Barra风险模型（CNE6）之纯因子构建与因子合成.docxVIP

第 PAGE 1 页 共 NUMPAGES 3 页 目 录 概述 4 纯因子模型的求解 4 纯因子测试结果 5 规模因子（Size） 8 波动率因子（Volatility） 9 流动性因子（Liquidity） 10 估值因子（Value） 11 质量因子（Quality） 12 动量因子（Momentum） 14 成长因子（Growth） 15 分红因子（Dividend Yield） 15 调整合成权重后一级因子 16 总结与未来研究方向展望 17 附录：Barra CNE6 因子定义 18 表目录 表 1：一级因子纯因子统计结果 5 表 2：规模因子纯因子统计结果 8 表 3：波动率因子纯因子统计结果 9 表 4：流动性因子纯因子统计结果 10 表 5：估值因子纯因子统计结果 11 表 6：质量因子纯因子统计结果 13 表 7：动量因子纯因子统计结果 14 表 8：成长因子纯因子统计结果 15 表 9：分红因子纯因子统计结果 16 表 10：调整后的纯因子统计结果 16 图目录 图 1：一级因子纯因子回测结果 6 图 2：二级因子相关性矩阵 7 图 3：一级因子相关性矩阵 7 图 4：规模因子纯因子回测结果 8 图 5：波动率因子纯因子回测结果 9 图 6：流动性因子相关性矩阵 10 图 7：流动性因子纯因子回测结果 11 图 8：估值因子纯因子回测结果 12 图 9：质量因子纯因子回测结果 13 图 10：动量因子纯因子回测结果 14 图 11：成长因子纯因子回测结果 15 图 12：分红因子纯因子回测结果 16 图 13：调整后的纯因子回测结果 17 概述 在上一篇报告中，我们对Barra CNE6 模型中的一级、二级、三级因子进行了单因子检测，得到了各因子的 t 检验结果与分层回测结果。分层回测是比较直观反映单因子收益情况的方法，但其也有一定的缺陷。当我们对于单一因子做分层回测时，得到的组合对于其他因子的并没有办法保持中性。所以检测结果无法排除其他因子的影响。于是我们需要构造纯因子模型，即对于单一因子暴露为 1，对于其他因子暴露为 0 的模型。纯因子模型可以更客观的反应因子的收益能力。 纯因子模型的求解 纯因子模型的求解可以用以下回归方程表示： 其中， 为因子暴露矩阵，由 1 个国家因子、S 个行业因子和 M 个风格因子构成。假设横截面标的数为 N，则 是一个 （ ）阶的矩阵。 为行业 整体流动市值，加入该限制条件是因为在回归方程中引入了国家因子，而行业因子之和为 1，这会导致解的不唯一性。所以需要加入行业市值权重的限制，保证解的唯一。 为解决异方差性，我们在回归时使用根号流动市值为标的加权，构建 阶对 角 矩 阵 ， ， 其 中 ： 代表个股的流通市值。 另外，根据行业权重的约束条件，再构建一个（ ） （ ）阶矩阵 ，其表达式为： 该矩阵的每一行对应一个纯因子组合，使用该组合乘以标的当期超额收益率即可得到当期的纯因子收益率。 纯因子测试结果 根据上述理论，我们针对全体A 股，以月度调仓的频率构建纯因子组合。回测数据为 2009 年 1 月-2019 年 4 月。 通过回测可以看出，流动性和动量的纯因子组合表现较为稳定。规模因子和波动率因子收益波动较大。质量因子近期收益有一定回撤。 表 1：一级因子纯因子统计结果 累计收益 年化收益 波动率 夏普比率 胜率 liq -62.77% -9.12% 3.84% -2.3768 22.58% mom -52.26% -6.91% 5.30% -1.3017 41.94% quality 32.46% 2.76% 4.06% 0.6788 59.68% growth -3.91% -0.39% 1.08% -0.3562 54.03% size -9.38% -0.95% 4.13% -0.2298 44.35% vol 29.32% 2.52% 5.46% 0.4616 51.61% value 24.98% 2.18% 4.79% 0.4554 58.87% DTOP 8.21% 0.77% 1.01% 0.7624 58