• Campisi模型核心逻辑：

- 纯债基金总收益率拆分为收入效应（票息收入）、国债效应（无风险利率变动）、利差效应（信用利差变动）和择券效应（主动选券收益）[page::3]
- 基准组合没有择券效应，基金超额收益即为各效应阿尔法差异之和[page::4]

• 重要参数估计与基准选取方法：

- 利率债占比大于50%归为利率债基金，否则为信用债基金
- 久期估计分持仓法（前五大重仓券比例>30%）与净值法（比例≤30%），净值法通过基金收益率与债券指数回归得到权重，结合指数久期估算基金久期
- 结合基金类型和期初久期选择对应的中债-总财富系列或信用债指数作为业绩比较基准[page::5][page::6]

• Campisi模型参数运算逻辑：

- 包括持仓面值、票息率、基准面值、国债利率变化、利差变化等参数计算，详见参数运算框图[page::8]

• 实证案例：基金A（利率债基金，持仓集中）

- 期初久期2.0982年，基准为中债-总财富（1-3年）
- 2020Q2收益分解：收入效应0.91%，择券效应0.34%，国债及利差效应负面影响
- 总收益率0.2035%，超额收益0.2922%，择券效应为超额收益主要来源[page::9][page::10][page::11]

• 实证案例：基金B（信用债基金，持仓分散）

- 利率债占比10.82%，期初久期1.6634年，通过净值法回归估计
- 2020Q3收益分解：收入效应1.36%，择券效应0.19%，国债效应积极贡献
- 总收益率0.76%，超额收益0.54%，收入效应和择券效应为超额收益主要贡献[page::11][page::12][page::13]

• 全市场统计分析：

- 收入效应稳健且接近1%季度收益，是纯债基金收益主要稳定来源
- 国债效应为收益波动带来主要影响，总收益率与国债效应的时间序列相关系数高达0.91
- 不同基金间择券效应差异最大，择券效应与基金总收益率相关系数达到0.92，基金优选应重点关注择券效应

• 超额收益（阿尔法）分析：

- 纯债基金超额收益主要由择券阿尔法贡献，择券阿尔法与超额收益的相关系数最高达0.83
- 超额收益多数季度为负，超过半数纯债基金大部分时间跑赢基准的比例不到一半，强调择优难度[page::16][page::17][page::18]

• 基于择券效应的基金筛选：

- 依据择券效应历季度排名，筛选出24只择券效应稳定优异基金
- 其中75%基金2021年以来收益位于全部纯债基金前1/3，验证择券效应优异与基金业绩正相关且具有选拔有效性[page::18][page::19]

• 核心结论：

- Campisi模型为纯债型基金业绩归因提供清晰的数学与操作框架，区分系统性与主动管理贡献
- 纯债基金的收入效应稳定，是主要收益来源，但差异较小
- 基金业绩差异和超额收益核心在于择券效应及择券阿尔法，基金择优应重点关注择券能力
- 实证验证择券效应优异基金表现显著优于市场中位数[page::0][page::14][page::18]

华泰研究《债券基金业绩归因之 Campisi 模型》深度分析报告

---

一、元数据与概览

• 报告标题：《债券基金业绩归因之 Campisi 模型》

- 作者：林晓明、黄晓彬（PhD）、张泽

• 发布机构：华泰证券股份有限公司研究所

- 发布日期：2021年4月10日

• 研究对象：中国内地公募纯债型基金的业绩归因分析

- 主题：介绍并应用Campisi模型，针对纯债型基金的收益进行细分归因，提供一种基于持仓数据的定量基金业绩归因方法。

报告核心论点：

• Campisi模型是专为纯债型基金设计的业绩归因工具，将基金总收益和超额收益精细分解为“收入效应”、“国债效应”、“利差效应”及“择券效应”四部分；

- 实证分析显示，纯债型基金总收益率的主要且稳定来源是“收入效应”，基金之间收益差异主要由“择券效应”驱动；

• 因此，纯债型基金投资者在选择优质基金时应重点关注基金经理的择券能力；

- 基于此模型筛选的24只基金择券效应表现优异且稳定，其中大多数2021年以来表现优于市场。

[page::0,1]

---

二、逐节深度解读

1. Campisi模型业绩归因的收益分解原理

• 基金收益来源分类：

- 总收益由“价格变化”和“票息收入”组成；
- 价格变化部分进一步由无风险利率（国债效应）和信用利差（利差效应）变化解释；
- 另外基金经理主动选择债券带来的收益称为“择券效应”。

