3.4 多策略 FOF 归因：子策略贡献拆分¶
FOF 的归因不是"加权平均各管理人的归因"，而是整体组合的独立归因体系。
这一章讲怎么从 FOF 层面看：钱是从哪个策略类别赚来的？哪家管理人贡献最大？是否有隐藏的风格集中？
一、FOF 归因的特殊性¶
1.1 FOF vs 单产品的归因差异¶
单产品归因（卷三 3.2 / 3.3）： - 粒度：股票 / 行业 / 风格因子 - 工具：Brinson + Barra - 目的：评估管理人能力
FOF 归因： - 粒度：策略类别 / 管理人 / 子策略 - 工具：多层嵌套归因 - 目的：评估 FOF 组合的整体决策
1.2 FOF 归因的三个层次¶
层次 1：策略大类归因¶
把 FOF 收益拆到策略大类（指增 / 中性 / CTA / 套利 / 宏观）。
层次 2：管理人归因¶
在每个策略大类内，拆到具体管理人。
层次 3：管理人内部归因（穿透）¶
对每个管理人，穿透到 Brinson + Barra 归因。
完整 FOF 归因 = 三层嵌套。
1.3 FOF 归因回答的问题¶
层次 1 回答： - 我们的策略配置判断对了吗？ - 哪个策略大类贡献最大？ - 是否应该调整策略大类权重？
层次 2 回答： - 在每个策略大类内选对管理人了吗？ - 哪家管理人是"明星"？哪家是"包袱"？ - 是否应该调整管理人权重？
层次 3 回答： - 我们的管理人们是怎么赚钱的？ - 整体风格暴露是什么？ - 有没有"无意中的集中风险"？
二、层次 1：策略大类归因¶
2.1 基于 Brinson 的策略大类归因¶
把"行业"概念替换为"策略类别"，用 Brinson 框架：
假设 FOF 的策略分类： - 指增 - 中性 - CTA - 套利 - 宏观
FOF 权重 vs 基准权重：
| 策略类别 | FOF 权重 | 行业中位数权重 | 策略类别收益 | 行业中位数收益 |
|---|---|---|---|---|
| 指增 | 30% | 35% | +8% | +10% |
| 中性 | 25% | 20% | +12% | +9% |
| CTA | 20% | 15% | +15% | +12% |
| 套利 | 15% | 15% | +8% | +7% |
| 宏观 | 10% | 15% | +10% | +8% |
"基准"的选择： - 行业中位数配置（如公开基金 FOF 的平均配置） - 自定义策略比例（如静态 30/25/20/15/10） - 标杆 FOF（跟踪某头部 FOF 组合）
2.2 计算示例¶
FOF 整体收益：
R_FOF = 0.30 × 8% + 0.25 × 12% + 0.20 × 15% + 0.15 × 8% + 0.10 × 10%
= 2.4% + 3% + 3% + 1.2% + 1% = **10.6%**
基准整体收益：
R_benchmark = 0.35 × 10% + 0.20 × 9% + 0.15 × 12% + 0.15 × 7% + 0.15 × 8%
= 3.5% + 1.8% + 1.8% + 1.05% + 1.2% = **9.35%**
主动收益 = 10.6% - 9.35% = +1.25%
Brinson 分解：
配置效应¶
指增：(0.30-0.35) × (0.10-0.0935) = -0.05 × 0.0065 = -0.033%
中性：(0.25-0.20) × (0.09-0.0935) = 0.05 × -0.0035 = -0.018%
CTA：(0.20-0.15) × (0.12-0.0935) = 0.05 × 0.0265 = +0.133%
套利：(0.15-0.15) × (0.07-0.0935) = 0
