研报市场影响力

研究框架

研究服务

输入标题

编者按

将与您一起，重温中信建投金融工程团队今年以来的经典深度专题报告。这些专题涉及领域包括量化基本面、大类资产配置、多因子选股和选股策略，以及FOF、大数据及衍生品等。自9月20日起，我们将连续在公众号推出相关专题供您参考。

本文《Barra风险模型介绍及与中信建投选股体系的比较》为该系列的第一篇，属于多因子选股领域，报告发布时间为2018年8月30日。

正文内容

本文概述

本文主要介绍风险模型的定义、分类和作用，并对Barra风险模型进行实证介绍，最后详述Barra风险模型的具体应用及与中信建投现有选股体系的对比。

Barra风险因子在A股市场较为显著

Barra风格和行业因子的年化波动率基本都在3%以上，各指数成分股的显著月份占比均较为显著，另外Barra各个风险因子基本上都能够提供新增信息，因此其基本符合风险因子的判定条件。

Barra风格因子的纯因子表现情况

非线性规模（Non-Linear Size）、流动性（Liquidity）和规模（Size）三个风格因子的信息比例绝对值都超过1，尤其是非线性规模和流动性因子的年化波动率也较低，因此在A股市场可能大部分时间仍被认定为Alpha因子而非风险因子。另外规模因子在2017年之前一直被普遍认定为Alpha因子，但最近两年大盘股的重新崛起和风格切换使得该风格因子的波动率急剧提升，风险属性逐步增强，因此规模因子作为风险因子已经被大多数投资者所认可。

Barra风险模型和中信建投选股体系对选股因子的风险处理对比

中信建投选股体系主要选择的是市值等权选股体系。现有选股体系对风格因子的处理和风险剥离的效果不亚于Barra风险模型。而对常见的Alpha因子处理上，我们选取中证500指数样本池，基本上所有Alpha因子的市值等权多空组合年化收益率明显要比纯因子高，而62%的Alpha因子在市值风险处理后的多空组合信息比例要比纯因子要高，做市值分层处理更好的Alpha因子主要集中在财务基本面因子上，而技术和反转类Alpha因子用Barra风险模型效果更好。

Barra风险模型和中信建投选股体系在指数增强中的效果对比

这里我们构建了一个经Barra风险模型处理后的中证500指数增强组合（中证500行业中性+市值中性组合），并与中信建投中证500指数增强组合对比，发现中信建投中证500指数增强组合表现更好，年化超额收益率高于Barra中性组合，而年化超额波动率则相差不大，由此可见中信建投中证500指数增强组合的超额收益信息比例高于Barra中性组合。而从最大回撤和收益回撤比来看，中信建投中证500指数增强组合表现也是更为优秀。

报告主体内容

一、风险模型介绍

1.1

风险模型的定义、分类和作用

风险,可以定义为证券或者投资组合收益的总体分散或者波动程度,对风险的分析和控制是获得稳健投资回报的关键因素。任何资产都有风险，包括股票、债券、商品、利率、汇率等。在过去人们常常只追求投资收益的最大化而忽视了投资风险的存在，但在最近几十年人们越来越发现收益和风险的共生性，要获取多大的收益就要承担多大的风险，投资者获取的收益不过是其对自身承担风险的补偿。

从上世纪50年代开始,统计方法开始被运用在金融市场，哈里•马科维茨首次对投资风险进行量化（标准差)和构建收益风险多样化的投资组合，他证明了组合的风险不大于其组成分证券的风险。经过多年的发展，投资组合风险分析体系已经日趋完善，其中一项用于分析组合风险的有力工具是多因子风险模型。多因子风险模型描述的是组合内部各资产之间收益和风险的相关性，基本假设是相似的资产表现出较一致的收益和风险特征。证券市场的多因子风险模型大致分为三类:宏观经济风险模型, 统计风险模型以及基本面风险模型。宏观经济风险模型依据可观测的经济指标,例如通胀和利率的变化,来度量宏观变量对股票收益的影响。统计风险模型则从证券收益协方差矩阵的因子分析中推导出相应因子。基本面风险模型则考察与组合收益相关的可观测到的证券属性,例如股票市值,市净率以及所属行业等。Barra股票风险模型使用的是基本面风险模型,因其对股票的解释能力超过宏观经济风险模型和统计风险模型。（资料文字源自《Barra Risk Model Handbook》）

