本文挑选了著名的风险结构模型进行介绍,具体的细节并没有深入展开,旨在抛砖引玉,了解Barra对于风险结构模型的思维方式和理念。
相似的资产会有相似的回报,这是多因子模型的基本假设。由于某些特定的原因(因子),资产会表现的十分类似,例如价量变化、行业、规模或者利率变化。多因子模型就是为了发掘这些因子,并且确定收益率随因子变化的敏感程度。通常来说,多因子模型包括了宏观因子模型、基本面因子模型和统计因子模型。这几种模型在分析不同的大类资产风险收益的时候也有不同的效果。
单个资产的多因子模型可以表示成:
;估算协方差矩阵可以用结构化因子模型,也可以采用纯统计方法
结构化因子模型的最大好处在于降维,既可以降低参数估计误差,也可以降低协方差相关计算的复杂度,大幅提升组合优化速度;但缺点是模型会存在设定偏误,需要维护更新风险因子库。统计模型没有设定偏误,只需要用到股票收益率数据,计算效率很高,但输入到组合优化时,无法通过因子模型降维的方式实现优化提速。
本报告提高了一种方法可以兼顾统计模型的高效便捷和因子模型的计算提速。首先用压缩估计方法(报告用的是线性压缩
更新时间:2021-11-22 08:05