宏观对冲产品的业绩归因

引言：为何宏观对冲的业绩归因，总让人又爱又恨？

在私募圈摸爬滚打了快二十年，从最初做管理人备案时盯着那一堆规章制度头大，到现在管着十几亿资金，每天在宏观对冲策略里翻江倒海，我最大的感受就是：业绩归因这事儿，看着是数学问题，实则是人性问题加概率问题。 宏观对冲不像股票多头，你买了茅台涨了，逻辑清晰；也不像纯债，票息摆在那儿。宏观对冲是“全地形车”——股票、债券、商品、外汇，甚至衍生品，哪个赛道你都得跑，哪个坑你都不能掉。这也就导致了，当你某个季度赚钱了或者亏钱了，很难一句话说清楚到底是因为你看对了美债收益率曲线，还是因为运气好碰上了铜矿罢工。

很多新人刚入行，甚至某些做了三五年的基金经理，容易陷入一个误区：把“贝塔”当“阿尔法”，把“运气”当“能力”。我记得早年在黑子私募基金管理公司（没错，就是我们公司，名字听着有点“黑”，但做事绝对白）做风控时，遇到一个同事，连续三个季度靠做多原油大赚，他觉得是自己对地缘政治判断精准。结果后来我把他的持仓跟布伦特原油的相关系数一算，高达0.95。这哪是选股？这是裸奔做多油价。做业绩归因，第一步就是要像剥洋葱一样，把纯粹的市场风险（Beta）剥离掉，然后才能看到基金经理真正的选时和选股能力（Alpha）。今天这篇文章，我就从我多年的实战经验出发，跟你聊聊宏观对冲产品业绩归因里那些“不能说的秘密”和“必须说的道理”。

剥离Beta：运气与能力的第一道分水岭

在分析任何一只宏观对冲基金前，我做的第一件事永远是：先算出“如果只投指数，能赚多少”。 这句话听起来简单，但实际操作中极其复杂。因为宏观对冲的基准（Benchmark）从来不是一个。你不能拿沪深300去衡量一个做全球宏观的产品，也不能用美债指数去衡量一个主要做CTA趋势跟踪的产品。正确的做法是，根据产品合同里约定的策略敞口，构建一个“合成基准”。比如，某产品策略是“60%股票 + 40%债券 + 20%商品（杠杆）”，那么合成基准就是60%的MSCI全球指数 + 40%的巴克莱全球债券指数 + 20%的标普高盛商品指数（注意权重要归一化）。

我曾经服务过一个客户，是一家小型家族办公室，拟投规模5000万。他们看中了一只宏观对冲基金，过去两年年化收益18%，特别心动。我拿到数据后，第一件事就是做Beta剥离。你们猜怎么着？我突然发现这个基金在2020年疫情期间收益很高，但同期全球股市因为流动性泛滥也在暴涨。我把它的净值走势跟“60/40股债组合”一对比，发现它的Beta值高达1.3。这意味着什么？它18%的收益里，至少有13%是由市场Beta贡献的，真正属于基金经理“选时”和“配置”的Alpha，可能只有5%不到。 甚至，如果你考虑到它收取的2%管理费 + 20%业绩报酬，客户实际到手Alpha几乎为负。我把这个分析报告发给客户后，他们果断放弃了认购。你看，如果没有Beta剥离这个步骤，你很容易被华丽的收益数字迷惑，把“风口上的猪”当成“会飞的鸟”。在宏观对冲里，能不能分清Beta和Alpha，就是看一个基金经理是“老炮”还是“菜鸟”的最直接标准。

这里还要提一嘴我们黑子私募基金管理公司内部的合规要求。在做产品推介时，我们监管非常严格，绝对不允许将“市场风格带来的收益”包装成“投资能力”。我们内部有一整套复杂的归因系统，会要求基金经理在月度会议上，必须用模型清晰展示：多少收益来自于大类资产配置的择时，多少来自于子类资产（比如股票行业）的偏离，多少来自于个股或债券的选择。 这不仅是合规要求，更是对投资人负责。很多同行觉得这很麻烦，但我认为这是行业健康发展的基石。毕竟，只有把运气剥离干净，才能看到真正的能力。

配置贡献：宏观对冲的“骨架”与“肌肉”

剥离了Beta之后，才进入真正的“内部解剖”环节。在宏观对冲里，大类资产配置贡献是骨架，而子策略执行是肌肉。 很多基金表现不好，往往不是因为选的股票不好，而是因为“骨架”歪了。比如，2022年，很多做宏观的基金巨亏，就是因为在美联储暴力加息的大背景下，还在超配长期国债或成长股。而表现好的基金，往往是在年初就大幅降低了权益仓位，或者重配了商品和能源股。归因的第一步就是看“择时决策”是否正确。

