N. (1985))。
Brinson(1986)认为，基准和组合在各类资产上的回报率不同，恰好代表了组合在该类资产上的选股能力，而基准和组合在各类资产上的权重不同，代表了组合对基准的主动配置，而由此带来的收益则代表了组合的配置能力。因此，基金收益可以分为四个部分：基准组合收益、资产配置收益、个股选择收益和交互收益。Brinson将回报按照股票选择和资产配置这两个维度划分为四个象限：
象限（1）：Q1，实际投资组合；
象限（2）：Q2，积极资产配置组合；
象限（3）：Q3，积极股票选择组合；
象限（4）：Q4，基准组合。
象限(1)表示该期间基金总的实际收益(Actual Fund Return)。这是主动资产配置和选股的实际结果。象限(2)表示基准和配置的收益（Benchmark and Allocation Return），是指组合在资产类别的标准权重上战略地降低或提高权重，是在基准的基础上进行主动配置的结果。象限(3)表示基准和选股的收益（Benchmark and Selection Return），是在各个资产类别中进行主动投资的收益。象限(4)表示基准收益（Benchmark Return）。
根据上述四象限分解表，Brinson对基金收益进行了如下分解：
因此，总超额收益分解为:
这样，投资组合的超额收益就可分解为资产配置收益、个股选择收益和交互收益。Brinson分解便于我们直观判断基金的超额收益来源，准确定位基金经理的核心能力。
2、对Brinson绩效归因模型的改进
2.1
交互收益项的处理
在上文的传统Brinson分解模型中，交互收益项的含义较为不直观。从实际来看，如果高配的资产类别同时表现好、低配资产类别同时表现差，将有比较高的交互收益；反之，如果高配的资产类别表现差、低配的资产类别表现好，交互收益便为负。
我们认为，可以根据基金经理的实际投资思路，将交互收益合并到选股收益或者配置收益中。若将模型中各资产类别的分类方式定义为行业，则可进行如下处理：
（1）先自下而上选股、再行业配置
如果基金经理使用自下而上的配置方法，先选个股，再决定各行业权重，那么交互收益可合并到配置收益中去。这时候，配置收益为实际组合和选股组合的收益之差，含义为配置给选股组合带来的超额收益。
此时，Brinson模型的收益分解变为：
（2）先行业配置、再在行业中选股
反之，如果投资经理使用自上而下的配置方法，先配置行业权重，再在行业中选股，那么交互收益可合并到选股收益中去。这时候，选股收益为实际组合和配置组合的收益之差，含义为个股的选择在当前配置基础上所带来的超额收益。
基于大量的基金经理调研，我们发现在实践操作中，较高比例的基金经理基于自身的能力圈，采用了先配置、再选股的投资思路，因此我们采用第二种处理方式，将交互收益与选股收益合并，此时的选股收益为个股选择在当前配置基础上所带来的超额收益。
2.2
对各类资产配置能力评价方式的改进
前文，我们定义了投资组合总的资产配置收益：
在该定义下，各个资产类别i的配置收益为：
因此，我们把资产配置收益改写为以下形式：
然而，尽管对于总资产配置收益而言两者一致，但AR与AR’所代表的评价理念有所差异：AR强调资产配置收益来源于对收益大于0、即上涨的资产类别进行超配、对下跌的资产类别进行低配；而AR’不强调绝对的上涨或下跌，而是强调对涨幅超过基准整体的资产类别进行超配、或者对跌幅超过基准整体的资产类别进行低配，体现了超额资产配置的能力。如我们上文所述，在普涨行情中，AR要求对所有上涨行业都要相对基准组合进行超配，但对一个行业的超配必然以对另一个行业的低配为代价，因此这种评价不具有可行性，AR’的评价方式更为贴近现实。
2.3
增加择时能力评估的双层Brinson模型
经过前文的梳理，Brinson模型可以将基金所持有的股票组合相对于基准股票组合的超额收益分为资产配置收益和个股选择收益，而股票组合通常按照行业维度进行分类，因此Brinson模型可将基金投资股票的超额收益分解为基金经理的行业配置收益和行业内的个股选择收益。然而在实际的投资过程中，基金并非仅持有股票，还存在一定的仓位配置债券、银行存款、货币基金等类固定收益资产。部分基金经理会根据对市场情况的判断进行积极的仓位管理，这部分仓位管理带来的超额收益较行业配置收益与个股选择收益来源并不相同，单层的Brinson模型忽视了择时收益。
