投资聚焦：认知风险，把握收益
　　风险，指的是证券或者投资组合收益的不确定性；
　　风险模型贯穿投前、投中和投后，是投资管理活动的关键之一；
　　从2009年以来，A股的风格切换开始加剧，而每一次风格切换都会对收益产生巨大的关键影响；
　　全面地窥探市场的风格、捕捉市场的风格变化、了解投资组合的风格暴露成为投资管理活动中的重要内容。
　　结论与展望
　　报告的核心内容
　　风险模型贯穿整个投资管理活动，是整个活动的关键之一，而面对A股风格切换的加剧，其重要性日益凸显；
　　风险模型从理论研究到商业化应用不断发展，自CAPM和APT模型为风险模型奠定基础后，市面上涌现了如Barra、Axioma、Northfield等商业化风险模型，不同模型之间大同小异；
　　综合已有模型的优缺点，构建因子离散化风险模型更加直观地分析收益和风险的驱动因素且更具投资性；
　　将构建的因子离散化模型进行实际的应用，展现了一定的解释能力。
　　结论和展望
　　本报告所构建的因子离散化模型的优势主要有三点：1.因子收益率的考察更具直观性；2.在连续变量型模型的基础上作出了放松，提升了模型的适应性和拓展空间；3.对协方差矩阵的估计与传统模型能力相当，且更加稳定。
　　风险提示
　　模型失效；历史数据不代表未来表现。

研究报告全文：多因子模型专题研究因子离散化股票多因子风险模型王兆宇赵文荣史周中信证券研究部量化策略组2023年4月6日CONTENTS目录1投资聚焦认知风险把握收益2演化历程从理论研究到商业化应用3模型改进因子离散化风险模型4模型应用组合优化及绩效与风险归因分析5总结和投资建议6风险提示11投资聚焦认知风险把握收益21投资聚焦认知风险把握收益风险指的是证券或者投资组合收益的不确定性风险模型贯穿投前投中和投后是投资管理活动的关键之一从2009年以来A股的风格切换开始加剧而每一次风格切换都会对收益产生巨大的关键影响全面地窥探市场的风格捕捉市场的风格变化了解投资组合的风格暴露成为投资管理活动中的重要内容风险模型的应用场景A股大小盘风格切换小盘大盘252151050资料来源中信证券研究部资料来源Wind中信证券研究部32演化历程从理论研究到商业化应用I从CAPM到Barra模型IINorthfiled模型IIIAxioma模型42演化历程从理论研究到商业化应用目标对股票资产收益率的波动性进行有效的建模提高解释度R基础理论MPTCAPMAPT结构化风险模型byBarra效果将对股票资产总波动的建模转化为对因子F的波动性的建模大大降低投研的难度模型类别基本面因子模型宏观因子模型统计因子模型主要因子国家因子行业因子风格因子宏观因子货币因子局部因子模型求解截面回归vs时间序列回归加权回归vs等权回归单步回归vs多步回资料来源中信证券研究部归Northfield风险模型的求解过程Axioma不同模型比较66基本面因子模型统计因子模型宏观经济模型Northfield11输入变第一步估计Beta值通过式2进行第一次截面回归得到Beta与特征因子因子暴露None因子收益量之间的关系其中表示特征因子i对Beta的敏感系数并通过式3估计出同期的Beta值即估计变因子收益因子暴露和因子收益因子暴露量66ik1Eikbki2直观应用广泛可用因子种类不是固定的反c66可用于针对市场事件的压Eb3优点于风险分解绩效归因应更加灵敏可以抓住短ik1ikk力测试组合构建期的变化第二步估计因子收益将得到的以及各因子数据等代入式1进行第二次截面回归得到各个因子的收益情况缺点可能会错过短期的趋势因子不直观难以解释预测性和解释性差资料来源axiomainccommscicomnorthinfocom资料来源axiomainccommscicomnorthinfocom53模型改进因子离散化风险模型I因子离散化风险模型的基本逻辑与因子设定II因子离散化风险模型求解III因子离散化风险模型的解释能力631因子离散化风险模型的基本逻辑与因子设定风格因子定义一级因子英文名方向二级因子权重规模因子Size-总市值的对数1短期动量20天13动量因子Momentum-中期动量60天13长期动量120天1320日换手率13流动性因子Liquidity-60日换手率13120日换手率1330日波动率13波动率因子Volatility60日波动率13120日波动率13净利润增长率TTM14营业利润增长率TTM14成长因子Growth分析师预测净利润复合增长率14分析师预测营业收入复合增长率14PB13估值因子Value-PE13PS13ROE13盈利因子ProfitROA13一致预期ROE137资料来源中信证券研究部31因子离散化风险模型的基本逻辑与因子设定目标追求波动率解释度的同时兼顾直观性和可投资性提高模型的泛化效果迭代空间对各因子进行了基于分位数的分组划分每个因子的每个分组以哑变量形式体现在回归方程中在对模型进行求解的时使用分析标的中个股的实际权重作为加权最小二乘法WLS的权重行业因子的选择上则采用中信一级行业分类因子离散化风险模型与常规模型的对比常规模型本模型应用场景前1500001截面排序1风险收益来源更加直观风格因子因子a实际变量连续离散2清晰的看到市场收益的驱动因素后1500001行业因子其他行业分类中信一级行业分类鲜明特色WLS以市值平方根WLS以组合中实际回归方法实际投资意义更强为权权重为权资料来源中信证券研究部832因子离散化风险模型求解模型表征110230s1其中表示股票n所属的行业是一个13维的向量表示股票n在风格因子Q上所处的基于分位数划分的组别PQ分别表示行业因子风格因子的个数对于传统模型公式1的解释变量为1PQ个对于本文的因子离散化模型则解释变量为1P5Q个模型求解31其中RVXRV为线性约束下加权回归模型的解的形式约束矩阵R根据公式2解释变量因子暴露的存在内在线性约束满足权重矩阵取样本空间中个股的权重933因子离散化风险模型的解释能力传统模型风格因子表现累计收益年化收益年化波动最大回撤夏普比率胜率Size-8390-715-715-5822-1394124Momentum-7769-680-680-5828-0874802Volatility2323200200-3920775315Liquidity-17585-1423-1423-8329-3524182Growth10693966966-5692765804根据以上论述本文以沪深300成分股为Value-7116-611-611-5674-1194816Profit3045261261-17470745256例剔除停牌和ST股票并选定资料来源Wind中信证券研究部20100101至20220101为回测区间