金融工程研究报告：股票多因子系列（五），Barra CNE6纯因子风险模型搭建与应用.pdf

金融工程研究报告：股票多因子系列（五），Barra CNE6纯因子风险模型搭建与应用。Barra 风险模型是业界进行投资组合管理过程中，运用最为广泛的风险模型之一。 本文在系列报告前两篇的基础上，进一步完善并复现了 Barra 多因子风险模型。 具体而言，本文先详细阐释了风险模型的重要性并同时介绍了风险模型的搭建与 求解方法。然后从单因子检验、纯因子模型搭建、残差因子选股能力、宽基指数 风格暴露与绩效归因角度对 Barra 风险模型进行实践应用。

风险模型的重要性。风险模型之所以重要是因为投资者可以通过其对资产收益率 进行降维，进而可以方便地计算出资产之间的协方差矩阵，而后者正是投资组合 优化中必不可少的输入之一。其次，在构建风险模型的过程中，Barra CNE6 使用 带约束的加权最小二乘法解决了共线性与异方差的问题，并得到了纯因子投资组 合，其满足围绕某个因子所构建的投资组合仅对该因子的暴露为 1，而对其他因 子的暴露为 0，从而能更好地评估因子收益率的实际大小。

实操层面，受限于数据的可得性，我们在等权合成大类因子的过程中，剔除了与 分析师一致预期相关联的因子，最终生成了 8 大类因子（Size、Volatility、 Liquidity、Momentum、Quality、Value、Growth、Dividend Yield）。纯因子模型 下， Size、Liquidity、Momentum 因子呈现出稳健的反向预测能力，年化收益分 别为-2.75%、-5.90%、-5.57%；Volatility、Value 是较为明显的正向因子，年化收 益分别为 1.93%、1.38%；而 Growth、Quality 与 DividendYield 则呈现为阶段性的 正向或负向因子。

纯因子模型回归的均值约 ? ?为 11.45%。表明模型对个股收益率的解释力度并不 高。因此，我们对模型回归后的残差因子的选股能力进行检验，结果显示，残差 因子与个股收益率间存在非常明显的非线性关系，且残差因子的选股能力强劲， 中间层第 5 组年化收益达 17.98%，夏普率为 0.68，相较于第 10 组超额年化收益 为 13.58%，超额夏普率为 1.50。

最后，我们利用所搭建的风险模型对常见宽基指数的风格暴露与收益分别进行计 算与归因。结果发现，今年以来，录得正超额的指数有中证 500（3.41%）、创业 板指（18.23%），负超额的指数有中证 1000（-0.22%）、中证 A500（-1.60%）、沪 深 300（-4.30%）、上证 50（-10.27%），其中小市值、高波动、低流动性、高成长 性、低股息风格较为受益，较市场组合有明显的正向超额。行业因子层面，有色 金属、电子、通信、电力设备及新能源明显领跑市场。