宏观：(0.10-0.15) × (0.08-0.0935) = -0.05 × -0.0135 = +0.068%
合计：+0.15%
选择效应¶
指增：0.35 × (0.08-0.10) = 0.35 × -0.02 = -0.7%
中性：0.20 × (0.12-0.09) = 0.20 × 0.03 = +0.6%
CTA：0.15 × (0.15-0.12) = 0.15 × 0.03 = +0.45%
套利：0.15 × (0.08-0.07) = 0.15 × 0.01 = +0.15%
宏观：0.15 × (0.10-0.08) = 0.15 × 0.02 = +0.3%
合计：+0.8%
交互效应¶
指增：(-0.05) × (-0.02) = +0.10%
中性：(0.05) × (0.03) = +0.15%
CTA：(0.05) × (0.03) = +0.15%
套利：(0) × (0.01) = 0
宏观：(-0.05) × (0.02) = -0.10%
合计：+0.30%
验证：0.15% + 0.8% + 0.3% = +1.25% ✓
解读： - 主动收益 +1.25% - 配置贡献 0.15%（超配 CTA + 低配宏观） - 选择贡献 0.8%（在中性 / CTA 类内选对管理人） - 交互贡献 0.3%（超配中性 + 中性选对管理人联合贡献）
2.3 FOF 团队能力画像¶
强配置型 FOF： - 配置 α 占主动收益 > 60% - 特征：擅长判断策略类别轮动 - 例：预判中性好 → 超配中性
强选择型 FOF： - 选择 α 占主动收益 > 60% - 特征：擅长在策略内找好管理人 - 例：在指增大类内选对头部
平衡型 FOF： - 配置 + 选择相当 - 特征：两方面都有能力 - 例：头部 FOF 多是这类
2.4 元烨 FOF 的定位¶
基于团队特点： - Sean + 赵波 + 丁晨 都有产业经验 - 与管理人沟通深度 > 策略类别预判能力 - 倾向于"强选择型"
目标画像： - 选择 α 占 60-70% - 配置 α 占 20-30% - 交互 α 少量
三、层次 2：管理人归因¶
3.1 管理人贡献表¶
格式：
| 管理人 | 策略类别 | 权重 | 收益 | 贡献 | 贡献占比 |
|---|---|---|---|---|---|
| 彬元中性 1 号 | 中性 | 10% | +20% | +2% | 20% |
| 九坤 500 指增 | 指增 | 15% | +12% | +1.8% | 18% |
| 飒露紫 CTA | CTA | 8% | +15% | +1.2% | 12% |
| ... | ... | ... | ... | ... | ... |
| 合计 | +10% | 100% |
看什么： - 哪家管理人贡献最大？ - 贡献是否与权重匹配？ - 是否有管理人贡献异常（过大或过小）？
3.2 管理人"性价比"指标¶
贡献效率：
实例： - 彬元权重 10%，贡献 2% → 效率 0.20 - 九坤权重 15%，贡献 1.8% → 效率 0.12
彬元效率 > 九坤效率，即每单位权重的贡献更高。
应用： - 高效率管理人 → 考虑加仓 - 低效率管理人 → 考虑减仓 / 退出
但注意： - 单期数据不可靠，看至少 12 个月 - 效率还与策略类别的预期收益有关（高波策略效率天然更高）
3.3 管理人集中度分析¶
集中度指标：
- 前 3 管理人合计权重：应 < 40-50%
- 前 5 管理人合计权重：应 < 60-70%
- HHI 集中度：应 < 0.15
过度集中的风险： - 单一管理人爆雷 → FOF 大幅回撤 - 关键人风险 → 管理人离职导致策略失效
