performance-reporting

业绩报告 — 报告与沟通

核心概念

收益报告

准确、一致的收益计算是所有业绩报告的基础。

期间收益： 报告标准时间段——MTD（年初至今的当月）、QTD（年初至今的当季）、YTD（年初至今）、1Y、3Y、5Y、10Y 以及成立以来。务必注明确切的成立日期。

累计收益与年化收益： 仅对超过 1 年的期间计算年化收益。将 3 个月收益年化会造成误导，因为这暗示该收益率可以持续整整 1 年。对于不足 1 年的期间，仅报告累计（总）收益。

• 年化收益公式：(1 + cumulative_return)^(1/years) - 1
• 对于多年期，务必同时列出累计收益和年化收益，以便读者了解总财富增长和复利增长率。

费前与费后收益： 务必说明收益是扣除管理费、咨询费和交易成本之前还是之后的。费后收益才是投资者实际获得的收益，应作为主要呈现内容。如果展示费前收益，也要列出费用造成的拖累。

GIPS（全球投资业绩标准）： 对于机构报告，应遵循 GIPS 要求——组合构建、完整披露、经验证的计算以及标准化呈现。即使报告不符合 GIPS，公平呈现和完整披露的原则仍然适用。

时间加权收益与资金加权收益：

• 时间加权收益（TWR）剔除现金流的影响——用于评估投资经理的技能。
• 资金加权收益（MWR / IRR）反映投资者的实际体验，包括投入和提取资金的时机——用于评估投资者的结果。

计算引擎

scripts/performance_reporting.py 实现了这些报告所需的收益计算：

• 修正 Dietz 法（ModifiedDietz）： 通过根据每笔外部现金流在期间内投入的时间比例加权，近似计算 TWR：R = (V_end - V_start - sum(CF)) / (V_start + sum(w_i * CF_i))，其中 w_i = (D - d_i)/D。在无法进行每日估值时，这是 GIPS 可接受的近似方法。
• 真正的 TWR（TimeWeightedReturn）： 链接各个子期间的收益，prod(1 + r_t) - 1，并提供年化辅助函数，该函数会拒绝处理不足 1 年的期间。
• IRR / MWR（MoneyWeightedReturn）： 使用 Brent 求根法（scipy.optimize.brentq）在给定的区间内数值求解 NPV(rate) = 0，返回年化资金加权收益。
• GIPS 综合组合（CompositeReturn）： 使用期初资产价值作为权重计算资产加权综合收益，并提供等权收益，以及对于包含 6+ 个投资组合的综合组合，计算 GIPS 要求的资产加权内部离散度。
• 标准期间（PeriodReturns）： 根据每日收益序列计算 MTD / QTD / YTD 等滚动期间收益（1M 至 10Y）和成立以来收益，仅对 1 年或以上的期间进行年化。

基准比较

单独看一个收益率毫无意义。评估需要基准作为参照。

选择合适的基准： 基准必须与投资组合的投资风格、地域、资本规模和资产类别构成相匹配。美国大盘股投资组合应与 S&P 500 或 Russell 1000 比较，而不是与 MSCI Emerging Markets Index 比较。

• 对于多资产投资组合，应使用混合基准（例如，60% S&P 500 / 40% Bloomberg Aggregate）。
• 基准应具有可投资性——投资者本可以将资金投入该基准，作为被动投资的替代方案。
• 记录选择基准的理由，并随着时间推移保持一致，避免挑选对自己有利的基准。

主动收益（阿尔法）： 投资组合收益减去基准收益。正阿尔法表示跑赢基准；负阿尔法表示跑输基准。

跟踪误差和信息比率： 有关定义和计算，请参阅 performance-metrics。在报告中，应将这些指标与主动收益一并呈现，以便读者判断超额表现是否稳定。

风险仪表板

除了收益报告，还应补充风险指标，以全面呈现情况。有关这些指标（波动率、VaR、回撤等）的定义和计算，请参阅 historical-risk。

当前快照指标：

• 年化波动率
• 最大回撤和当前回撤
• 置信水平为 95% 和 99% 的风险价值（VaR）
• 相对于基准的贝塔

滚动指标： 展示风险随时间的变化，而不只是某一时点的估算值。

• 12 个月滚动夏普比率
• 12 个月滚动波动率
• 36 个月滚动贝塔
• 滚动回撤图表

风险敞口细分：

• 行业集中度及相对于基准的权重
• 因子敞口（价值、成长、动量、质量、规模）
• 地域配置
• 久期和信用质量（针对固定收益）

归因摘要

解释投资组合跑赢或跑输的原因。

Brinson 归因（配置、选股、交互）和因子分解： 有关方法和公式，请参阅 performance-attribution。在报告中，用一句通俗易懂的话概括各项影响（例如，“行业配置贡献了 0.2%，选股贡献了 0.4%”）。

