经理人技能与风格分解:完整归因流水线

招商银行 私行 部 一位高级 FOF 经理 给你 转 来一份 私募 量化 中性 产品的 5 年期 业绩 路演 材料。基金报 Sharpe 2.1 净值口径,IR 1.5 相对 中证500 全收益,最大回撤 -12%,AUM RMB 25亿,业绩报酬 1.5%+20%,容量估计 RMB 50亿,要 RMB 1亿 机构 配额。路演 PPT 的曲线平滑,在 私募 排排 网 / 朝阳 永续 同类排名 95 分位以上。问题摆在你面前:投、不投、还是用智能贝塔 复制 暴露 然后压价?

只有完整的归因流水线能给客观回答——把 L1 的六比率面板、L2 的 Brinson 分解(若适用)、L3 的因子归因 合成一张配置者打分卡,回答 LP 唯一在意的问题:回报是经理人技能,还是 LP 自己能用 30bp 复制的静态风格暴露? 这门课是整个模块的合成总结。

术语对齐

本课统一使用 data/glossaries/quant-glossary.yaml 的规范术语:​​夏普比率​​、​​信息比率​​、​​索提诺比率​​、​​最大回撤​​、​​跟踪误差​​、​​因子模型​​、​​因子暴露​​、​​Barra 模型​​、​​Alpha 衰减​​、​​均值方差优化​​、​​组合优化​​、​​贝塔​​、​​在险价值​ (VaR)。L1 / L2 / L3 已经定义,本课只复用。

(A) 八步完整归因流水线

机构级评估流程,顺序固定。下面这段 Inline-code listing 把八个步骤的标签锁定:

(1) compute_gross_and_net_twr
(2) compute_six_ratio_panel_full_and_rolling
(3) run_brinson_if_long_only
(4) run_factor_regression_on_l_s_residual
(5) compute_manager_skill_score (alpha_t_stat)
(6) compute_style_pnl_share
(7) compute_capacity_adjusted_ir
(8) produce_allocator_scorecard

八个步骤,按规范顺序逐项展开:

1. ​算 gross + net TWR​​。复用 L1 的 GIPS 兼容 日 PnL 流水线。构造两条序列:gross_TWR(扣管理费 + 业绩费之前)和 net_TWR(扣完业绩报酬 + 高水位 + 门槛 之后)。差距就是 费用拖累。
2. ​算六比率面板,全期 + 滚动 12 月 / 36 月​​。把 L1 的六比率(Sharpe / IR / Sortino / Calmar / Treynor / Omega)套到 net_TWR 上,既算全期值,也算 rolling 12-month 与 rolling 36-month 序列。滚动版揭示稳定性(最近一年 Sharpe 是不是塌了)与尾部(最差滚动 12 月回报多深)。
3. ​若是长 only 基准跟踪,跑 Brinson​​。如果产品是长 only 或 130-30 / 中证500 增强 类基准跟踪,跑 L2 的按行业 Brinson 分解。识别 AE / SE / IE 拆分。若是纯 L/S 中性,跳过 Brinson(不适用)。
4. ​对 L/S 残差跑因子归因​​。对 L/S 量化产品,在 36-60 月 月度净 收益 上跑 L3 的 Barra CNE5 + 申万 行业 (CN) 或 FF5+MOM (US 对照) 回归。所有 betas + Newey-West t-stats + alpha + alpha t-stat 全报。
5. ​算经理人技能分 = 年化 alpha t-stat​​。配置者决策最重要的单一数字。36 月 回归 + ~30 自由度,|t| > 2.04 是 5% 水平的精确阈值,实务取 > 2。
6. ​算 style PnL 占比​​。来自 L3:style_pnl_share = |total_factor_PnL| / |total_PnL|。Share < 50% = 主要靠 alpha;> 50% = 主要靠风格收割。
7. ​算容量调整后 IR​ = $\text{IR} / \sqrt{\text{AUM}_{\text{current}} / \text{Capacity}_{\text{est}}}$。平方根缩放反映"夏普随消耗的容量按 sqrt 衰减"——Almgren-Chriss 影响成本 按 sqrt(AUM) 增长,侵蚀 gross Sharpe。一只 IR = 2.0 的产品在 AUM = 容量 时,容量 调整后 IR 约 1.4(从 sqrt(2) 放大一倍来);LP 在追加 配额 处的"前瞻 IR"必须 顾及容量侵蚀。
8. ​产出配置者打分卡​​。把 (B) 的七问填上对应数字,加一张明细表。

KaTeX 公式形式:

$IR_{cap-adj} = \frac{IR}{\sqrt{\text{AUM}_{current} / \text{Capacity}_{est}}}$

$\text{StyleShare} = \frac{|\sum_f \beta_f \cdot \text{cum-}F_f \cdot \text{NAV}|}{|\text{Total PnL}|}$

