导语

BARRA风险模型作为量化多因子的范例，其十个风格因子作为最常见的，解释程度很高的十个因子，经常被用作风险因子，甚至是作为阿尔法因子。了解其计算方法对于我们构造其他风险因子和阿尔法因子有很大帮助。

SIZE（市值因子）

定义：

为公司股票总市值的自然对数，最常见的风格因子

**BETA

引言

我们在《正确理解 Barra 的纯因子模型》介绍了 Barra 的多因子模型。该文讨论的重点在于从业务上说明国家、行业、风格纯因子投资组合的含义，而非具体的数学计算。

不过，后来我意识到我给自己挖了一个坑。因为有个小伙伴给我们留言询问在计算因子协方差矩阵时，Barra 使用的 Newey-West 调整是怎么一回事儿。所以今天就来填坑了。本文就来简单说说 Newey-West 调整对于协方差矩阵估计的重要性。

在我为了写作本文而查阅的相关资料中，除了文末参考文献中的几篇重要论文外，知乎上

最近有学妹问我关于Barra的事，刚好之前实习在做这个，所以借知乎这个平台写一写自己的理解，如果有什么不对的地方大家可以多多指教。

这个主要是给小白写的，因为国君的那篇研报《基于组合权重优化的风格中性多因子选股策略--数量化专题之五十七》中确实有一些值得商榷的地方。

这篇主要先说说Barra风险因子的做法，文中的所有截图来自于CNE5。

1.Size

![](dat

引言

在（风险）多因子模型中，**因子暴露（factor exposure）和因子收益率（factor return）**是两个核心的概念。不清楚它们的定义将影响对多因子模型的理解。所谓因子，就是一个可以描述股票某方面特征的因素，比如行业因子描述了股票是否属于这个行业，P/E 因子描述股票 Price-to-Earnings ratio。因子暴露就是股票在因子所代表的特征上的取值，比如一个股票的 P/E 为 15.9，那么它对 P/E 因子的因子暴露就是 15.9。**对于一个给定的因子，按照某种权重组合所有股票便形成了一个基于该因子构建的投资组合，该投

摘要

除了 Newey-West 调整，Barra 模型中同时还使用了 Eigenfactor 风险调整和贝叶斯收缩来进一步提高协方差矩阵的估计。本文介绍这两种技巧。

引言

上一期文章讲了 Barra 对协方差矩阵的 Newey-West 调整（链接），本文趁热打铁，再简单介绍一下 Barra 对风险的另外两处调整，它们都是 Barra 模型中的核心组成部分。

在《正确理解 Barra 的纯因子模型》中

摘要

Barra 因子模型求解采用了带权重和约束条件的最小二乘回归。本文解释这个回归求解的数学过程，并通过简单实证说明求解的正确性。

引言

我似乎对 Barra 的因子模型过分钟爱了？

That was a joke.

钟爱谈不上，Barra 的模型在中国市场有多大作用、在什么使用情景下有用（因为没有可投资性，它无法直接用来选股）也仍在摸索中。但是，这么多年一代代模型的推出和改进代表着 Barra 自身的思考；一步步的构建一个逐步完善的多因子投资体系。这个框架足以引发我们的思考并学习。

之前我们分三篇文章介绍了 Barra 的因子模型，它们分别是[《正确

摘要

纯因子组合构建

如同立体世界可以用三维坐标来丈量，纯因子组合的提出有利于将投资者从风格因子的协同变化中解放出来，形成单一的、纯粹的、正交的资产组合工具。

传统的 Smart Beta 指数在风格因子上的暴露并不纯粹，其在目标因子上进行主动正向暴露的同时，会给其他因子带来正向或反向暴露，如何构建纯粹的风格因子成为本报告探讨的主要问题。

构建方法：完全复制法 VS 最优化复制法

完全复制法：能够保证组合的收益即为纯因子的收益，但无法约束组合的事前风险最优复制法：根据带约束的均值-方差优化求解，可以控制组合的事前风险，但可能出现一定程度的跟踪误差两种方法均存在做

摘要

对于私募指数增强产品来说，指数本身的风险是一种被动的且必需的暴露，因此风险因子对指数的主动暴露成为了一种调节工具，一方面对应着选股模型的能力特点，一方面也掺杂着私募机构的主观判断。本文针对私募指数增强产品的策略流程，设计了一套相应的风险因子暴露分析方法，在数据匮乏的情况下取得了良好的效果，打开了从风险暴露的角度构造因子对私募指数增强产品进行分析的道路。

在敞口暴露因子的分析过程中，本文发现总体上大的风格敞口暴露和小的行业敞口暴露会导致指数增强产品较差的收益表现。这说明在带有主观色彩的风格因子控制中，过度放大敞口会侵蚀产品的净值；在相对统一的行业因子控制中，过严的敞口约束会削弱收

导语

多因子选股作为量化投资研究领域的经典模型，在海内外各类投资机构均受到广泛研究和实践应用。 在多因子模型中，决定策略收益稳健性的关键步骤正在于股票组合的权重配置。因此，从量化对冲策略追求收益稳定性的角度而言，组合权重优化对多因子模型起着至关重要的作用。

本篇报告有别于传统的多因子研究，我们并未将重点放在阿尔法因子的挖掘上，而是通过对股票组合的权重优化计算，找到了在市值中性、行业中性、风格因子中性约束下的最优投资组合，以及验证得到的组合权重是否满足了约束条件。

结构化多因子风险模型首先对收益率进行简单的线性分解，分解方程中包含四个组成部分：股票收益率、因子暴露、因子收益率和特质因

介绍

本贴主要分享东方证券金工部在Barra多因子结构风险模型上的研究思路、方法和成果,并持续更新…

下载链接：【https://pan.baidu.com/s/1ozOhYXLDTXl1zPE5jx9ytA】

Barra多因子结构风险模型投资流程入下：

预览

![{w:100}](/

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

投资要点

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