研报&论文

Barra模型进阶:多因子模型风险预测

由cmm0305创建,最终由cmm0305 被浏览 76 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。

正文

/wiki/static/upload/d0/d0c3ca2a-e975-4627-bf44-5233a08ba1a7.pdf

\

标签

多因子模型风险模型Barra多因子模型BARRA
{link}