MOM/FOF决策平台MOM

本手册对应 MOM/FOF决策平台 v6.7。平台采用“MOM管理、FOF管理、量化研究室共享底座”的结构：先从决策总览选择MOM或FOF，再按各自链路开展工作；正式记录与演示数据始终分层保存。

一、系统定位

FOF主要管理产品与组合，MOM主要管理委托关系与经理能力。两者共用量化内核、策略研究和证据机制，但对象主键、决策顺序和组合落点不同，不能只靠模式按钮进行表面区分。

• 决策总览：开门见山选择MOM或FOF，并查看两条链路的关键数据、断点与开放观察。
• MOM工作区：计划与授权 → 机构/经理主档 → 经理评价 → 委托配置与组合验证 → 监控复核。能力评分不能替代任职核验、容量和风险预算。
• FOF工作区：产品主档 → 准入与基金评价 → 策略及底层持仓 → 组合回测 → 组合监控。基金评价保存后回写产品对象，不创建错误的经理画像。
• 量化研究室：集中维护8个核心策略原型、本机策略、产品主数据、收益输入、版本化回测证据和JSON备份。
• 跨区数据契约：每条正式评价、回测证据和观察事项保存工作区；评价额外保存对象类型与对象ID，证据保存截止日、来源、版本和底层持仓快照。
• 演示边界：内置样例和代理收益仅用于功能验证，不得作为正式推荐、业绩承诺或投资决策依据。

一·附 开门使用顺序

1. 只要任务涉及投管人、经理、委托权重或管理计划，进入MOM工作区。
2. 只要任务涉及基金产品、产品准入、底层持仓或基金组合，进入FOF工作区。
3. 维护通用策略原型、回测数据、证据包或备份时，进入量化研究室。
4. 跨工作区复用的是主数据和证据，不直接复用结论；必须按当前对象与时点重新判断。

一·附 决策边界

• 主数据保存事实：主体身份、市场、策略、任职和来源不因一次评分被覆盖；委托与组合均作为可引用、可版本化实体保存。
• 评价保存判断：每次评价都有时点、口径和版本；关键元数据或当前策略模板的核心字段为空时，不输出数字分数和配置动作。
• 最终确认不得越界：人工结论高于系统建议时必须显式覆盖并说明理由；目标权重、单次调整和风险预算属于硬边界。
• 点时证据一致：正式评价与回测证据须使用一致的截止日和来源，并保留数据源、导入批次、对象快照和内容指纹。
• 配置多项校验：能力评分不能替代SAA、任职核验、准入红线、容量和计划约束；现金流与风险参数只作辅助判断，不设置单一ALM状态标签。
• 职业年金口径：职业年金计划保留流动性比例字段用于记录，但不把该比例作为配置判断条件。
• 监控不等于淘汰：短期排名落后先触发诊断与整改，达到治理条件后才进入调整程序。

二、三层逻辑

• ① 分类定量内核：主动权益、固定收益、量化中性/指数增强、CTA/宏观对冲、FOF/多资产分别调用适用指标。Brinson仅用于主动权益等适用场景；N/A维度不计零分，其余有效权重自动归一化。
• ② 定性覆盖层：机构维度（治理/流程/服务）+ 模式专属（MOM=ODD 运营尽调/团队/关键人/激励；FOF=产品设计/成本/规模流动性/透明度）。
• ③ 综合得分 = 定量×Wq + 定性×Wl（MOM：0.62 / 0.38；FOF：0.70 / 0.30）。

三、五阶段操作流程（如何使用）

1. 设定与数据：明确对象、计划角色、基准、数据截止日和来源，录入核心业绩风险数据。
2. 能力与归因：查看当前策略模板的适用维度、归因、风格漂移和持续性；Brinson及简化四因子仅在适用且有必要时展开。
3. 定性与红线：核验流程、团队、ODD或产品属性，重大合规与运营问题独立于综合分。
4. 组合与压力：检查边际贡献、相关性、容量和三类实用压力情景。
5. 决策与治理：形成评级和动作，补齐证据、责任人、复核日期与退出条件。

