• 债券型基金主要分为纯债基金、混合债基和指数债基，纯债基金多配置债券资产，混合债基可配置权益，指数债基通过匹配债券指数实现被动或增强收益[page::0][page::1]

• 国内债券基金规模及数量稳步增长，2019年一季度债券基金规模接近2.75万亿元，其中中长期纯债基金占比最大，短债及指数债基增速显著[page::1][page::2]

• 经典Campisi模型基于债券持仓及定价公式，将债券收益拆分为票息收益、国债收益（久期管理、期限结构）、利差收益（券种配置、个券选择），但依赖持仓信息，存在数据滞后与缺失问题[page::2][page::3]

• 基于净值数据的Campisi型归因模型设计四大因子类：Alpha收益（票息及价格收敛收益）、利率曲线结构因子（久期管理、斜率、凸度）、信用结构因子（信用利差、评级利差）、转债类因子[page::5][page::6]

• 利率曲线结构因子详解：

- 久期反应组合对利率变动的敏感度
- 斜率因子采用买长卖短不同期限债券指数构建，久期中性处理，反映利率期限结构变化收益
- 凸度因子以三个不同久期区间债券指数构建，久期及斜率中性，反映利率曲线弯度对收益的影响[page::6][page::7]

• 信用结构因子由信用利差因子和评级利差因子组成，采用信用债与国债指数通过久期中性方式构建，以体现信用风险暴露及不同评级债券配置收益[page::7]

• 转债类因子针对纯债及混合债基中转债及权益市场配置，捕捉其双重债权-股权特征和价格波动影响，相关性随市场行情波动显著[page::7][page::8]

• 因子多重共线性处理采用正交化与精选因子方法，确保因子间相关系数大多控制在合理范围内（[-0.4, 0.4]），避免回归估计失真[page::8][page::9]

| 因子 | Level | Slope | Convex | Credit | Default | Convertible |
|----------|-------|-------|--------|--------|---------|-------------|
| Level | 1 | 0.10 | -0.03 | -0.41 | 0.37 | -0.19 |
| Slope | | 1 | 0.20 | 0.04 | 0.39 | -0.17 |
| Convex | | | 1 | -0.13 | -0.11 | -0.07 |
| Credit | | | | 1 | 0.12 | 0.14 |
| Default | | | | | 1 | -0.16 |

• 模型通过岭回归等正则化方法对净值收益率进行回归，估计因子暴露度，研究显示：

- 约97.54%的纯债基金获得正Alpha，分布右偏，票息收益为超额收益主力；绝大多数纯债基金在斜率因子多为正，偏好投资10年期以内债券


- 纯债基金在Level因子暴露集中0-1.3，多数基金杠杆率达或超过100%；凸度因子暴露分散，中短期久期配置明显


- 信用利差因子暴露多为正，显示倾向配置信用债；评级利差因子则正负均有，反映不同风险偏好；转债因子暴露明显低于混合债，但近半年显著上升

• 混合债基正Alpha比例为87.20%，Alpha分布同样右偏，因转债和权益比例增加业绩波动性加大，票息依然是主要收益来源

• 混合债基Level因子暴露分布0-1.3，部分基金杠杆率超过100%，斜率和凸度因子暴露分散，与其投资范围和产品特征相匹配[page::11]

• 混合债基信用利差因子暴露多为正，评级利差因子多为负，反映高收益高违约风险偏好，转债因子暴露明显且普遍较高，多为可转债基金或转债股票持仓占比高[page::11][page::12]

【建投金工丁鲁明团队】深度专题72：《基于净值数据的Campisi型债基归因模型》详尽分析报告

---

1. 元数据与概览

• 报告标题：基于净值数据的Campisi型债基归因模型

- 作者：丁鲁明、王赟杰

• 发布机构：中信建投证券股份有限公司研究发展部

- 发布日期：2019年5月30日

• 主题：债券型基金投资业绩归因模型的构建与应用，尤其针对国内债券型基金，采用净值数据和Campisi模型扩展，拆解各种收益来源。

- 核心论点：
- 债券型基金收益主要源自票息收入、利率曲线结构变化和信用利差三部分；
- Campisi模型以持仓数据拆解收益效果突出，但受限于数据滞后和不完整，难以满足实际归因需求；
- 本报告创新基于每日基金净值数据，用Campisi模型思路拆分Alpha收益、利率曲线结构因子、信用结构因子和转债类因子，降低各因子相关性；
- 通过该归因框架，分析出纯债型基金和混合型债基的收益结构及风险偏好差异，并揭示转债因子对不同基金的重要性差异；
- 约97.54%的纯债型基金，约87.20%的混合债基获得正Alpha，证券组合策略和持仓结构存在明显分化，基金管理风格差异明显。[page::0,1,5,9,11]

