风险模型历史背景、现状与步骤有哪些？

百家争鸣，同气连枝。

1974 年，美国学者 Barr Rosenberg 开创了多因子风险模型理论研 究的先河。Rosenberg 和 Marathe（1975）的进一步研究表明，可以找到一个简约的因子组合解释资产回报的共同 运动，而无法用这些因子解释的回报则互不相关。1975 年，Rosenberg 成立了 Barra。作为风险模型研究和应用 领域的先驱，Barra 致力于搭建现代投资组合理论与业界实务的联系，提供了一种产学研各界普及的通用范式， 于成立同年发布了首个针对美国市场的风险模型 Barra USE1，并陆续对该模型进行迭代推广，便于适应更广泛的 地域（全球、欧洲、亚太地区、新兴市场等）和资产范围（固定收益等）。1989 年 1 月，Barra 推出第一代全球风 险模型（Global Equity Model，GEM），随后于 2008 年迭代到第二代模型（GEM2），2012 年迭代到第三代模型 （GEM3），近年来推出第四代风险模型（GEM4）。进一步地，GEM4 又分为长期模型（Global Equity Model forLong-Term Investors，GEMLT）和交易模型（GEMTR）。这其中，长期模型着重表达 1 个月以上的长期影响， 相应地会使用更多系统性股票策略因子（Systematic Equity Stategies，SES，即一系列收益高、换手低、被主动产 品积极暴露，需要关注拥挤风险的因子）；交易模型则侧重于刻画几天内的短期变化，相应地引入更多高换手因 子。

多年发展以来，MSCI Barra CNE5 模型凭借其成熟的理论框架与本土化适配能力，仍旧是国内业界使用范围最 广泛、最深入人心的商用风险模型版本之一；诸多模型在方法论上总体一脉相承，差异集中在标的池范围及相应 的因子选择等细节处理上。MSCI Barra 针对中国市场推出的诸多模型中，影响力较强的版本主要有 CHE2（2005 年推出）、CNE5（2012 年 7 月推出，对标第三代全球风险模型 GEM3 和第四代美国风险模型 USE4，主要更新点 是引入了截距作为国家/市场因子，同时在协方差矩阵估计过程中对特征因子调整、波动率机制调整、贝叶斯调 整等方法有所创新）、CNE6（2018 年 8 月推出，对应第四代全球风险模型，包含 CNLT 和 CNTR），后续版本还 包括中国国际股票模型（China International Model，CXE1）、大中华股票模型（All China Equity Model，ACH1） 和今年发布的新一代中国股票因子模型（CNEX）等。 商用风险模型中，除了 MSCI Barra 系列模型较为知名，也不乏其他竞品。比如彭博终端提供 PORT 功能可用于 投资组合分析，内嵌风险模型 MAC3 等；晨星也有 Standard Factor Model、Global Equity Model 等风险模型可供 归因使用。其中晨星的风险因子库颇具特色，涵盖了基于风格箱的价值-成长因子和基于基金持仓的所有者风险 因子等。此外还有 Axioma（Simcorp）、Northfield、SunGard、Two Sigma Factor Lens 等具备类似功能的工具性产 品，不一而足。 本文作为风险因子与风险控制系列第一篇报告，主要探讨风险模型搭建的“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，并大致遵循 MSCI Barra CNE5、彭博 MAC3、晨星风险 模型的思路实现股票风险模型在 A 股的本土化落地。我们探讨了数据预处理、指标口径对齐等关键技术细节对 结果可能的影响，分析了现有模型设计的优劣势，并在实践维度验证了基础版风险模型在产品持仓业绩归因中的 有效性，成功实现内外部投资组合的收益驱动分析与风险来源解构。后续工作（有关因子协方差、特质波动率的 计算、风险模型在组合优化中的应用、风险模型的结构升级等）将在本系列报告中陆续展开。

合格的风险模型需要高质量底层数据作为支撑。如果因子暴露数据存在严重质量问题（比如缺失值多、分布异常 等），可能严重违背回归模型的核心假设，进而导致收益预测与风险评估结果出现偏差。正因如此，数据清洗环 节不容忽视。本文系统研究了 MSCI Barra、彭博、晨星等主流商用风险模型的数据清洗方案，在此基础上设计出 一套具有普适性的数据处理管道，涵盖以下 6 个核心步骤：

