金融工程研究報告：股票多因子系列（五），Barra CNE6純因子風險模型搭建與應用.pdf

金融工程研究報告：股票多因子系列（五），Barra CNE6純因子風險模型搭建與應用。Barra 風險模型是業界進行投資組合管理過程中，運用最為廣泛的風險模型之一。 本文在系列報告前兩篇的基礎上，進一步完善并復現了 Barra 多因子風險模型。 具體而言，本文先詳細闡釋了風險模型的重要性并同時介紹了風險模型的搭建與 求解方法。然后從單因子檢驗、純因子模型搭建、殘差因子選股能力、寬基指數 風格暴露與績效歸因角度對 Barra 風險模型進行實踐應用。

風險模型的重要性。風險模型之所以重要是因為投資者可以通過其對資產收益率 進行降維，進而可以方便地計算出資產之間的協方差矩陣，而后者正是投資組合 優化中必不可少的輸入之一。其次，在構建風險模型的過程中，Barra CNE6 使用 帶約束的加權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，其滿足圍繞某個因子所構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際大小。

實操層面，受限于數據的可得性，我們在等權合成大類因子的過程中，剔除了與 分析師一致預期相關聯的因子，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 因子呈現出穩健的反向預測能力，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 則呈現為階段性的 正向或負向因子。

純因子模型回歸的均值約 ? ?為 11.45%。表明模型對個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行檢驗，結果顯示，殘差 因子與個股收益率間存在非常明顯的非線性關系，且殘差因子的選股能力強勁， 中間層第 5 組年化收益達 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險模型對常見寬基指數的風格暴露與收益分別進行計 算與歸因。結果發現，今年以來，錄得正超額的指數有中證 500（3.41%）、創業 板指（18.23%），負超額的指數有中證 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、低股息風格較為受益，較市場組合有明顯的正向超額。行業因子層面，有色 金屬、電子、通信、電力設備及新能源明顯領跑市場。