风险因子与风险控制系列之一：股票风险模型与基于持仓的业绩归因

本文探讨了股票多因子风险模型的理论框架与实践应用，重点关注风险模型的“前半程”，包括风险因子的选取、数据处理管道的设计、模型的构建与理解及业绩归因实践。

风险因子选取与数据处理： 参考MSCI Barra CNE5模型，选取了包含市值、贝塔值、动量、价值等经典学术与经验因子的多层级架构。设计了包含划定基础域、极值处理、空值填充、标准化、一级因子合成和数据再处理的标准化流程，采用分层极值处理策略平衡数据真实性与分布优化。

纯因子收益率估计： 基于带约束的加权最小二乘法估计纯因子收益率，详细剖析了模型构建的两个关键点——“带约束”和“加权”。通过对公式(훺푋)퐶=퐶的分块分析，给出了对国家、风格、行业纯因子组合的特征刻画，其中风格纯因子组合对国家因子暴露为0（资金中性），对自身暴露为1，对其他风格和行业因子暴露均为0；行业纯因子组合同样对国家因子暴露为0（资金中性），对风格因子暴露为0。

风险因子评价： 详细讨论了MSCI Barra提出的六维评价标准，并在此基础上提出了新的风险模型定量评价体系：分布、显著性、共线性及纯因子表现。基于10个常用一级因子的分析表明，现有体系在数据分布与原始经济含义的平衡上表现良好，多数常用风格因子的average_|t|值超过2，显示出较强的统计显著性。尽管方差膨胀系数（VIF）检验表明，10个常用一级风格因子两两间的共线性水平均处于正常范围，但部分因子对（如beta与liquidity、resvol与liquidity、btop与value）之间存在显著共线性，这可能导致理论计算的纯因子收益率与直觉预期存在偏差。此外，现行因子体系中包含一些“类alpha因子”，如liquidity、beta、size，尽管这些因子在统计意义上呈现显著的长期正收益特征，但我们仍将其归类为风险因子，用以反映策略容量、交易成本、市场冲击与流动性枯竭等实操风险。

业绩归因实践： 应用风险模型展示了对外部产品（公募基金为例）和内部产品（券商金股组合为例）的业绩归因流程，报告了风格/行业持仓特征、收益/风险贡献两方面的结果并提供了截面/时序可加性分析。两个案例充分展现了风险模型在事后归因流程中发挥的重要作用。以高仓位主动权益公募产品为例，假定“A股满仓收益率”对组合业绩的充分代表性，并在此基础上可实现组合因子收益和特质收益的拆分，亦可实现对绩优产品的标签化处理。以券商金股组合为例，通过收益归因结果尝试解答券商金股近年来式微可能的缘由，为相关投资策略的优化提供切实有效的量化依据。