主要结论
　　统一的因子模拟投资组合权重计算框架
　　经典的因子模拟投资组合（FMP）的构造方法包括FamaMacBeth回归（及若干修正版）法、最大相关度组合MCP方法。
　　从FMP组合的定义出发，将FMP权重求解转化为最优化问题，可证明在因子模型成立的条件下，优化问题最优解中的特质性风险部分可以使用资产收益率协方差矩阵替代，从而得到最优解的计算公式，该FMP权重公式是一个统一的FMP权重计算框架，对其中参数赋予不同值，可以复现经典方法的计算公式。
　　工具变量修正宏观因子测量误差
　　宏观因子原始值存在无法观测的测量误差，会导致因子载荷矩阵估计质量较差，进而影响因子模拟投资组合表现。基于tPCA的工具变量估计法在一定的理论假设下可以消除测量误差。
　　从实证结果中，资产对各因子系数的方向一致性，以及因子对资产收益率的解释程度等角度来看，使用修正测量误差后的因子计算出的因子模拟投资组合相比原始因子有更好的效果。
　　因子模拟投资组合特征对比
　　通过设置实验对比样本内/滚动窗口表现，可以得出通过修正测量误差因子计算出的FMP，相比原始因子得到的FMP，总持仓更低，波动率更接近因子本身，对原始因子的跟踪误差也更小。
　　对比不同方法计算的FMP样本内/滚动窗口表现，相对WLS/GLS-Fama-MacBeth以及MCP方法，使用OLS方法的FamaMacBeth回归得到的模拟组合总持仓更低，在风险管理以及成本控制上更有优势。
　　FMP可用于对冲宏观风险，获得稳健的alpha组合
　　构造增长、通胀、金融压力三个宏观因子的因子模拟投资组合并将其应用于对冲宏观风险。以模拟的捐赠基金组合为例进行回测，结果表明剥离宏观因子波动后，可以大幅提升组合的单位风险收益，对冲后的ALPHA组合夏普比率达到0.95（原始组合0.67），最大回撤仅为6%（原始组合38%）。
　　风险提示：本报告结果均基于对应模型计算，需警惕模型失效的风险；过去不代表未来，本报告规律来自历史规律总结，需警惕历史规律不再重复的风险；因子权重计算受所选标的、数据时间范围影响；因子的权重稳定性可能影响实际效果；模拟组合仅作测试用，不涉及组合推荐；对冲效果可能受对冲工具的成本及流动性限制；当前美国仍处于加息进程中，需警惕美联储加息超预期的风险，当前海外地区冲突仍未结束，仍需警惕局部地区冲突大规模升级的风险。