20160926-东北证券-风险预测_纯因子组合及基于收益的风格分析_16页_709kb

证券研究报告总结

核心内容概述

本文是基于Barra风险模型进行风险归因系列的第二篇，主要探讨了在全A股股票池中如何进行风险因子的因子收益和风险矩阵的估计，介绍了纯因子组合的构建方法，以及在无法获取截面持仓数据时，如何通过收益率进行绩效和风险归因分析。同时，文章扩展了上期分析对象，从ZZ800+ZZ1000扩展至全A股，以消除幸存者偏差。

主要观点

• 风险预测与调整：为了提高风险预测的准确性，引入了Newey West相关系数调整、特征值调整（Eigenfactor Risk Adjustment）和波动率偏误调整（Volatility Regime Adjustment）。这些调整旨在保持样本内外估计的一致性，并考虑不同因子之间的相互影响。
• 特异风险协方差矩阵预测：特异风险的预测需要进行四步调整，包括Newey West调整、结构化模型调整、贝叶斯收缩调整和波动率偏误调整。这些步骤有助于更精确地捕捉残差项的风险。
• 纯因子组合构建：纯因子组合是指对某个因子暴露度为1，其他因子暴露度为0的投资组合。文章介绍了两种构建方法：完全法（Full Replication）和优化法（Optimized Replication）。
• 基于收益的绩效与风险归因：在无法获取持仓数据时，可以通过收益率逆推投资组合的平均风险暴露，并据此进行绩效和风险归因分析。该方法更及时地反映投资组合的风险偏好变化。

关键信息

风险矩阵预测方法

• Newey West调整：用于调整方差和协方差矩阵，考虑序列自相关的影响。对不同因子选择不同的滞后长度（方差为2天，协方差为5天）。
• 特征值调整：通过Monte Carlo模拟生成风险矩阵，并计算调整系数 $\pi(k)$，对原始风险矩阵进行调整。
• 波动率偏误调整：利用因子波动率乘数 $\lambda_F$ 对调整后的风险矩阵进行进一步修正，以反映波动率偏误。

特异风险协方差矩阵预测

• 结构化模型：用于解决数据缺失和肥尾现象，引入协调参数 $\gamma_n$，根据波动率分组进行调整。
• 贝叶斯收缩：将样本空间中的股票按波动率分为10组，进行组内收缩，减少估计偏差。
• 最终调整公式：特异风险的协方差矩阵通过上述步骤调整后，记为 $F^{VRA}$。

纯因子组合构建方法

• 完全法：纯因子组合权重可直接由截面回归解得出，构造简单，但未考虑最小化事前风险。
• 优化法：通过均值-方差优化模型求解最优风险暴露，可以最小化组合风险并最大化目标因子暴露。在不允许做空的情况下，可加入 $h > 0$ 的约束条件。
• 纯因子组合的收益形式：纯因子组合的收益等于该因子当期截面的因子收益，可用于多因子选股。

基于收益的风险暴露估算

• 逆推公式：通过收益率与因子收益矩阵的乘积逆推投资组合的风险暴露 $\tilde{\psi}$。
• 假设前提：投资组合的风格相对固定，对于每个因子的风险暴露保持一定的连续性。
• 风险暴露对比：表5列出了某偏股型基金在不同时间段的风险暴露估算值，显示出风格因子暴露的变化趋势。

风险归因公式

• 总风险方差：由风险暴露 $\tilde{\psi}$ 和风险矩阵 $F$ 计算得出。
• 边际风险贡献（MCR）：用于计算每个因子对投资组合风险的贡献。
• 因子风险贡献（CR）：为 $\tilde{\psi}_k \cdot MCR_k$。
• 比例风险贡献（PCR）：为 $CR_k / \sigma_p$。

重要结论

• 风险预测和归因分析是投资组合管理的重要工具，能够提供额外的分析信息。
• 纯因子组合的构建方法有完全法和优化法两种，各有优缺点。
• 基于收益的绩效和风险归因方法在无法获取持仓数据时尤为重要，可以提供更及时的风险偏好分析。
• 风格因子在长周期上存在轮动效应，寻找当前有效的因子对投资决策具有重要意义。

附录信息

• 分析师信息：王琦，金融工程分析师，英国帝国理工学院数学与金融硕士。
• 风险声明：本报告仅供内部参考，不构成投资建议，不承担由此引发的任何损失。
• 投资评级说明：
  • 股票投资评级：
    • 买入：未来6个月内，股价涨幅超越市场基准15%以上。
    • 增持：未来6个月内，股价涨幅超越市场基准5%至15%之间。
    • 中性：未来6个月内，股价涨幅介于市场基准-5%至5%之间。
    • 减持：未来6个月内，股价涨幅落后市场基准5%至15%之间。
    • 卖出：未来6个月内，股价涨幅落后市场基准15%以上。
  • 行业投资评级：
    • 优于大势：未来6个月内，行业指数收益超越市场平均。
    • 同步大势：未来6个月内，行业指数收益与市场平均持平。
    • 落后大势：未来6个月内，行业指数收益落后于市场平均。

数据展示

风格因子风险矩阵预测（2016年7月29日，预测时长21天）

特异风险预测（部分）

基于收益的风险暴露对比（某偏股型基金）

总结

本文系统性地介绍了基于Barra风险模型的风险预测与归因方法，包括风险矩阵的预测、特异风险协方差矩阵的构建、纯因子组合的两种方法，以及基于收益的绩效和风险归因。通过多步骤的调整，提高了风险预测的准确性，并为投资组合的优化提供了理论支持和实际应用方法。