风险模型对投资组合主要有如下作用：

1） 降低投资组合的风险暴露，实现更精确的风险管理。作为风险模型，其第一要务必定是对投资组合的风险管理。Barra提供的风险因子已经能够较大程度地解释A股市场的风险，对其部分或全部风险因子的暴露进行控制可以实现更加稳定的收益，在下文我们会详述风险因子在中国市场的有效性及控制风险后的投资组合表现。

2） 提供更准确的股票组合优化结果。由于投资组合尤其是指数增强的组合优化约束条件包括对组合波动率及组合跟踪误差的约束，这就要求风险模型能够提供更准确和更稳定的股票收益协方差矩阵估计。而对股票收益协方差矩阵的估计也是风险模型的核心和难点之一。

3） 对投资组合或基金产品进行更深入的业绩归因和风险归因。相对于前面两个作用于投资组合的事前管理，业绩归因和风险归因则属于对投资组合的事后管理，以便基金经理分析组合过往业绩的业绩来源和风险暴露，以便于后续及时调整策略。

1.2

Barra风险模型介绍

从1975年开始，Barra公司便开始利用先进的技术和高效的建模能力，为全球客户提供全方位的风险管理解决方案，其为全球不同国家和地区设计了覆盖收益预测、风险分析、组合构建、交易成本分析以及历史绩效归因等功能的软件产品以帮助用户改善组合绩效。

Barra除了公布其理论说明书The Barra Equity Model外，还发布了一套收费的Barra Aegis系统供全球投资者使用，系统功能完全基于Barra多因子模型，主要包括以下四大模块：1、Aegis Portfolio Manager：用于分析股票投资组合的前瞻性风险；2、Aegis Optimizer：用于最优化投资策略的风险收益比；3、Aegis Performance Analyst：用于解释基金收益的来源；4、Aegis Developer’s Toolkit：用于对投资理念进行回溯测试。图1是Aegis Portfolio Manager的运行界面：

根据Barra 最新版的USE4风险模型，我们可以把任何股票的收益率归因到几个不同的风险因子上，包括市场（国家）因子、风格因子和行业因子，具体公式如下：

其中，fc是市场（国家）因子的收益，fi是行业因子i的收益，fs是风格因子s的收益，Xni,Xns是各行业和风格因子的暴露，un是个股的特质收益，USE4中采用加权最小二乘回归法WLS估计因子收益，其假设个股特质收益的方差为市值平方根的倒数（源于股票的特质风险随公司市值增加而减小的经验观察）。

值得注意的是，在模型中引入市场因子（国家因子，截距项）会导致其与行业因子之间存在共线性，导致最后方程的求解不唯一。因此，为了得到唯一的回归结果，必须施加约束。USE4给定的约束条件为，市值加权的所有行业因子的收益和为0，即：

Barra风险模型经过几十年的不断完善，现已经有针对全球多个不同国家和地区的不同版本，而对中国投资者有较大参考价值的是美国版本（最新版本为2011发布的USE4）和中国版本（最新版本为2012发布的CNE5），两个版本最大的不同在于CNE5相比USE4少了两个风险因子——Dividend Yield 和Non-Linear Beta。Dividend Yield通常译为“股息率”，其代表的是股息与股票价格之间的比率。由于美国投资者非常关注股票的股息率，而国内投资者对该指标关注度明显不足，另外经测算Dividend Yield在中国市场的显著性不高（T统计量绝对值较小），因此从经济意义和统计意义来看该风险因子明显不适用于中国市场。而Non-Linear Beta代表的是非线性Beta，其与Beta因子代表的含义不一样，同样因为投资逻辑不易理解和在中国市场的显著性不高而不被纳入CNE5。另外两个版本的小类风险因子合成大类风险因子的权重也不一样，这可能与Barra在不同国家模型中的回归参数优化有关。

