• 2024年指数增强模型遭遇政策驱动的突发风险冲击，尤其是科技板块的超预期反弹导致传统Barra风险模型风控失效，组合出现历史性回撤[page::0][page::6]。

• 传统风险模型缺乏对突发事件的快速响应能力，Barra风格因子周度解释度偏低（带行业以14%上下徘徊），Beta因子显示高度持续性，难以刻画脉冲式风险[page::7]。

• 时点风险因子构建思路：通过监测中证全指振幅和成交额突破过去5日均值1倍标准差的振幅和成交额突变时点，采用当天个股涨跌幅作为因子取值，因其高度反映隐式政策冲击等潜在风险，实现了风险的非参数化捕捉和短期集聚识别[page::8][page::9]。

- 时点风险因子信号稳定频率约25次/年，且时点风险日期对未来1-5日股票收益的解释度显著高于其他日期，验证了其风险描述能力[page::10]。

• 时点风险因子累计周度IC虽偏负但不稳健，自相关性反映梯形状特征；多因子表现符合风险因子特征，IC绝对均值约0.1，周度自相关介于0.3-0.6之间[page::11]。

- 将时点风险因子纳入中证500指数增强模型，约束其相对暴露为0后，2024年超额收益提升至8.59%，相对最大回撤显著缩小至-4.65%，信息比和跟踪误差均显著改善，回撤波动降低明显[page::12][page::13]。

• 时点风险因子敞口调整显示，轻度放松限制（0.2-0.3）可平衡超额收益和风险，仍优于原模型。扩展至沪深300、中证1000指数增强模型同样展现普适稳定的风险控制与收益提升效果[page::14][page::15]。

• 基于深度学习因子及基本面复合因子的收益预测模型纳入时点风险约束，同样有效减少了2024年超额回撤，提升信息比与稳定性，验证了模型的通用适用性[page::16][page::17]。

• 进一步探索更多价格类风险因子（如244日前高低距离、Beta、波动率等），实验证明它们具备显著风险特征，IC绝对值均高且具高自相关性，将这些因子与Barra结合可提升风险解释力，从7.88%提升至10.18%，带行业解释力可从13.24%升至14.95%[page::18][page::19]。

• 应用价格类风险因子约束于中证500指数增强组合，显著降低了2024年9月以来的超额回撤，提升了组合表现的稳定性和抗风险能力，月度胜率、信息比均优于时点风险约束组合和原组合[page::19][page::20]。

• 2024年关键时间段的周度超额收益数据对比显示，价格类风险因子风控组合超越时点风险风控组合及原组合，多数周度正回报显著改善[page::20]。

- 结论强调，极端外部事件风险波动日益频繁，传统风险模型不足以覆盖这些事件风险，结合时点风险及价格类风险因子构建的双层全维度风险约束体系，是提升量化组合抗风险能力和稳定收益的关键路径[page::21]。

金融研究报告详尽分析报告：东方证券《时点风险模型——因子选股系列之一一三》

---

一、元数据与报告概览

报告标题： 时点风险模型——因子选股系列之一一三
作者： 杨怡玲
联系方式： yangyiling@orientsec.com.cn
执业证书编号： S0860523040002
发布机构： 东方证券股份有限公司研究所
发布日期： 2025年4月20日
研究主题： 主要围绕股市中基于外部突发性事件引发的短期风险波动（时点风险因子）构建及其在指数增强组合风险控制中的应用，分析其优于传统Barra类风险模型的表现，提出一种更适用于应对极端市场环境的风险管理体系。

核心论点及目标：

• 传统的指数增强模型在面对2024年9月科技板块政策导致的突发反弹等外部事件时暴露出风险识别滞后，导致组合历史回撤巨大。基于此，报告提出创新的“时点风险因子”（Point-in-time Risk Factor）来捕捉和控制这种突发型、集聚性高、短期内延续的外部风险。

- 通过监测中证全指指数振幅和成交额的异常突破作为风险突变时点，以个股涨跌幅作为风险因子取值，将难以直接观测的事件风险“定价”到模型中，实现传统Barra模型难以做到的风险脱敏。

• 将时点风险因子纳入中证500、沪深300及中证1000等指数增强组合的风险约束后，均实现2024年超额收益大幅提升、相对最大回撤显著下降、信息比与跟踪误差均得到改善。

