研究结论
　　研究动机
　　2024年9月科技板块因政策变化引发的超预期反弹，暴露了传统指数增强模型在应对突发性外部风险时的重大缺陷。此类事件驱动型风险具有瞬时性、高波动特征，而传统Barra类风险模型依赖缓慢衰减的风格因子进行风控，难以及时捕捉突发风险的短期集聚效应，导致组合在极端市场环境下出现历史性回撤。基于此，本研究提出时点风险因子，旨在解决突变型风险对组合的冲击问题。
　　时点风险因子
　　针对外部风险事件的突发性，我们创新性提出“时点风险因子”来刻画这种时点的风险，风险具有集聚性，因此当天高风险的来源在未来短期内仍然是市场的高风险来源，因此可以依靠这种风险的集聚效应去控制组合的时点风险从而起到对外部事件降波的作用。
　　我们通过监测中证全指指数的振幅与成交额突破阈值（5日均值+1倍标准差）的突变时点，以个股当日涨跌幅构建风险因子。当日个股涨跌幅是当日的隐式风险共同作用“定价”后的结果，这一设计本质上是将政策冲击、流动性突变等不可观测的隐式风险通过非参数化方式纳入模型，利用风险的短期集聚效应实现风险脱敏。
　　时点风险因子在指增组合上的应用
　　中证500指数增强组合加入时点风险风控后，2024年的超额收益、相对最大回撤、信息比、跟踪误差相比于原模型都有显著的提升，截止20241031的超额收益从原模型的4.67%提升到8.59%，相对最大回撤从-8.64%下降到-4.65%，跟踪误差从7.22%下降到5.63%。
　　应用于不同基准例如沪深300、中证1000指数增强模型以及针对不同的收益预测模型例如深度学习因子、基本面因子的增强模型都能带来普适性的相对回撤和跟踪误差的显著下降。
　　价格类风险因子在指增组合上的应用
　　时点风险因子纳入风控约束的效果非常明显，但是在风险来源并不主要源于外部事件的历史年份中，时点风险因子约束的效果并不明显。我们尝试加入更多价格类风险因子，能够明显提高风险模型对风险的解释力，加入风控后也能进一步降低组合的超额波动。
　　由此可见，一个大型且完备的风险模型是非常有必要的，既需要针对特定类型风险例如时点风险、传统风格风险的风险因子，又需要覆盖的维度足够广，以此构建一套“结构化风险+全维度覆盖”的双层风控体系，可以为风险控制提供更全面的解决方案。
　　风险提示
　　1.量化模型失效风险。
　　2.极端市场环境可能对模型效果造成剧烈冲击，导致收益亏损。