股票组合总是跟不上基准：定位主动风险和持续落后区间

CoTrading 编辑团队 2026-10-27 Read in English

组合与基准走势接近，仍可能有主动风险或持续落后。先建立对齐的组合减基准收益，计算变动，再查大差异期间及期初主动权重，不能用一个相关系数解释全部表现，也不能从高相关推断没有主动暴露。

本文交付主动收益表、实现跟踪误差和持仓贡献卡。标准库例的回报与权重全部虚构，属于外部分析，不假定CoTrading或参考多头风险工具已经提供基准相对模型。单市场单币种，无真实绩效或未来收益保证。

先固定基准与收益基础

选择同币种基准，记录身份、版本、总回报口径和会话，匹配组合估值与费用。价格基准对含股息组合，不是天然可比，需先明确差别。不能因为组合落后，就挑一个更弱基准让结果变好，原比较应保留。

外部资金先按账户政策处理，不把入金当跑赢。取得诊断期初持仓、证券回报，以及费用、现金或剩余项。总收益相同不表示逐期主动路径相同，后者才是跟踪误差基础，所以不能只给期初期末两个余额就计算。

基准如果后来修订，应另立上下文，写明原因和生效日。指数或宽基对照在这里服务股票组合，不扩成另一个产品主题，也不引入汇率回测。实际需要币种转换时，另核数据与政策，不能静默把本币回报混合。

不补零、不静默丢日期

按实际会话键连接，样例要求两边集合相同，删除基准第二期就拒绝，不自动取交集让缺口消失。接手者能看到原期望日期、实际覆盖和被阻断原因，而不是只拿到清洗后仍然漂亮的一条线。

相同键集合也不证明完整，两边可能都漏同一天。四期夹具声明连续，真实流程还需核对交易日历与频率。跨两期变化不能删除中间标记后变成一期日收益，观察单位错误会同时改变均值、波动和年化。

统计前查有限性和单位，零点〇一是一百分之一，不混百分数字与小数。保留原行及转换，使主动向量能够重建。非有限输入不会被abs或排序规则掩盖；样本不足则保留信息不足，不为了显示一个指标填零。

主动收益与主动风险分开

每期主动收益为组合减基准。CFA Institute多因子模型阅读将主动风险定义为主动收益标准差，也称跟踪误差。本文算实现样本统计，不是预测因子风险，更没有把长仓归一化模型直接当作主动风险。

标准差用Python statistics的样本口径，再按合成交易会话年频率二百五十二取平方根放大。真实数据应替换成已核实实际频率，不能只从四条观测猜一年日历。年化只是单位约定，不增加样本信息。

均值描述平均领先或落后，跟踪误差描述围绕均值的变动，两个问题不同。低误差不能证明达基准，高误差也不自动代表主动决策有价值。把系统性负偏差与不稳定偏离一起显示，比单一数字更容易解释。

四会话主例

基准A、B各半，组合期初A权重依次零点四、零点六、零点七、零点四五，B取剩余。权重是给定合成观察，不证明真实引擎已经按这些数无成本成交。实际资金路径需要另有证据，这里诊断已准备的回报与敞口。

会话	A/B回报	组合	基准	主动
1	2%／0%	0.8%	1.0%	负0.2百分点
2	1%／0%	0.6%	0.5%	正0.1百分点
3	负2%／1.5%	负0.95%	负0.25%	负0.7百分点
4	2%／0%	0.9%	1.0%	负0.1百分点

主动序列[-0.002,0.001,-0.007,-0.001]，每期均值负百分之〇点二二五，年化样本风险百分之五点四〇二七七七。代码以独立解析值√0.002919核对，不只打印一个结果就声称验证过。

四条虚构观察不足以估可信长期主动风险，也不能判断投资能力。表的作用是让输入、公式和解释互相对应，年化不让短样本变成年历史。用更多真实数据仍需要同样覆盖和口径检查，而不是仅增加小数位。