最快捷方式：右上角点击 「载入MOM示例 / 载入FOF示例」，从弹出的优、中、差三档中选择后再进入评分。MOM与FOF使用两套独立模拟对象和参数。顶部 “清空评价表”只清当前评价输入，不删除产品池、策略证据、监控事项或管理计划；全平台恢复位于“量化研究室—数据中心”。

三·附 投资经理信息怎么录入

1. 进入评价工作台，选择“MOM · 投资经理/机构”；或在管理计划对应投管人行点击“补充评价”，系统会带入经理和投管人。
2. 在“评估设定”填写姓名、所属投管人、评价基准、跟踪年限和管理规模，先明确授权角色与可比口径。
3. 在“数据录入”填写收益、基准、回撤、波动、胜率、因子与团队数据，并在六大板块中多选擅长领域。
4. 在“风格与持续性”“定性评估”核验风格稳定、过程纪律、团队/关键人、服务、ODD和红线证据。
5. 进入“综合评级与诊断”查看评分；正式使用时还应在“治理与证据”补齐来源、截止日、同类池和复核留痕。

三·附 管理计划、现金流参数与权重口径

资产层政策权重属于SAA，结合缴费、支付、收益目标、回撤预算、评估周期和监管约束使用；企业年金可记录流动性比例，职业年金不将该比例作为配置判断条件。权益字段为权益中枢，不是硬性上限；固收在资产层拆分为成本法固收和市值法固收。投管人层目标权重是计划经治理程序批准的中性分配，实际权重是当前真实分配。

投管人配置偏离 = 实际权重 − 目标权重
配置效应 = (实际权重 − 目标权重) × (投管人基准收益 − 计划目标基准收益)
选择效应 = 目标权重 × (投管人净收益 − 投管人基准收益)
交互效应 = (实际权重 − 目标权重) × (投管人净收益 − 投管人基准收益)
投管人净收益 = 毛收益 − 管理费率 − 交易成本

投管人实际权重与目标权重应分别合计100%。资产层和投管人层分别归因，不能将两层效应直接相加后解释为同一来源。

三·附 正式数据与演示数据

“演示模式”显示固定种子108生成的水浒人物投资经理和样例产品，用于测试流程；“正式模式”隐藏模拟经理。模拟机构数始终为0，任何演示记录都不会自动转成正式主体或替代真实任职关系。

四、核心评分与高级诊断速查

进入总分的12项：累计/超额收益、波动、最大回撤、夏普、防守能力、选股胜率、信息比率、赔率、Brinson选择、Brinson配置时点代理、流动性、回撤持续。下表其余指标只用于解释与交叉验证。

#	维度	方向	优示例 → 分	差示例 → 分
1	累计/超额收益	越高越好	超额 +8 → 90	超额 −5 → 10
2	波动控制	越低越好	波动 5% → 100	波动 40% → 0
3	回撤控制	越低越好	回撤 5% → 100	回撤 50% → 0
4	夏普比率	越高越好	2.0 → 92	0.0 → 20
5	卡玛比率	越高越好	2.0 → 92	0.3 → 25
6	进攻能力	越高越好	120 → 97	80 → 30
7	防守能力	越高越好	少跌 60 → 100	多跌 130 → 10
8	交易胜率	越高越好	80% → 96	45% → 35
9	选股胜率	越高越好	80% → 95	50% → 55
10	索提诺比率	越高越好	2.0 → 90	0.5 → 45
11	信息比率	越高越好	1.5 → 97	0.0 → 30
12	詹森阿尔法	越高越好	+6 → 100	−2 → 15
13	赔率	越高越好	2.0 → 92	0.8 → 30
14	Brinson 选择	越高越好	+200bp → 88	−50bp → 15
15	Brinson 配置时点代理	越高越好	+150bp → 85	−100bp → 15
16	月度 VaR(95%)	越低越好	3% → 100	25% → 0
17	月度 CVaR(95%)	越低越好	4% → 100	30% → 0
18	尾部风险	越低越好	公式 50+偏度×40−(峰度−3)×8，夹[0,100]
19	流动性	越高越好	直接录入 90+（优）	<40（差）
20	回撤持续	越低越好	100−回撤×1.2−修复月数×1.5，夹[0,100]

