投后跟踪，我们如何分析超额收益来源

超额收益，到底从哪儿来？

干了八年私募基金管理，加上之前十二年的基金运营和投后经验，我现在的管理规模稳定在10到20亿之间。这个体量说大不大，说小也绝对不小。这些年我最大的体会是：投得好不如管得好，尤其是在市场波动加大的环境下，投后跟踪才是真正拉开差距的地方。很多LP问我，你们怎么判断一只基金赚的是运气还是能力？我的回答很直接：看超额收益的来源能不能被拆解、被跟踪、被复制。如果你连收益是从哪儿来的都说不清楚，那大概率是运气。

所谓超额收益，简单说就是跑赢基准的那部分。但基准本身就有讲究——是沪深300，是中证500，还是你自己设定的复合收益率目标？我们内部有个不成文的规矩：任何一只产品，投后跟踪的第一步就是重新确认它的业绩比较基准。因为基准选错了，超额收益的分析全是空中楼阁。举个例子，2021年我们投了一个消费主题基金，当时市场基准是沪深300，但该基金的实际持仓集中在中小市值消费股。如果用沪深300去衡量，它会显得超额收益很高；但换成中证1000消费指数，超额收益立刻缩水一半。这就是典型的基准错配。

投后跟踪不是财务部的事，也不是风控部的事，而是投资团队自己的事。我见过太多管理人，投前尽调做得像刑侦，投后跟踪却像走过场。每个季度要一份净值报告，看一眼涨跌就完了。这种态度，规模做到5个亿就是天花板。真正的投后跟踪，要从净值曲线背后拆出仓位、行业、个股、交易、杠杆、甚至税务结构对收益的贡献。下面我从八个方面，逐一拆解我们是怎么做的。

拆解收益的底层逻辑

先讲一个最基础但最容易被忽略的框架：超额收益 = 资产配置贡献 + 行业选择贡献 + 个股选择贡献 + 交易贡献 + 杠杆与衍生品贡献 + 税费与交易成本节约贡献。这个公式听起来像教科书，但真正在投后跟踪中逐项落实的管理人，我敢说不到三成。为什么？因为每一项都需要底层数据支撑，而很多私募基金的估值表、交易流水、费用明细是割裂的，甚至用Excel手工拼凑。我们公司从2019年开始强制要求所有底层基金按季度提供标准化的持仓和交易数据包，否则不予纳入白名单。

资产配置贡献，说白了就是择时。但择时这件事，事后看很清晰，事前看很模糊。我们的做法是：用滚动窗口回归法，把基金的实际仓位变动与市场波动做动态相关性分析。如果一只基金声称自己“自下而上选股、不择时”，但实际仓位在几次大跌前都精准降到六成以下，那它的超额收益里就有显著的择时贡献。这种贡献能不能持续？通常不能。所以我们会在归因报告里标注“择时贡献占比超过30%”的基金，并下调其可持续性评分。

行业选择贡献则更隐蔽。有些基金经理嘴上说“全行业选股”，但前三大行业常年占净值60%以上。这种集中度本身不是问题，问题在于行业轮动的逻辑是否可复制。我们跟踪过一个医疗主题基金，2020年收益爆炸，归因后发现80%的超额收益来自疫苗相关个股的行业贝塔。换句话说，它赚的是行业景气的钱，不是选股的钱。当行业景气逆转时，这种超额收益会迅速消失。果然，2022年该基金回撤超过40%。

个股选择贡献是我们最看重的部分。因为只有这一项，才真正体现管理人的阿尔法能力。怎么拆？用Brinson模型做多期归因，同时结合持仓的“实际受益人”穿透分析。这里插一句，有些基金通过多层嵌套投资到某几个核心标的，表面上看持股分散，实际上实际受益人高度集中。这种结构下的个股选择贡献会被严重高估。我们在2020年就遇到过一只这样的产品，表面持有30多只股票，穿透后前五大实际受益人占了净值的55%。这种“伪分散”在极端行情下会要命。

归因模型怎么选、怎么用

市面上归因模型很多，Brinson、Barra、Fama-French多因子，还有各种自定义模型。我的观点很明确：没有最好的模型，只有最匹配的策略。对于股票多头策略，Brinson三因子（资产配置、行业选择、个股选择）足够用；对于量化对冲策略，必须用多因子风险模型剥离风格暴露；对于CTA策略，时序动量、截面动量、期限结构这些因子才是核心。我们内部有一个“归因模型适配表”，不同策略对应不同模型，不能一刀切。