我一般会用“Brinson模型”的变种来分析。简单来说，就是把这个季度实际配置的各类资产权重，跟一个“基准配置”权重做比较，看看因为“赌对了”哪个方向而赚了钱。举个例子，假设某基金基准配置是50%股票、30%债券、20%商品。如果你在某个季度把股票配到了70%，债券降到10%，商品维持20%。结果这个季度股票大涨10%，债券没动，商品跌了5%。那么你这20%的超配股票，就为你带来了“配置贡献”：20% × 10% = 2%的超额收益。而你不配的债券部分，虽然没亏钱，但也损失了潜在的收益，这个叫“配置成本”。

我做了这么多年，发现一个普遍规律：对于管理规模10-20亿的宏观对冲基金来说，长期业绩的驱动力，80%来自对大类资产方向的正确判断（择时），只有20%来自在选定资产内的个股或期货选择。 我有个朋友，曾经管理一只宏观对冲基金，在2018年A股大熊市中，他的基金竟然还微赚了2%。我很好奇，一做归因，发现他在年初就自认为通过宏观经济模型判断出“流动性收紧”，于是把股票仓位降到了极低，把大部分仓位换成了国债和黄金。虽然他的个股选择其实一般，有些股票还是随着大盘跌了，但因为整体仓位极轻，所以避免了大部分损失。这就是典型的“配置贡献”打败“选股缺陷”的例子。当你分析一只宏观对冲基金时，别急着看它买了什么股票，先看它各资产类的“赌注”有多大。

子策略贡献：CTA与套利，谁在雪中送炭？

宏观对冲基金往往不是单一策略，而是“多策略”的组合体。我见过最复杂的结构，里面既有主观多空，又有量化趋势跟踪（CTA），还有统计套利和事件驱动。这时候，业绩归因就必须下探到子策略层面。你不能笼统地说“我们今年赚了20%”，你得说“这20%里，15%来自主观股票多空，5%来自CTA的趋势跟踪，还有0%来自套利，甚至还亏了2%”。这种颗粒度的分析，对于风险控制至关重要。

我亲身经历过一个案例。我们公司（黑子私募基金管理公司）曾经发行过一只宏观对冲母基金，下面挂了三个子策略：一个做美股科技股多头的，一个做全球外汇套利的，还有一个做国内商品期货的CTA。前两年美股大牛市，科技股那个子策略特别猛，每年贡献50%以上的收益，搞得我们总收益看起来非常漂亮。但我在开风控会时，多次提醒团队：我们现在这只基金90%以上的风险敞口，都暴露在“美股科技板块”这一条船上，CTA和套利策略基本没起到任何对冲作用，只是在那里“吃干饭”。 果不其然，2022年美股科技股暴跌，那个子策略回撤了60%，瞬间把两年积累的收益全抹平了。而CTA因为做多商品和做空利率，反而赚了20%，但由于仓位太轻，无法弥补主力策略的窟窿。

这个话题也让我想起一个关于“实际受益人”合规的困惑。在做基金结构设计时，我们不仅要上报管理人信息，还要厘清最终投资人（实际受益人）的身份。有时遇到复杂结构，比如开曼设立的SPC结构，背后穿透起来非常麻烦。你得弄清楚那些子基金和母基金之间的嵌套关系，确保最终的投资者信息清晰可查。这种情况下，业绩归因就不只是数学问题了，它几乎和法律合规绑在了一起。因为如果你连钱是从哪个子策略、哪个层级的SPV赚来的都搞不清楚，当监管部门来查的时候，你连解释都解释不清楚。

归因模型实操：几种常用方法的对比

理论说了不少，咱们来点干的。具体做归因时，市面上常用几种模型，我根据自己的经验做了一个对比表格，你可以参考一下。

在实际操作中，我通常是混合使用。先用Brinson模型看整体配置，然后用Barra模型对股票端做因子暴露分析。比如，你发现某基金跑赢了指数，Brinson显示是选券贡献。但Barra一分析，发现这90%的“选券贡献”，实际上是因为踩中了“小盘股”因子和“低流动性”因子。这就意味着，这个“Alpha”很可能只是另一个“Beta”。真正的Alpha，是在完全控制住所有已知因子后，依然存在的、无法解释的超额收益。 这种归因的颗粒度，直接决定了你作为投资人的判断是否准确。

税负与结构：被忽视的“隐形归因项”

说了这么多关于投资策略和风险因子的归因，我想跟你分享一个我非常看重，但大多数教科书和行业报告都忽略的问题：税负与基金架构对业绩的侵蚀。 尤其是对于跨境宏观对冲基金，这一点影响极大。很多基金经理在路演时，只谈粗浅的“总收益”，回避“净收益”。但作为管理十亿规模的专业人士，我负责地告诉你，投资者的最终回报，是在扣除了所有管理费、业绩报酬以及最重要的——税务成本之后剩下的。

