用途：对投资组合或策略的超额收益做可解释的归因分析，回答“钱为什么赚或亏”，而不仅是赚亏多少。
主要能力：
- Brinson 归因。单期 Brinson-Fachler 模型将主动收益拆为配置、选择、交互三项，三者严格等于组合与基准收益之差，模型本身无残差项。实现位于 src/quantlib/attribution.py，应直接导入 brinson_fachler，不要重复手写公式。若出现分解内残差，说明算术或权重口径有误；分解结果与基金报告收益之间的差异属正常，需量化并归因来源，由 /attrib 对账关口校验。
- 多期链接。单期效应可相加但收益复利，直接求和会产生偏差，需用 carino_link 的 Carino 对数链接，其缩放因子只依赖各期组合与基准总收益，残差为零且可审计。
- 因子归因。OLS 回归做 alpha/beta 分解，至少 60 个数据点；可扩展为 Fama-French 式多因子模型，含 MKT、SMB、HML、MOM，并给出中国 A 股代理指标（如沪深300、中证500-沪深300 等）。
- 择时评估。Treynor-Mazuy 与 Henriksson-Merton 模型，以及牛市/熊市捕获率、择时胜率、仓位变动与市场相关性等指标。
- 基准比较与风险调整指标。给出沪深300、中证500/1000、中证全指、恒生、S&P 500、BTC 等基准对照，以及 Sharpe、Sortino、Calmar、信息比率、Treynor 与滚动窗口分析。
使用方式：在环境中导入 src/quantlib/attribution 中的函数，按季度或月度输入组合/基准权重与收益、因子收益数据，运行归因与链接，并输出归因报告表。
适用场景：量化策略复盘、基金/组合业绩说明、投研报告与回测归因加深分析。
限制：归因只解释过去，不保证未来；基准选择会改变 alpha；日频噪声大，建议日频计算、月频报告；需注意幸存者偏差、多重检验问题；因子数据需来自 tushare 等或自建。其余平台与收费信息暂未提供。