贡献最大的持仓／贡献最小的持仓：

• 列出对投资组合收益贡献最大和最小的 5 到 10 项持仓。
• 同时列出持仓收益，以及其对投资组合总收益的贡献（权重 × 收益）。
• 简要说明每项贡献最大或最小的持仓表现如此的原因。

目标进度跟踪

对于基于目标进行投资的投资者，应从实现特定目标的进度角度来解读业绩。

进度评估： 投资组合相对于财务计划是按计划推进、落后还是领先？

成功概率： 使用蒙特卡洛模拟，根据当前资产、储蓄率、时间跨度以及预期收益／风险假设，估算实现目标的概率。用百分比表示（例如，“65 岁退休时有 82% 的概率能够筹足所需资金”）。

预期收益与所需收益： 将实现目标所需的收益率与当前投资组合的预期收益率进行比较。如果所需收益率超出合理范围，应标示为规划缺口。

里程碑跟踪： 以目标资金到位百分比表示进度。例如：“退休目标：$2,000,000。当前投资组合：$850,000。已筹足 42.5%，剩余 15 年。”

可视化最佳实践

图表比表格更快地传达信息。请选择与所要表达的信息相匹配的图表。

10,000 美元增长图： 展示投资组合相对于基准随时间累积的财富增长。适合所有受众，直观易懂。对于较长时间段，请使用对数刻度，以避免复利造成视觉失真。

滚动收益率图： 展示随时间变化的过去 12 个月或 36 个月收益率。可揭示表现的一致性和市场状态变化。比单一的年化数字更有参考价值。

回撤图： 展示随时间变化的峰值到谷值的跌幅。它能以波动率数字无法做到的方式，直观地传达风险。

资产配置饼图／条形图： 展示当前配置与目标／基准配置。可使用分组条形图并排展示两者。

风险－收益散点图： 在年化收益率与年化波动率平面上绘制投资组合和基准（也可以包括同类组合）。左上角（高收益、低风险）的位置更理想。

报告频率与结构

• 月度简报： 1 页摘要——核心收益、基准比较、主要归因因素及任何值得注意的事件。
• 季度详细报告： 3-5 页——完整收益表、归因分析、风险仪表板、目标进度、市场评论和展望。
• 年度综合报告： 8-15 页——包含季度报告的所有内容，以及年度回顾、税务报告摘要、规划更新和 IPS 审查。

通俗易懂的沟通

报告中最重要的技能，是将数字转化为含义。

• 不要只写“投资组合年初至今的收益率为 8.1%”。还要补充背景：“投资组合年初至今的收益率为 8.1%，比基准高出 0.6 个百分点，主要得益于科技板块的股票选择表现强劲。”
• 说明相对于预期和计划而言，业绩表现是好是坏。
• 使用受众能够理解的类比和比较。
• 首次使用技术术语时进行定义，或附上术语表。
• 先给出结论，再为希望深入了解的人提供支持性细节。

示例

示例 1：季度业绩报告摘要

已知： 一个平衡型投资组合（60% 股票／40% 固定收益）在第三季度的收益率为 3.2%（基准：2.8%）。年初至今，投资组合收益率为 8.1%，基准为 7.5%。投资组合过去 12 个月的夏普比率为 0.85。科技板块的选股（+0.3%）和低配能源（-0.1%）是主要的业绩归因因素。

分析：

核心结论： 投资组合第三季度的表现比基准高出 0.4 个百分点，年初至今高出 0.6 个百分点，主要得益于科技板块的股票选择表现强劲。

收益摘要表：

期间	投资组合	基准	主动收益
第三季度	+3.2%	+2.8%	+0.4%
年初至今	+8.1%	+7.5%	+0.6%

归因要点：

• 科技股选股贡献了 +0.3%——这是超额表现中最大的单一驱动因素。
• 由于本季度能源价格上涨，低配能源拖累了 -0.1%。
• +0.4% 的净主动收益体现了严谨的自下而上证券选择。

风险背景：

• 过去 12 个月的夏普比率为 0.85，表明投资组合创造了可观的风险调整后超额收益。
• 投资组合波动率仍与基准持平，因此超额表现并非来自承担额外风险。

面向客户的通俗摘要：“您的投资组合本季度上涨了 3.2%，比基准高出约半个百分点。年初至今，您也以相近幅度领先于基准。主要驱动因素是我们挑选的科技股表现优于科技板块整体。相对于您的长期财务计划，我们仍按计划稳步推进。”

