绩效归因分析

❶ brinson绩效归因模型怎么用

比如择时能力是一个很重要的指标。将现金和风险资产看作两个行业，对这两内个行业使用上述的容Brinson分析法，可以得到操作过程中择时贡献的收益以及对风险资产的操作提供的收益分别是多少。
将Brinson模型应用于各种不同的层面，比如公司层面、部门层面、基金经理层面，我们可以得到不同层次的分解结果。最后可以自上而下分解出公司超额收益的来源：
公司超额收益 = 公司大类资产配置收益 + 部门超额收益
部门超额收益 = 部门在板块上的配置收益 + 各基金经理的超额收益
基金经理的超额收益 = 择时（或者行业配置）收益 + 选股收益
这样整个公司谁的贡献大，谁的贡献小一清二楚。

❷ 基金的业绩研究归因是什么收益

正确答案:C 解析：对于股票型基金，业内比较常用的业绩归因方法是Brinson方法。这种方法较为直观、易理解，它把基金收益与基准组合收益的差异归因于四个因素：资产配置、行业选择、证券选择以及交叉效应。

❸ 请问如何债券基金分析

债基业绩归因方法简介及实证分析
报告摘要：
债券与股票投资组合的业绩归因方法有本质不同，债券的投资收益主要来源于息票利息、利息收入的再投资收益以及持有到期时或者被提前赎回/卖出时所得到的资本利得这三个方面，债券价格除受标的公司基本面影响外，还受到利率水平以及行业风险水平波动的影响，相比股票更为复杂，因此不能用传统的回归方法进行分析。
典型的债券基金业绩归因模型有W-T模型、加权久期归因模型以及Campisi模型。实务中Campisi模型的认可度最高，其将债券投资的收益分解成持有收益和价格收益(资本利得)，其中持有收益又可以分解为息票收益和价格收敛收益；价格收益又可以分解为利率曲线管理收益信用利差管理收益。在此基础上还可以进一步将利率曲线管理收益分解为久期管理收益和期限结构配置收益，将信用利差管理收益分解为券种配置收益和个券选择收益。
根据债基业绩归因分解模型，可以构建持有收益、利率曲线管理能力、信用利差管理能力以及综合管理能力指标。运用过去1年数据对纯债基金的进行实证分析的结果显示，综合管理能力指标与基金收益呈现一定的正相关性，且得分较高的基金平均收益率要高于整体平均收益，因此该模型对基金业绩评价具有一定的参考性。
持有收益能力较强的基金有：融通债券A/B、新华纯债添利A、银河领先债券、富国产业债等；利率曲线管理能力较强的基金有：交银纯债A、博时安心收益定期开放债A、交银双轮动A/B、鹏华产业债等；信用利差管理能力较强的基金有：嘉实增强收益定期债、建信纯债A、易方达信用债券A、万家岁得利定期开放债等；综合管理能力较强的基金有：华夏纯债A、广发理财年年红债券、交银双轮A/B、交银纯债A、融通岁岁添利定期开放债A等。
随着我国多层次债券市场的发展以及产品创新力度的加大，近年来我国债券市场保持了较快的发展速度。在这样的背景下，基金公司相继推出了各种不同类型的债券基金，如信用债基金、可转债基金、中高收益债基金、短期融资券基金等不同投资标的的债券基金，以及ETF、LOF、定期开放式、分级基金等不同模式的债券基金。
随着债券基金的不断发展，如何对债券基金的业绩进行科学有效地评估和分析，成为了当前基金公司和债券基金投资者急需解决的重要问题。一方面，对债券基金的投资业绩进行绩效归因，可以科学地度量基金经理的投资管理能力(息票收益管理、利率风险管理、信用风险管理等等)，帮助基金经理解答他们的投资决策出了什么样的问题，哪些决策过程带来了正的超额收益，哪些则是负的，怎样改进才能够提高他们的投资业绩；另一方面，通过绩效归因分析，可以帮助投资者解答某只债券基金为什么取得了比市场指数更好或者更差的业绩，超额收益和损失的具体来源是什么，从而帮助其更好地作出投资决策。