图2和图3是Barra中国股票模型：

我们完全根据Barra CNE5构建了一套风险模型，为了检测该风险模型的效用，我们在全市场、沪深300成分股、中证500成分股、中证800成分股和中证800外的股票范围里分别计算其滚动12个月的拟合优度（滚动横截面回归的Adjusted R_Square）如图4所示。由此可见Barra风险模型对沪深300为代表的大盘股票解释度最高，平均达到39%，其次为中证800成分股和中证500成分股，解释度也达到34%和19%，而对中证800之外的小盘股解释度最低，平均只有15%。总体来看，Barra风险模型对全市场股票的平均Adjusted R_Square达到28%。

1.3

A股市场风险因子评定方法

一直以来，Alpha因子和风险因子没有一个严格的区分方法。有人认为，Alpha 因子通常是对股票的预期收益率有稳定预测能力的因子；而风险因子通常与Alpha因子相反，指的是对未来收益没有预测能力，需要在组合投资中进行控制暴露的因子。也有人认为，两者的区别在于因子是否被大多数市场投资者所认知。与Alpha因子相对应的是，风险因子其实是系统因子（Systematic Factor）或者俗称为Beta因子。风险因子的前身一定是Alpha因子，只是当市场上越来越多人知道或被越来越多投资者运用之后，才会变成一种系统性的可解释的行为，于是就变成了风险因子。举个例子，当人们只知道CAPM模型的时候，市场因子是唯一的风险因子。当Fama把市值和账面市值比等因子以论文形式发表后，大量投资人士开始意识并使用，使得这两个因子原本存在的Alpha收益被慢慢消蚀殆尽（换句话说，市场逐步变得更有效），最终被归入风险因子。而最近两年中国市场的市值因子开始显露其风险属性，而这此之前曾被很多投资者当做为Alpha因子。由于中国市场仍不成熟，我们完全可以去成熟市场的Beta风险因子库寻找适合现在中国市场的Alpha因子。

在这里，我们可以从下面四个方面来判定一个因子是否为风险因子：

1） 因子数值较稳定并与其它风险因子相关性较低。风险因子数值的稳定性可以用前后两个横截面上因子数值的相关性来度量，BARRA建议这个相关系数应不低于0.9，从下面的实证可以看出A股市场上这个系数可以设为不低于0.8。而与其它风险因子的相关性可以用VIF（方差膨胀因子）来衡量，VIF不高于3则代表该因子与其他因子没有较强的相关性。

2） 因子收益率的波动较大。因子收益率波动大，说明该因子会增加组合的波动风险，应该被归为风险因子，而因子收益率波动小的因子或者某些波动大但Sharpe值较高的因子会被归类为Alpha因子。

3） 横截面上因子收益率较显著。风险因子的因子收益率可以等于零，也就是说风险因子可以不是定价因子（如行业因子）。但BARRA要求风险因子应满足在每期横截面上的因子收益率较显著。具体方法是用每期的个股收益率与该因子的暴露值做回归，得到T值再求出各期绝对值的均值，检验因子回归系数是否显著（T值绝对值的平均值较大，一般设为2），再看显著的月份占比有多少（一般计算T值绝对值大于2的占比）。

4） 新增因子对原有风险模型提供新增信息。我们可以参考Fama-MacBeth检验流程，在横截面上用个股收益率对新因子和原有风险因子一起做多元回归，看新因子加入后回归方程的Adjusted R-square是否有增加（或增加幅度较大），有则纳入风险因子库，说明新增因子能够带来新增信息，具体我们会在下面的实证部分详细介绍。

二、Barra风险模型实证介绍

2.1

Barra风险因子在A股市场的显著性检测

根据第一章1.3节的风险因子评定流程，我们对A股市场的10个风格因子和29个行业因子进行分析。首先是因子的波动率（这里指的是纯因子收益的波动率，具体算法在后文给出），如图5所示我们可以看出风格和行业因子的年化波动率基本都在3%以上，基本符合风险因子的判定条件（2）。

然后我们再来看下各因子的显著月份占比（图6），这里我们同样分别从全市场、沪深300、中证500和中证800四个指数成分股里进行考量，从下图可以看出全市场和中证800样本池内大部分风险因子的显著月份占比均超过50%，而在中证500和沪深300样本池中的显著因子则有所降低。不管是哪个样本池，Barra风险因子的横截面因子收益率均较为显著，基本符合风险因子的判定条件（3），具体数据我们在后面的纯因子部分会详细列出。

