CNE7多因子模型架构与优势 [page::0][page::2][page::4]

• 模型采用10个风格因子、34个行业因子和1个市场因子，针对中国A股市场结构优化。

- 风格因子基于流通市值构建，更符合市场实际，行业因子基于申万一级二级分类。

• 相比Barra CNE5，CNE7在因子构建与数据处理方法上具有优势，提升了因子显著性和模型解释力。

市场因子表现分析 [page::0][page::6][page::7][page::10]

• 市场因子累计收益率自2007年以来呈下降趋势，CNE7表现跌幅达-31%，显著高于CNE5的1%。

- CNE7基于流通市值加权，更全面覆盖科创板及北交所，捕捉市场整体走向更准确。

风格因子表现详解 [page::11][page::16][page::18]

• Beta因子：CNE7累计收益211%，显著高于CNE5的170%。

- 残余波动率因子呈负收益，CNE7为-15%，比CNE5更温和，反映高波动股票跑输低波动股票。

• 规模与中盘因子累计收益均为负，CNE7在相同暴露度下获得更高收益。

- 价值因子（Earnings Yield和Book to Price）表现强劲，CNE7均优于CNE5，反映盈利与销售比的综合优势。

• 动量因子和流动性因子表现稳定，动量因子正收益，流动性因子负收益，CNE7因子显著性更强。

- 杠杆因子收益波动大，2022年后快速回升，CNE7表现更显著。

• 成长因子优势明显，CNE7累计收益达72%，远超CNE5的18%。

行业因子分布及表现 [page::20][page::21][page::22][page::23]

• 行业因子涵盖34个细分行业，行业分布均衡，前十大行业市值占比较高。

- CNE7行业因子整体解释力度强于Barra CNE5，基础化工、钢铁、有色金属、汽车、白酒等行业表现尤为突出。

模型解释力度及统计指标 [page::24][page::25]

| 因子类别 | 因子名称 | T值 | 显著性占比 |
|----------|----------------|-------|------------|
| 市场 | 市场因子 | 1.372 | 88.81% |
| 风格 | 规模、贝塔等 | 0.2~0.7 | 38%-68% |
| 行业 | 有色金属等部分 | 0.1~0.2 | 30%-50% |

• 模型拟合优度R²平均约35%，近年来略有下降，反映市场个股分化增强，模型仍具较强解释力。

因子计算与处理方法 [page::7][page::27][page::28][page::29]

• 因子暴露度进行去极值、缺失值填充和标准化处理，采用加权最小二乘法横截面回归估计因子收益。

- 风格因子如Beta、动量、成长等细分指标均有明确计算公式及定义，兼顾因子显著性与稳定性。

• 行业因子采用虚拟变量标识股票所属行业，确保纯粹行业效应捕捉。

证券研究报告详尽分析——《CNE7 多因子模型》

---

一、元数据与报告概览

报告标题： 证券研究报告·量化深度—CNE7 多因子模型
作者及机构： 陈果（中信建投证券董事总经理，研委会副主任，首席策略官），智能量化团队
发布日期： 2022年4月28日
主题： 构建并验证基于中国A股市场特征的多因子风险模型（CNE7经典版），探索其因子表现、模型解释力度及优势。
核心论点与目标：

• 基于中国A股市场及投资者需求，构建以10个风格因子、34个行业因子、1个市场因子为核心的多因子风险模型CNE7经典版，替代Barra CNE5模型。

- 该模型通过改进因子构建方式和数据处理流程，实现更稳定、更显著的因子表现，能更好地反映市场轮动、风格切换。

• 模型提供更为准确的风险分解及投资组合管理工具，提升了中国A股多因子模型的适用性和解释力。

报告定位： 专业投资研究，重在对模型构建方法论、因子选取、估计技术及模型应用效果的系统剖析，适合机构投资者及量化研究员作为参考基础。

---

二、逐节深度解读

1. CNE7模型简介

1.1 多因子模型的理论依据与应用背景

• 证券投资组合理论（Markowitz，1952）催生了风险收益权衡框架。

- CAPM模型（夏普，1964）首次用单因子解释资产收益，但因其单一市场因子设定限制，市场实践中不足。

• 1976年套利定价理论APT引入多因子概念，将资产预期收益与多个风险因子收益线性关联。多因子模型即是APT的延伸。

- 三种主流多因子模型类型比较（时间序列宏观因子、基本面因子、统计因子），报告指出基本面因子模型解释力更好，实用性强，故CNE7选用基本面因子模型体系 。

• 多因子模型作用在于分解股票收益为因子暴露和因子收益组合，加上特异性风险，方便风险控制和组合优化，提升模型建设精准度和计算可操作性[page::2,3]