我们整理了普通股票型、偏股混合型、灵活配置型、平衡混合型基金自2010年以来的仓位中位数情况。普通股票型基金由于外规要求，仓位稳定在80%以上，偏股混合型基金仓位中位数主要在70%~90%之间波动，平衡混合型基金仓位中位数主要在50%~70%之间波动，而灵活配置型基金的仓位中位数波动较大，在40%~80%之间上下浮动，2015-2017年出现了明显的仓位下调，可见部分基金存在择时的现象。
对仓位取中位数的方式平滑了基金个体之间的差异，我们取了2010年已成立的偏股混合型、灵活配置型、平衡混合型基金中当前规模最大的两只基金，观察其仓位变动情况，单只基金的仓位波动性较中位数更为明显。
基于上述考虑，我们对Brinson模型进行了改进，构建了双层的Brinson模型，将基金的超额收益分解为择时收益、行业配置收益和行业内选股收益。为了进行双层模型的构建，需要基金和业绩基准的收益进行分解，进而对超额收益进行分解。
（1） 基金收益分解
基金总收益的估算方式为持仓各证券权重*证券估算涨跌幅的加总，其中证券既包含股票等权益类资产，也包含债券等类固收资产。估算的基金总收益可以表示为：
对于基金定期报告披露持仓的股票，我们假设其自定期报告披露日起持有至下个定期报告披露日前，来估算股票涨跌幅；对于类固收资产，我们假设基金经理无特别的选债能力，将基金持仓债券的收益率设为中债-新综合财富总值指数（CBA00101.CS）的收益率。
（2）基准收益分解
我们将业绩基准设为股票指数与债券指数的加权，其中股票指数采用基金可参考的主流股票指数，例如沪深300、中证500，行业基金采用参考的主流行业指数；债券指数采用中债-新综合财富总值指数（CBA00101.CS）。其中，股票部分的权重采用基金最新12个季度的股票仓位平均值，即将基金的仓位中枢用最近3年的平均仓位替代，若基金当期仓位高于历史仓位中枢，则认为基金经理主动提升了当期权益类资产的占比，低于该仓位则认为基金经理主动降低了当期权益类资产的占比。
基准总收益的估算方式为成分证券权重*证券的估算涨跌幅的加总，其中证券既包含股票等权益类资产，也包含债券等类固收资产。估算的基准总收益可以表示为：
（3）超额收益分解
基金的估算超额收益为：
上式可以分解为：
(1)式右边的第一部分可以衡量大类资产择时收益（AR），我们将其按照股票仓位和类固收仓位进行进一步细化：
根据第二部分对传统Brinson模型改进的第二点，我们对上式的大类资产择时收益进行进一步整理：
(1) 式右边的第二部分也可以进一步分解为股票部分和债券部分：
（2）式的第一部分为基金持仓股票部分的行业配置收益（IR），第二部分为基金持仓股票部分的行业内选股收益（SR）。
于是，根据基金持仓估算的超额收益可以分解为大类择时收益、行业配置收益、与行业选股收益。
估算误差的存在，主要是由于我们假设了基金仓位及持仓在相邻报告期之间保持不变，并按照报告期披露的持仓估算基金收益。而实际上，基金在报告期之间可能进行仓位的调整、不同股票间的切换、以及同样股票的波段交易，因此基金实际的净值变动与估算的收益率有所差异。这部分估算误差可以看做基金在定期报告披露持仓的基础上进行了交易，由交易带来的收益。同时，基准中的股票指数在各个基金报告期之间同样存在成分股名单和成分股权重的微调，但通常这部分由于基准带来的估算收益差异较为细微。
3、市场基金截面上的Brinson归因
3.1
估算误差与换手率成正相关
Brinson模型采用基金的持仓数据做归因分析，与回归法相比，其包含的信息更全面、可以对超额收益进行更深入的分解，但在现实情况中，基金定期披露其持仓信息，由于我们假设了持仓在定期报告披露期之间保持不变，因此基金的交易频繁度对于收益分解的准确性至关重要。交易频率较低的基金持仓较为稳定，定期报告披露期之间的差异较小，其对于择时能力、行业配置能力和选股能力的分解将更为准确。
我们用换手率来衡量基金交易的频繁程度，将基金换手率定义为基金区间买入卖出股票的平均金额与区间股票投资市值平均值的比值：
