【江海-2025研报】股票多因子系列（五）：Barra CNE6纯因子风险模型搭建与应用.pdfVIP

证券研究报告·金融工程深度报告2025年12月10日江海证券研究发展部

金融工程研究报告

股票多因子系列（五）：BarraCNE6

金融工程研究组

纯因子风险模型搭建与应用

分析师：梁俊炜核心内容：

执业证书编号：S1410524090001◆Barra风险模型是业界进行投资组合管理过程中，运用最为广泛的风险模型之一。

本文在系列报告前两篇的基础上，进一步完善并复现了Barra多因子风险模型。

联系人：朱威具体而言，本文先详细阐释了风险模型的重要性并同时介绍了风险模型的搭建与

执业证书编号：S1410124010022求解方法。然后从单因子检验、纯因子模型搭建、残差因子选股能力、宽基指数

风格暴露与绩效归因角度对Barra风险模型进行实践应用。

◆风险模型的重要性。风险模型之所以重要是因为投资者可以通过其对资产收益率

进行降维，进而可以方便地计算出资产之间的协方差矩阵，而后者正是投资组合

相关研究报告

优化中必不可少的输入之一。其次，在构建风险模型的过程中，BarraCNE6使用

1.金融工程深度报告：股票多因子

带约束的加权最小二乘法解决了共线性与异方差的问题，并得到了纯因子投资组

系列四：神经网络多因子模型初探

合，其满足围绕某个因子所构建的投资组合仅对该因子的暴露为1，而对其他因

-2025.04.17

子的暴露为0，从而能更好地评估因子收益率的实际大小。

2.金融工程深度报告：股票多因子

系列三：机器学习在多因子模型中◆实操层面，受限于数据的可得性，我们在等权合成大类因子的过程中，剔除了与

的应用-2024.08.19分析师一致预期相关联的因子，最终生成了8大类因子（Size、Volatility、

3.金融工程深度报告：股票多因子Liquidity、Momentum、Quality、Value、Growth、DividendYield）。纯因子模型

系列二：基本面类因子实测——基下，Size、Liquidity、Momentum因子呈现出稳健的反向预测能力，年化收益分

于BarraCNE6-2024.05.22别为-2.75%、-5.90%、-5.57%；Volatility、Value是较为明显的正向因子，年化收

4.金融工程深度报告：股票多因子益分别为1.93%、1.38%；而Growth、Quality与DividendYield则呈现为阶段性的

系列一：量价类因子实测——基于正向或负向因子。

BarraCNE6-2024.03.11

◆纯因子模型回归的均值约为11.45%。表明模型对个股收益率的解释力度并不

高。因此，我们对模型回归后的残差因子的选股能力进行检验，结果显示，残差

因子与个股收益率间存在非常明显的非线性关系，且残差因子的选股能力强劲，

中间层第5组年化收益达17.98%，夏普率为0.68，相较于第10组超额年化收益

为13.58%，超额夏普率为1.50。

◆最后，我们利用所搭建的风险模型对常见宽基指数的风格暴露与收益分别进行计

算与归因。结果发现，今年以来，录得正超额的指