Brinson-Fachler.
Efectos de asignación, selección e interacción, por activo y por fecha. Los efectos suman exactamente el rendimiento del portafolio menos el del benchmark.
Lab · Módulo 06 de 06
Attribution Analysis.
Descompón. Explica. Mejora. Entiende qué funcionó y por qué.
- 1
- 2
- 3
- 4
- 5
- 6
Dos métodos.
Dos metodologías complementarias, que corren juntas o por separado. Todas las entradas se alinean a un rango de fechas común antes de calcular cualquier cosa.
Modelo de factores.
La contribución de cada factor de estilo y de industria, y lo que queda: el residual específico de cada acción.
Características.
Se configura desde un libro de parámetros en Excel, sin necesidad de código para correr un análisis, o directamente desde un script de Python. Una línea de comandos inicializa los proyectos (init excel) y actualiza las plantillas.
Atribución Brinson-Fachler: descompone el rendimiento activo en efectos de asignación, selección e interacción, calculados por activo y por fecha, y agregados en el tiempo. Los efectos suman exactamente el rendimiento del portafolio menos el del benchmark.
Atribución con modelo de factores: descompone el rendimiento del portafolio en la contribución de cada factor más un residual idiosincrático, con tus propias series de rendimientos de factores (factores de estilo como tamaño, momentum, beta, volatilidad residual y valor, además de factores de industria).
Vistas acumuladas y porcentuales: las contribuciones de los factores se acumulan en el tiempo y se expresan como proporción del rendimiento total, para que veas cuánto del desempeño explica cada factor y cuánto es específico de cada acción.
Cada metodología se activa por separado: enciende o apaga Brinson-Fachler y el modelo de factores desde el libro, para correr cualquiera de los dos análisis solo o ambos lado a lado.
Tableros interactivos para explorar los resultados del modelo de factores, servidos localmente en un puerto configurable. Las corridas solo con Brinson-Fachler generan gráficas estáticas.
Un motor basado en PyArrow, con implementaciones de referencia en pandas, detrás de interfaces limpias que facilitan extender cada metodología.
Manejo robusto de datos: archivos de ponderaciones horizontales o verticales detectados automáticamente, columnas de fecha y precio configurables, todas las entradas alineadas a un rango de fechas común, y fechas de inicio y fin fijadas a mano o derivadas de los datos.
Qué lee.
Datos de mercado
CSV o Parquet, un archivo por ticker con fecha y precio. Los rendimientos se calculan internamente.
Ponderaciones del portafolio y del benchmark
CSV o Excel: ponderaciones por fecha de rebalanceo.
Rendimientos del benchmark
CSV, diarios.
Rendimientos de los factores
CSV, un archivo por factor, con rendimientos por activo.
Configuración
Un libro de Excel, o configuración en Python.
Todo lo que necesitas para empezar.
Attribution Analysis viene con la licencia del Investment Lab.