四·附 口径与计算公式详解（全部指标）

每个定量指标的精确定义、计算公式、年化口径与录入单元格的对应关系如下。所有原始值单位 %；bp=基点=0.01%。月频年化 ×√12，日频 ×√252；本模型录入项通常为年化值。通用符号：R_p=年化收益、R_b=基准年化、σ=年化波动、rf=无风险、β=贝塔、MDD=最大回撤。

① 下行波动率 Downside Deviation（Sortino 分母）

DD = √[ (1/T)·Σ_{t: r_t < MAR} (r_t − MAR)² ]
MAR 通常取 0 或 rf/期；年化 DD_annual = DD_monthly × √12（日频 × √252）。
本模型 C19 为【年化下行波动率】（示例 9%）。
与总波动 σ 区别：σ 对所有期间对称取平方，下行波动只对“未达标”期间计数 → Sortino 比 Sharpe 更公平衡量“每单位下行风险换来的超额”。
索提诺 Sortino = (R_p − rf) / DD

② 跟踪误差 Tracking Error（信息比率分母）

TE = std(R_p,t − R_b,t)，年化 TE = std(主动收益) × √12。
本模型 C22 为【年化跟踪误差】（示例 4.2%）。
TE 越小越贴近基准（指数增强/被动）；TE 大说明主动下注多、主动风险高。
信息比率 IR = (R_p − R_b) / TE

③ 夏普 / 索提诺 / 卡玛 / 信息比率 / 詹森 α

夏普 Sharpe    = (R_p − rf) / σ
索提诺 Sortino = (R_p − rf) / DD
卡玛 Calmar    = R_p / |MDD|
信息比率 IR    = (R_p − R_b) / TE
詹森 α        = R_p − [rf + β·(R_b − rf)]
詹森 α 是 CAPM 残差，剔除市场/β 后的“纯择股超额”；>0 表示跑赢经风险调整的基准。

④ 进攻 / 防守（上涨·下跌捕获率 Capture Ratio）

上涨捕获率 UCR = (组合上涨市收益 / 基准上涨市收益) × 100（示例 112，跑赢基准 12%）
下跌捕获率 DCR = (组合下跌市收益 / 基准下跌市收益) × 100（示例 78，仅跌基准 78%，防守好）
进攻能力由 UCR 映射；防守能力由 DCR 映射（DCR 越低分越高，因少跌即优）。

⑤ 胜率 / 赔率

交易胜率 = 盈利交易日数 / 总交易日 ×100%
选股胜率 = 战胜行业/基准个股数 / 总个股数 ×100%
赔率 Payoff = 平均盈利 / 平均亏损（盈亏比）；>1 表示盈一次覆盖多次亏损。

⑥ Brinson 业绩归因（全部计算逻辑）

输入表：w_i=组合权重、w_b,i=基准权重、r_i=组合行业收益、r_b,i=基准行业收益；r_b=组合基准整体收益。

本模型采用标准BHB三因子口径，选择、配置与交互互不重叠；基准总收益由行业基准权重和行业基准收益自动计算：

选择 Selection(C26) = Σ w_b,i · (r_i − r_b,i)
配置 Allocation     = Σ (w_i − w_b,i) · (r_b,i − r_b)
交互 Interaction    = Σ (w_i − w_b,i) · (r_i − r_b,i)
配置时点代理          = Allocation + Interaction
勾稽关系：R_p−R_b = Allocation + Selection + Interaction。配置时点代理仅用于内部观察，不等同于直接证明择时能力。

演算示例（独立示例，演示公式用）：

行业	w_i 组合	w_b,i 基准	r_i 组合	r_b,i 基准
金融	30	28	13	9
消费	22	18	16	11
制造	28	30	8	8
科技	20	24	5	7

rb = 28%·9% + 18%·11% + 30%·8% + 24%·7% = 8.58%
选择  = 28·(13−9)+18·(16−11)+30·(8−8)+24·(5−7) = 112+90+0−48 = 154 bp
配置  = (30−28)·(9−8.58)+(22−18)·(11−8.58)+(28−30)·(8−8.58)+(20−24)·(7−8.58) = 18 bp
交互  = (30−28)·(13−9)+(22−18)·(16−11)+(28−30)·(8−8)+(20−24)·(5−7) = 8+20+0+8 = 36 bp
配置时点代理 = 18 + 36 = 54 bp
主动收益 = 154 + 18 + 36 = 208 bp，与组合加权收益10.66%减基准加权收益8.58%严格勾稽。
结论：选择贡献154bp，配置与交互合计54bp；归因用于定位贡献来源，不能单期直接证明持续性技能。

