金融工程研究报告：股票多因子系列(五)，Barra+CNE6纯因子风险模型搭建与应用

江海证券有限公司及其关联机构在法律许可的情况下可能与本报告所分析的企业存在业务关系，并且继续寻求发展这些关系。因此，投资者应当考虑到本公司可能存在影响本报告客观性的利益冲突，不应视本报告为投资决策的唯一因素。 敬请参阅最后一页之免责条款 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）：Barra CNE6纯因子风险模型搭建与应用 核心内容： ◆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。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，Barra CNE6 使用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，而对其他因子的暴露为 0，从而能更好地评估因子收益率的实际大小。 ◆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、Liquidity、Momentum、Quality、Value、Growth、Dividend Yield）。纯因子模型下， Size、Liquidity、Momentum 因子呈现出稳健的反向预测能力，年化收益分别为-2.75%、-5.90%、-5.57%；Volatility、Value 是较为明显的正向因子，年化收益分别为 1.93%、1.38%；而 Growth、Quality 与 DividendYield 则呈现为阶段性的正向或负向因子。 ◆纯因子模型回归的均值约 𝑹𝟐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，录得正超额的指数有中证 500（3.41%）、创业板指（18.23%），负超额的指数有中证 1000（-0.22%）、中证 A500（-1.60%）、沪深 300（-4.30%）、上证 50（-10.27%），其中小市值、高波动、低流动性、高成长性、低股息风格较为受益，较市场组合有明显的正向超额。行业因子层面，有色金属、电子、通信、电力设备及新能源明显领跑市场。 ◆风险提示： 本报告可能存在数据缺失、数据错误、数据不及时、模型处理错误等风险。本报告仅从金融工程角度，对权益市场数据进行统计、分析，不构成对市场指数、行业或个股进行预测或推荐。本报告涉及的策略搭建方法仅供参考，不构成任何投资建议。本报告回测结果仅依赖于过去公开数据，不代表未来收益，随着市场变化，所测试的结果与研究结论可能存在失效的风险。 ➢ 本报告可能存在数据缺失 ➢ 金融工程研究组 分析师：梁俊炜 执业证书编号：S1410524090001 联系人：朱威 执业证书编号：S1410124010022 相关研究报告 1.金融工程深度报告：股票多因子系列四：神经网络多因子模型初探-2025.04.17 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的应用-2024.08.19 3.金融工程深度报告：股票多因子系列二：基本面类因子实测——基于 Barra CNE6-2024.05.22 4. 金融工程深度报告：股票多因子系列一：量价类因子实测——基于Barra CNE6-2024.03.11 1 敬请参阅最后一页之免责条款 证券研究报告·金融工程深度报告 正文目录 1 Barra 风险模型回顾与概述 ......................................................................................................................................... 1 1.1 为什么风险模型重要......................................................................................................................................... 2 1.2 Barra CNE6 模型介绍 ......................................................................................................................................... 2 1.3 Barra CNE6 模型求解 ......................................................................................................................................... 4 2 Barra 风险模型实践与应用 ......................................................................................................................................... 6 2.1 模型测试细节 .................................................................................................................................................... 6 2.2 大类风格因子单因子检验 .........................................................................................................