1.2 模型构建

• 多因子模型表达：

$$rn = \sumk X{nk} fk + \mun$$

股票收益率由因子暴露度($X{nk}$)、因子收益($fk$)和特异性收益($\mun$)构成。假设因子收益与特异性收益不相关。

• 风格因子选取严格筛选，保证统计显著性，降低因子间共线性，保持因子数量适中以提升估计效率。

- 因子类别为市场因子（全A权重组合收益反映整体市场效应）、风格因子（10类，包括贝塔、残余波动率、规模、中盘股等），行业因子（申万分类34个，覆盖市场主流行业），均贴合中国市场结构。

• 因子暴露度数据处理包括：去极值（中位数去极值，约束3σ以防异常影响）、缺失值填充（用同类股票平均值），以及对因子暴露度的标准化处理，确保不同因子间可比性[page::4-8]。

- 行业因子暴露度为0/1虚拟变量，市场因子暴露为全1。

• 采用横截面加权最小二乘法（WLS）计算每日因子收益，权重与股票流通市值平方根相关。

- 对因子收益协方差矩阵和特异性收益方差矩阵，进行Newey-West调整、特征值调整和贝叶斯压缩等多种技术处理，提升风险估计准确性。

1.3 CNE7模型优势

• 行业因子采用申万行业分类体系，更贴近A股市场实际及投资者习惯，细化部分关键行业如白酒、制药为独立因子，整体34行业因子增强解释力和行业轮动捕捉能力。

- 风格因子计算基于自由流通市值而非总市值，解决了流通限制导致的市值分布右偏问题，提升因子数据正态性质，有助标准化处理和稳健估计。

• 针对不同时间窗口的换手率计算方式改进，区分滚动3个月、12个月换手率统计指标，提升流动性因子性能。

- 模型优化了数据处理和估计方法，除回归权重调整（市值平方根）外，还对协方差矩阵采用多个偏误校正，保障模型稳定性。

• 与Barra CNE5模型对比，CNE7模型在市场、风格及行业因子层面均展示更强显著性、解释力及稳定性[page::8-9]

---

2. 市场因子表现

• CNE7市场因子等同于基于流通市值加权的全A指数收益，较CNE5基于总市值构建指标更能反映实际市场流动性和投资者关注度。

- 自2007年以来，CNE7模型覆盖A股个数增长273%，市值增长882%，自由流通市值占比从22%提升至约75%。

• 历史表现上，2007与2015年市场因子达到上行峰值，2008金融危机及2016熊市带来显著回撤。2022年以来，因内外部冲击影响市场整体疲软，CNE7市场因子跌幅较CNE5更大，更能体现市场情绪和估值波动[page::5-7,10]。

- 图表3、4展示股票数量及流通市值占比持续上升趋势，支撑市场因子构建的时效性和代表性。

• 图表5清晰对比CNE7与CNE5市场因子表现，CNE5总市值加权指数累计收益在评估期保持接近零甚至轻微正收益，而CNE7流通市值加权指数更真实反映多阶段市场波动[page::6-7,10]。

---

3. 风格因子表现

3.1 波动率相关因子：Beta与残余波动率

• Beta因子反映股票系统性风险敞口。两模型表现趋势一致，但CNE7因子收益明显更强，累计收益211%远超CNE5的170%，表明因子捕捉更精准。Beta因子采用半衰期加权OLS回归计算。

- 残余波动率因子代表股票特异性风险。高残余波动率股票表现落后低波动率股票，两模型均呈负收益趋势，但CNE7累计收益降幅较小（-15%对比-49%），说明因子定义更合理，波动计算窗口调整为52周高低价波动幅度等提升了表现准确性[page::11-12]。

