每日到每月的績效歸因 - 讓效果等於超額回報

我正在 Python 上建構一個績效歸因工具，以幫助我們了解我們基金的資產配置、選股效果。

我們正在使用基金內每個組成部分的每日價格數據、每日資產配置（以說明基金內所做的任何變化），並且還為基準提供了類似的數據。

現在，計算回報、貢獻、資產分配和經理選擇效果的過程在每天實施時都能準確執行。但是，當將此轉換為每月時，解決此問題的最合適方法是什麼？

目前，我們使用通用的總回報公式 R = (1+r1)(1+r2)....(1+rn) - 1來獲得每月回報。我可以將相同的公式應用於捐款嗎？

我怎樣才能從每日歸因到每月歸因，同時還要確保：

asset allocation + manager selection = portfolio return - benchmark return = excess return

我會使用您指定的通用總回報公式將所有數據從每日轉換為每月。然後進行歸因。

問題將在於資產、部門和國家的權重；您必須假設您使用月末體重還是當月平均體重。例如，經理 A 的月末權重與經理 A 在一個月內的平均權重。我認為行業標準是使用月末重量。

這通常被稱為“連結問題”或績效歸因中的多期連結。

已經提出了幾種方法，對於哪種方法最好存在一些爭議（事實上，在性能期刊上進行了大量討論，似乎沒有達成解決方案）。

對於它的價值，根據我對諸如比較績效歸因連結方法的文章的閱讀： Jiang 和 Saenz 的實證研究（連結），我會推薦改良的 Frongello 方法。它看起來相當簡單、直覺，並且在實踐中顯然表現令人滿意。

但從我所讀到的，沒有完美的方法。

引用自：https://quant.stackexchange.com/questions/54513