---

2. 逐节深度解读

2.1 债券型基金概况（第0-2页）

• 分类：

- 纯债基金：主要投资固定收益债券，细分短期纯债和中长期纯债；
- 混合债券型基金：投资范围可覆盖权益市场，分为混合一级债（已取消“打新”资格）和混合二级债基金，现主流为二级债基金；
- 指数型债基：被动或增强复制债券指数，受益于税优政策持续增长；

• 市场规模：

- 2019Q1，国内债券型基金规模约2.75万亿元，数量1556只，占全部基金份额约20%；
- 中长期纯债基金占比最大，份额占比约77.5%；
- 指数型和短期纯债基金增速迅猛，规模份额增幅分别高达上百倍和数百倍；

• 图表分析：

- 图1（水平方向分类）完整展现三类债基体系结构；
- 图2、图3呈现公募整体和债基历年资金规模及数量稳步上升的趋势，特别是2016年和2018年下半年规模激增；
- 图4、图5清晰显示债基细分类型在数量和规模上的占比差异，突出中长期纯债基金的支配地位；

• 行业趋势：

- 监管收紧短期理财债基，引导资金流向短期纯债基金；
- 指数型债基借优势费率和税收政策，发展迅猛，成为市场关注焦点。

综上，债基市场结构逐渐多样化，提升了后续研究归因的必要性和复杂度。[page::1,2]

---

2.2 传统Campisi模型及债券收益构成（第2-5页）

• 背景：

- 经典股票归因模型Brinson不适合债券，该报告详细阐述Campisi模型的发展脉络；
- Campisi模型基于债券定价公式，将债券组合收益分解为收入效应（票息收益+价格收益）、国债效应（利率曲线管理）和利差效应（信用风险溢价）三大部分，提供细致因子拆解框架；

• 关键数学表达：

- 给出债券价格对到期收益率和剩余付息时间的偏导表达式，推导麦考利久期、修正久期在债券价格敏感度中的作用；
- 价格变化等于利率变动和剩余时间带来的变化，收益率拆分为利率时间变化与久期利率变动两部分；
- 进一步拆分国债效应和利差效应，精确分类影响债券收益率的驱动因素。

• 收益分解图（图6、7）：

- 结构清晰展示Campisi分解框架和债券收益率具体组成；

• 模型缺陷：

- 依赖详尽持仓信息，季报滞后且披露不完整（前五大重仓比例多不足50%），难以反映最新收益来源；
- 对FOF管理人和外部投资者限制较大；

• 总结：

- Campisi模型理论严谨且广泛认可，但由于数据限制，需开发基于净值的模型进行补充解释。

此部分奠定后续基于净值数据模型的理论基础。[page::2,3,4,5]

---

2.3 基于净值数据的Campisi型归因模型（第5-9页）

• 因子设计：

- 四大因子分类：Alpha收益（票息+价格收敛收益）、利率曲线结构因子（久期管理、斜率因子、凸度因子）、信用结构因子（信用利差、评级利差）、转债类因子（考虑可转债与权益特征）；
- 通过中性化处理降低因子间相关性，解决多重共线性问题，借助LASSO和岭回归等机器学习方法优化因子选择；

• 因子构造说明：

- 久期管理因子关注利率水平变动对组合的影响；
- 斜率因子捕捉期限结构不同区间利率变动引起的收益差异，采用买长卖短久期中性组合构造；
- 凸度因子反映利率曲线弯曲变动，同样执行久期及斜率中性处理；
- 信用结构因子分解为信用利差因子（信用债与国债利差）和评级利差因子（不同评级信用溢价）；
- 转债因子捕捉可转债价格受股价和转股溢价影响的特殊收益模式；

• 因子相关性控制：

- 相关系数矩阵（表1）显示经过久期中性处理，因子间相关系数控制在-0.4至0.4区间内，基本消除多重共线性对估计的干扰；

• 模型表达：

- 最终用多因子回归表达债基净值收益率，回归系数表示基金对相应因子的暴露度，Alpha为净值数据驱动下的主动收益；

本章体现理论创新，兼顾数据实际适用性和模型准确性，具备显著实操价值。[page::5,6,8,9]