图表6和图表7体现上述差异，蓝线（CNE7）与红线（CNE5）分界明显，尤其是残余波动率差异显著。

3.2 市值相关因子：规模与中盘股

• 规模因子表现为大盘股相对小盘股表现，历史区间大盘整体表现不足，且CNE7规模因子负收益幅度更大（-55% v.s -46%）。

- 中盘股因子表现与规模类似，整体较差，CNE7模型在因子显著性上更强，累积收益-69%明显有别于CNE5的-63%[page::12-13]。

• 图表8、9展示CNE7规模及中盘股因子持续下降趋势的绝对位置较CNE5为低，暗示CNE7对中小盘特征捕获更精准。

3.3 价值因子：Earnings Yield与Book to Price

• 价值因子衡量盈利能力及账面价值比。两模型均表现为正收益趋势，反映价值股长期跑赢成长股。

- CNE7在两个因子上均实现了更高累积收益（Earnings Yield约44% vs 14%，Book to Price约52% vs 21%），原因在于其构建方法包含更多预测销售额等多维指标，考虑更全面[page::13-15]。

• 图表10、11清晰显示出CNE7价值因子显著跑赢CNE5。

3.4 其他风格因子：动量、流动性、杠杆、成长

• 动量因子表现相近，CNE5累计收益约59%，CNE7为39%，两者动量定义均基于半衰权重的超额收益，但样本期选择及细节不同[page::15-16]。

- 流动性因子均为负收益，反映高换手率股票表现落后，CNE7负收益幅度更大（-90% v.s -74%），其采用滚动日换手率计算更细致。

• 杠杆因子表现复合周期性，2013年前高杠杆股票跑赢，后续震荡调整，2020年后重回正向收益。CNE7显著性更强，贡献更大[page::17-18]。

- 成长因子展现出长期且愈加显著的正收益趋势，CNE7累计收益达71%远超CNE5的18%，主要因CNE7采用同比增长而非5年均值方法，更贴合市场增长预期。

• 图表12-15清楚展现各风格因子的历史累计走势及与CNE5的比较。

---

4. 行业因子表现

• 2022年数据表明A股市场行业分布数量及流通市值较为均衡，前十行业（电气、机械设备等）占市场流通市值比均处于合理区间。

- CNE7模型行业因子基于申万一级和二级细分行业，取34个因子，较Barra CNE5的32个反映更精准的中国本土行业结构。

• 行业因子映射显示CNE7整体解释能力更强，尤其在基础化工、钢铁、有色金属、汽车、白酒等热门板块表现优异，行业因子极大提升模型适应性和实用性。

- 图表16展现行业分布蜂窝状，有助投资者辨识行业结构。图表17-21分析了五个代表性行业因子的累计收益对比，均展现CNE7因子的更优表现[page::20-23]。

---

5. CNE7模型解释力度分析

• 因子解释力以因子收益的t值绝对值平均衡量。CNE7模型中，市场因子、规模、Beta、流动性、动量因子t值绝对值均较高，显著t值占比超过50%，行业因子中的白酒、有色金属、房地产、非银等表现也较突出。

- 从因子解释力度稳定性角度看，多数核心因子在95%置信度下有较高的显著概率，表现稳定，反映因子结构优良。

• 模型整体拟合优度（R方）以252天滚动均值计算，2013年以前维持在30%-60%，2013年后由于市场分化加剧有所下降且呈周期震荡，平均约为35%。

- 数据及图表表明CNE7模型在行业及风格层面均拥有较强解释力，整体模型解释股票收益的覆盖面广且稳健[page::24-25]。

---

6. 报告总结

• CNE7经典版多因子风险模型以中国A股市场特点为依托，合理选取10个风格因子、34个行业因子与1个市场因子，经过数据预处理及统计建模方法的体系改进，提升了模型的因子显著性及整体解释力。

- 与Barra CNE5模型相比，CNE7在风格与行业层面展现更强的因子表现，尤其是在市场扩容、自由流通市值增长背景下，更真实反映了市场动态、行业差异及风格轮动。

• CNE7模型通过改进因子计算方法（如基于流通市值计算规模因子、动量、价值和残余波动率指标优化），以及引入新预处理手段增强了因子稳定性和预测能力，提升投资组合风险管理和收益归因的实用性。