• 单只债券定价与久期作用：

- 债券价格对到期收益率敏感，变化可通过修正久期$D$作为一阶线性近似公式表达：

$$
\frac{\Delta P}{P} \approx -D \times \Delta y
$$

- 其中$y$是到期收益率，等于无风险利率加信用利差。

• 基金与基准的四效应定义：

- 收入效应：票息收益。
- 国债效应：无风险利率变动造成价格收益。
- 利差效应：信用利差变动造成价格收益。
- 择券效应：主动择券带来的超额收益，基准组合择券效应默认为0。

• 超额收益归因：

- 将基金各效应减去基准相应效应，得到四个超额收益分项，定量评价投资能力。



图：Campisi模型业绩归因分析框架图，指标围绕总收益率或超额收益率展开，主要分为：收入效应Income Effect、国债效应Treasury Effect、利差效应Spread Effect、择券效应Selection Effect。

[page::3,4]

---

2. 重要参数估计与业绩比较基准选取

• 归类方法：依据利率债券占比是否超过50%，区分为利率债基金和信用债基金。
• 期初久期估计：

- 基金前五大持仓市值占比＞30%，采用持仓法：利用持仓券的加权平均久期估计基金久期。
- 不足30%，采用净值法：用基金的日度收益率回归各债券指数收益率，回归系数加权计算久期。

• 业绩基准选择：结合基金类型和估计久期，从中债-总财富指数或中债-信用债总财富指数系列中选取对应期限基准。
• 票息率与面值估计：只能使用持仓法估计（票息率、面值无法利用净值法推断）。
• 基准利差效应以剩余计算调整：利差效应结果为总收益减收入效应和国债效应。
• 完整运算逻辑框图清晰展示了各参数如何计算并相互影响。

[page::5-8]

---

3. 公募纯债型基金Campisi模型实证示例

• 以基金A（利率债基金）为例：

- 全部持仓前五大债券，持仓法估计票息率3.83%、期初久期2.10年；
- 选取中债-总财富（1-3年）指数基准；
- 2020年二季度总收益率0.20%，基准-0.0887%；
- 归因结果显示收入效应最大贡献（0.91%），其次是择券效应（0.34%），国债和利差效应呈负贡献；
- 国债收益率当季上升，导致国债效应负面，基金较长久期增加了负面影响。

• 以基金B（信用债基金）为例：

- 前五大持仓占比不足30%，用净值法估计久期1.66年，票息率约5.63%，对应基准选中债-信用债总财富（1-3年）指数；
- 2020年三季度总收益率0.76%，基准0.22%；
- 收入效应贡献最大（1.36%），次为择券效应（0.19%），国债效应因配置更短久期得到正贡献；
- 利差效应基金与基准相差不大。



[page::9-13]

---

4. 全市场纯债基金Campisi业绩归因统计分析

• 样本范围: 2017Q3-2020Q4，1590只基金，纯债型基金定义为中长期纯债和短期纯债两类。
• 数据清洗: 剔除净收益率超出[-10%,10%]极端季度，排除大额申购赎回/转型影响。
• 关键发现：

- 收入效应均值稳定在每季度约1%，为总收益的主要固定来源；
- 国债效应为总收益波动的主导因素，取决于利率走势；
- 择券效应波动最大，不同基金之间差异显著，关键影响总收益差异；

• 标准差分析：同一季度中，收入效应差异最小，择券效应差异最大：

• 相关性分析：

- 时间序列上，总收益率与国债效应相关性最高（0.91），凸显利率变化对债券基金总收益的重要影响；
- 同期内，不同基金间总收益率与择券效应相关度最高（单季度0.915），说明择券表现显著决定基金间表现差异。


（此图未见原图，但为说明使用，代指报告所示矩阵）

[page::14-16]

---

5. 超额收益（阿尔法）分析

• 大多数纯债基金超过半数时间未跑赢基准，基金跑赢基准比例多数季度不足50%，反映择优难度。
• 通过时间序列和单季度相关性考察总阿尔法与各效应阿尔法：

- 择券阿尔法与总阿尔法相关性最高（时序: 0.83，单季：0.96）；
- 择券阿尔法标准差远大于收入、国债、利差三者，显示择券能力差异是业绩超额波动的主要驱动因素；

• 投资建议：投资纯债基金时，应重点关注经理的择券能力以获取超基准收益。

[page::16-18]

---

6. 择券效应优异且稳定基金筛选

• 以择券效应排名前1/3季度占比超过70%为选基标准，筛选出24只基金作为优质基金池。
• 其中75%基金于2021年初以来业绩位于所有样本基金前1/3，验证择券效应对基金业绩的预测效力和有效性。
• 列表包含基金代码、基金名称、择券效应优异占比、2021年以来总回报及是否位列前1/3等详细数据。

[page::18-19]

