1703624765
1703624766
表8-1 四个季节的样本数据
1703624767
1703624768
1703624769
1703624770
1703624771
1703624772
1703624773
1703624774
在表8-2中对每个时段和整个时段分别计算了Carino因素。
1703624775
1703624776
表8-2 Carino因素
1703624777
1703624778
1703624779
1703624780
1703624781
使用表8-2中得到的Carino因素，我们可以计算第1季度的修正的归因影响，如表8-3所示。
1703624782
1703624783
表8-3 Carino修正的第1季度归因影响
1703624784
1703624785
1703624786
1703624787
1703624788
将表8-2中的流程扩展到所有4个季度，我们可以计算每个季度的归因影响，并将其相加得到整个时段的算术法超额收益率，具体如表8-4所示。
1703624789
1703624790
表8-4 对4个季度的修正的归因分析（Carino）
1703624791
1703624792
1703624793
1703624794
1703624795
通过表8-4，我们达到了目标，我们的归因影响是可加的。需要注意的是，每个季度的修正归因影响对于整个时段来说是唯一的。如果我们拉长分析时段，我们将需要重新计算每个季度的新的归因影响。这不仅是违背直觉的而且是繁琐的，当我们需要计算若干年的归因分析时尤其麻烦。
1703624796
1703624797
Menchero
1703624798
1703624799
Menchero（2000）提出了一个同Carino法类似但更复杂的方法。他提出在式（8-1）中引入一个常量M，它代表几何法复利所产生的缩放比例。
1703624800
1703624801
1703624802
1703624803
1703624804
按照一般逻辑，Menchero选择了投资组合收益率和参考基准收益率的算术法平均的差别同两者几何法平均的差别的比率。
1703624805
1703624806
1703624807
1703624808
1703624809
不幸的是，在式（8-9）中我们仍保留了一个剩余项，这表明我们仍需要计算一个修正项αt ，从而得到：
1703624810
1703624811
1703624812
1703624813
1703624814
计算的αt 越小越好，以保证得到的环绕系数（M+αt ）能够一致性地分布，从而得到“最优结果”。Menchero使用拉格朗日乘子来计算：