- 报告进一步引入更多价格类风险因子进行扩展，构建了覆盖结构化风险和全维度价格风险的双层风控体系，提升风险解释能力，强化组合稳定性。

[page::0,1]

---

二、逐节深度解读

1. 研究动机（页面4-7）

• 关键论点：

2024年市场经历了多次极端风险事件（2月微盘暴跌，9-10月科技板块政策驱动的超预期反弹），传统的Barra风险模型基于缓慢衰减的风格因子，未能及时有效地应对突发的外部风险，导致指数增强组合出现历史最大回撤及持续跑输基准。

• 推理依据与数据支持：

表1（因子库）列举了传统多因子模型包含的基本面、成长、盈利、量价等因子；图1与图2分别显示中证500增强组合历史净值和2024年相对回撤，2024年9月起其表现严重跑输基准。表2呈现2018-2024年的各年表现，2024年超额收益降至4.67%，最大相对回撤达到-8.64%。
图3展示9月后各宽基指数净值，科创和创业板虽强，但未明显跑赢主板，说明板块配置非主要回撤原因。图4显示自9月24起高Beta、高波动风格因子收益正超，然而传统选股因子低波动低换手方向与此相反，表明市场风格因政策驱动发生反转。

• 结论：

风格反向仅是表象，核心是外部消息引发的风格突变。传统被动降杠杆或主动控暴露方法缺陷显著，因Barra模型风格解释力较低（风格带行业周度解释度约13.24%），且因子统计特征缓慢变化，难捕捉脉冲式外部风险。图5和图6分别展示Barra模型解释力和Beta因子的周度自相关，突出模型响应风险滞后。报告提出应采用同频或更高频率因子捕捉突发外部风险。

[page::4,5,6,7]

---

2. 时点风险因子构建（页面8-11）

2.1 时点风险与传统风险因子的差异

• 关键点：

通过前期研究发现特殊时点存在“引爆点”式动量效应，设计时点风险因子用于刻画这些时点的“风险动量”，利用风险的集聚性特征实现风险控制。

• 差异对比（表3）：

- 数据来源： 传统因子依赖基本面及量价统计，时点风险因子直接关注外部消息与当天量价剧烈波动。
- 构造方式： 传统因子基于长期统计特征，时点风险因子基于脉冲式价格异常。
- 作用及取值特征： 传统因子刻画内在风格，缓慢变化；时点因子刻画突发风险，平时稳定、遇突发骤然跳变。

2.2 构造方法

• 通过监测中证全指指数振幅与成交额的5日均值+1标准差阈值突破确定风险突变时点。

- 以当天个股涨跌幅作为风险因子取值，把当日涨跌幅视作所有隐式风险的“定价结果”，有效包容难以捕捉的政策冲击、流动性风险等。

• 推荐用振幅与成交额同时绝对突破的“价量均突变”信号构造因子以增强抗噪。

- 图7解释了当风险日发生，组合可能单边超配亏损（跑输基准），要求提高当天涨幅与基准一致避免单边超配。

• 图8与图9显示2024年振幅突变及价量均突变信号分布，2024年9月24-28日、10月18日信号频现，验证因子捕捉市场脉冲波动能力。

- 表4统计数据显示突变信号在各年份均较为均衡分布，年均约50次单一突变，25次双突变。

• 图10显示时点风险日当天涨跌幅对未来1-5日收益的回归拟合度显著高于普通日期，验证风险集聚与持续性。

- 图11和图12展示时点风险因子的累计周度IC及其自相关系数，自相关体现周期性切换、时点内测信号稳定特征。

• 表5表明时点风险因子IC均值虽近零，IC绝对值与胜率均达50%以上，具有较强风险因子特征。

[page::8,9,10,11]

---

3. 时点风险因子在指数增强组合上的应用（页面12-17）

3.1 中证500组合应用效果

• 通过在中证500增强组合中加入振幅突变、成交额突变及价量均突变风险因子的相对暴露约束（取0），实现风控优化。

- 表6详尽展示了分年各组合性能指标对比，2024年为例，价量均突变约束的组合超额收益由4.67%提升到8.59%，相对最大回撤由-8.64%降至-4.65%，信息比大幅提升至1.6，跟踪误差降低至5.63%。