---

2.4 主动债券型基金归因分析（第9-12页）

2.4.1 纯债型基金表现分析

• 97.54%的纯债型基金获得正Alpha，且分布右偏，数值介于-0.12%至0.32%，表明多数基金具备主动超额收益能力；

- 票息收益为主因，流动性因素对超额收益贡献显著（图19、图20概览）；

• 利率期限结构因子：

- Level因子暴露多在0-1.3，部分基金杠杆率超100%，中长期纯债暴露较为分散；
- 斜率因子多落于-0.3到1，显示中长期基金偏好中短期债券配置，短债基金斜率因子为正；
- 凸度因子暴露分散，中长期基金凸度暴露正负兼容，短债基金多正暴露；

• 信用结构因子：

- 信用利差暴露集中在0-0.25，中长期基金偏好低评级信用债，评级利差暴露多负，短债基金信用风险偏好低；

• 转债因子：

- 过去一年普遍偏低，但近半年呈显著上涨趋势，主要由权益市场与转债市场行情回暖驱动（图21-图24）；

2.4.2 混合型债基表现分析

• 87.20%的混合债基获得正Alpha，波动较纯债基金更大，Alpha区间-0.13%至0.22%，右偏明显；

- 利率期限结构因子：
- Level因子暴露集中于0-1.3，部分基金杠杆超过100%；
- 斜率与凸度因子暴露离散，符合混合债基投资策略多样化特点；

• 信用结构因子：

- 信用利差因子暴露多在0-0.3，信用风险敞口较纯债基金高；
- 评级利差因子暴露多为负，约70%的基金更偏好高收益高违约风险债券；

• 转债因子：

- 绝大多数混合债基积极配置转债，暴露度显著，反映其与权益和转债市场的联动（图25-图29）；

总结，混合债基更倾向于多样化资产配置及较高杠杆和信用风险暴露，投资风格迥异于纯债基金。[page::9,10,11,12]

---

3. 图表深度解读

• 图1（债券型基金分类）：清晰展示债基分类体系，体现结构层级一目了然，帮助理解不同基金类型特性与投资限制关系。

- 图2、图3（公募基金与债基规模及数量变动）：显示债券基金数量规模均持续增长，特别关注2016年、2018年行业爆发期，表明市场关注度与资金流入热潮。

• 图4、图5（债基类型数量和份额占比）：凸显中长期纯债基金占据主导地位，短期纯债和指数债基高速成长。

- 图6、图7（Campisi模型框架与债券收益率分解）：直观表达债券收益构成，辅助理解理论内容。

• 图8（净值数据Campisi型归因模型因子分类）：动态图表助力理解因子拆解逻辑，四类因子的划分严密。

- 图9-12（期限结构债券表现及久期）：反映不同期限债券收益及敏感度差异，为构造斜率和凸度因子提供支撑。

• 图13-14（信用结构及转债指数表现）：表现信用债与利率债走势差异，及转债市场波动，正本清源。

- 图15-16（转债与权益指数及相关性）：说明转债与权益市场高度相关性，转债因子构建合理性强化。

• 图17-18（岭回归与LASSO模型几何示意）：定性展示解决多重共线性的方法，支撑模型求解过程说明。

- 表1（因子相关系数矩阵）：验证因子间相关性控制，合理避免模型误差与过拟合风险。

• 图19-20（纯债基金Alpha分布）：支持正Alpha比例超过97%，Alpha集中于正领域说明管理人主动能力。

- 图21-24（纯债基金在各因子上的暴露分布）：分别展示利率期限结构因子（Level、Slope、Convex）、信用结构因子及转债因子暴露，揭示管理风格差异。

• 图25-29（混合债基Alpha与因子暴露分布）：揭示混合债基更大杠杆使用、更高信用风险偏好及转债配置，显示其策略多元和风险特征。

图表与文本结合，逻辑严密，展现债基归因模型的实证应用效果，辅助基金经理与研究人员量化管理策略和风险暴露。[page::1-12]

---

4. 估值分析

本报告着重于债券基金业绩归因与策略解析，未涉及传统证券估值分析或价格目标设定及收益预测，故无典型DCF、P/E等估值内容。关注角度聚焦于因子暴露度和Alpha测算，反映管理主动能力与风格差异，侧重资产配置与风险收益分布评估。[page::全篇]

