“固收+”策略涵盖多种资产，包括纯债、转债、股票及部分衍生品等，对其收益来源也需要更详细的拆解，从不同“固收+”基金业绩来源的差异性中，关注不同“固收+”基金的风格及其适应的行情特征。

公募基金中常用的业绩归因方法包括净值回归、Brinson归因、Barra模型等。净值回归模型相对比较简单，选取解释变量因子，基于净值序列构建回归模型，通过回归得到相应统计结果。净值回归模型由于未使用持仓数据，仅为统计意义的结果，因此与实际业绩来源或有偏离。此外，回归拟合的结果也受到解释变量的选择与因子模型构建的影响。Brinson归因分析中，在选取基准指数后通过分析资产的偏离和个股个券的偏离将超额收益拆分为资产配置收益、个股选择收益，不可解释部分则归到交互收益中。由于基准指数通常为某一类资产的指数，因此Brinson归因模型多用于权益类基金的业绩归因分析，对标某股票类指数后，将业绩来源拆分为行业配置与个股选择及交互收益三部分。Barra模型则更为复杂与准确，通过对基金持仓的个股的归因最后形成基金业绩归因的统计，本质上是对股票属性的归因。Barra模型通常更多用于权益基金的业绩归因。

对于“固收+”基金而言，笔者倾向于通过净值回归的方式和财务报表收益拆解的方式进行业绩归因，尽可能剥离出各类资产及策略带来的收益贡献，以此来辨别不同“固收+”基金的收益依赖度。部分“固收+”基金更多依赖固收部分获取收益，而也有部分“固收+”基金则更多依赖+的部分来获取收益。作为“固收+”基金，定位于绝对收益理念，理论上“固收+”基金的收益来源更加多样化和分散化，且在不同环境下各类资产或策略收益贡献的占比也有所差异，主要与相关资产行情高度相关。但是，实际业务中，考虑到择时的难度、基金经理背景的差异、能力圈的不同等因素，“固收+”基金中存在某类资产收益贡献相对较高的现象。因此可以据此来反推基金经理的风格偏好与能力圈等因素。

首先，对于净值回归的方式而言，考虑到“固收+”基金涉及到纯债、可转债、股票三类资产，因此在构建因子模型的过程中，需要先考虑三类资产的影响因素以此来构建解释变量因子。通常对于纯债部分会考虑久期因子、择时因子、期限结构因子、信用风险溢价因子、违约风险因子等。而对于转债资产，则直接通过对标转债指数来拆分β与α收益。对于股票资产，通过FF因子模型等，借用类似因子指标，诸如市场因子、择时因子、规模因子、价值因子、成长因子、质量因子、动量因子等。在建模的过程中，需要考虑各类因子数据的准确性与可得性。

其次，对于财务报表的收益拆解而言，通常是通过定期报告中披露的利润指标，对应的包括利息收入、投资收益。其中利息收入可理解为债券的票息收入，包括债券利息收入、资产支持证券利息收入、买入返售资产收入；投资收益中债券投资收益、资产支持证券投资收益及相关的公允价值变动部分归入资本利得；而股票投资收益和公允价值变动部分归入股票的资本利得中，其他还包括股利收入、衍生品投资收益等。通过各分部收益在利润中的占比去拆分各类资产的收益贡献。此外，对于新股部分，可以单独将其从股票投资收益中剥离，通过计算新股申购中签结果来单独统计新股收益。财务报表中科目的拆解相对而言更加真实，但仅从大类资产的类别上有所体现，未能反映相关的风格影响。

基于以上的方式，可以关注不同“固收+”基金收益来源的差异性，以此来选择擅长纯债的或是擅长股票的“固收+”基金。同时，需要关注不同“固收+”产品的定位下，权益中枢的不同导致的业绩来源的差异性。