3.4 管理人相关性分析¶
重要指标：管理人收益之间的相关性。
分析步骤： 1. 收集每家管理人的月度收益 2. 计算两两相关系数矩阵 3. 看是否有"隐藏相关性"
实例： - A 管理人（指增）+ B 管理人（全市场选股）+ C 管理人（中性） - 看起来三家"不同类别" - 实际相关性：A-B 0.8、A-C 0.5、B-C 0.6 - 三家都有小盘风格暴露 → 实际不分散
解决：用 Barra 分析每家管理人的风格暴露（卷三 3.3）。
四、层次 3：管理人内部归因（穿透）¶
4.1 为什么要穿透¶
情景： - 彬元贡献了 +2% - 为什么赚这 2%？ - 是选股还是风格？ - 是价量还是事件驱动？
穿透归因： - 对彬元做 Brinson + Barra - 看彬元的 2% 来自哪里 - FOF 才完整理解自己的组合
4.2 穿透归因的汇总¶
FOF 层面汇总：
FOF 纯 alpha = Σ w_manager × 管理人纯 alpha
FOF 行业贡献 = Σ w_manager × 管理人行业贡献
FOF 风格贡献 = Σ w_manager × 管理人风格贡献
看汇总： - FOF 整体的纯 alpha 占比 - FOF 整体的风格暴露 - FOF 整体的行业暴露
4.3 元烨 FOF 的穿透示例（假设数据）¶
各管理人穿透：
| 管理人 | 权重 | 管理人 α | 纯 α 贡献 | Size 暴露 | 贡献 Size |
|---|---|---|---|---|---|
| 彬元 | 10% | +20% | +18% × 10% = +1.8% | -0.3 | -0.03 |
| 九坤 | 15% | +12% | +8% × 15% = +1.2% | -0.2 | -0.03 |
| 飒露紫 | 8% | +15% | +10% × 8% = +0.8% | N/A | N/A |
| ... | ... | ... | ... | ... | ... |
FOF 层面汇总： - 纯 alpha 汇总 ≈ +3.8% - 风格 Size 汇总 ≈ -0.1（轻微偏小盘）
判断： - 整体 FOF 仍然以"真 alpha"为主 - 风格 Size 暴露可控（-0.1 在中性范围） - 结构健康
4.4 穿透归因的价值¶
价值 1：识别隐藏风险
单家管理人风格中性，多家合起来可能整体偏某个风格。
价值 2：预测 FOF 在极端环境的表现
比如： - FOF Size 暴露 -0.8（严重偏小盘） - 2024 年 1-2 月微盘雪崩 → 预期 FOF 回撤 -10~15% - 如果有此归因，提前做风险预案
价值 3：评估 FOF 团队的决策质量
- FOF 是否选到了"真 alpha"管理人？
- 还是主要靠"风格 β"混合？
五、FOF 归因的工具¶
5.1 Excel 模板¶
表 1：策略大类归因 - 行：策略大类 - 列：FOF 权重 / 基准权重 / 策略收益 / 基准收益 - 计算：Brinson 三要素
表 2：管理人归因 - 行：管理人 - 列：策略类别 / 权重 / 收益 / 贡献
表 3：管理人穿透 - 每家管理人：Brinson 和 Barra 汇总
5.2 Python（Riskfolio-Lib）¶
import riskfolio as rp
# 假设有 FOF 的权重 和 各管理人的收益序列
weights = {'彬元': 0.10, '九坤': 0.15, ...}
manager_returns = pd.DataFrame({...})
# FOF 收益序列
fof_returns = manager_returns @ pd.Series(weights)