其中，Buy volume为基金披露的报告期买入股票总成本，Sell volume为报告期卖出股票总收入，Average stock value为报告期平均股票投资市值。我们对每期计算出的换手率进行年化后，得到基金各报告期的年化换手率。换手率低，说明基金的投资风格相对稳健，偏好通过买入持有的策略实现收益；换手率高，则说明基金的投资风格更加主动，积极进行股票的研究选择，也可能通过波段操作来增加基金的收益。
我们整理了全市场主动偏股型基金2019上半年的换手率，并基于2018年年报披露的全部持仓，计算了2019上半年基金的半年度Brinson归因模型的估算误差，对二者进行了相关性分析。整体而言，估算误差的绝对值与换手率呈现正相关的特性，相关系数为25.74%，散点图也体现了一定的正相关特征。
此外，我们将基金换手率从低至高等分为10组，并分别计算每组基金误差绝对值的平均值和中位数。结果发现，无论是误差平均值还是误差中位数，均与换手率呈现了较为严格的单调性，换手率最低组别的估算误差绝对值也最低，换手率最高组别的估算误差绝对值最高。因此，在Brinson收益分解中，低换手组别的基金分解结果具有更高的置信度。
此外，我们对2015年以来各期的数据进行了验证，发现各报告期基本均可满足上述规律，即低换手基金的估算误差绝对值更低，分解结果更为准确。因此后续，我们将针对2019年上半年全市场换手率最低的10%基金，即上述单调性检验中位于第1组的基金进行Brinson归因。
3.2
低换手基金的Brinson单期分解结果
我们统一取沪深300作为基金业绩基准，对2019年上半年换手率最低的161只基金进行Brinson分解。
从平均情况来看，2019年上半年低换手主动偏股型基金的实际收益平均数为27.01%、实际收益中位数为25.39%；估算收益平均数为25.35%、估算收益中位数为23.19%，估算误差的平均数和中位数分别为1.66%和1.41%、估算误差绝对值的平均数和中位数分别为2.91%和2.49%，估算误差较低，分析结果可靠性较高。
从基金的Brinson归因结果来看，2019年上半年低换手主动偏股型基金的平均超额收益为2.83%、超额收益中位数为1.06%；平均而言，择时为基金带来了负贡献，行业配置和个股选择为基金带来了正贡献，但超半数基金的选股收益为负。从平均数的大小来看，行业配置收益对大多数基金最为关键，半年度平均贡献了2.37%的超额收益，贡献最高的基金有30.84%的超额收益由行业配置贡献；其次为选股收益，半年度平均贡献了0.65%的超额收益，最高的基金有19.80%的超额收益由个股选择贡献；择时平均贡献为负，但也有部分基金取得了一定的正择时收益，择时最高贡献为9.84%。
以上是我们对2019年上半年基金超额收益的分解结果。接下来，我们将时间区间拉长，观察近3年（2016年下半年至2019年上半年）的Brinson分解结果，并分别选取换手率较低、且长期具有择时能力、行业配置能力、个股选择能力的代表基金举例分析。
4、代表基金时间序列上的Brinson分解
4.1
择时能力代表基金
近三年Brinson分解结果中，平均择时收益最高的为基金A。我们观察了基金A的换手率，多数时期均大幅低于主动偏股型基金平均值，仅2018年换手率略高于行业平均，分解结果的置信度较高。
从Brinson分解结果来看，近三年基金各期的择时收益贡献均为正，半年度择时平均贡献为4.72%、最高的半年度贡献为9.38%（2018H2），其中2018年择时效果尤其显著，择时贡献甚至超过了基金的超额收益本身。
为了更直观感受基金的择时操作，我们整理了基金的仓位情况。基金在2017年底前均保持了85%以上的高仓位运作，而自2017年底至2018年中期，基金大幅降低仓位至25%上下，2018年3季度仓位有所提升，但同样大幅低于其前期的仓位情况，极大的规避了2018年市场的下跌。在2018年底，基金积极提升仓位至92.21%，为近三年的最高仓位，因此充分享受了2019年1季度的上涨行情；而后的1季末和2季末，基金仓位又逐步下跌。
整体而言，从定期报告披露的仓位情况来看，基金主要时期的仓位决策均较为正确，择时贡献了较高的超额收益。
此外，我们也通过时间序列回归的方式，采用TM和HM模型进行验证，两个模型都显示其具有一定的择时能力，其中，
T-M择时选股能力归因模型：
H-M择时选股能力归因模型：