举个例子，我们曾经服务一个高净值客户，他认购了一个开曼设立的宏观对冲基金。那一年基金表现非常出色，账面收益率25%。但年底做清算时，我们发现有接近6个点的收益，被用于缴纳开曼的“经济实质法”（Economic Substance Test）相关费用，以及基金经理在交易某些衍生品时产生的预提税。该客户自己是中国税务居民，他在获得分红时，还有可能要面临中国个税的申报。结果，他实际落袋的收益，可能只有17%左右。这就是典型的“表面风光，背后心酸”。在做业绩归因时，我强烈建议将“税务损耗”和“结构成本”单独列为一项。 如果结构设计不好，比如基金注册地选错、合伙人身份没规划好，这些成本可能高达3%-5%每年，这比任何管理费都贵。

说一个我在黑子私募基金管理公司工作时遇到的具体合规挑战。有一次，我们一只美元基金的投资者阵中，出现了一个来自中东的主权基金。我们当时必须得搞清楚，这个主权基金在咱们这个司法管辖区是否享有“税务豁免”的资格。如果不清楚，我们就得面临代扣代缴预提税的风险。这个调查过程极其繁琐，要核对它的“税务居民身份证明”，还要确认其具体的“实际受益人”结构。为了这个事，我们开了一整天的会，最后决定还是选择不把它作为母基金的直接投资人，而是安排它通过一个子公司间接投资，虽然增加了些运营成本，但完全规避了税务合规风险。这个经历告诉我，没有合规和税务结构的支撑，再漂亮的投资归因都是空谈。

流动性陷阱：当归因模型遭遇“黑天鹅”

最后这一点，我想谈谈宏观对冲归因中最难的部分——极端行情下的归因失效。 很多模型都是基于历史数据和正态分布假设建立的。但金融市场时不时会来一次“肥尾”事件，比如2008年、2015年股灾、2020年原油跌到负值。在这些时候，你所有的归因模型都会瞬间失灵，因为相关性变得不稳定，流动性一夜间消失。我们常说的“流动性陷阱”，就是这时候归因最大的敌人。

我曾亲眼目睹一位同事管理的产品，在2020年3月遭遇了流动性危机。根据模型，他的风险敞口控制得很好，而且配置了一些“避险资产”，比如做多美债。按照正常归因，市场下跌时，美债应该涨，产生对冲效果。但那时候由于杠杆踩踏，美债和美股竟然一起跌！传统的“风险平价”模型在那几天完全崩溃。他明明做了正确的配置，但就是因为市场上所有人都急需现金，不得不抛售所有可以抛售的资产，包括黄金和美债。他的基金被迫在很低的位置平仓，产生了巨大亏损。这时候你再去做“业绩归因”，会发现模型给出的结果毫无意义，因为它无法解释由“流动性危机”和“非理性抛售”带来的损失。这种“归因之外的风险”，才是宏观对冲最可怕的敌人。

我的经验之谈是：永远不要把模型的输出当作最终答案，尤其是当市场情绪极度恐慌或狂热时。 一个优秀的宏观对冲基金经理，不仅要会用模型做归因，更要能判断模型什么时候是不适用的。比如，我会在风控系统中，单独设置一个“流动性压力测试”指标。如果市场出现极端波动，比如VIX指数飙升超过35，我会自动暂停所有量化归因的实时报告，转而采用手工的、基于实际交易对手方报价的“现金流分析”。因为任何基于市值的归因都可能产生巨大误导。

结论：归因不是终点，而是决策的起点

聊了这么多，我想总结一下。做宏观对冲产品的业绩归因，就像给一个复杂的病人做全身扫描。你不能只看CT，还得看MRI，还得抽血化验，最后还得结合临床经验。一个好的归因系统，能帮你拨开市场波动的迷雾，看清基金经理的真实能力。 它能让你知道，你付给管理人的高额报酬，到底是在为他的“择时智慧”买单，还是在为“市场Beta”和“运气”买单。

对于投资者来说，我的建议是：不要只盯着过去一年的收益率。找一份至少3年的数据，要求管理人提供详尽的、多维度（配置、选股、因子、税务、流动性）的业绩归因报告。如果对方支支吾吾说“我们主要靠主观判断，不用量化模型”，那你就要警惕了。而对于我们这些管理人来说，做归因不是给投资人看的“装饰品”，而是我们自我进化、自我纠错的工具。只有不断把归因做深、做实，才能在下一次市场大波动中活下来，并且活得更好。这个行业里，靠运气赚的钱，迟早要凭实力亏回去。

黑子私募基金管理公司观点

作为一家深耕宏观对冲领域多年的管理人，我们黑子私募基金管理公司始终认为：真正的业绩归因，是投资人的“火眼金睛”，更是基金管理人的“照妖镜”。 在管理10-20亿规模的资金时，每一分收益的来源都必须清清楚楚。我们反对那种“黑盒子”式的投资过程，坚持将所有决策逻辑、风险暴露和成本结构透明化。正如文中所述，只有当Beta被剥离，Alpha才能被看清。我们的理念是，通过精细化的归因分析，不断优化投资框架，降低对运气的依赖，提升策略的可复制性。对投资人负责，不仅是提供一串漂亮的数字，更是要提供一份能经得起推敲的、诚实无欺的能力证明。在这个行业，诚实就是最好的策略。