# Brinson 策略大类归因（自定义实现）
# ...
# Barra 穿透归因（汇总各管理人的 Barra 暴露）
# ...
5.3 元烨 FOF 的归因 SOP¶
月度： - 更新各管理人收益 - 更新 FOF 权重 - 计算当月归因
季度： - 滚动 3 个月归因 - 识别趋势变化
年度： - 完整归因报告 - 对比年度目标
六、FOF 归因的决策应用¶
6.1 基于归因的调仓¶
情景 A：某策略类别贡献为负
- 归因发现指增策略近 6 个月贡献 -0.5%
- 细看：行业拥挤度上升，alpha 衰减
- 决策：减持指增，增加其他类别
情景 B：某管理人贡献恶化
- 管理人 A 近 6 个月贡献 -0.3%
- 细看：风格漂移，策略失效
- 决策：减持或退出
情景 C：整体风格暴露过大
- FOF 整体 Size 暴露 -0.8
- 风险：微盘雪崩的潜在暴露
- 决策：选 Size 暴露为正的管理人加入平衡
6.2 基于归因的新管理人筛选¶
新管理人加入时： - 评估其 Barra 暴露 - 判断对 FOF 整体暴露的影响 - 选择能平衡现有 FOF 风格的管理人
6.3 归因驱动的业绩报告¶
给 LP 的报告： - 不只是收益数字 - 解释"钱是怎么赚来的" - 展示策略配置 / 管理人选择的决策逻辑 - 提升 LP 信任度
七、FOF 归因的陷阱¶
7.1 陷阱 1：策略分类的模糊¶
陷阱： - 有些管理人横跨多个策略类别 - 分类时容易"自我分类"
应对： - 基于实际收益特征分类（不是管理人自称） - 用相关性 / 因子暴露辅助判断
7.2 陷阱 2：权重变化的处理¶
陷阱： - FOF 在时间过程中调仓 - 不同时点权重不同 - 简单平均权重会误导
应对： - 用加权平均权重（按时间） - 或用分时段归因（每次调仓后重新归因）
7.3 陷阱 3：穿透归因的不完整¶
陷阱： - 不是所有管理人都提供 Barra 归因 - 部分管理人只有净值数据
应对： - 尽量要求管理人提供 - 无法提供时，用净值序列反推 Barra 暴露 - 不完整的归因明确标注，不掩饰
7.4 陷阱 4：样本期不一致¶
陷阱： - 不同管理人成立时间不同 - 同期数据长短不一
应对： - 用共同可用时间做归因 - 不能凑的，分段报告
八、实战追问清单¶
A. 给 FOF 团队自己¶
- FOF 整体归因：过去 12 个月的完整归因报告？
- 策略大类贡献：各大类的贡献？配置 + 选择分解？
- 管理人贡献：各管理人的贡献排名？
- 穿透风格暴露：FOF 整体的 Barra 暴露？
- 隐藏相关性：管理人之间的实际相关性？
B. 给 LP（FOF 对外路演）¶
- 主动收益来源：我们的主动收益是什么贡献的？
- 配置能力 vs 选择能力：哪个更强？
- 历史稳定性：归因是否跨年份稳定？
- 未来展望：未来 12 个月的 alpha 预期？
C. 对投的每家管理人¶
- Barra 归因报告：完整提供？
- 风格稳定性：过去 12 个月暴露的变化？
- 纯 alpha 占比：是不是真 alpha？
九、元烨 FOF 归因建设路线¶
9.1 Phase 1（基础）¶
- 建立策略大类分类体系
- 收集各管理人的月度净值
- 计算 FOF 整体收益
9.2 Phase 2（中级）¶
- 引入 Brinson 策略大类归因
- 引入管理人贡献拆分
- 建立月度 / 季度归因报告
9.3 Phase 3（高级）¶
- 每家管理人都有 Barra 归因（要求管理人配合）
- FOF 整体穿透 Barra 分析
- 风格暴露监控 + 预警
9.4 Phase 4（成熟）¶
- 归因驱动的调仓决策
- 归因驱动的新管理人筛选
- 归因呈现给 LP
十、一句话总结¶
FOF 归因 = 三层嵌套的"组合诊断"
策略大类 → 管理人 → 管理人内部，每一层都有独立问题需要回答。
FOF 归因使用的 3 个第一性原理：
- 整体 ≠ 各家之和 —— FOF 有自己的独立归因逻辑
- 穿透是真相 —— 只看单家可能错过"隐藏集中"
- 归因驱动决策 —— 不只是报告，是决策依据
最硬的两个追问（FOF 团队自查）：
- "我们过去 12 个月的 α 来自配置还是选择？" —— 搞清楚自己的能力画像
- "FOF 整体的 Barra 暴露是什么？符合我们的目标吗？" —— 识别无意中的风险集中
记住："FOF = 一堆管理人"是外行视角。
FOF 的真正价值在于跨管理人的整合 + 归因能力。没有归因能力的 FOF，本质上只是"一个选人的集合"，不是真正的组合管理。
会做 FOF 归因的团队，能向 LP 说清楚"我们是怎么赚钱的 + 未来怎么继续赚钱"。