2022年多因子模型之CNE7专题报告.docxVIP

2022年多因子模型之CNE7专题报告 一、CNE7 模型简介 1.1 多因子模型介绍 1.1.1. 多因子模型的由来 1952 年 Markowitz 提出的风险收益模型为现代金融奠定了基础。该模型构建了一个投资组合有效前沿，即 市场上所有风险产品的组合中收益与风险比值最高的投资组合。之后的一个重大进展是 1964 年夏普提出的 CAPM 模型，该模型将资产的收益分解为两部分： 一部分来源于市场的系统性风险，另一部分来自于股票自身 的风险。随后投资者逐渐意识到具有某些相似特征的股票在市场上会呈现相似的走势，然而 CAPM 模型仅是 通过单一因子来解释市场，存在不足，因此 1976 年套利定价模型（Arbitrage Pricing Theory，APT）被提出。 APT 模型用多个因素来解释风险资产的收益，并根据无套利原则，得到风险资产均衡收益与多个因素之间存在 近似的线性关系。也就是说，股票或者组合的预期收益率是与一组影响它们的系统性因素的预期收益率线性相 关的，影响股票预期收益率的因素从 CAPM 中的单一因素扩展到多个因素。 多因子模型正是基于 APT 模型的 思想发展出来的完整的风险模型。 多因子模型可以理解为对于风险与收益关系的定量表达，不同因子代表了不同风险类型的解释变量。多因 子模型定量刻画了资产的预期收益率与该资产在每个因子上的因子暴露度，以及因子收益率之间的线性关系。 由于股票的预期收益是对投资者所承担风险的报酬，多因子模型正是对于风险—收益关系的定量表达，不 同因子代表不同风险类型的解释变量。多因子模型定量刻画了股票预期收益率与股票在每个因子上的因子暴露 度，以及每个因子每单位因子暴露度的因子收益率之间的线性关系。 1.1.2. CNE7 基本面多因子模型 目前多因子模型主要有三种形式：宏观经济因子模型、基本面因子模型和统计因子模型，以下是这三种形 式的模型对比： 根据以上三种形式的多因子模型优缺点总结对比以及历史相关研究表明，基本面因子模型对股票的解释能 力超过其他两类模型，特别是在样本外。当前市场上多因子模型的主流研究也集中在基本面多因子模型的研 究。基本面多因子模型的基本假设是：具有相似属性的股票在市场上应该获得相似的收益率，表现出相似的风 险特征。这些基本面属性包括财务属性、交易属性以及行业属性等。多因子模型通过将对于高维股票的收益风 险预测转换为低维基本面因子的收益风险预测，大大减少计算量的同时，还有效提高了风险预测的准确度。为 此我们针对中国 A 股市场构建了 CNE7 经典版股票基本面多因子模型。 1.1.3. 多因子模型在投资组合管理中应用 多因子模型对投资组合主要有如下作用： 1) 控制投资组合部分或全部风险因子的暴露，实现更精确的风险管理，和收益获取。 2) 提供更准确和更稳定的股票收益协方差矩阵估计，从而更准确地计算组合波动率及组合跟踪误差， 提供股票组合优化结果。 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，以便基金经理分析组合过往业绩的业绩 来源和风险暴露，后续及时调整策略。 1.2 模型构建 1.2.1 因子选择 选择恰当、有效的共同因子是搭建高质量风险模型的基础。首先，因子必须能够稳定、有效地解释股票收 益率，保证统计上显著且时间序列上稳定。其次，因子之间不应存在过度的共线性。再者，在涵盖优质因子的 基础下，模型需要尽可能精简因子数目，以减少风险预测的工作量并提高风险预测的准确度。 股票模型 CNE7 经典版针对中国 A 股市场，将因子分为三大类： 风格因子：反映股票当前状态或未来预期状态，表现在一定时期内会呈现出的风格特征，比如小市 值、高成长、低波动等。 行业因子：反映股票所在行业的行业特征；由于行业周期性影响、产业政策冲击以及其他宏观环境 影响，从事相同或相似业务的股票在市场上也会表现出较高的相关性。 市场因子：反映市场的整体变化趋势，捕捉所有股票因受到市场整体供需影响而呈现出的同涨同跌 现象。 风格因子 风格因子包含 10 大类基本面因子，依次为贝塔、残余波动率、规模、中盘股、Earnings Yield、Book to Price、动量、杠杆率、流动性以及成长。其中，部分大类因子表示为若干个子指标的加权组合，从而在尽可能 丰富大类因子信息量的同时解决子类因子可能具有的共线性问题。具体风格因子构建可参考附录计算公式。 行业因子 除风格因子外，行业因子能够为股票价格的变化提供丰富的增量信息。特别是在国内股票市场，行业信息 和产业投资逻辑往往驱动股价的波动变化。CNE7 经典版根据本土化的申万行业分类标准，构建了 34 个具有 代表性的行业因子，显著增强了模型的解释能力。行业因子具体包括农林牧渔、基础化工、钢铁、有色金属、 电子、汽车、家用电器、白酒、食品饮