风险因子及风险控制系列专题报告：共同风险、特质风险的计算及应用.pdf

风险因子及风险控制系列专题报告：共同风险、特质风险的计算及应用。本文是信达金工风险因子与风险控制系列报告第二篇。在上篇报告《风险 因子与风险控制系列之一：股票风险模型与基于持仓的业绩归因》中，我 们探讨了风险模型的“前半程”——风险因子的选取、数据处理管道的设 计、模型的构建与理解及业绩归因实践，得到了风险模型五个关键输出其 三——因子暴露矩阵、因子收益率与特质收益率。本文作为系列第二篇， 重点讲解风险模型的“后半段”工程，解析余下两大输出因子协方差矩 阵和特异性波动率，并借由事前/事后案例展示这两个输出结果的实践应 用价值。

计算因子协方差矩阵与特异性波动率。（1）刻画共同风险：因子协方差矩 阵作为刻画资产共同风险的核心工具，在现代风险管理与投资决策体系中 占据举足轻重的关键地位；其通过精准捕捉因子间的动态协变关系，帮助 投资者构建理解市场风险传导机制的系统性框架，其成果价值更甚于特异 性波动率。涉及到的步骤包括：EM 算法、半衰加权、Newey-West 调整、 特征因子调整、波动率机制调整等，详见本文正文部分。（2）刻画特质风 险：特异性波动率的精准预测也是高质量风险模型的必要一环（尽管重要 性或不及因子协方差矩阵），重在处理缺失值补充、数据分布改善等问题， 避免在单股票维度放大噪声。涉及到的步骤包括：半衰加权、Newey-West 调整、结构化模型、贝叶斯收缩、波动率机制调整等，详见本文正文部分。 经偏差统计量、Q 统计量评价发现，经典风险计算框架对随机组合、宽基 指数及行业组合的风险预测偏差有限，对风格特征组合的优化更显著；模 型对真实市场风险的捕捉精度较为合理，为事后风险拆分、事前组合优化 提供了可靠输入。

案例 1：再看券商金股组合的投资价值。本文再度讨论了券商金股组合， 以此为例实现了对跟踪误差的归因（参考风险平价相关设定）。同时，我 们以金股为例展示了如何使用哑变量另类数据构造有严格风格与行业偏 离度约束的“泛指增”策略，应用最小跟踪误差方法收紧了策略与基准 间差异，得到了近乎持续向上（尽管后期正斜率幅度有所下降）的超额曲 线。

案例 2：构建基于沪深 300 指数的最小方差组合。在协方差阵加持下，更 多学术上的经典最优组合得以被实现。本文构建了基于沪深 300 指数的 最小方差组合，发现其长期呈现低 beta、低流动性、中小市值等风格特 征，行业配置上超配医药、银行、电力及公用事业，低配非银金融、食品 饮料等权重行业。在此基础上控制 beta 下限后，组合除 beta 外的其他风 格暴露基本保持了原有状态，但对电力及公用事业、银行等行业的超配幅 度显著降低，全区间风险调整前后收益均表现更优，为构造低波动属性权 益投资工具提供了新思路。