找高偏离与连续落后

先定绝对主动收益至少零点〇〇五为高偏离，当前只有第三期，恰好为负；正的大偏离也会按同一规则入选。不能看完结果才把筛选改成只挑亏损或只挑有利期，让解释失去原研究问题。

连续负主动另记：第一期独立落后，三与四连成两期。顺序长度不等于总体标准差。每段保存起止、观测数和缺失状态，缺日不能填零打断不利连续期。日历不完整时，持续时间应标未知或使用明确的合理政策。

若同一窗口内组合与基准观察频率不同，先解决，不能简单重复低频基准到每天。当前脚本只接受已对齐序列，没有频率转换器，也不替用户取得指数数据；来源与准备过程应在真实研究包中保留。

回连第三期主动持仓

第三期A较基准多零点二、B少零点二。A负百分之二贡献负零点四百分点，B正百分之一点五却低配，贡献负零点三，合计负零点七。正收益证券也可能导致负主动贡献，因为相对基准持有更少。

active_contribution[s] = (portfolio_weight[s] - benchmark_weight[s]) * security_return[s]

有费用、现金或无法解释差额则单列。主例零费、两股完整，不是通用Brinson分解、协方差预测或股票涨跌原因解释。不能把算术贡献叫作某项决策独立导致市场收益，也不从相关性推导因果。

主动权重可以为负，即使两组合都多头，只表示相对低配。不能用长仓归一化程序删负项或缩放到一，那会改变诊断量。基准和组合各自预算有效，也不意味着两者差向量应该当作可直接买入的仓位。

两个不同反例

第一个将组合设为变化基准的零点九倍，相关性一，但主动收益变化，跟踪误差正。因此完全相关不等于没有主动风险，倍率差异仍产生相对变化。程序实际计算相关与正风险，不靠文字推断。

第二个每期固定比基准少零点〇〇一，主动均值负，标准差在浮点舍入内为零，仍持续落后。这里零风险是合法变动性结果，不是缺失值。若另外计算均值除风险的比率，零分母需不可用，本例不输出该比率。

有限数验证先于样本量判断，即使仅有一条NaN或无穷回报也拒绝；只有有效且对齐的数据不足两条时，才返回信息不足。缺键和非有限值阻断，不转换成便利零收益。实际账户净值归零或流量口径错误时，应先解决收益输入，不用风险统计掩盖基础记账问题。当前函数消费已准备回报，不建立完整资金账户。

交接完整诊断链

归档基准定义、原始对齐序列、频率、均值标准差约定、标记窗口和期初主动权重。每张卡都能从持仓重建主动收益，并说明残差和未知分类。把持续偏差与变动风险同时保留，不能只选看起来有利的一项。

复核可先抽第三期两股贡献，再核四期均值，最后核年化因子。这样能发现使用期末权重、反转主动符号或错误百分点单位。高偏离筛选政策也随卡片保存，避免后续挑图时只剩作者偏好的窗口。

对照其他报告时，确认它用去均值标准差，还是主动收益均方根。后者包含平均偏差，是不同量；固定负差可以标准差零、均方根却为正。本文跟踪误差定义不变，不能为了两个报告相同而擅换公式或年化因子。保存中间均值，通常能解释这种差异。

实现统计与预测风险也分开。前者由已发生序列计算，后者需要对未来暴露和协方差作假设；本例没有建立后者。主动权重卡帮助定位过去哪种超低配对应差额，不说明同样持仓未来会产生相同风险，更不证明任何软件已连接完整基准风险模型。

下载完整示例。使用Python 3.12或更新版本，运行python R634.py。标准库断言主动向量、均值、风险、高偏离、两股贡献、连续期、相关一反例及缺会话拒绝。没有真实历史或模型风险调用。

基准、回报、费用、期间或持仓改变后重算，保留旧记录。本文不认证产品风险模块、实际成绩或基准对真实投资者的适用性，也不把四期合成落后当作策略有效或无效证明。

常见问题

跟踪误差零就没有落后吗？

不是，固定负主动可以无变化却每期落后。