从图5和图6可知，Barra风险模型基本上适用于A股市场，我们分别看下Barra风格和行业因子在不同指数成分股里面的解释能力（图7-图11）。经过测算，我们可以看出风险因子模型对不同市场的解释度在15%-39%之间，行业因子基本上占所有风险解释度的40%以上，由此可见在选股中控制行业风险最为重要。经过检测，行业因子和前三大风格因子占所有风险解释度的80%以上，因此我们在指数增强中控制行业和前三大风格因子基本上等同于增强组合的完全行业中性和风格中性，但在组合优化中控制四个变量比控制十一个变量的计算速度和计算难度均大幅降低。另外值得注意的是规模（Size）因子的Adjust R_Square在中证800、中证800外和全市场样本池里排名前三，而在沪深300和中证500里面不是最显著的风格类风险因子，对沪深300指数和中证500指数的解释度仅为3.89%和0.54%，这和我们通常在量化选股或指数增强里首先控制行业和市值风险的做法相悖。实际上，做沪深300指数增强控制Beta、BP风险和控制市值风险同等重要，而做中证500指数增强则需要优先控制Beta风险和BP风险。不管是哪个样本池，Barra各个风险因子基本上都能够提供新增信息，基本符合风险因子的判定条件（4）。

2.2

Barra纯风险因子模型

这一节我们具体展示下Barra各风险因子的纯因子表现情况。首先我们来看下纯市场（国家）因子组合的表现，其对应于回归方程中的截距项，该组合对其他行业和风格因子的暴露为0，而对自身的暴露为1，根据1.2节所述，当组合的风险因子有充分的解释力度时，纯市场因子的累计收益与市场基准的累计收益应该比较接近。为了便于对比，我们这里以最能够代表全市场股票的中证全指作为基准指数，图12是纯市场因子与中证全指的每月收益率差值（市场因子-中证全指）:

从图12可知，纯市场因子和中证全指的每月收益率相差不大，月收益率差值的均值仅为0.15%，最大差值不足6%。

为了能够更直观的进行对比，我们看下纯市场（国家）因子和中证全指的历史累计净值对比（图13），可以发现两个走势基本一致，主要偏差可能在于纯市场（国家）因子是按照流通市值加权，与中证全指的个股加权方式不完全一致。

下面我们来重点看下纯风格因子组合，所谓纯风格因子组合，即对市场因子、行业因子和其他风格因子均暴露为0，而对自身的风格因子则暴露为1，下面展示的是Barra给出的10大类风格因子在A股市场最近10年的表现统计，其中Market代表市场因子，10大类风格因子分别为规模（Size）、Beta、BP、残差波动率（Residual Volatility）、动量（Momentum）、非线性规模（Non-Linear Size）、流动性（Liquidity）、杠杆（Leverage）、盈利（Earnings Yield）和成长（Growth）因子。

根据Barra USE4和1.3节给出的风险因子判定条件（1），我们可以通过各纯因子收益率的T值来检测其是否对股价有较显著的影响，并计算样本内|T|>2占比来检测因子对股价影响的稳定性。另外因子的自相关性和VIF（方差膨胀因子）也是其是否能够作为一个优秀风险因子的前提条件。

表1是Barra风险模型的市场因子（Market）和10类纯风格因子最近十年（2008年5月-2018年5月）的历史表现和信息统计表（按照信息比例排序）：

从表1可知，纯市场因子和10个纯风格因子的年化收益率之和以及信息比例之和接近于0，说明了这10个风格因子基本上可以解释A股市场的风格表现情况。而T值绝对值超过2的有8个，只有成长（Growth）风格因子小于1，说明大部分风格因子都对A股市场有较高的解释度。另外从因子的自相关性和VIF可知，大部分风格因子都符合风险因子的属性。图14是10个纯风格因子的历史净值表现：