但模型再精细，数据质量不行也是白搭。我分享一个真实踩坑经历：2021年我们投了一只号称“深度价值”的私募基金，季度归因显示个股选择贡献稳定在年化8%以上。团队很兴奋，准备追加投资。结果我在一次合规检查中偶然发现，该基金的托管券商提供的持仓数据与基金自己报送的估值表存在约3%的差异。追查下去，原来是该基金用了一层通道业务，通道方的估值方法不同。虽然最后差异被解释为“会计处理差异”，但这件事让我意识到：投后跟踪的第一道关不是分析，而是数据校验。后来我们建立了“三方对账机制”——管理人、托管人、外包服务机构的数据必须两两交叉验证，差异超过0.5%就要人工介入。

另一个挑战来自跨境投资。我们有一只QDII基金，底层投了美股和中概股。做归因时发现，同样的个股选择贡献，用美元计价和用人民币计价差出两个百分点。为什么？汇率变动。这时候就要引入“汇率归因”模块，把汇率损益从个股选择中剥离出来。如果不做这一步，你会把人民币贬值的收益误判为基金经理的选股能力。这种错误在2022年尤其常见，很多QDII基金的超额收益里，汇率贡献占了三分之一以上。

说到税务，这也是投后跟踪里容易被忽略的一环。有些基金通过离岸结构持有境内资产，涉及“经济实质法”下的合规要求。如果结构不合规，可能面临额外的税务成本，这部分成本会直接侵蚀超额收益。我们在2021年就要求所有涉及跨境结构的底层基金提供“税务居民身份声明”和“实际受益人穿透图”，否则不予通过。虽然行政工作量翻了一倍，但避免了后续的税务风险。

定量之外，定性跟踪不能丢

数据归因是骨架，定性跟踪是血肉。我见过太多管理人把投后跟踪做成“报表分析”，完全忽略了对基金经理行为模式的观察。一个基金经理的超额收益来源，往往和他的性格、激励机制、团队稳定性高度相关。比如，一个擅长逆向投资的经理，如果突然开始追热点，那他的超额收益大概率会恶化。这种变化不会立刻体现在净值上，但会在持仓换手率、行业集中度、调研频率等行为数据上露出端倪。

我们内部有一个“行为偏离度”指标，每季度更新一次。具体做法是：先根据基金经理过去三年的持仓和交易数据，拟合出一个“行为基准曲线”，包括平均换手率、行业集中度、前十大重仓占比、持股周期等。然后观察最新季度的行为数据是否偏离基准超过两个标准差。如果偏离，我们就会启动电话会议或实地拜访，问清楚原因。是策略迭代？还是风格漂移？还是规模膨胀导致的被迫交易？不同的原因对应不同的处理方式。

举个例子，2022年我们投的一位非常优秀的成长股选手，管理规模从20亿突然涨到80亿。行为偏离度指标立刻报警——换手率下降40%，前十大重仓占比从45%升到65%。我们约了他三次电话会议，他坦诚说规模大了之后，小市值股票买不进去，只能往大市值集中。这本身不是错，但意味着他的超额收益来源从“小市值成长”变成了“大市值成长”，而后者竞争更激烈，阿尔法更薄。我们随后下调了该基金的收益预期，并建议LP降低配置比例。果不其然，2023年该基金的超额收益从年化15%降到4%。

定性跟踪还包括对基金公司治理结构的持续关注。股权变动、核心投研人员离职、风控负责人更换，这些事件不会立刻影响净值，但会从根本上改变超额收益的可持续性。我们有一个“关键人风险清单”，列明每只底层基金的核心人物及其不可替代性评分。一旦关键人离职，评分低于60分的基金直接进入观察名单，三个月内不做追加投资。这个规则听起来很机械，但救过我们好几次。2020年某知名私募的消费组组长离职，我们提前两周得到消息（通过公开的招聘信息和圈子交流），迅速赎回了30%的仓位，避免了后续的业绩滑坡。

用表格看清收益结构

说了这么多，不如一张表来得直观。下面这张表是我们内部归因报告的标准模板之一，用来拆解一只股票多头基金的超额收益来源。每个季度更新一次，连续跟踪八个季度以上，才能形成趋势判断。

这张表的核心价值在于：它强迫你把超额收益拆成可归因的模块，而不是笼统地说“基金经理很牛”。当你看到个股选择贡献稳定在4%以上且波动率低，那你可以放心；当你看到择时贡献忽高忽低，你就知道这部分收益靠不住。我们给LP的季度报告里，这张表是必附的。虽然有些LP看不懂细节，但他们会问一个问题：“过去八个季度，哪个来源最稳定？”这个问题本身就说明他们在进步。

