Barra模型进阶：多因子模型风险预测

由cmm0305创建，最终由cmm0305更新于2022-08-31 02:39 被浏览 74 用户

摘要

多因子模型风险预测：百尺竿头，更进一步

投资是一把双刃剑，投资者既是收益的追逐者，同时也是风险的承担者。一个好的多因子模型框架通常包含收益模型、风险模型、绩效归因三个模块，本报告聚焦多因子模型的第二大功能—风险预测。

多因子风险矩阵估计方法

采用多因子结构化风险矩阵估计时，为保证样本内外估计的一致性、增加估计结果的准确性，需要对因子协方差矩阵和特异风险矩阵的估计作如下调整：

·因子协方差矩阵估计：Newey-West 自相关调整、特征值调整、波动率偏误调整

·特异风险矩阵估计：Newey-West 自相关调整、结构化模型调整、贝叶斯收缩调整、波动率偏误调整

多因子风险预测模型应用

在实际投资中，风险预测的应用十分广泛。本报告主要介绍如何对任意投资组合的风险进行预测，以及如何构建 Smart Beta 最小期望风险组合。

·任意投资组合风险预测：给定投资组合权重向量，即可对其未来 1 个月波动进行预测，回测发现预测波动率与实际波动率走势十分相似，对于 Wind 全 A指数，二者相关关系高达 74%。

·最小期望风险 GMV 组合：在给定投资标的的情况下，每月月底调整权重，使得投资组合的预期风险最小。研究发现，GMV 组合的实际风险明显小于基准组合，夏普比率有明显的提高。

风险提示本报告统计结果基于历史数据，未来市场可能发生重大变化。