❹ 凯利的三维归因理论

概念
三维归因理论又称三度理论， 是由美国社会心理学家凯利于1967年创立的一种社会心理学理论。指人们在进行因果归属时需从主、客观领域中的三个范畴去着手。所谓三个范畴，即(1)客观刺激物(存在)；(2)行动人(人)；(3)所处关系或情境(时间和形态）。凯利认为，在把一个特殊结果归属于某个特定原因时，沿着这三个方面的线索可以很快考察出对归属中的信息资料的认识。
历史
凯利(Kelley's attribution theory，1921—2002 )，美国社会心理学家，在心理学和社会学领域都有很大影响，主要贡献集中于群体社会心理学、归因理论（Attribution Theory）、人际关系等方面。1971年获美国心理学会颁发的杰出科学贡献奖，1978年当选为国家科学院院士。1967年，美国社会心理学家凯利发表《社会心理学的归因理论》，继相应推断理论之后提出三维归因理论，对海德的归因理论进行又一次扩充和发展。编辑本段凯利的归因模型
内部归因与外部归因
我们在知觉人的行为时，总是试图进行推断和解释。所谓归因，即归结行为的原因，指个体根据有关信息、线索对行为原因进行推测与判断的过程。归因是人类的一种普遍需要，每个人都有一套从其本身经验归纳出来的行为原因与其行为之间的联系的看法和观念。社会心理学界于1958年最早提出了归因问题，但直到60年代中期才引起社会心理学界的重视并成为一个热门研究领域。1965年，琼斯和戴维斯提出了相应推断理论，以行为者的具体行为推断其行为意图。 凯利将归因现象区分为两类：一类是能够在多次观察同类行为或事件的情况下的归因，称为多线索归因；另一类则是依据一次观察就做出归因的情况，称为单线索归因。凯利认为，人们对行为归因总是涉及三个方面的因素（1）客观刺激物；（2）行动者；（3）所处关系或情境；其中，行动者的因素是属于内部归因，客观刺激物和所处的关系或情境属于外部归因。
归因判断标准
对上述三个因素的任何一个因素的归因都取决于下列三种行为信息： 1、 特异性：行动者是否对同类其它刺激做出相同的反应，他是在众多场合下都表现出这种行为还是仅在某一特定情境下表现这一行为。例如，教师甲在一个特定的情境下只批评了A，而没有批评其他学生，那么，这个行为就是区别性高的。 2、一致性：指行动者是否在任何情境和任何时候对同一刺激物做相同的反应，即行动者的行为是否稳定持久。例如，如果在其他的时间和情境下也有同样的行为，那么一贯性高，否则一贯性低。例如，教师甲总是批评学生A，还是只有今天批评A了。 3、共同性：指其他人对同一刺激物是否也做出与行为者相同的方式反应。如果每个人面对相似的情境都有相同的反应，我们说该行为表现出一致性。例如，所有的教师都批评学生A，教师甲也批评了学生A。那么着一行为就是一致性高的。 凯利认为这三个方面信息构成一个协变的立体框架，根据上述三方面的信息与协变，可以将人的行为归因于行动者、客观刺激物或情境。 如果一名员工完成目前工作的水平，与其他类似的工作相同，即低区分性，而在这项工作中其他员工的水平总是和他的水平十分不同（或低工高），即低一致性，并且他的这一工作绩效无论何时都是稳定的，即高一贯性，则他的管理者或其他任何人在判断他的工作时，都会认为他自己对这一绩效负有主要责任（内部归因）。
归因中的错误或偏见
凯利还研究了归因中的错误或偏见。比如，尽管我们在评价他人的行为时有充分的证据支持，我们总是倾向于低估外部因素的影响而高估内部或个人因素的影响。这称为基本归因错误。它可以解释下面情况：当销售代表的业绩不佳时，销售经理倾向于将其归因于下属的懒惰而不是客观外界条件的影响，个体还有一种倾向于是把自己的成功归因于内部因素如能力或努力，而把失败归因于外部因素如运气，这称为自我服务偏见。由此表明，对员工的绩效评估可能会受到归因偏见的影响。编辑本段对于三维归因理论的评价与发展
凯利对归因理论的贡献
