金融工程研究報(bào)告：股票多因子系列（五），Barra CNE6純因子風(fēng)險(xiǎn)模型搭建與應(yīng)用.pdf

金融工程研究報(bào)告：股票多因子系列（五），Barra CNE6純因子風(fēng)險(xiǎn)模型搭建與應(yīng)用。Barra 風(fēng)險(xiǎn)模型是業(yè)界進(jìn)行投資組合管理過程中，運(yùn)用最為廣泛的風(fēng)險(xiǎn)模型之一。 本文在系列報(bào)告前兩篇的基礎(chǔ)上，進(jìn)一步完善并復(fù)現(xiàn)了 Barra 多因子風(fēng)險(xiǎn)模型。 具體而言，本文先詳細(xì)闡釋了風(fēng)險(xiǎn)模型的重要性并同時(shí)介紹了風(fēng)險(xiǎn)模型的搭建與 求解方法。然后從單因子檢驗(yàn)、純因子模型搭建、殘差因子選股能力、寬基指數(shù) 風(fēng)格暴露與績效歸因角度對 Barra 風(fēng)險(xiǎn)模型進(jìn)行實(shí)踐應(yīng)用。

風(fēng)險(xiǎn)模型的重要性。風(fēng)險(xiǎn)模型之所以重要是因?yàn)橥顿Y者可以通過其對資產(chǎn)收益率 進(jìn)行降維，進(jìn)而可以方便地計(jì)算出資產(chǎn)之間的協(xié)方差矩陣，而后者正是投資組合 優(yōu)化中必不可少的輸入之一。其次，在構(gòu)建風(fēng)險(xiǎn)模型的過程中，Barra CNE6 使用 帶約束的加權(quán)最小二乘法解決了共線性與異方差的問題，并得到了純因子投資組 合，其滿足圍繞某個(gè)因子所構(gòu)建的投資組合僅對該因子的暴露為 1，而對其他因 子的暴露為 0，從而能更好地評估因子收益率的實(shí)際大小。

實(shí)操層面，受限于數(shù)據(jù)的可得性，我們在等權(quán)合成大類因子的過程中，剔除了與 分析師一致預(yù)期相關(guān)聯(lián)的因子，最終生成了 8 大類因子（Size、Volatility、 Liquidity、Momentum、Quality、Value、Growth、Dividend Yield）。純因子模型 下， Size、Liquidity、Momentum 因子呈現(xiàn)出穩(wěn)健的反向預(yù)測能力，年化收益分 別為-2.75%、-5.90%、-5.57%；Volatility、Value 是較為明顯的正向因子，年化收 益分別為 1.93%、1.38%；而 Growth、Quality 與 DividendYield 則呈現(xiàn)為階段性的 正向或負(fù)向因子。

純因子模型回歸的均值約 ? ?為 11.45%。表明模型對個(gè)股收益率的解釋力度并不 高。因此，我們對模型回歸后的殘差因子的選股能力進(jìn)行檢驗(yàn)，結(jié)果顯示，殘差 因子與個(gè)股收益率間存在非常明顯的非線性關(guān)系，且殘差因子的選股能力強(qiáng)勁， 中間層第 5 組年化收益達(dá) 17.98%，夏普率為 0.68，相較于第 10 組超額年化收益 為 13.58%，超額夏普率為 1.50。

最后，我們利用所搭建的風(fēng)險(xiǎn)模型對常見寬基指數(shù)的風(fēng)格暴露與收益分別進(jìn)行計(jì) 算與歸因。結(jié)果發(fā)現(xiàn)，今年以來，錄得正超額的指數(shù)有中證 500（3.41%）、創(chuàng)業(yè) 板指（18.23%），負(fù)超額的指數(shù)有中證 1000（-0.22%）、中證 A500（-1.60%）、滬 深 300（-4.30%）、上證 50（-10.27%），其中小市值、高波動、低流動性、高成長 性、低股息風(fēng)格較為受益，較市場組合有明顯的正向超額。行業(yè)因子層面，有色 金屬、電子、通信、電力設(shè)備及新能源明顯領(lǐng)跑市場。