• 优化模型在历史大部分年份表现与原组合相当，但在政策驱动的2024年尤为突出。

- 图13和图14呈现加入时点风险后净值与回撤趋势更平滑，特定区间超额回撤显著缩减。

• 图15链接重大历史事件，展现新模型在受外部冲击的不同事件中表现出更强韧性。

- 表7显示控制风险敞口的灵活性，适度放宽敞口0.2-0.3时模型各指标优于原组合且回撤受控。

3.2 其他基准与收益预测模型应用

• 沪深300指数增强组合： 图16、17显示加入时点风险后2024年回撤减轻，表8具体数值超额收益从4.04%提高到4.7%，相对最大回撤减半，信息比、跟踪误差和月度胜率均有所改善，长期年化超额略有下降。

- 中证1000指数增强组合： 图18-19及表9呈现风控效果显著，2024年超额由4.41%提升至8.14%，最大回撤由-9.89%降至-5.44%。

• 收益预测模型差异：

- 深度学习因子（图20-21、表10）加入时点风险后2024年超额收益略增，最大回撤减小3个百分点左右；
- 基本面因子（图22-23、表11）同样表现出超额收益提升及回撤减少趋势；

• 总结： 时点风险因子的风控约束在多指数、不同收益预测模型下均展现普适性，有效降低超额回撤与跟踪误差。

[page::12,13,14,15,16,17]

---

4. 价格类风险因子在指增组合上的扩展应用（页面18-20）

• 动机： 2024年以外年份风险主要源自非突发性因素，时点风险因子效果受限。引入更多价格类风险因子强化风险解释与管控能力，有助构建更健全的风控体系。

- 主要因子构造及解释：
- 244日前高低价格距离、路径位移比，Barra Beta、波动率（Volatility）、趋势（Trend），价格开方（Sqrt Price），以及价量均突变时点风险因子。

• 因子选股能力（表12）： IC均值偏低但绝对值均值高，IC胜率在50%-61%之间，显示其风险因子的特征。

- 风险解释力提升（图24，表13）： 价格风险因子单独或结合Barra模型均提升收益解释率（R2）至10.18%（不带行业）及14.95%（带行业），优于单独Barra的7.88%和13.24%。

• 实证结果（图25-26，表14）： 将所有价格风险因子纳入风控系统，2024年9月24日起增强组合未出现显著超额回撤，回撤幅度明显缩减，超额波动性也降低，整体表现优于原组合和仅时点风险约束组合。

- 业务启示： 构建覆蓋结构化风险和全维度价格风险的双层风控体系势在必行，为极端市场环境下的量化投资提供全方位风控保障。

[page::18,19,20]

---

5. 总结（页面21）

• 传统Barra类风险模型缓慢、滞后的风险识别特征难以应对2024年外部突发事件导致的市场风格转变和异常波动。

- 创新引入时点风险因子，通过对市场振幅和成交额突破阈值的监测，利用当天个股涨跌幅“定价”难观测风险，成功刻画市场脉冲式外部风险。

• 时点风险因子风控约束显著提升中证500及其他指数增强组合2024年的超额收益，降低最大回撤和跟踪误差，同时保留了长期稳健收益。

- 引入更多价格类风险因子进一步提升风险解释与控制能力，有力抵御极端事件风险波动，实现更加全面、结构化与全维度覆盖的风险管理框架。

• 此模型框架适用于不同基准、不同收益预测模型，昭示其普适性和实用价值。

- 建议构建双层风险控制体系，融合时点风险、传统风格风险与多维价格风险因子，为因应突发型风险及复杂市场风格转变提供科学的风控工具。

[page::21]

---

6. 风险提示（页面22）

• 量化模型可能在极端市场环境下失效，导致预期效果大幅偏离，甚至出现亏损。

- 极端市场波动可能冲击模型表现，存在不确定性风险。

[page::22]