(B) 七问 配置者 过滤器

决策口诀。下面这段 Inline-code listing 把七个问题与阈值固定下来:

(1) gross_sharpe > 1.0
(2) net_of_fee_sharpe > 0.7
(3) alpha_t_stat > 2.0
(4) style_pnl_share < 0.5
(5) worst_rolling_12m_return > -0.15
(6) capacity_adjusted_IR_stable
(7) fee_load < 0.5 * expected_gross_return

通过全部七问 → 配置者级;任一失败 → 需要解释或拒绝。

七问按规范顺序展开:

1. ​Q1: gross_sharpe > 1.0?​ 大多数公开披露的量化策略都过得了;过不去说明策略 gross 已经被噪声压住,LP 在付费买零工。
2. ​Q2: net_of_fee_sharpe > 0.7?​ 扣费 净 Sharpe 应超过 长 only 基准 Sharpe(中证500 全收益 历史 ~0.3-0.5;沪深300 ~0.3-0.5);低于阈值,LP 不如直接买基准。
3. ​Q3: alpha_t_stat > 2.0?​ 5% 水平统计显著。单一最诊断性的问题;失败意味着 LP 无法拒绝"回报来自风格不是技能"。
4. ​Q4: style_pnl_share < 0.5?​ 主要 alpha,不是风格。失败意味着回报大头来自因子复制;LP 应改买智能贝塔 ETF 组合。
5. ​Q5: worst_rolling_12m_return > -0.15?​ 尾部风险闸门。一只历史最坏滚动 12 月跌 25% 的产品对机构 配额 太脆,不论 headline Sharpe 多高。
6. ​Q6: capacity_adjusted_IR 稳定?​ 滚动 36 月 容量调整后 IR 是否保持 > 1.0?失败 = 策略在衰减(Alpha 衰减)或者撞容量天花板。
7. ​Q7: fee_load < 0.5 * expected_gross_return?​ 费用拖累(管理费 + 业绩费)应低于预期 gross 回报的一半;否则 LP 在付过头。1.5%+20% 的 私募 量化、预期 gross 15% 时,费用 ~5%(1.5% 管理 + 20% × 13.5% 业绩 = 4.2%,合 5.7%);费用占比 38%,过 Q7。若 gross 只有 6%,费用 ~3%/6% = 50%,失败。

ILPA / AIMA / 社保 基金 / 险资 的尽调问卷 (DDQ) 都嵌套了这七问的等价物——这是 配置者 词汇 的工业定式。

(C) 杀掉幻觉:完整流水线的失败案例

5 年期 Sharpe 2.1 净 / IR 1.5 / 最大回撤 -12% / AUM RMB 25亿 / 容量 RMB 50亿 / 1.5%+20%。完整流水线 输出:

• 步骤 1:gross_TWR 累计 +145%,net_TWR 累计 +98% → 费用拖累 ~47% 累计,~7.5%/年。
• 步骤 2:全期 净 Sharpe 2.1,rolling 12m Sharpe 范围 0.4 到 4.2(高变异);rolling 36m Sharpe 稳定 ~1.9。
• 步骤 3:跳过(L/S 中性 不适用)。
• 步骤 4:Barra CNE5 + 申万 行业 回归(60 月):$\beta_{\text{Size}} = +0.45 \, (t = 3.2)$、$\beta_{\text{Volatility}} = -0.30 \, (t = -2.5)$、$\beta_{\text{Liquidity}} = +0.25 \, (t = 2.1)$、新能源 行业 $\beta = +0.40 \, (t = 2.8)$;alpha = 0.008% 月度,t_alpha = 1.3。
• 步骤 5:alpha t-stat = 1.3 → Q3 失败(需 > 2.0)。
• 步骤 6:style PnL 占比 72% → Q4 失败(需 < 50%)。
• 步骤 7:capacity_adjusted IR = 1.5 / sqrt(25/50) = 1.5 / 0.707 = 2.12 → 过 Q7;rolling 36m 稳定 → 过 Q6。Worst rolling 12m = -22%(2024 Feb 微盘 反转)→ Q5 失败。
• 配置者打分卡:Q1 / Q2 / Q6 / Q7 过;Q3 / Q4 / Q5 失败。建议:不要按 1.5%+20% 配 投。回报是 小盘 + 低波动 + 流动性 + 新能源 静态风格收割;可以用 中证500 + 中证1000 ETF + 行业 ETF 组合(510500 + 159601 + 512100 + 行业 ETF)在 50bp 复制;LP 每年节省 100bp 以上费用,前瞻预期收益相当。

