方差分析-七-：特质收益协方差矩阵稀疏还是稠密.docxVIP

金融工程·专题报告

方差分析(七)

特质收益协方差矩阵稀疏还是稠密2025年8月11

核心观点

lMSCI新一代中国股票模型增加特质相关性处理MSCI新一代中国股票模型对于个股特质性收益率的协方差矩阵增加了VRA调整和相关性。其中VRA调整虽然整体效果无明显变化

的股票间,行业间的比例不大,从回测效果来看,对整体组合优化提升有限。

lRMT处理。

差矩阵增加相关性后,特质协方差矩阵的稀疏度为0.4~0.5%

况下,矩阵不适合做特征值谱分解,特征值低值区域和高值区域不存在差异

lRMT对特质收益协方差矩阵做RMT

理后,相比原始矩阵有明显提升,但相对直接采用对角矩阵处理来看差异不是特别明显。对角矩阵处理是一种静态平均处理的办法,未考虑市场的变化,在某些特定行情下,采用RMT处理波动率组合控制的更好。其次,对特质收益协方差矩阵做RMT处理时,无论增大还是减少保留信号的数量,整体来看对于组合波动率控制都没有起到很好的效果。

lRMT增加还是减少信

号,组合的波动率都是增加的。但是减少信号数量相比增加信号数量能有效控制组合波动。采用理论计算最低特质值与相应的IPR是不一致的,IPR对应的指标更合适。

l先验处理保留行业内相关性与原始矩阵相比有提升。采用先验性处理个股特质性收益率的协方差矩阵,效果并不理想。直接整体截取(阈值截断和比例截断),与对角矩阵和原始矩阵相比都没有效果。只保留行业内的相关性时,与原始矩阵相比效果有明显提升。

l风险提示:报告

政策影响易出现统计规律之外的走势,所以报告结论有可能无法正确预测市场风险,报告阅读者需审慎参考报告结论。本文所涉及的个股等信息,仅做示例使用,不构成任何建议。

相关研究

《方差分析(一)矩阵收缩法》

《方差分析(二)随机矩阵理论初探》

《方差分析(三)协方差矩阵特征向量修正分析》《方差分析(四)含噪声协方差矩阵组合优化》

《方差分析(五)矩阵收缩与风险估计准确性》

《方差分析(六)多因子与随机矩阵组合优化对比》

证券研究报告

金融工程·专题报告

目录catalog

目录

·MSCI新一代中国股票模型3

(一)特质性收益率的协方差矩阵3

(二)VRA调整特质波动率4

(三)增加相关性….5

(四)RMT7

(五)限制做空…11

·RMT

(一)高值区域…15

(二)低值区域…17

先验性处理....

(一)整体处理….20

(二)保留行业内相关性22

四·结语25

五风险提示25

金融工程·专题报告

在之前方差分析系列研究中,对于风险模型的估计主要包括收缩法、多因子、随机矩阵处理(RMT)等。在第六篇将多因子与随机矩阵结合进行了初步的尝试。在多因子处理框架下,股票的协方差矩阵可以分解成因子协方差部分和个股特质性收益率的协方差矩阵:

Σ=βΣλβr+Σε

通常认为对于个股特质性收益率间是相互独立的,是否需要对其改进就是本文主要的内容,即讨论关于个股特质性收益率的协方差矩阵的处理。这里按照矩阵的稠密程度可以有两种处理方式,比如直接在对角矩阵基础上处理,或者在原始矩阵上(含非对角元素)做统计分析。

所以本文主要内容包括两个部分。第一部分介绍MSCI新一代中国股票模型中,对于个股特质性收益率的协方差矩阵的处理,下文我们可以看到其是稀疏的,基于此进一步做RMT等相关处理。第二部分在《方差分析(六)多因子与随机矩阵组合优化对比》的基础上,即在原始特质性协方差矩阵上做RMT处理。另外增加一部分,直接对特质性协方差矩阵做先验性的处理,考虑降低其稠密度的可能性。

一、MSCI新一代中国股票模型

MSCI新一代中国股票模型(chinaLocalEq