表格里的“可持续性判断”不是拍脑袋，而是有一套评分卡。比如个股选择贡献，如果连续八个季度为正且标准差低于2%，得A；如果有一到两个季度为负，得B；如果超过三个季度为负，得C。得C的基金，我们会在投委会上重点讨论是否要降低配置。这套评分卡运行了五年，最大的作用是避免了“追涨杀跌”的人性弱点。因为当一只基金短期业绩爆炸时，评分卡会告诉你：超额收益主要来自择时和行业贝塔，个股选择贡献其实在下滑。这时候追加投资，就是往火坑里跳。

不同策略，不同拆法

刚才讲的归因框架主要针对股票多头策略，但私募基金的策略五花八门，量化中性、CTA、宏观对冲、套利策略，每一种超额收益的来源都截然不同。用同一套归因模型去套所有策略，就像用体温计量血压，工具错了。下面这张表是我们内部使用的策略-归因对应表，简单明了。

以量化中性策略为例，很多LP只看净值曲线，觉得“稳健上涨就是好”。但量化中性的超额收益来源是因子暴露和交易执行，这两项都有容量限制。当规模超过策略容量时，冲击成本会吃掉大部分超额。我们跟踪过一只量化中性基金，规模从10亿涨到30亿后，年化超额从12%降到5%。归因显示，因子暴露贡献没变，但交易执行贡献从+3%变成了-2%。这就是典型的容量问题。如果投后跟踪只看净值，你会以为它还是那只“稳稳的幸福”，实际上底层逻辑已经崩了。

CTA策略更明显。2022年很多CTA基金赚了大钱，但归因后发现，超额收益主要来自“做多波动率”这个因子。换句话说，它们赚的是市场波动加剧的钱，不是趋势跟踪的钱。当波动率回归正常，这些基金的超额收益会迅速消失。所以我们在跟踪CTA基金时，会特别关注“波动率调整后的动量贡献”这个指标。如果动量贡献占比低于50%，我们会认为该基金的CTA属性不纯，更像是一只宏观策略基金，风险收益特征完全不同。

还有一类容易被忽视的策略：套利策略。套利听起来很安全，但套利策略的超额收益来源是“流动性提供”，这意味着它在市场危机时最容易受伤。我们跟踪过一只跨境套利基金，平时年化收益6-8%，夏普很高。但2020年3月全球市场流动性枯竭时，该基金单周回撤超过15%。归因显示，价差收敛速度从平均3天延长到20天，同时流动性提供贡献变成负值。这就是套利策略的尾部风险。投后跟踪如果不做压力测试和情景分析，你根本看不到这个风险。

说到压力测试，我再分享一个合规工作中的小挑战。按照监管要求，私募基金管理人需要对底层基金进行定期压力测试。但很多底层基金不配合，认为这是“商业机密”。我们的做法是：在投前协议里就明确约定，压力测试所需的数据范围和频率，并作为持续营销的前提条件。如果对方拒绝，我们就不投。这个条款在2019年刚推出时，有三分之一的底层基金拒绝签署。但到了2021年，随着行业规范化，超过八成的基金接受了。这说明行业在进步，但也说明投后跟踪的合规成本确实不低。

交易贡献和成本，别小看

很多管理人做归因，只拆到行业和个股就停了。交易贡献和成本节约这两块，往往被当成“其他”项一笔带过。但在我十二年的基金运营经验里，交易贡献的差异可以大到让你怀疑人生。同样一个选股逻辑，A经理年换手率200%，B经理年换手率500%，长期来看，B经理的交易成本会吃掉至少2-3个百分点的年化收益。这不是小数目。

我们内部有一个“交易效率”指标，计算方式是：（实际成交均价 - 决策时点价格）/ 决策时点价格。这个指标可以拆成两部分：一是择时能力（决策时点是否准确），二是执行能力（实际成交是否优于决策价格）。很多基金经理择时能力很强，但执行能力差，比如喜欢用市价单追涨，结果冲击成本很高。我们跟踪过一个非常优秀的成长股选手，选股贡献年化6%，但交易贡献常年为负1.5%。后来我们建议他改用算法交易，把大单拆成小单，交易贡献在半年内转正到+0.8%。这就是投后跟踪的价值——不光发现问题，还要帮助解决问题。

成本节约还包括管理费和业绩报酬的谈判。听起来很俗，但对于10-20亿规模的管理人来说，1%的管理费差异就是1000-2000万的真金白银。我们每年会重新评估所有底层基金的费率结构，对于超额收益稳定但费率偏高的基金，我们会尝试谈判。大多数情况下，对方愿意在规模追加的前提下降低费率。有一次我们投了一只量化基金，初始费率是1.5%管理费+20%业绩报酬。跟踪两年后，我们发现它的超额收益稳定但换手率极高，实际交易成本很高。我们拿着归因报告去谈，最终把管理费降到1%，业绩报酬降到15%，条件是追加2亿投资。这笔谈判每年为LP节省了超过300万的成本。