- 模型拟合优度虽然受到市场个股分化影响出现一定波动，但总体保持在较高水平，可靠性得到保障。

• 此模型适合中国投资者风格，未来将持续完善因子构建与协方差矩阵估计技术，推动量化投资实践。

- 报告整体系统呈现模型设计、实现细节、性能验证及应用场景，具有较高专业价值。

---

三、图表深度解读

图表3：CNE7模型市场组合股票数量变化

• 描述：自2007年至2022年4月，CNE7市场组合中的A股股票数由约1230只激增至4592只，增长逾273%。

- 解读：A股市场持续扩容，含盖更多公司样本，有利于提升市场因子代表性和模型覆盖度。

• 图中数据呈持续攀升趋势，偶有波动（可能由退市、新股发行影响），整体市场股票基数稳定增长，数据来源Wind和中信建投。

- 关联文本支持模型因市场样本扩大而需调整因子构建的逻辑。

图表4：CNE7模型市场组合流通市值与总市值变化

• 描述：柱状图显示流通市值与总市值长期攀升趋势，红线体现流通市值占比已由20%增长至约75%。

- 解读：表明市场流动性提升，流通市值加权市场因子更能反映投资者真实持仓情况和市场波动。

• 数据与报告指出CNE7模型选择流通市值作为权重依据，优于传统的总市值加权。

图表5：市场因子表现（CNE7 vs CNE5）

• 描述：时间序列线图对比两模型市场因子累计收益率变化，红线CNE5，蓝线CNE7。

- 解读：CNE5因子较稳健，累计收益趋近1.4%，CNE7波动大，累计跌超30%，体现市场动荡更敏感。

• 区别关键源自CNE5采用总市值权重，CNE7使用流通市值及及时覆盖新板块，反映市场真实波动幅度。

图表6-7：Beta与残余波动率因子表现对比

• 图表6：Beta因子均呈长期上涨趋势，CNE7显著领先，突出其风险敞口捕捉能力提升。

- 图表7：残余波动率因子表现为负收益，CNE7跌幅小，显示其对特异风险识别更精准。

• 这两个图表显示模型细节调整显著影响因子收益表现，有利于投资者更准确调控风险敞口。

图表8-9：规模与中盘股因子表现

• 两图均体现规模效应负收益，CNE7幅度更大，尤其是中盘股因子表现出更显著负收益。

- 这暗示小盘股自2007年来表现优于大盘和中盘，CNE7模型在特定细节（流通市值）上更敏感。

图表10-11：价值因子表现

• 两图均显示价值股长期正收益趋势，CNE7模型累计收益明显优于CNE5。

- 价值因子的多维构建（包括销售比率等）极大提升了模型捕捉价值风险的能力。

图表12-15：动量、流动性、杠杆、成长因子表现

• 动量因子两模型波动相近，CNE5表现稍强。流动性因子均显著为负收益，CNE7幅度更大。

- 杠杆因子反映负债水平与表现关系，CNE7因子收益滑动更充分，特别是2020年以来幅度提升明显。

• 成长因子在CNE7模型中极为显著，表现抢眼于CNE5，表明模型更灵敏反映成长趋势。

- 这体现了CNE7对各类因子敏感度和投资价值的精准把握。

图表16：A股行业分布及市值占比

• 表格数据呈现34个行业因子的市值占比，电子、机械设备、电力设备、基础化工、制药等处于领先地位，股票数量分布均衡。

- 行业分布合理，配合模型行业因子的多元设计，有助投资者根据行业热点进行有针对性投资。

图表17-21：精选行业因子表现

• 电子、机械设备、电力设备、基础化工、制药等行业因子累计收益曲线反映了各行业风格演变和投资价值周期，CNE7模型在关键行业因子上整体表现优于CNE5。

- 各因子图显示，除个别阶段波动外，大多数行业因子累计收益趋于平稳或上升，表明行业因子对A股收益有较强解释能力。

图表22-24：模型解释力统计

• 表格与图表同步展示因子的平均t值、显著t值占比及252天滚动拟合优度。

- 市场因子显著度最高，超过88%；规模、Beta等核心风格因子显著性超过55%。

• 大部分行业因子显著占比超过20%，重要行业如白酒、基础化工、银行显著率达40%-60%。