4.2
行业配置能力代表基金
近三年Brinson分解结果中，我们取平均行业配置收益最高的基金中、换手率较低的基金B作为代表进行分析。基金B各时期的换手率均大幅低于主动偏股型基金平均值，基本维持在1倍以下，分解结果的置信度较高。
从Brinson分解结果来看，近三年共6个半年度期间中，有5期行业配置收益贡献大幅为正，半年度行业配置平均贡献为6.75%、最高的半年度贡献为14.96%（2019H1），行业配置是基金近年来超额收益的主要来源。
我们整理了基金的行业配置情况。可以看到，基金过去三年重点配置了食品饮料、医药、家电、交通运输、轻工制造等大消费相关板块。从过去三年的市场表现来看，食品饮料、家电行业大幅跑赢沪深300，贡献了较高的行业配置收益。
4.3
选股能力代表基金
近三年Brinson分解结果中，平均择时收益最高的为基金C。我们观察了基金C的换手率，各时期均大幅低于主动偏股型基金平均值，分解结果的置信度较高。
从Brinson分解结果来看，近三年共6期中，行业配置与个股选择均对基金贡献了较高的超额收益。其中，择时每半年平均的收益贡献为0.12%，行业配置每半年平均的收益贡献为2.54%，个股选择每半年平均的收益贡献为4.24%，个股选择是基金近3年来超额收益的最主要来源。
我们整理了基金的行业和个股配置情况。从行业配置情况来看，基金近三年的前三大重仓行业为电子元器件、食品饮料和家电，前三大行业平均占比超过50%。
从行业配置收益贡献来看，食品饮料和家电的贡献多数为正且较为稳定，主要由于近几年大消费板块表现较好；而基金长期第一大重仓行业电子元器件近三期的行业贡献为负，主要是由于电子元器件行业自2018年以来至2019年上半年的收益大幅跑输市场整体。从行业内选股收益来看，重仓的电子元器件行业的选股能力极强，各期基本均相对于基准指数中的电子元器件行业取得了超额收益。此外，基金C在基础化工、电力设备、家电、医药等行业平均而言也有较强的选股能力。
此外，我们也通过时间序列回归的方式，采用TM和HM模型进行验证，两个模型都显示基金具有显著的选股能力，日度alpha达到了0.0011。但值得注意的是，此处的alpha包含较为广泛，在市场β和择时收益之外的其他收益均归为选股能力，实际上行业配置能力也体现在alpha中。
以上即为我们对单期Brinson模型的梳理、改进和实现，在接下来的报告中，我们将进行多期的Brinson归因分析，敬请各位投资者关注。
参考文献
[1]Brinson G P, Hood L R, Beebower G L. Determinants of portfolio performance[J]. Financial Analysts Journal, 1986, 42(4): 39-44.
[2]Brinson G P, Fachler N. Measuring non-US. equity portfolio performance[J]. The Journal of Portfolio Management, 1985, 11(3): 73-76.
风险提示：归因结果通过历史数据统计、建模和测算完成，可能与实际情况存在差异。
往
期
链
接
【兴业金工于明明徐寅团队】基金研究系列之一：主动偏股型基金评价体系
注：文中报告节选自兴业证券经济与金融研究院已公开发布研究报告，具体报告内容及相关风险提示等详见完整版报告。
证券研究报告：《基金研究系列之二：主动偏股型基金的单期Brinson绩效归因》。
对外发布时间：2019年12月20日
报告发布机构：兴业证券股份有限公司（已获中国证监会许可的证券投资咨询业务资格）
--------------------------------------
分析师：钟晓天
SAC执业证书编号：S0190518060003
E-mail:zhongxiaotian@xyzq.com.cn
分析师：于明明
SAC执业证书编号：S0190514100003
E-mail:yumingming@xyzq.com.cn
--------------------------------------
更多量化最新资讯和研究成果，欢迎关注我们的微信公众平台（微信号：XYZQ-QUANT）！