三维归因理论提出了人人在对他人的行为进行判断和解释过程中所遵循的一些规律，在管理过程中，管理者和员工对行为的归因也不可避免地受到这些规律的影响。管理者要认识到员工是根据他们对事物的主观知觉而不仅仅是客观现实作出反应的。员工对于薪水、上级的评价、工作满意度、自己在组织中的位置和成就等方面的知觉与归因正确与否，对于其潜力的发挥和组织的良好运作是有重要影响的；同时，管理者在对员工的行为进行判断和解释时也应该尽量避免归因中的偏见和误差。
社会学术评价
凯利对归因理论的贡献在于，他提出了一个归因过程的严密的逻辑分析模式，对人们的归因过程做了比较细致、合理的分析和解释。但是，他的三度理论也遭到了人们的批评。这些批评主要是指他过分强调归因的逻辑性，使之成为一个理想化的模式，脱离了普遍人归因活动的实际。人们实际上往往得不到这个模式所要求的信息，不知道某人在以前同样场合中的行为，也难知道其他人在同样的场合中的行为，经验表明，在许多情况下，人们对于所发生的事件，并不是多方面观察，收集足够的信息而后进行归因，而往往是利用在生活经验中形成的某些固定的联系，根据自己的需要、期望，凭借有限的信息，对行为结果经济、迅速地做出归因，而并不象统计学家那样对信息资料进行繁琐的分析。这也就是凯利所说的单线索归因。
三维归因理论的发展
凯利后来对他的理论加以了补充和完善。他提出了因果图式说，来弥补三度理论的不足。所谓因果图式，就是人们日常生活中形成的关于各种现象之间的因果关系的基本认知结构，在具体的归因过程中，这种子认知结构会被特殊的事件唤醒而参与对行为的归因。后来，凯利又为他的归因理论补充了几条原则，即打折扣原则=增强原则和补偿原则。打折扣原则是指人们对于他人行为的归因，可能事先有几种假设，如果其他似乎可能的原因同时出现，那么最初假定的原因就不可全信了，需要打折扣。增强原则是指如果行为发生在有连续性的抑制原因出现的时候，那么一个可能的促进性原因的强度将理解得更高。补偿原则是指内部原因，外部原因，抑制性原因和促进性原因们归因时如同科学家在科研中寻求规律，试图找出一种效应发生的各种条件的规律性协变。凯利指出，人们的归因总是涉及三个方面的理论，协变原则被他认为是最全面的归因原则。
学术验证
根据三维理论，个体归因时需要同时考虑三种信息： 1 特异性信息 行为主体的反应方式是否有特异性，是否针对某一刺激客体做出反应。 2 共同性信息 不同的行为主体对同一刺激的反应是否相同。 3 一致性原则 行为主体在不同背景下做出的反应是否一致。 个体从以上三方面信息的协变得出结论。如果特异性、共同性和一致性都高，我们就可能做出外部原因的归因。如果特异性低、共同性低和一致性高，那么更可能做出内部原因的归因。 对于结果是互相补偿的。 麦克阿瑟对凯利的三维理论的语言性作了系统的研究。她给被试者一个简单的假设事件，并操作特异性、共同性和一致性的变化，然后考察相应的归因结果。 共同性 一致性（一贯性） 特异性 （区别性） 归因方式
高（大家都喜欢小丑B） 高（A一直喜欢小丑B） 高（A不喜欢其他小丑） 刺激对象（小丑B）
低（大家都不喜欢小丑B） 高（A一直喜欢小丑B） 低（A也喜欢其他小丑） 行动者（A）
低（大家都不喜欢小丑B） 低（A偶尔喜欢小丑B） 高（A不喜欢其他小丑） 情境
假设的事件是一位叫玛丽的小姐看一个小丑表演时笑得厉害。 第一种情况是提供高特异性，高共同性，高一致性信息。即玛丽没有对其他小丑发笑，每个人都对这个小丑的表演发笑，玛丽总是对这个小丑的表演发笑。这种情况下，61%的被试者将玛丽发笑的原因归因于刺激客体，即这个小丑。 第二种情况是低特异性、低共同性、高一致性，即玛丽对小丑表演总是发笑，别人几乎对这个小丑不发笑，玛丽总是对这个小丑发笑，那么86%的被试者将玛丽发笑的原因归因于行为主体，也就是玛丽本人。 第三种情况是高特异性，低共同性和低一致性，也就是玛丽没有对别的小丑发笑，别人也几乎不对这个小丑发笑，玛丽以前从未对这个小丑发笑过，这种情况下，72%的被试者将玛丽发笑的原因归于情境。 上面的研究证明了三维理论能比较准确地预测人们的归因结果。

