Pagdidisenyo ng Risk-Adjusted Performance Attribution Framework para sa Multi-Manager Portfolios

Ang risk-adjusted performance attribution framework ay nagbibigay-daan sa mga family office at multi-manager investment teams na hatiin ang kita ng portfolio sa mga hiwalay, magagamit na bahagi: strategic allocation, manager selection, factor timing, at idiosyncratic alpha. Mahalaga ito kapag pinamamahalaan ang mga portfolio na may magkasalubong na mga manager, kung saan ang style drift at magkakaugnay na risk exposures ay nagtatakip sa tunay na kakayahan. Ang framework ay nakaayon sa PEARL methodology ng Ortec Finance, na sumusuporta sa decision, currency, multi-asset, equity, fixed income, at factor attribution—nabuo sa mga fund hierarchy na sumasalamin sa investment strategy at overlay structures. Ang output ay nagbibigay ng impormasyon para sa mga desisyon sa pagpapalit ng manager, muling paglalaan ng risk budget, at pag-optimize ng overlay.

Ang attribution architecture ay sumusunod sa isang tatlong-layer na hierarchy: (1) strategic decisions sa antas ng portfolio, (2) tactical execution sa antas ng manager, at (3) mga pag-aayos sa antas ng overlay o hedge. Ang bawat layer ay itinutugma sa isang tiyak na benchmark: isang strategic benchmark para sa portfolio, isang peer-group o factor-matched benchmark para sa bawat manager, at isang currency o risk-hedge benchmark para sa mga overlay. Ang estrukturang ito ay sumasalamin sa proseso ng pamumuhunan at tinitiyak na ang attribution ay sumasalamin sa pagkakasunod-sunod ng paggawa ng desisyon kaysa sa estadistikal na korelasyon lamang. Ang framework ay nangangailangan ng isang pare-parehong hanay ng mga risk factor—karaniwang macroeconomic (hal., inflation, growth), style (hal., value, momentum, low volatility), at asset-class-specific (hal., duration, credit spread)—na ilalapat nang pantay-pantay sa lahat ng manager. Ang factor loadings ay tinatantiya gamit ang rolling regressions o factor-mimicking portfolios, at ina-update quarterly upang mahuli ang style drift. Ang benchmark architecture ay dapat nakapaloob sa attribution engine (hal., PEARL) upang suportahan ang multi-asset, multi-currency, at multi-layer decomposition.

Ang pangunahing equation ng attribution ay naghahati ng excess return laban sa strategic benchmark bilang kabuuan ng allocation, selection, interaction, at overlay effects:

kung saan ang \(w_i\) at \(w_i^b\) ay mga timbang ng portfolio at benchmark sa asset class o manager na \(i\), at ang \(R_i\) at \(R_i^b\) ay kani-kanilang return. Ang mga interaction term ay sumasaklaw sa pinagsamang epekto ng misallocation at underperformance ng manager. Para sa mga multi-manager portfolio, ang parehong estruktura ay inilalapat nang recursive sa antas ng pondo: ang return ng bawat pondo ay hinahati sa factor exposure (beta), factor timing (alpha mula sa dynamic factor bets), at security selection (idiosyncratic alpha). Ang mga factor attribution model—tulad ng Brinson-Hood-Beebower (BHB) na pinalawak ng risk-factor loadings—ay nagbibigay-daan sa paghihiwalay ng tunay na kakayahan mula sa systematic exposure. Ang mga overlay decision (hal., currency hedging, duration targeting) ay inaatribute nang hiwalay gamit ang isang dedikadong overlay benchmark.