示例 2：目标进度 — 退休资金

已知： 客户的退休目标是按今天的币值计算的 2,000,000 美元。当前投资组合价值为 850,000 美元。时间跨度为 15 年。当前年度缴款为 30,000 美元（每年增加 3%）。投资组合的预期名义回报率为 7%，预期波动率为 12%。通胀假设为 2.5%。

分析：

当前状况：

• 目标：2,000,000 美元（按今天的币值计算）
• 当前资产：850,000 美元
• 目标资金到位率：42.5%
• 剩余时间：15 年

预测（确定性）：

• 当前资产在 15 年内按 4.5% 的实际回报率计算的未来价值：850,000 美元 x (1.045)^15 = 约 1,636,000 美元
• 缴款（每年 30,000 美元，每年递增 3%）按 4.5% 实际回报率计算的未来价值：约 620,000 美元
• 预测总额（实际价值）：约 2,256,000 美元
• 确定性评估：进展顺利 — 预测金额将超过目标约 256,000 美元

预测（蒙特卡洛模拟，10,000 次模拟）：

• 结果中位数：2,180,000 美元
• 第 25 百分位数：1,650,000 美元
• 第 10 百分位数：1,320,000 美元
• 达到 2,000,000 美元目标的概率：68%

解读： 确定性预测显示客户进展顺利，但蒙特卡洛分析显示成功概率为 68%——情况尚可，但把握不算很大。确定性视角与概率视角之间的差距，源于回报顺序风险和波动拖累。

提高成功概率的建议：

• 将年度缴款增加 5,000 美元（可将成功概率提高到约 78%）。
• 考虑适度降低支出目标，或灵活调整退休日期。
• 保持当前资产配置——现阶段降低风险会拉低预期回报，降低成功概率。

面向客户的总结：“您已为 2,000,000 美元的退休目标储蓄了 850,000 美元，已完成 42.5%，距离目标还有 15 年。根据我们的预测，按照您当前的储蓄计划，您实现目标的概率约为 68%。目前情况尚可，但我们可以通过增加年度缴款，或让退休日期更灵活，来提高成功机会。”

常见误区

• 挑选有利的时间段，以最有利的方式展示业绩。务必展示标准期间和成立以来的回报。
• 未同时展示风险和回报。15% 的回报率搭配 30% 的波动率，与搭配 10% 的波动率，完全是两回事。
• 使用不恰当的基准来美化业绩。在有利于成长型投资的市场中，将成长型股票基金与价值指数比较并不诚实。
• 对非技术受众使用过多行话。对于大多数客户而言，如果没有解释，夏普比率和跟踪误差毫无意义。
• 未提供数字的背景。8% 是好还是不好？这取决于基准、承担的风险、市场环境和目标。
• 将短期回报年化后展示。一个月回报 5% 并不等于“年化 60%”——这种说法具有误导性，绝不应这样呈现。
• 当客户现金流的时点显著影响其实际投资体验时，只展示时间加权回报。若存在大额或时点不佳的现金流，应同时展示资金加权回报和 TWR。
• 综合业绩报告中的幸存者偏差：从历史业绩记录中排除已终止的账户或表现不佳的策略。
• 忽略税费：对于应税投资者，税后回报才是真正重要的指标。

交叉引用

• statistics-fundamentals（核心插件）：返回分布、预测的置信区间
• time-value-of-money（核心插件）：未来价值预测、年化计算
• performance-metrics（财富管理插件）：Sharpe、Sortino、Information Ratio 的计算细节
• historical-risk（财富管理插件）：风险仪表板的波动率、回撤和 VaR 计算
• asset-allocation（财富管理插件）：多资产投资组合的基准构建
• quantitative-valuation（财富管理插件）：目标预测的前瞻性回报假设
• finance-psychology（财富管理插件）：向客户展示业绩时的框架效应
• client-review-prep（顾问实务插件）：将业绩数据整理到客户回顾会议资料包中

运行脚本

运行 uv run scripts/performance_reporting.py（PEP 723 标头会自动解析 numpy/scipy），或者先运行 pip install numpy scipy，再运行 python3 scripts/performance_reporting.py。直接运行会打印五个示例：Modified Dietz 回报、链式 TWR、通过 Brent 方法求解的 IRR、GIPS 综合摘要，以及标准周期回报表。使用 --verify 可断言示例输出与预期值一致（通过时退出代码为 0），使用 --help 可查看类的概览。此文件主要供作为模块导入使用（例如，from performance_reporting import ModifiedDietz, MoneyWeightedReturn）。