❺ 大数据分析领域有哪些分析模型

数据角度的模型一般指的是统计或数据挖掘、机器学习、人工智能等类型的模型，是纯粹从科学角度出发定义的。
1. 降维
在面对海量数据或大数据进行数据挖掘时，通常会面临“维度灾难”，原因是数据集的维度可以不断增加直至无穷多，但计算机的处理能力和速度却是有限的；另外，数据集的大量维度之间可能存在共线性的关系，这会直接导致学习模型的健壮性不够，甚至很多时候算法结果会失效。因此，我们需要降低维度数量并降低维度间共线性影响。
数据降维也被成为数据归约或数据约减，其目的是减少参与数据计算和建模维度的数量。数据降维的思路有两类：一类是基于特征选择的降维，一类是是基于维度转换的降维。
2. 回归
回归是研究自变量x对因变量y影响的一种数据分析方法。最简单的回归模型是一元线性回归（只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示），可以表示为Y=β0+β1x+ε，其中Y为因变量，x为自变量，β1为影响系数，β0为截距，ε为随机误差。
回归分析按照自变量的个数分为一元回归模型和多元回归模型；按照影响是否线性分为线性回归和非线性回归。
3. 聚类
聚类是数据挖掘和计算中的基本任务，聚类是将大量数据集中具有“相似”特征的数据点划分为统一类别，并最终生成多个类的方法。聚类分析的基本思想是“物以类聚、人以群分”，因此大量的数据集中必然存在相似的数据点，基于这个假设就可以将数据区分出来，并发现每个数据集（分类）的特征。
4. 分类
分类算法通过对已知类别训练集的计算和分析，从中发现类别规则，以此预测新数据的类别的一类算法。分类算法是解决分类问题的方法，是数据挖掘、机器学习和模式识别中一个重要的研究领域。
5. 关联
关联规则学习通过寻找最能够解释数据变量之间关系的规则，来找出大量多元数据集中有用的关联规则，它是从大量数据中发现多种数据之间关系的一种方法，另外，它还可以基于时间序列对多种数据间的关系进行挖掘。关联分析的典型案例是“啤酒和尿布”的捆绑销售，即买了尿布的用户还会一起买啤酒。
6. 时间序列
时间序列是用来研究数据随时间变化趋势而变化的一类算法，它是一种常用的回归预测方法。它的原理是事物的连续性，所谓连续性是指客观事物的发展具有合乎规律的连续性，事物发展是按照它本身固有的规律进行的。在一定条件下，只要规律赖以发生作用的条件不产生质的变化，则事物的基本发展趋势在未来就还会延续下去。
7. 异常检测
大多数数据挖掘或数据工作中，异常值都会在数据的预处理过程中被认为是“噪音”而剔除，以避免其对总体数据评估和分析挖掘的影响。但某些情况下，如果数据工作的目标就是围绕异常值，那么这些异常值会成为数据工作的焦点。
数据集中的异常数据通常被成为异常点、离群点或孤立点等，典型特征是这些数据的特征或规则与大多数数据不一致，呈现出“异常”的特点，而检测这些数据的方法被称为异常检测。
8. 协同过滤
协同过滤（Collaborative Filtering，CF)）是利用集体智慧的一个典型方法，常被用于分辨特定对象（通常是人）可能感兴趣的项目（项目可能是商品、资讯、书籍、音乐、帖子等），这些感兴趣的内容来源于其他类似人群的兴趣和爱好，然后被作为推荐内容推荐给特定对象。
9. 主题模型
主题模型（Topic Model），是提炼出文字中隐含主题的一种建模方法。在统计学中，主题就是词汇表或特定词语的词语概率分布模型。所谓主题，是文字（文章、话语、句子）所表达的中心思想或核心概念。
10. 路径、漏斗、归因模型
路径分析、漏斗分析、归因分析和热力图分析原本是网站数据分析的常用分析方法，但随着认知计算、机器学习、深度学习等方法的应用，原本很难衡量的线下用户行为正在被识别、分析、关联、打通，使得这些方法也可以应用到线下客户行为和转化分析。

