金融工程专题研究：风险模型全攻略——恪守、衍进与实践.pdf

金融工程专题研究：风险模型全攻略——恪守、衍进与实践。

黑天鹅事件频发，组合风险控制至关重要

公募指增产品超额普遍创下历史最大回撤：随着 A 股市场波动放大，公募指 增产品超额收益在 2024 年普遍出现了历史以来的最大回撤。 黑天鹅事件频发，极端尾部风险发生概率大幅提升：从风格因子收益率偏离 幅度出发构建市场交易的“黑天鹅指数”。过去 10 年“黑天鹅”指数较大 的日期中，2024 年占比较高，极端尾部风险发生概率大幅提升。

何为风险？风险模型的进化史

风险模型的进化史经历了从单因子到多因子、从显性风险到隐性风险的发 展。经典的 Barra 风险模型将风险拆解为市场、行业、风格和特质风险。然 而随着市场环境变化，影响资产收益的风险因素不断涌现、不同时间的风险 因素也不尽相同，传统的显性风险模型很难满足组合管理的全部需求。 隐性风险：无法被传统的显性风险解释，随着市场变化而变化，在不同市场 环境下拥有不同内涵，阶段性地对组合收益产生重大影响。 制度风险：当前主板、创业板、科创板和北交所板块涨跌停限制不同，对跨 板块指数增强产品，若在部分板块上存在较大偏离，那么在极端行情下，也 可能造成与基准收益的较大偏离，这种隐性风险是一种潜在的制度风险。

全流程组合风险控制

基于启发式风格划分的认知风险控制：个体认知和群体认知可能存在差异， 传统的因子打分法可能在风险刻画上存在偏差，若投资者误以为对风险进行 了控制，认知风险就此发生。本文根据启发式方法和因子打分法的风格划分 差异，对风险贡献较高的行业中存在认知偏差的个股进行严格控制。 基于个股收益聚类的隐性风险控制：根据个股超额收益相关性，引入 Louvain 社区发现算法进行聚类，将近期走势趋同的股票聚为一类。基于收益率聚类 的方法可以将行业、风格等传统显性风险无法识别但收益率走势相似的股票 聚为一类，进而帮助投资者更加动态地应对市场潜在的隐性风险。 动态风格因子控制：针对风格因子的波动率聚集现象，对近期波动率排名靠 前、波动率显著放大的风格因子进行严格控制。 目标跟踪误差下的自适应个股偏离控制：根据过去一段时间组合相对基准指 数的跟踪误差自适应调整个股偏离，当跟踪误差较大时适当缩小个股偏离。

引入全流程风控的中证 500 指数增强组合

传统多因子中证 500 指数增强：传统中证 500 指数增强组合自 2016 年以来 年化超额 18.77%，相对最大回撤 9.68%，信息比 3.56，收益回撤比 1.94， 年化跟踪误差 4.88%。 引入全流程风险控制的中证 500 指数增强：引入全流程风险控制的中证 500 指数增强组合自 2016 年以来年化超额 16.51%，相对最大回撤 4.90%，信 息比 3.94，收益回撤比 3.37，年化跟踪误差 3.98%，波动和回撤明显降低。