以日度的调仓频率进行回测分别列出了分传统模型风格因子净值组前原始风格因子的表现以及分组后同一风格因子在不同位上的表现资料来源Wind中信证券研究部1033因子离散化风险模型的解释能力因子净值表现sizeMomentumVolatilityLiquidityGrowthValueProfit资料来源Wind中信证券研究部模型解释度解释度方面沪深300的R2的均值达到了传统模型因子离散化风险模型均值中位数上四分位数下四分位数均值中位数上四分位数下四分位数4819而在中证1000中的解释能力最弱沪深30046604569550737434819474656023936总体上与传统模型处于相同的解释度水平中证50024422315295017732489236429611867中证100017481602217511631733161221231193中证全指2838259236051842274825383449182811资料来源Wind中信证券研究部4模型应用组合优化及绩效与风险归因分析I模型应用1组合优化II模型应用2基金绩效归因与分析1241模型应用1组合优化风险模型在组合优化中主要以协方差矩阵的形式体现协方差矩阵的评估方法一般有均方误差法和特征距离法两种因子离散化模型构建的协方差以及传统模型构建的协方差进行比较用过去6个月的历史数据估计协方差矩阵然后将其与下一个月的实际收益率协方差矩阵进行比较离散化模型在协方差矩阵的估计上与传统模型具有同等的水平并且更加稳定传统模型和因子离散化模型与真实协方差矩阵的均方误差传统模型和因子离散化模型与真实协方差矩阵的特征距离传统模型离散化模型传统模型离散化模型00035020001900000300180000025017000002001600150000015014000001001300120000005011000000001000201205022014010220150901201705022017010320190506201009012011010420110503201109012012010420120903201301042013050220130902201405052014090120150105201505042016010420160503201609012017010320170901201801022018050220180903201901022019050620190902202001022020050620200901202101042021050620210901202201042022050520100901201101042011050320110901201201042012050220120903201301042013050220130902201401022014050520140901201501052015050420150901201601042016050320160901201705022017090120180102201805022018090320190102201909022020010220200506202009012021010420210506202109012022010420220505资料来源Wind中信证券研究部资料来源Wind中信证券研究部1342模型应用2基金绩效归因与分析AB基金净值与基准沪深300A基金B基金104102100098进一步地我们选取了市场上的两只沪深300096094092指数增强基金以下称为A基金和B基金以及一090088只主动股票型基金以下称C基金以中证全A086084为样本空间沪深300为基准进行了分析以AB两只基金2021年中报所披露的持仓为依据假设其以披露日为基日前后各一个月内静态持资料来源Wind中信证券研究部有该组合不做调整我们可以把基金的总收益分解为基准收益行AB基金收益分解业因子贡献收益风格因子贡献收益不可解释总收益基准收益行业因子贡献收益风格因子贡献收益不可解释部分部分进一步的我们还可以看到每个组合相对600309345于基准的超额因子暴露和超额因子收益400139200056000-200-400-203-245-600-800-1000-731-820-1200-976-976A基金B基金资料来源Wind中信证券研究部1442模型应用2基金绩效归因与分析A基金行业平均超额暴露B基金行业平均超额暴露资料来源Wind中信证券研究部资料来源Wind中信证券研究部A基金行业超额收益B基金行业超额收益资料来源Wind中信证券研究部资料来源Wind中信证券研究部1542模型应用2基金绩效归因与分析A基金风格平均超额暴露B基金风格平均超额暴露资料来源Wind中信证券研究部资料来源Wind中信证券研究部A基金风格超额收益B基金风格超额收益资料来源Wind中信证券研究部资料来源Wind中信证券研究部1642模型应用2基金绩效归因与分析C基金行业平均超额暴露C基金风格平均超额暴露资料来源Wind中信证券研究部资料来源Wind中信证券研究部C基金行业超额收益C基金风格超额收益资料来源Wind中信证券研究部资料来源Wind中信证券研究部1742模型应用2基金绩效归因与分析C基金Size因子大市值组别的超额暴露变化000-1000为了验证本模型在主动型产品上的分析效果-2000我们选择了一只规模较大的明星基金C以中证全指作为样本空间沪深作为业绩基准进-3000300行分析-4000-5000我们同样可以得到其相对于基准的超额暴露以-6000及超额收益的情况另外通过对历史持仓的201006302011063020120630201306302014063020150630201606302017063020180630201906302020063020210630分析我们也能看到基金经理投资理念对市资料来源Wind中信证券研究部场风格把握方向的转变C基金Profit因子高盈利组别的超额暴露变化以C基金为例Size风格和Profit风格为其变化5000幅度较大的两类风格对于Size风格因子而言40002017年以前C基金对大盘股一直处于超低配的3000状态而2017年以后逐渐增加了对大盘股的配20001000置而就Profit因子来说在2018年以后则大幅000增加了高盈利性股票的配置-1000-2000-3000-4000-5000201006302011063020120630201306302014063020150630201606302017063020180630201906302020063020210630资料来源Wind中信证券研究部185结论与展望19