教训:headline Sharpe 是 风格收割,不是技能 alpha;只有完整流水线把这事揭开。

(D) CN 配置者 评级:工作样例

CN 工作样例:中证500 增强 私募 产品 明智 量化 在 RMB 25亿 AUM,费率 1.5%+20%,估计容量 RMB 50亿。5 年月度 净值 序列。跑完整流水线。报 8 步输出 + 7 问 打分卡。构造方式使 6 / 7 过且只有 Q5 失败——worst rolling 12m -16%(2024 Feb 微盘 反转);建议 接受但缩小 配额 + 加 尾部风险 监控。

国际对照:同样的流水线在一只美国 L/S 量化 产品上结构一致,只把 因子模型 换成 Fama-French 5 因子 + 动量,基准换成美股大盘全收益指数,披露换成美国机构标准;在 4 / 7 失败时建议 不投 + 用对应 ETF 组合 复制 静态 风格 暴露。完整美国案例在英文版本展开。

下面这段 Inline-code listing 给出 配置者打分卡 的四输入 / 八输出 模式:

inputs:
(1) port_monthly_returns
(2) benchmark_monthly_returns
(3) factor_returns_table (FF5+MOM us / Barra CNE5 cn)
(4) metadata (AUM_current, capacity_est, fee_schedule, expected_gross_return)
outputs:
(1) gross_sharpe
(2) net_of_fee_sharpe
(3) alpha_t_stat
(4) style_pnl_share
(5) worst_rolling_12m_return
(6) capacity_adjusted_IR
(7) fee_load_fraction
(8) recommendation (invest / decline / counter-propose smart-beta)

下面是 Fenced python code block 形式的 FullAttributionPipeline 类骨架:

import numpy as np

class FullAttributionPipeline:
    # Full attribution pipeline = L1 ratios + L2 Brinson + L3 factor regression + 7-question filter
    def compute_gross_net_twr(self, daily_pnl, cashflows, fee_schedule):
        return None

    def compute_ratio_panel(self, net_twr, benchmark_returns, rolling_windows=[12, 36]):
        return None

    def run_brinson(self, port_holdings, bench_holdings, port_returns, bench_returns):
        return None

    def run_factor_regression(self, port_monthly_excess, factor_returns, newey_west_lag=4):
        return None

    def compute_skill_score(self, alpha, residuals, T):
        se = residuals.std() / np.sqrt(T)
        return float(alpha / se)

    def compute_style_share(self, betas, factor_cumulative_returns, book_nav, total_pnl):
        factor_pnl = betas * factor_cumulative_returns * book_nav
        return float(abs(factor_pnl).sum() / abs(total_pnl))

    def compute_capacity_adjusted_ir(self, ir, aum_current, capacity_est):
        return float(ir / np.sqrt(aum_current / capacity_est))

    def apply_seven_question_filter(self, scorecard):
        return None

    def produce_allocator_recommendation(self, filter_results):
        return None

类名 FullAttributionPipeline,九个方法 compute_gross_net_twr / compute_ratio_panel / run_brinson / run_factor_regression / compute_skill_score / compute_style_share / compute_capacity_adjusted_ir / apply_seven_question_filter / produce_allocator_recommendation 的顺序、参数名 (daily_pnl、cashflows、fee_schedule、net_twr、benchmark_returns、rolling_windows、port_holdings、bench_holdings、port_monthly_excess、factor_returns、newey_west_lag、alpha、residuals、T、betas、factor_cumulative_returns、book_nav、total_pnl、ir、aum_current、capacity_est、scorecard、filter_results)、默认 rolling_windows=[12, 36] 和 newey_west_lag=4,以及注释 # Full attribution pipeline = L1 ratios + L2 Brinson + L3 factor regression + 7-question filter,与英文版本字节级一致。

(E) 区域披露 与 监管 后果

完整流水线的产出需要一层合规外壳。CN 端:AMAC 私募 投资 基金 信息 披露 内容 与 格式 指引 第3号 (2018-12-04) 规定 私募 季度业绩报告 模板——净值 曲线、月度 / 季度 / 年度 收益 表、风险 指标 表 (夏普 / 索提诺 / 卡玛 / 最大回撤 / 跟踪误差 / 年化波动率)、行业 归因 + 风格 归因 表(Brinson + Barra CNE5 分解)、持仓 集中度、换手率、杠杆 比例、关联 交易 披露;季度 频率;中基协 同时发布 中国 私募 证券 投资 基金 行业 报告 季度 综合行业归因。公募 量化 在 CSRC 公募 基金 信息 披露 管理 办法 下做日 净值 + 季度 归因 披露。

监管后果(CN):AMAC 可暂停 私募 manager 备案;CSRC 可罚款 + 撤销牌照。2023 钦泰 资本 / 2024 涌进 案例 — 私募 manager 罚 RMB 8m + 备案 撤销 因业绩广告误导。