通过观察上面图表可知，非线性规模（Non-Linear Size）、流动性（Liquidity）和规模（Size）三个风格因子的信息比例绝对值都超过1，尤其是非线性规模和流动性因子的年化波动率也较低，因此在A股市场可能大部分时间仍被认定为Alpha因子而非风险因子。流动性因子较好理解，即低换手的股票在未来表现也会相对较好，而非线性规模因子则主要强调的是市值中等的股票，计算方法为规模因子的立方,然后和规模因子进行施密特正交化处理去掉其共线性的部分，但非线性规模因子由于构造复杂超额收益一般较难获得。最后值得注意的是规模因子，该因子在2017年之前一直被普遍认定为Alpha因子，A股市场的小盘股溢价效应非常明显，但最近两年大盘股的重新崛起和风格切换使得该风格因子的波动率急剧提升（年化波动率已经上升到5%），风险属性逐步增强，因此规模因子作为风险因子已经被大多数投资者所认可。

最后我们来看下纯行业因子。我们这里按照中信一级行业分类把市场分为29个行业，由于我们在回归方程中加入了常数项（市场因子），因此下面的纯行业因子可以看作是行业剔除掉市场和其他风格因子影响后的收益，即行业相对于市场的超额收益。表2是Barra风险模型的29个纯行业因子最近十年的表现图（2008年5月-2018年5月，按信息比例从大到小排序）：

从表2可知，最近10年只有12个行业相对大盘有正的超额收益，信息比例最高的五个行业是医药、计算机、通信、电子元器件和食品饮料，说明在最近10年大消费和TMT行业在A股市场总体上有较为明显的超额收益。但所有行业因子的波动率都较高，投资者难以通过持续配置某一个行业而获得稳定的Alpha收益，因此行业因子在选股中应作为风险因子进行控制。图15是29个纯行业因子的历史净值表现，而图16是超额收益最高的5个行业净值表现：

三、Barra风险模型的具体应用及与中信建投选股体系对比

3.1

Barra纯风格因子收益率和中信建投选股体系下剥离风险后的风格因子收益率对比

中信建投现有选股体系主要包括全市场选股、市值中性选股和行业中性选股，五种情况的多空收益算法相关说明：

1） 全市场：全市场选股多空收益差。因子相对强势值排名靠前20%作为多头，因子相对强势值排名靠后20%作为多头。

2） 市值等权:市值等权多空收益差。分20小组，分别在组内选前20%作为多头，后20%作为空头，最后各组等权。如在沪深300或中证500样本内选股的话，则分为5组。

3） 市值加权:市值加权多空收益差。分20小组，分别在组内选前20%作为多头，后20%作为空头，最后各组以市值组权重加权得到多空组合。如在沪深300或中证500样本内选股的话，则分为5组。

4） 行业等权:行业等权多空收益差。在中信一级行业，分别在行业内选前20%作为多头，后20%作为空头，最后各行业以等权到多空组合。

5） 行业加权:行业加权多空收益差。在中信一级行业，分别在行业内选前20%作为多头，后20%作为空头，最后各行业以沪深300行业内权重加权得到多空组合。

下面的对比部分我们利用中信建投选股体系（2）。图17-图25是9个风格的纯因子和现有选股体系下的市值等权多空净值对比图（2008年5月-2018年5月，由于Growth成长因子缺失值较多，多空收益计算误差较大，因此在这里没有加入对比）

为了更直观地进行对比，我们可以看下表3（红色为更显著的一方）：

从上面图表可知，市值等权多空组合的年化收益率基本上比纯因子要高（除了Residual Volatility），而多空组合的信息比例和纯因子组合基本相差不大，说明现有选股体系对风格因子的处理和风险剥离的效果不亚于Barra风险模型。

3.2

常见Alpha因子在Barra风险模型和中信建投选股体系下剥离风险后的因子收益率对比

由于风险模型对于指数基金和指数增强基金的作用远大于主动选股基金，因此下面两节我们把样本池缩小至中证500指数成分股，分别检测这两种方法在常见Alpha因子上的风险剥离效果以及指数增强中的具体效用。