- 拟合优度虽有波动但平均稳定约为35%，反映模型对应股票收益的解释力度良好。


---

四、估值分析

本报告不涉及具体公司估值预测或目标价设定，核心关注多因子风险模型构建及评估，估值层面主要体现为风险模型的协方差矩阵和因子收益率的统计估计，带有一定的统计建模和预测性质。估值中的关键为因子收益率计算及因子暴露度处理，以及协方差矩阵的构建和调整。报告中提及使用加权最小二乘法回归得因子收益，利用Newey-West调整等技术确保风险估计稳定和准确。

---

五、风险因素评估

报告风险提示仅简要指出：

• 模型计算可能存在偏误。

- 目前模型因子收益率基于历史数据，不代表未来走势。

• 由于经济环境和市场结构变化，因子表现可能调整且不稳定。

未深入展开风险概率及缓释措施，作为风险模型，其风险依赖于因子稳定的统计特性及模型假设的正确性，风险主要来自样本变异、方法技术偏差及市场结构改变。

---

六、批判性视角与细微差别

• 虽然CNE7模型相较Barra CNE5表现提升明显，某些因子的累计收益差异较大（如残余波动率、成长），但对部分因子如动量收益，差距显示CNE7并非在各因子上全面优于CNE5，反映因子构造和计算细节的不同选择。

- 模型解释力度检测中，拟合优度R方只达到35%左右，说明还有相当比例的收益不被因子解释，即存在模型未捕获的风险因素或市场噪声。

• 行业因子虽细化至34个，但部分行业显著t值占比还不到50%，显示行业因子解释能力仍有待提升。

- 风格因子和行业因子之间可能存在潜在重叠，报告未详细说明是否对因子间多重共线性进行深入处理。

• 报告提及考虑半衰期加权回归等先进估计技术，但未详述参数选择对结果敏感性，模型稳定性在极端市场环境下是否充足尚需观察。

- 对模型应用的适用期限、更新频率、是否动态调整因子未作深度讨论，这些因素对投资实际影响重要。

总体报告结构严谨，论据充分，但对部分模型局限性及后续改进方向未详细披露。

---

七、结论性综合

本报告系统展示了以中国A股市场现实为出发点研发的多因子风险模型CNE7经典版，相比传统国际化Barra CNE5模型，CNE7成功引入本土化行业标准申万分类，基于流通市值更科学地构建风格因子，采用完善的数据处理及加权回归方法，大幅提升因子表现的显著性和稳定性。

• 市场因子及时反映A股市场扩容与流动性提升，强化市场整体风险捕捉。

- 风格因子在Beta、规模、中盘股、价值、动力、成长等关键因子上的历史表现全面优于CNE5，说明模型更符合市场实际。

• 行业因子表现突出，尤其在基础材料、工业制造与消费旺季行业显著增强，体现模型更贴近中国经济结构与投资者偏好。

- 模型整体解释度稳定，长期拟合优度保持35%区间，允许投资者基于该模型进行科学的风险管理和收益归因分析。

• 数据图表直观展现模型因子收益累计走势及模型解释力，辅助投资者理解模型优势及潜在限制。

- 风险警示涵盖模型偏误和历史数据不代表未来，提醒投资者审慎使用。

CNE7经典版这是基于大数据与先进统计技术打造的、面向中国市场本土化特色的多因子风险系统，为投资组合管理者提供了一套坚实、科学的量化工具和理论支持。在复杂多变的市场环境下，该模型的广泛应用将有效支持风险控制、资产配置及业绩归因，推进量化投资体系深化发展。

---

参考图片（示例）

• 市场组合股票数量变化

• 市场组合流通市值与总市值变化

• 市场因子表现

• Beta因子表现

• 残余波动率因子表现

• 规模因子表现

• Earnings Yield因子表现

• 模型拟合优度（252天滚动均值）

---

综上，CNE7模型作为国字号权威多因子风险模型代表，为中国A股量化投资提供了技术含量高、实操性强的风险管理手段。投资者须结合市场环境和具体需求谨慎运用。此报告洞悉因子市场动态、系统解构模型着力点，具高度参考价值。[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29]

报告