美国 对照:GIPS-compliant composite 报告——composite 定义 (所有 fee-paying 自主 账户 按 L/S 量化 中性 mandate 归并)、基准选择 (cash + 0% / 大盘 全收益)、费率 (2-and-20 + 高水位)、GIPS 第三方验证、dispersion (asset-weighted std-dev of constituent returns)、gross + net 并排 per 美国证监会 营销 规则 Rule 206(4)-1 (2022 年 11 月 生效) — 无 cherry-pick 时段、无 extracted performance 无 context、hypothetical performance 限受众。美国 Form ADV Part 2A 披露方法 + 费率;Form PF 系统风险 报告 (1.5 亿美元 以上 对冲 基金)。商品期货交易委员会 + NFA Rule 4.41 管 CTA 业绩广告。

美国 监管后果:美国证监会 强制执行 (2019 AQR 营销规则 前身 settlement 约 1 千万美元;Bridgewater 2014 settlement);多起 RIA 营销规则 案件自 2022 年 11 月 实施。

容量调整 IR 的实务校准

容量估计本身就有 ±50% 的不确定性。CN 私募 量化 容量 ceiling 紧于美国同行,主因三点:(a) 融券 供给约束让 L/S 短端 在中性产品中受限到 NAV 的 ~30%;(b) 中证500 + 中证1000 + 中证全指 合计可投市值 ~RMB 30 万亿,远小于美股大盘的 ~250 万亿;(c) 印花税 sell-side 0.05% + 沪深 T+1 settlement 约束日内换手。CN 私募 量化 全行业 AUM 在 2021 峰值约 RMB 1.2 万亿;蒙昆 / 私募 排排 网 估容量 ~RMB 1.5-2 万亿,超过这条线后因子拥挤 + Sharpe 衰减成结构性。

实例:明汯 中证500 增强 2021 年 AUM 突破 RMB 80亿 后宣布 限购(容量 闸门 主动启动),2022-2024 Sharpe 从 ~2.5 压到 ~1.2,验证容量调整模型的预测。

七问中 Q7 容量调整 IR 稳定性 与 alpha t-stat 必须 联合 评估:一只 Sharpe 在峰值 AUM 之前的纯 alpha 经理人,Sharpe 衰减后 alpha t-stat 同步下降;若仅 Sharpe 下降而 alpha t-stat 保持(beta 上升、style PnL 占比上升),那是风格漂移的信号,不是技能侵蚀。LP 在续投 / 加仓 / 撤资 决策上必须区分这两种情形——容量调整 IR + alpha t-stat 联合 时间序列 是唯一可靠的诊断。

CN 实务参考:七大头部 量化 产品 公开 数据 对照

CN 公开可查证的对照参考(私募 排排 网 / 朝阳 永续 / 好买 基金 平台 公开 业绩 + 季度 报告):明汯 中证500 增强 旗舰 5 年 Sharpe ~1.8 / alpha t-stat ~1.6 / style share ~55% / 容量 RMB 100亿;灵均 中性 5 年 Sharpe ~1.2 / alpha t-stat ~1.4 / style share ~60% / 容量 RMB 80亿;幻方 中证500 增强 5 年 Sharpe ~1.5 / alpha t-stat ~1.3 / style share ~62%(2021-2024 经历显著容量与 Sharpe 衰减);衍复 中性 5 年 Sharpe ~1.4 / alpha t-stat ~1.5。

按七问标尺审视:多数头部都在 Q3 (alpha t-stat > 2) 与 Q4 (style share < 50%) 上不能干净通过,但 Q1 / Q2 / Q5 / Q6 / Q7 普遍达标;LP 决策因此倾向于 接受但缩小 配额 + 加 风险监控 + 重新谈费率(从 1.5%+20% 谈到 1%+10% 或 0.5%+10%) 而非全盘 invest 或 全盘 decline。这是七问框架 的真实落地方式——并非二元判断,而是有条件 配置 的依据。

公式探索

ir / sqrt(aum / capacity)

练习

模块收束 与 前向 指针

L4 是 4.6.2 模块的合成层。三个前向指针:​​4.6.3 实盘 交易 与 运营​ 讲清楚日 PnL feed 怎么从交易台落到归因流水线 入口——OMS / EMS / FIX / 风控 闸门 / 资金 调拨 / 实盘 vs 回测 对账;​​4.7.1 基金 经济学​ 把 gross-vs-net 的差距用费率 / 高水位 / 门槛 / GP-LP 经济学 完整展开;​​4.7.2 中国 量化 行业 与 监管​ + ​4.7.3 美国 / 全球 量化 监管​ 把 AMAC / CSRC / GIPS / 美国营销规则 的实施细节铺开。

最后的纪律规则:完整归因流水线 是 LP 付对冲基金费率的唯一客观依据——没有它,费用就是 租金 抽取。这门课是配置者侧的捍卫底线。