---

三、图表深度解读

• 图1-2（中证500增强组合净值及回撤）： 2018至2024年数据显示模型整体稳健，2024年9月后回撤显著，是研究的主要动因。

- 图3-4（宽基指数走势及风格因子IC）： 反映政策带来的风格反转，先导高波动、高Beta策略显著跑赢，而传统选股低波动、低换手偏向未跟上风格变化。

• 图5-6（Barra风险模型解释能力及Beta自相关）： 传统因子解释力低且Beta等因子高度自相关，说明风险模型反应慢，难捕捉突发性脉冲风险。

- 图7（时点风险日超配后的超额波动示意）： 说明组合在突发风险日若处于明显超配且方向无法预判，未来风险暴露高。

• 图8-9（2024年振幅、成交额突变信号分布）： 这些信号在9月底和10月明显聚集，验证时点风险日的存在。

- 图10（时点风险日涨跌幅对未来收益拟合度）： 显著高于样本整体，表明风险集聚性质。

• 图11-12（时点风险因子IC及自相关）： 反映因子脉冲式特征，关联时间较短。

- 图13-15（时点风险风控组合表现及事件关联）： 视觉展现风控组合表现优于传统模型，尤其在关键事件期间。

• 图16-19（沪深300和中证1000增强组合及风控效果）： 持续验证时点风险约束的良好普适性。

- 图20-23（深度学习及基本面因子增强组合风控表现）： 说明时点风险因子适合多种投资因子体系，降低极端回撤。

• 图24（不同风险模型解释能力对比）： 价格类风险因子与Barra风险模型合并，大幅提升因子收益解释度，提示传统风险模型薄弱环节。

- 图25-26（价格类风险风控后中证500净值及相对回撤）： 明显规避了2024年9月末以来的极端下跌，风险管理效果突出。

---

四、估值分析

本报告重点在风险因子的构造及应用，未涉及具体公司或资产的估值测算，因此无估值模型讨论。其估值意义在于通过风险控制提升指数增强组合的风险调整回报。

---

五、风险因素评估

1. 模型失效风险： 在极端市场环境下，任何量化模型均有可能失灵，时点风险因子亦不例外。

2. 极端市场冲击： 突发事件可能导致风险因子预测及风险控制失效，从而引发超预期亏损。

1. 风控约束与收益权衡： 过严风控约束虽然降低风险，但可能压制组合收益潜力，约束松紧需审慎权衡。

4. 数据极端值和噪声： 突变检测依赖统计阈值，可能受到市场偶发异常的影响，需结合多因子进行协同验证。

---

六、批判性视角与细微差别

• 本报告提出的时点风险因子创新且实证充分，但核心依赖于指数振幅与成交额的阈值突破，对阈值选取灵敏，可能受特殊市场行情干扰。

- 模型对突发性风险的捕捉虽优于传统模型，但短期预测能力仍有限，未来该因子的动态调整及事件定性影响尚未展开深入分析。

• 加入多个价格类因子确实提升了解释力，但也面临因子多重共线性与风控复杂性上升的挑战，实际风控执行难度需考量。

- 报告多处提及不同模型收益比较，缺乏统计显著性检验结果，短期回归表现差异是否长期有效仍待验证。

• 风险提示较为简略，未详细展开极端情境下模型表现及缓释机制。

---

七、结论性综合

本报告系统构建并验证了一套创新的“时点风险因子”体系，以捕捉市场外部突发事件引发的脉冲风险，实现了对传统Barra类风险模型在应对极端事件上的功能重大补充。通过对中证500、沪深300、中证1000等主流增强组合的实证应用，时点风险因子风控明显提升了2024年受政策驱动的结构性风格风险管理能力，显著降低了组合的最大回撤，提升了信息比和跟踪误差，增强了组合的风险调整后收益水平。

进一步引入多维度价格类风险因子，构建“结构化风险 + 全维度覆盖”的双层风险体系，显著提升组合的风险解释力和稳健性，充分体现了未来量化风控模型的发展方向。该方法适用于多种收益预测框架，具有普适性和较强的实际操作价值。

报告通过详尽的图表和数据对比，清晰证明时点风险因子及价格类因子的引入对于降低超额波动与风险暴露的重要性，特别是在当前政策与外部环境频发黑天鹅事件的背景下，提供了科学而务实的风险管理解决方案。鉴于现有模型存在极端环境下失效的风险，建议在实务操作中结合传统多因子方法及时点风险因子，动态优化风险敞口，实现风险与收益的最佳平衡。

---

参考主要引用页码

[page::0,1,4-7,8-11,12-17,18-20,21-22]

---

注： 本分析严格依照报告内容编写，遵守引用溯源及保密政策。未对报告外信息作任何推断。

报告