表4是中信建投29个选股因子通过这两种方法处理后的因子表现情况（2011年5月-2018年5月，蓝色为年化收益率更显著的一方，红色为信息比例更显著的一方）：

从表4可以看出，基本上所有Alpha因子的市值等权多空组合年化收益率明显要比纯因子要高，这比较容易理解，因为Barra模型处理后的Alpha纯因子是剥离了所有市场、风格和行业后的收益，而中信建投选股体系仅仅剥离了市值风险，但值得注意的是有62%的Alpha因子在市值风险处理后的多空组合信息比例要比纯因子要高，做市值分层处理更好的Alpha因子主要集中在财务基本面因子上，而技术和反转类Alpha因子用Barra风险模型处理后的效果更好。下面我们选了其中三个因子作对比，如图26-图28：

3.3

Barra风险模型和中信建投选股体系在指数增强中的效果对比

3.1节和3.2节主要利用Barra和中信建投现有选股体系两种方法对单个风格或Alpha因子进行风险剥离和效果对比，这节我们简单看下运用这两种处理方法在中证500指数增强上的效用。下面我们构建了中信建投中证500指数增强策略和经Barra风险模型处理后的中证500指数增强风控组合（中证500行业中性+市值中性组合），历史回测时间从2011年1月到2018年1月。这里Barra指数增强风控组合的优化目标是最大化预期收益，约束条件为行业中性和风格中性（市值中性），个股权重上限限制为1.5%，不限制跟踪误差。两个指数增强组合的选股因子和因子加权方式均相同。这里的Barra风控组合采用行业中性+市值中性的原因在于中信建投中证500指数增强策略主要是采用市值分层中性的因子处理方法，这样能够直接横向对比两种市值中性的处理方法效果，另外对于所利用的选股因子，经检测Barra行业中性+市值中性组合为所有风险约束条件下的最优组合（如果限制其他风格因子，则Barra风格中性组合的表现更差）。

图29是中信建投中证500指数增强组合净值、经Barra模型处理后的中证500指数增强组合净值和中证500指数（基准指数）累计净值对比图：

图30是中信建投中证500指数增强组合和经Barra模型处理后的中证500指数增强组合相对中证500指数（基准指数）的累计净值对比图：

表5是两个指数增强组合超额收益率的收益和风险指标对比：

从表5可以看出，中信建投中证500指数增强组合表现更好，年化超额收益率高于Barra中性组合，而年化超额波动率则相差不大，由此可见中信建投中证500指数增强组合的超额收益信息比例高于Barra中性组合。而从最大回撤和收益回撤比来看，中信建投中证500指数增强组合表现也是更为优秀。

这个例子说明了我们需要根据不同的股票样本池、不同的选股因子采用不同的风险处理方法并做详细对比，而不能对所有的选股因子均采用市值分层或Barra体系进行一刀切的处理。

四、总结

本文第一部分主要介绍风险模型的定义、分类和作用，风险模型对投资组合主要有如下作用：降低投资组合的风险暴露，实现更精确的风险管理；提供更准确的股票组合优化结果；对投资组合或基金产品进行更深入的业绩归因和风险归因。另外根据Barra CNE5构建了一套风险模型，对全市场股票的平均Adjusted R_Square达到28%。最后给出风险因子的四个判定条件：因子数值较稳定并与其它风险因子相关性较低；因子收益率的波动较大；横截面上因子收益率较显著；新增因子对原有风险模型提供新增信息。

第二部分主要对Barra风险模型进行实证介绍。首先对Barra风险因子在A股市场进行显著性检测，风格和行业因子的年化波动率基本都在3%以上，各指数成分股的显著月份占比均较为显著，另外Barra各个风险因子基本上都能够提供新增信息，因此其基本符合风险因子的判定条件。然后展示了下Barra各风险因子的纯因子表现情况，各因子的T值绝对值超过2的有9个，只有成长（Growth）风格因子小于1，说明大部分风格因子都对A股市场有较高的解释度。另外从因子的自相关性和VIF可知，大部分风格因子都符合风险因子的属性。值得注意的是，非线性规模（Non-Linear Size）、流动性（Liquidity）和规模（Size）三个风格因子的信息比例绝对值都超过1，尤其是非线性规模和流动性因子的年化波动率也较低，因此在A股市场可能大部分时间仍被认定为Alpha因子而非风险因子。另外规模因子在2017年之前一直被普遍认定为Alpha因子，但最近两年大盘股的重新崛起和风格切换使得该风格因子的波动率急剧提升，风险属性逐步增强，因此规模因子作为风险因子已经被大多数投资者所认可。最后通过观察纯行业因子最近10年的收益，发现只有12个行业相对大盘有正的超额收益，信息比例最高的五个行业是医药、计算机、通信、电子元器件和食品饮料，说明在最近10年大消费和TMT行业在A股市场总体上有较为明显的超额收益。

