华泰多因子系列之十二：桑土之防，结构化多因子风险模型

《华泰多因子系列之十二：桑土之防，结构化多因子风险模型》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、谨请参阅尾页重要声明及华泰证券股票和行业评级标准金工研究/深度研究

2、2019年06月12日正文目录华泰金工多因子风险模型4因子选择4风格因子5行业因子5国家因子6因子收益求解7因子暴露数据处理7因子收益率的计算8风险矩阵的估计9因子收益协方差矩阵9Newey-West调整10特征值调整11波动率偏误调整13特异性收益方差矩阵14Newey-West调整14结构化调整14贝叶斯压缩调整16波动率偏误调整17风险预测的准确度检验18多因子风险模型在组合优化中的应用19最小化风险的投资组合19优化持仓权重，最小化绝对风险19优化偏离权重，最小化主动风险20最大化风险调整后收益的投资组合21

3、优化持仓权重，最大化绝对收益22优化偏离权重，最大化主动收益23总结29参考文献30附录风险矩阵估计的参数列表31风险提示32图表目录图表1：图表2：图表3：图表4：图表5：华泰金工多因子风险模型因子分类5华泰金工多因子风险模型——风格因子及其描述5风格因子的因子暴露数据处理步骤7多因子风险模型风险矩阵的调整方法9特征值调整前、后特征组合偏误统计量132谨请参阅尾页重要声明及华泰证券股票和行业评级标准金工研究/深度研究

4、2019年06月12日图表6：图表7：图表8：图表9：因子波动率调整系数与截面因子波动率的关系14波动率偏误调整前、后因子风险偏误统计量12个月滚动均值14结构化调整

5、中，数据质量良好的股票在所有股票中的占比15不同波动率分组下，股票在未来12个月的偏误统计量均值17图表10：图表11：图表12：图表13：图表14：图表15：图表16：图表17：图表18：图表19：图表20：图表21：图表22：图表23：图表24：图表25：图表26：特异波动乘数与截面特异波动率的关系18波动率偏误调整前、后特异风险偏误统计量12个月滚动均值18沪深300的预测波动率与实际波动率18中证500的预测波动率与实际波动率18不同股票池内，最小化绝对风险组合的净值19不同股票池内，最小化绝对风险组合的超额收益净值和回撤19不同股票池内，最小化绝对风险组合的策略评价指标20

6、不同股票池内，最小化主动风险组合的净值20不同股票池内，最小化主动风险组合的超额收益净值和回撤20不同股票池内，最小化主动风险组合的策略评价指标20不同基准下，最小化主动风险组合的净值21不同基准下，最小化主动风险组合的超额收益净值和回撤21不同基准下，最小化主动风险组合的策略评价指标21不同风险厌恶系数下，最大化绝对收益组合的净值22不同风险厌恶系数最大化绝对收益组合超额收益净值和回撤22不同风险厌恶系数下，最大化绝对收益组合的策略评价指标23不同风险厌恶系数下，使用XGBoost收益模型的中证500最大化主动收益组合的净值23图表27：不同风险厌恶系数下使用XGBoost收益模型

7、的中证500最大化主动收益组合的超额收益净值和回撤24图表28：不同风险厌恶系数下，使用XGBoost收益模型的中证500最大化主动收益组合的策略评价指标24图表29：不同风险厌恶系数下，使用Stacking收益模型的中证500最大化主动收益组合的净值24图表30：不同风险厌恶系数下使用Stacking收益模型的中证500最大化主动收益组合的超额收益净值和回撤24图表31：不同风险厌恶系数下，使用Stacking收益模型的中证500最大化主动收益组合的策略评价指标25图表32：图表33：图表34：图表35：图表36：图表37：图表38：图表39：图表40：图表41：图表42：不同股票

8、池内，最大化主动收益组合的净值25不同股票池内，最大化主动收益组合的超额收益净值和回撤25不同股票池内，最大化主动收益组合的策略评价指标25不同约束条件和风险厌恶系数下，最大化主动收益组合的策略评价指标26不同风险厌恶系数下，中性约束组合的净值26不同风险厌恶系数下，中性约束组合的超额收益净值和回撤27不同风险厌恶系数下，权重约束组合的净值27不同风险厌恶系数下，权重约束组合的超额收益净值和回撤27不同风险厌恶系数下，无约束组合的对数净值28不同风险厌恶系数下，无约束组合的超额收益对数净值和回撤28风险矩阵估计的参数列表313效地解释股票收谨请参阅尾页重要声明及华泰证券股票和行业评级

9、标准金工研究/深度研究

10、2019年06月12日华泰金工多因子风险模型收益与风险并存，然而投资者往往只专注于追逐高额收益，却忽视了潜在风险可能导致的高额损失。若在追求高额收益的同时加入良好的风险控制，则可以有效提升投资策略的表现。准确的风险预测是风险控制的基石。马科维茨均值方差模型为风险预测奠定了基础，但是该模型存在明显的局限性。首先，直接利用股票收益率估算股票收益率之间的协方差矩阵，计算量非常大。其次，由于存在估计误差，样本时间长度必须尽可能大于股票数目，