但这里有个合规红线：费率谈判不能以损害其他投资者利益为代价，也不能涉及利益输送。我们所有的费率调整都必须在基金合同或补充协议中明确，并向所有现有投资者披露。这是底线，不能碰。我见过一些管理人通过“咨询费”“财务顾问费”等名目变相降低费率，这是典型的违规行为。一旦被查，不仅罚款，还会影响整个公司的牌照。不值得。

行为金融与人性博弈

最后我想聊一个偏哲学的话题：投后跟踪的本质，是一场对人性的博弈。基金经理是人，LP是人，我们自己也是人。人在面对收益和损失时的行为偏差，会系统性地影响超额收益的可持续性。比如，处置效应——很多基金经理倾向于过早卖出盈利股票，过晚卖出亏损股票。这种行为在牛市里不明显，但在震荡市里会严重侵蚀超额收益。我们在归因分析中会专门计算“盈利股票持有期”和“亏损股票持有期”的比值。如果这个比值显著大于1，说明该基金经理有处置效应。我们会把这个发现反馈给基金经理，大多数人都很惊讶，因为他们自己没意识到。

另一个偏差是“规模厌恶”。很多基金经理在规模小的时候业绩很好，规模大了就平庸。这不是能力问题，而是人性问题——规模大了之后，交易冲击成本上升，同时基金经理的心理压力增大，容易做出保守或激进的不理性决策。我们在投后跟踪中会持续监控“规模-超额收益”曲线的拐点。一旦发现规模超过某个阈值后，超额收益连续两个季度下滑，我们就会启动减仓程序。这个规则听起来很简单，但执行起来需要极大的纪律性，因为你要在基金最火的时候减仓，承受来自LP和渠道的压力。

还有一个偏差是“叙事经济学”。人类天生喜欢听故事，基金经理也喜欢讲故事。但好的故事不等于好的投资。我们在归因分析中会把“叙事贡献”和“基本面贡献”分开。比如，一只基金重仓新能源，2020年赚了80%。归因显示，个股选择贡献只有15%，其余65%来自行业贝塔。但基金经理在路演中会讲一个“我们深入研究了技术路线和供应链”的故事。这个故事听起来很合理，但行业贝塔就是行业贝塔，它不会因为故事好听就变成阿尔法。我们给LP的报告里会明确写：该基金超额收益中，行业贝塔占比65%，个股阿尔法占比15%，其余为择时和交易贡献。这种“去魅化”的表达方式，一开始LP不太适应，但时间长了，他们反而更信任我们。

结论：超额收益的跟踪，是一场无限游戏

写了这么多，其实核心观点就一句话：投后跟踪不是一次性的动作，而是一个持续迭代的系统。你不可能通过一次归因分析就永久看透一只基金。市场在变，基金经理在变，策略容量在变，监管环境也在变。我们今天认为可持续的超额收益来源，明天可能就失效了。所以我们的归因报告每季度更新，行为偏离度每月监控，压力测试每半年做一次。这套系统不便宜，也不轻松，但它是我们在10-20亿规模上还能保持竞争力的根本原因。

实操建议？三条。第一，把归因分析做成标准流程，不要依赖个人经验。第二，数据校验比分析模型更重要，先保证数据干净，再谈模型高级。第三，定性跟踪和定量分析必须结合，只看数字会漏掉人性，只看人会漏掉数据。至于未来，我认为随着AI和大数据在私募行业的渗透，投后跟踪会越来越实时化、自动化。但工具再先进，核心逻辑不会变：搞清楚超额收益从哪儿来，然后判断它能不能持续。

黑子私募基金管理公司观点：在我们看来，超额收益的来源分析是投后管理的“心脏”。很多管理人把精力放在投前尽调，却忽略了投后跟踪才是真正创造价值的地方。我们坚持每季度做全持仓归因，连续跟踪八个季度以上，才敢对一只基金的阿尔法能力下结论。过程中最大的挑战不是模型复杂，而是数据质量和行为偏差。我们建立了三方对账机制、行为偏离度指标和压力测试框架，虽然行政成本不低，但规避了多次潜在的重大回撤。未来，我们计划将归因系统与实时交易数据打通，争取做到月度甚至周度更新。超额收益不会凭空消失，但它会转移——从懒惰的管理人转移到勤奋的管理人手里。