第三部分详述Barra风险模型的具体应用及与中信建投现有选股体系的对比。中信建投选股体系主要选择的是市值等权选股体系。首先是对比Barra和中信建投选股体系对风格因子的风险剥离效果，经检测市值等权多空组合的年化收益率基本上要比纯因子要高，而多空组合的信息比例和纯因子组合基本相差不大，说明中信建投选股体系对风格因子的处理和风险剥离的效果不亚于Barra风险模型。而对常见的Alpha因子处理上，我们选取中证500指数样本池，基本上所有Alpha因子的市值等权多空组合年化收益率明显要比纯因子高，而62%的Alpha因子在市值风险处理后的多空组合信息比例要比纯因子要高，做市值分层处理更好的Alpha因子主要集中在财务基本面因子上，而技术和反转类Alpha因子用Barra风险模型效果更好。最后简单看下运用这两种处理方法在中证500指数增强上的效用对比。我们构建了一个经Barra风险模型处理后的中证500指数增强组合（中证500行业中性+市值中性组合），并与中信建投中证500指数增强策略对比，发现中信建投中证500指数增强组合表现更好，年化超额收益率高于Barra中性组合，而年化超额波动率则相差不大，由此可见中信建投中证500指数增强组合的超额收益信息比例高于Barra中性组合。而从最大回撤和收益回撤比来看，中信建投中证500指数增强组合表现也是更为优秀。这个例子说明了我们需要根据不同的股票样本池、不同的选股因子采用不同的风险处理方法并做详细对比，而不能对所有的选股因子均采用市值分层或Barra体系进行一刀切的处理。

详细内容可以参考中信建投金融工程组报告：《因子深度研究系列：Barra风险模型介绍及与中信建投选股体系的比较》

团队负责人

丁鲁明

中信建投证券金融工程首席分析师

同济大学金融数学硕士，中国准精算师，现任中信建投证券研究发展部金融工程方向负责人，首席分析师。10 年证券从业经验，历任海通证券研究所金融工程高级研究员、量化资产配置方向负责人；先后从事转债、选股、高频交易、行业配置、大类资产配置等领域的量化策略研究，对大类资产配置、资产择时领域均有较深入研究，创立国内“量化基本面”投研体系。多次荣获团队荣誉：新财富最佳分析师2009 第4、2012 第4、2013 第1、2014 第3 等；水晶球最佳分析师：2009 第1、2013 第1 等。

团队成员

王赟杰

上海交通大学数学博士，2016 年加入中信建投研究所金融工程团队，主要从事量化交易策略（包括：衍生品套利、选股等）和基金产品方面研究。

陈元骅

哥伦比亚大学金融数学硕士，专注于衍生品定价及交易策略研究，研究成果包括分级A 的轮动策略、期权套利策略等。

赵 然

中国科学技术大学统计与金融系硕士，专注于量化基本面和资产配置相关研究，研究成果包括全球大类资产配置框架，宏观因子投资体系，美股、原油和黄金等资产定价模型。

陈升锐

芝加哥大学金融数学硕士，三年基金公司量化投资研究工作经验，2018 年加入中信建投研究所金融工程团队，专注于量化选股研究。

段潇儒

上海交通大学安泰经济与管理学院金融学硕士。

胡一江

复旦大学管理学院金融硕士。

郭彦辉

复旦大学经济学院金融硕士。

免责声明：

订阅者对本订阅号所载所有内容（包括文字、音频、视频等）进行复制、转载的，需注明出处，且不得对本订阅号所载内容进行任何有悖原意的引用、删节和修改。

关键字：  barrage是什么意思  nike air barrage  barrage官网网站  air barrage low  弹幕记忆barrage

上一篇： 治疗慢性冠心病的药物有哪些?（治疗心绞痛,冠心病的首选药物）

下一篇： 中国最大的草原是哪个草原（内蒙大草原哪个地方最美）