---

5. 风险因素评估

• 模型依赖性风险：Campisi模型依赖需全面持仓数据，而实际基金报告信息受限，存在信息缺失或延迟，归因结果可能存在偏差；

- 多重共线性风险：因子构造中存在相关性，通过正交化与岭回归缓解，但依然有不确定残差风险影响准确性；

• 市场环境变化风险：利率、信用利差和转债市场波动周期影响因子稳定性，特殊环境可能使因子暴露意义改变；

- 样本选择风险：仅覆盖规模超过1亿、成立超过半年的主动债基，样本范围或导致归因结论对于全市场普适性有限；

• 策略执行时滞风险：转债配置因市场行情波动频繁，归因模型的时间窗口选择对暴露度结果有直接影响；

- 杠杆及信用风险管理：混合债基杠杆率超100%存在潜在风险敞口，需警惕市场剧烈波动风险传导至基金表现。

报告对上述风险多有隐含认识，通过数据剖析和模型设计部分严肃对待信息限制与变量稳定问题，未见刻意忽视风险，整体风险意识充足。[page::2,5,8,9,10,11]

---

6. 批判性视角与细微差别

• 模型局限：基于净值数据的模型虽降低持仓依赖，但仍以历史数据为基，可能延迟捕捉基金策略快速调整，尤其在市场流动性不足时，净值数据波动可能掩盖真实持仓变化；

- 数据完整性不足：基金转债和权益持仓信息滞后，限制造成归因结论对短期行为的反映欠准确，特别是周转速度快的新兴基金可能接受度有限；

• 风险暴露解释：部分因子暴露幅度较大，如Level因子杠杆超100%，需额外说明该杠杆来源及风险控制机制，否则可能产生误解；

- 转债因子解释偏差：转债与权益市场高度相关，报告对转债因子区分力及其投资策略及风险贡献说明尚待深化；

• 指数选择及代理效应：因子构建多基于指数替代，实际基金持仓异质性可能导致回归结果不具充分代表性；

- 货币政策影响未深入：虽提及利率结构与信用风险，但未深入分析宏观政策环境特别是货币政策对因子表现的动态影响。

总体而言，报告视角严谨，结构逻辑自洽，针对当前债基归因问题提出有益改进方案，但对模型解释力边界与数据限制的充分展开仍有提升空间，适合专业投资者和研究机构深化理解与应用。[page::5,8,10,12]

---

7. 结论性综合

本报告系统分析了债券型基金的收益归因问题，针对传统Campisi模型对持仓数据的高度依赖性，创新性提出了基于每日基金净值数据的Campisi型归因模型，巧妙拆解基金净值收益为Alpha收益、利率曲线结构因子（久期、斜率、凸度）、信用结构因子（信用利差、评级利差）及转债因子四大类，且通过因子正交化处理有效控制多重共线性，模型在统计上表现稳健。

实证分析发现，绝大部分主动债基均取得正Alpha，纯债型基金更侧重票息收益和低信用风险配置，且积极利用利率期限结构因子管理风险；混合型债基分布更为多样，杠杆率较高，信用风险偏好和转债配置显著，高风险/高回报特征突出。因子暴露分布图示精确描绘了债基策略风格和风险偏好的异质性，验证了本模型在内生性和实用性上的强大优势。

本研究不仅为债券型基金业绩来源提供了科学的拆解路径，也为基金经理、FOF管理人及投资者提供了有效的风险收益管理工具。在债券基金日益多样化与复杂化的市场环境中，净值数据驱动的Campisi型归因模型具有极高的实操意义和推广价值，为债基研究带来新的视角和方法论。

然而，模型依赖于基金净值和指数数据的准确性，基金持仓信息滞后及市场事件驱动的动态变化需求未来结合更多高频数据和宏观变量共同分析，方能更全面掌握债基收益与风险特征，促进债券资产管理更科学、更高效的发展。

整体评级与建议：

• 模型充分，有助识别债基收益来源差异和主观管理能力；

- 建议投资者和管理人关注因子暴露变化，动态调整组合；

• 对转债市场敏感基金应重视股债交叉风险管理；

- 未来研究应更深入宏观变量与政策层面对模型因子的影响情景分析。

本报告为理解债券型基金业绩归因提供了理论基础和实践工具，促进我国固定收益基金行业的透明度和科学决策水平提升，在专业领域具备高度参考价值与推广潜力。[page::0-12,15]

---

附录：

• 文章中所有关键数学表达式均围绕Campisi模型展开，如债券价格偏导、麦考利久期表达、收益拆解公式等，体现理论深度；

- 所有图表配以详尽注释和数据来源声明，确保结果的可复核性和可靠性；

• 页面索引页码严格对应，便于读者溯源查证。

---

免责声明：

报告注明内容限专业投资者使用，不构成投资建议，模型及数据具有时效性和一定局限性，使用时须结合市场动态和实际情况审慎判断，切勿依赖单一模型决策。

---

（完）

报告