⑦ 月度 VaR / CVaR（参数法·正态假设）

月 VaR(95%)  = σ / √12 × 1.645（1.645 = 标准正态 95% 分位数 z_α）
月 CVaR(95%) = σ / √12 × 2.063（2.063 = 95% 期望损失因子 = φ(z_α)/(1−α) = 0.1031/0.05）
VaR：95% 置信下单月最大损失不超 X%；CVaR(ES)：突破 VaR 阈值后平均损失约 XX%，更反映尾部厚度。
示例 σ=13.5 → 月VaR≈6.4%、月CVaR≈8.0%。

⑧ 尾部风险 / 回撤持续 / 流动性

尾部风险 = MAX(0, MIN(100, 50 + 偏度·40 − (峰度−3)·8))。正偏度好、高峰度(肥尾)差。
回撤持续 = MAX(0, MIN(100, 100 − MDD·1.2 − 修复月数·1.5))；回撤越深、修复越慢分越低。
流动性 = 直接录入 0-100，按持仓可变现性主观评分（核心资产→90+；小盘/低换手→<40）。

⑨ 滚动 3年/5年（收益序列(月度) sheet）

累计净值 D_t = Π(1 + r_i/100)              （D5 起逐期复利）
历史高点 F_t = MAX(F_{t-1}, D_t)
当前回撤 G_t = (D_t / F_t − 1) × 100
年化收益(窗 N 月) = (D_last / D_first)^(12/N) − 1
年化波动 = STD(月度 r) × √12
夏普(窗) = (年化收益 − rf) / 年化波动
最大回撤(窗) = MIN(G_t)；月度胜率 = count(r_t>0) / N
用途：检验业绩跨周期稳定性，避免被单一牛市区间误导。

以上公式与网页版12项核心评分、Brinson行业表、可选四因子分析、压力测试与评分敏感性模块保持同一口径；高级指标不重复进入总分。

五、权重方案

计划类型	定量 / 定性	侧重点
相对收益（权益）	MOM 0.62/0.38 · FOF 0.70/0.30	超额收益、信息比率
绝对收益（固收）	同上权重	绝对回报、回撤、波动控制
均衡 / 含权	同上权重	介于两者之间

六、评级阈值（综合得分）

等级	区间	建议
R1	≥85	能力证据强，可进入优先候选
R2	75-85	能力良好，可进入配置复核
R3	65-75	基本合格，需结合适配与风险预算
R4	55-65	观察，限制新增并补充证据
R5	<55	不建议新增，启动降配或替换评估

七、蒙特卡洛稳健性检验

在评分空间对12项核心维度按各自可编辑 σ 做误差传播，合成定量分不确定性 σ_quant，高斯模拟输出点估计与 P5/P25/P50/P75/P95。该功能默认折叠，只用于评分敏感性观察。

• 稳健 ✓：点估计 ≥ 阈值 且 P5 ≥ 阈值
• 敏感 ⚠：点估计达标但 P5 < 阈值（对估计误差敏感）
• 低于阈值：点估计 < 阈值

阈值默认 65（可在 MC 表 B12 设定）；敏感度 Top5 指出对不确定性贡献最大的维度，便于优先夯实数据。

八、示例、备份与版本

优/中/差三档预设和水浒模拟经理仅用于教学对照与系统校验。正式录入后应在“数据与设置”导出 v6.7 数据备份（内部兼容 v6.3 数据结构）；评价与策略证据均保留版本，不以新记录覆盖历史判断。

九、免责声明

⚠️ 本模型由 AI 基于公开方法整理生成，仅供教学与内部研讨参考，不构成任何投资建议或个股推荐。投资有风险，决策需谨慎；实际配置应结合尽职调查结果、合规要求与风险承受能力。