研报名称：《方正证券：Barra 模型进阶： 多因子模型风险预测》
研报作者：分析师：韩振国
投资要点
多因子模型风险预测：百尺竿头，更进一步
投资是一把双刃剑，投资者既是收益的追逐者，同时也是风险的承担者。 一个好的多因子模型框架通常包含收益模型、风险模型、绩效归因三个模块，本报告聚焦多因子模型的第二大功能—风险预测。
多因子风险矩阵估计方法
采用多因子结构化风险矩阵估计时，为保证样本内外估计的一致性、增加估计结果的准确性，需要对因子协方差矩阵和特异风险矩阵的估计作如下调整：
- 因子协方差矩阵估计： Newey-West 自相关调整、 特征值调整、 波动率偏误调整
- 特异风险矩阵估计： Newey-West 自相关调整、结构化模型调整、贝叶斯收缩调整、波动率偏误调整
多因子风险预测模型应用
在实际投资中，风险预测的应用十分广泛。本报告主要介绍如何对任意投资组合的风险进行预测， 以及如何构建 Smart Beta 最小期望风险组合。
任意投资组合风险预测： 给定投资组合权重向量，即可对其未来 1 个月波动进行预测，回测发现预测波动率与实际波动率走势十分相似，对于 Wind 全A 指数，二者相关关系高达 74%。
最小期望风险 GMV 组合： 在给定投资标的的情况下，每月月底调整权重，使得投资组合的预期风险最小。研究发现，GMV 组合的实际风险明显小于基准组合，夏普比率有明显的提高。
风险提示
本报告统计结果基于历史数据，未来市场可能发生重大变化。