---

三、图表深度解读举例

图表1：Campisi模型业绩归因框架图

• 清晰展示模型的四个收益效应小分类对应总收益率/超额收益率的递进关系，体现金融数学分解逻辑。

图表14：各季度总收益率及各效应均值时间序列

• 收入效应曲线稳定且约为1%，总收益率波动由国债效应主导，利差和择券效应波动较小，但后者显差异。

图表15：各季度各效应标准差时间序列

• 择券效应标准差明显高于其他效应，强调基金间择权能力差异是绩效分化主因。

图表19：研究期内总阿尔法均值及跑赢基准基金数量统计

• 季度总阿尔法多为负值，跑赢基准基金占比基本不超过50%，反映纯债基金跑赢市场难度。

图表23：择券效应优异且稳定基金列表

• 详细列出24只基金筛选结果，佐证择券效应作为基金优选指标的显著性和实用性。

---

四、估值分析

报告无涉及传统意义上的估值分析，侧重模型参数估计及业绩归因流程设计，包括持仓法与净值法估计基金期初久期和票息等基础数据；没有讨论市场估值倍数或现金流折现模型。

---

五、风险因素评估

报告特别提示：

• Campisi模型基于历史经验总结，若市场规律发生变化，模型可能滞后或失效；

- 研究基金为典型案例，不能完全代表全部中国或全球市场基金，投资者需理性判断；

• 大额申购赎回或基金转型事件会干扰模型归因结果，需加以剔除及谨慎解读。

综合而言，模型适用性和有效性存在一定约束条件，投资时风险不可忽视。

[page::0,19]

---

六、批判性视角与细微差别

• 模型假设局限：修正久期一阶线性近似债券价格变动，可能低估市场极端情况下的非线性风险与收益特征；

- 基准选取敏感：基准确定依赖期初久期估算，使用持仓法和净值法均有其近似和偏差，基准不准确会直接影响归因结果；

• 利差效应计算：基准利差效应多为剩余计算倒推，可能混入其他误差，需谨慎解读；

- 择券效应解释权：择券效应包揽主动优化个券选择贡献，定义上兼具投资决策和市场风险调整作用，本质复杂多元；

• 行业广泛性：仅聚焦纯债型基金，未涵盖股票债混合型，报告结论不宜简单类比；

- 样本剔除和门槛设置：对收益超限样本剔除、估计久期的阈值均为经验规则，未来情形变动可能影响结果稳健性。

---

七、结论性综合

本报告系统介绍并实证验证了Campisi模型对公募纯债型基金业绩进行细致的归因分析方法。Campisi模型创新地将债券基金总收益率细分为收入、国债、利差和择券四个效应，并通过对基金与基准组合对应效应的差异进行拆解，评估基金经理主动管理带来的超额收益。

两只典型基金样本案例详细阐释了持仓法和净值法的参数估计过程，验证了模型实际操作流程。全市场样本数据的时间序列和横截面分析揭示：

• 收入效应是纯债基金总收益主要且稳定来源，不同基金间收入效应差异小；

- 国债效应驱动总收益率的短期波动，依赖于利率走势；

• 择券效应差异最大，决定基金间收益分化以及阿尔法表现，择券能力是基金经理的核心竞争力；

- 超过半数基金长期难以跑赢基准，择券效应表现优秀的基金展现明显超越基准的持续能力。

通过择券效应排名筛选的24只基金，在2021年初后表现优异验证了此指标的有效性和实用性。

整体来看，Campisi模型为债券基金管理者和投资者提供了一个科学、可操作且深入的业绩归因框架，能够量化基金经理的投资技能及市场风险暴露贡献，帮助投资决策和业绩评价更加精准。

报告结合丰富图表与数据明晰展示了各效应的定义、测算及关联性，充分体现了实证金融分析的严谨和细致。风险提示合理提醒模型固有局限，体现了审慎与专业。

---

综上，报告明确表现出华泰证券对Campisi模型在纯债型基金业绩归因领域应用的积极认识与实践推动，建议投资者在择优纯债基金时重点看重经理的择券效应贡献，是该报告最核心的投资策略建议。

[page::0-19]

---

附注：

• 文中所有引用及结论均严格依据报告原文内容，标注对应页码。

- 所有关键公式、图表均已详细说明，保证解读全面且细致。

• 术语如“修正久期”、“阿尔法”、“持仓法”、“净值法”等均已在上下文中明确解释其定义和应用背景。

---

总体评价

报告结构清晰，内容翔实，数据充分，结合模型理论与实证分析深刻揭示了纯债基金业绩的主要驱动因素及选优策略，特别适合债基行业研究、投资经理绩效评价及投资组合构建参考。

报告