❻ 管理者在日常管理工作中运用归因理论时应注意哪些问题

所谓归因是指人们对他人或自己的所作所为进行分析，解释和推测其原因的过程。例如，一家好的公司如果让我去管理，如果在我管理经营下，公司变得更好，大部分人们都会归因于基础好，少部分人们会归因于我的管理能力强。如果在我管理经营下，公司变得差，大部分人们都会归因于我管理能力差，少部分人们会归因于形势变了（即环境变了）。

日常管理中，巧用归因策略，可以帮助员工形成有效的成就动机。具体应该注意以下问题：
A、要引导组织成员学习科学知识，尊重自然规律的特殊性，避免拟人化归因。
B、要引导组织成员多进行个人倾向归因，克服总是归因外在因素的偏差，以提高他们的成就动机对工作绩效的影响作用。
C、要引导组织成员多从内在的不稳定因素(努力)归因，少从内在的稳定因素(能力)归因，克服总是认为自己能力低的归因偏差，以提高他们的自信心。比如，尽管我们在评价他人的行为时有充分的证据支持，我们总是倾向于低估外部因素的影响而高估内部或个人因素的影响，这称为基本归因错误。它可以解释下面情况：当销售代表的业绩不佳时，销售经理倾向于将其归因于下属的懒惰而不是客观外界条件的影响，个体还有一种倾向于是把自己的成功归因于内部因素如能力或努力，而把失败归因于外部因素如运气，这称为自我服务偏见。由此表明，对员工的绩效评估可能会受到归因偏见的影响。

归因理论告诉我们，领导的基础是对人们的行为做出归因，而领导行为则是对不同归因所做出的反应。对部下的行为做出什么样的归因，就会采取相应的领导行为。因此，明晰地鉴别人们的行为原因对管理者极为重要，有效的管理者应先正确地鉴别部下的行为原因，而后再采取相应的行动。当我们做了某事后，会有一些积极或消极的情绪，归因直接影响到我们的情绪。因为人们寻求理解是人们行为的基本动因，人们试图去解释事情发生的原因，他们试图去为他们的成功或失败寻找能力、努力、态度、知识、运气、帮助、兴趣的等方面的原因。因此我们要学会归因管理，善用知觉管理理论，从而提高销售队伍的管理效率。

❼ 领导归因理论的模型的解释

归因是指个体对他人或自己行为的原因进行理解的过程。通过归因，个体能够清楚他人行为是基于内因还是基于外因，从而有助于理解、评价、影响他人的行为。领导归因模型指出，领导者对下属行为原因的解释，尤其是对下属工作绩效的归因影响着管理措施的采用。研究发现，领导者对下属的归因常犯基本归因错误，指个体在对他人的行为进行归因时，倾向于低估外在因素的影响，高估内部因素的影响。此外，对于地位高的员工来说，领导者更可能把绩效高归为内部因素；对于地位低的员工来说，领导者更可能把绩效低归为内部因素。
领导归因的模型表明，领导者对下级行为表现及所处环境的观察，作出归因分析和判断；再据归因结果作出相应的行为反应。在归因分析和判断中，领导者根据自己的观察把下级的行为归于外因或内因，但这期间受两方面因素的影响，其一是观察线索，即领导者要考虑下级行为的差异性（是仅对此项工作还是所有工作）、普遍性（是仅他一人如此还是全体皆然）和一贯性（是偶一为之还是长期如此）。其二是领导者的个人偏见。在行为反应中同样也有两方面因素的影响，即对所造成后果影响的认识和领导者的偏见。

❽ 请问 易方达马骏说的业绩归因系统指的是什么

易方达马骏表示业绩归因系统，亦称事后风险控制系统。它能将每天业绩的来源分解出来，比如产品业绩先拆分为是债券贡献的还是股票贡献的。具体到债券方面，还可拆分为是静态收益、期限结构、久期配置、凸性还是信用利差配置贡献的；股票方面，则分为是二级市场选股贡献的，还是新股申购贡献的等，选股上还能再细分是哪个行业贡献的。细致的拆分，更加利于基金经理做出正确的投资决策。

❾ 评价基金经理业绩时，对于一个基金经理管理两只基金，这两只基金的业绩都归因到该基金经理吗

当然一支算一支啊，不过由于是他一个人管理，所以配置不会差很多的，所以业绩也不会差别太大