STEP1：划定基础域。基础域（也称估计范围）用来代指模型提供风险预测的所有资产全集。基础域的选择 需要满足广泛性、稳定性、可投资性等原则。（1）广泛性。样本券的选择需要具备充分的市场代表性和可以 被因子捕捉的共性特征，以确保回归分析具备充足的统计意义。（2）稳定性。在时间序列维度上，样本资产 池应保持相对稳定，避免频繁调仓导致因子暴露值剧烈波动。（3）可投资性。纳入标的需满足流动性、市值 规模及存续期等基本要求，同时排除存在监管风险警示的资产。此外，不同基础域对同一组风险因子的适配 性可能存在显著差异；即使采用相同因子体系，基础域的选择也会直接影响因子暴露度、纯因子收益率及协 方差矩阵的最终计算结果。考虑到这一点，也为提升模型普适性，本文优先选取万得全 A 成份股作为基础 域，并剔除中信一级行业分类缺失的样本。

STEP2：极值处理。数据极值既可能源于数据采集或计算错误，也可能是反映真实市场状态的有效数据，但 无论其性质如何，均可能对模型估计产生重大干扰。MSCI Barra、彭博、晨星等机构公开的极值处理方法并 不完全一致，比如：（1）从处理方式来看：主要分为去尾（trim）和缩尾（winsorize）两种方法；彭博更惯 用去尾（直接将极值标记为缺失值），晨星更常用缩尾操作（将极值调整至阈值边界），MSCI Barra 则二者混 用。（2）从处理步骤来看：MSCI Barra 与彭博多采用分步处理策略，优先处理极端异常值，再调整轻度离群 点；晨星则多采用“一步到位”的阈值调整方式。（3）从方法论来看：MSCI Barra 和彭博采用统一阈值标 准处理全样本，晨星则根据数据特征定制差异化方案，没有强求方法论的统一。本文在兼顾数据真实性和分 布优化的前提下，采用分层处理策略——对绝大多数二级因子先执行 3 倍标准差（下称 3std）去尾，再进 行 3 倍稳健标准差（下称 3rstd，具体分析见本文附录）缩尾，但针对市值相关因子仅实施 3std 缩尾处理。

STEP3：空值填充。因子数据缺失主要来源于上市初期历史数据不足的新股，以及极值处理过程中因去尾操 作被剔除的异常标记值。为最大程度保留原始信息，本文在二级因子层面采用回归填充法，通过当前截面的 完整因子值对市值及一级行业属性进行回归建模，实现缺失数据的有效补全。

STEP4：标准化。本文采用市值加权均值（权重基于流通市值计算，具体方法详见附录）与等权标准差实现 标准化操作，该方法能够有效平衡不同市值规模资产对因子暴露的影响，确保市场组合的风格中性特征。

STEP5：合成一级因子。在完成上述数据清洗与标准化后，基于预设权重体系将二级因子合成为一级因子。

STEP6：二次去极值&标准化处理。对合成后的一级因子进行二次校验，针对残余极值进行补充处理，并再 次执行标准化（方法同上），确保因子数据符合模型输入要求。

本文使用上述数据处理管道实现风险因子的多层级构造，并展示了 10 个常用一级风格因子的统计特征分析，涵 盖极值分布、正态性检验及时序相关系数衰减特性指标等。后文中，我们提出了更完整的风险因子及风险因子体 系评价指标，这里仅给出对指标分布的评价过程。 （1）截面分布及正态性：从极值分布来看，风险因子取值基本控制在[-3, 3]区间内，但并不完全符合正态分布特 征。比如，beta、liquidity、resvol 因子的右尾较厚，而 size、value、growth 或在一定程度上存在左偏倾向。这种 现象或与标准化步骤中使用流通市值加权因子值进行去均值（demean）操作有关，使得小市值方向上容易出现离 群程度较大的点。进一步地，我们使用 Jarque-Bera 检验、Kolmogorov-Smirnov 检验观察数据正态性（原假设为 数据服从正态分布）。容易发现，除了 beta、liquidity 外，其余因子均拒绝正态分布原假设，这一结果与实际市场 数据的非正态特性相符，因而最终风险模型构建中我们也未强行要求因子服从正态分布。 （2）时序稳定性：本文使用不同窗口下的时序自相关系数均值来刻画因子在时间序列上的稳定性。从结果来看， 市值类、基本面类因子自相关性随窗口的拉长衰减较慢，技术类因子（比如动量 momentum、残差波动率 resvol、 贝塔值 beta）衰减更为迅速，这一结论符合市场经验直觉。若按半衰期 126 日为标准（约相当于月自相关性 0.9）， 动量、残差波动率以外的因子都比较稳定，总体上均适合引入长期风险模型。