Ang pag-aayos ng panganib ay nagsisiguro na ang mga kita ay sinusukat ayon sa panganib na kinuha upang makamit ang mga ito. Dalawang magkatugmang pamamaraan ang ginagamit: (1) ex-ante na normalisasyon ng panganib sa pamamagitan ng factor loadings, at (2) ex-post na pag-aayos ng Sharpe o Sortino ratio. Sa ex-ante na pamamaraan, ang vector ng factor exposure ng bawat manager ay nire-regress laban sa factor benchmark ng portfolio upang makalkula ang risk-adjusted na bigat: \(w_i^{adj} = w_i \cdot (\beta_i^{port} / \beta_i^{manager})\), kung saan ang \(\beta\) ay ang sensitivity sa isang composite risk factor (hal., equity market, credit, volatility). Inaayos nito ang style drift at overlap. Sa ex-post na pamamaraan, ang kontribusyon ng manager sa Sharpe ratio ng portfolio ay kinukuwenta bilang \(\text{SR}_i = \frac{\text{Cov}(R_i, R_p)}{\sigma_p^2} \cdot \frac{\mu_i - r_f}{\sigma_i}\), na nag-iisa sa marginal contribution sa risk-adjusted na kita. Ang balangkas ay nag-iintegrate din ng conditional value-at-risk (CVaR) adjustments para sa tail-risk exposures, na lalong mahalaga kapag ang mga manager ay nagpapakita ng hindi normal na distribusyon ng kita. Ang mga pag-aayos na ito ay inilalapat bago ang aggregation upang maiwasan ang double-counting ng systemic risk.

Ang pagkakapareho ng manager ay tinutugunan sa pamamagitan ng pagbuo ng manager-level factor covariance matrix at pag-aapply ng variance decomposition algorithm (hal., principal component analysis o factor-based clustering) upang matukoy ang mga redundant na exposure. Ang isang manager ay minamarkahan para sa overlap kung ang correlation ng kanyang factor loading sa isa pang manager ay lumampas sa 0.7 sa loob ng dalawang magkasunod na quarter. Ang style drift ay sinusukat bilang Euclidean distance sa pagitan ng kasalukuyang factor loadings ng manager at ng kanyang baseline (initial o strategic) loadings, na normalisado sa standard deviation ng factor benchmark. Ang drift threshold na 1.5 standard deviations ay nagti-trigger ng pagsusuri. Dinadagdagan ng balangkas ang attribution weights nang dinamiko: kapag lumagpas ang drift sa threshold, ang alokasyon ng manager ay muling ina-attribute sa pinakamalapit na factor bucket (hal., muling pagklasipika ng growth manager bilang value contributor kung magpapatuloy ang drift). Pinipigilan nito ang style drift na magpataas ng selection alpha at tinitiyak na ang attribution ay sumasalamin sa aktwal na kontribusyon ng manager sa risk profile ng portfolio.

Isaalang-alang ang isang $500 milyong equity portfolio na may apat na aktibong manager, bawat isa ay may alokasyong $125 milyon. Si Manager A (large-cap growth), B (small-cap value), C (momentum), at D (low volatility) ay nagpapakita ng magkaparehong factor loadings: nagbabahagi ang A at C ng 0.65 na correlation sa momentum, habang nagbabahagi ang B at D ng 0.58 sa quality. Gamit ang balangkas, ang factor benchmark ng portfolio ay binuo mula sa anim na factor ng Fama-French kasama ang isang momentum at low‑volatility proxy. Ipinapakita ng factor attribution na 62% ng excess return ng portfolio laban sa strategic benchmark ay nagmumula sa factor timing (hal., pag-ikot patungo sa low volatility sa panahon ng market stress), 28% mula sa security selection, at tanging 10% mula sa purong manager selection. Pagkatapos ilapat ang risk adjustment, ang kontribusyon ni Manager C ay bumaba mula +1.4% tungong +0.3% dahil ang kanyang momentum exposure ay na‑capture na ng desisyon sa factor timing ng portfolio. Ipinapakita ng pagsusuri ng style drift na ang mga loadings ni Manager A ay lumipat patungo sa value (drift = 1.8σ), na nagdulot ng muling pagklasipika sa value bucket at 0.6% na pagtaas sa selection alpha ni Manager B. Ang huling attribution report ay nagbubukod ng kasanayan mula sa exposure, na gumagabay sa desisyon na bawasan si Manager C at dagdagan ang alokasyon kay Manager D.