多因子模型研究系列之九:Barra风险模型(CNE6)之纯因子构建与因子合成

分层回测是比较直观反映单因子收益情况的方法,但其也有一定的缺陷。当我们对于单一因子做分层回测时,无法保证其对其他因子的暴露中性,所以在进行单因子检测时,无法排除其他因子对于组合的影响。于是我们需要构造纯因子模型,即对于单一因子暴露为1,对于其他因子暴露为0的模型。纯因子模型可以更客观的反应因子的收益能力。

    本篇报告中,我们针对全体A股,以月度调仓的频率构建针对BarraCNE6模型中一级、二级因子的纯因子组合。回测数据为2009年1月-2019年4月。通过回测可以看出,流动性和动量的纯因子组合表现较为稳定。规模因子和波动率因子收益波动较大。质量因子近期收益有一定回撤。

    根据上文对于二级因子收益的分析,我们重新调整了规模因子中MIDCAP因子和质量因子中EarningsQuality因子,将因子合成中原本正向的权重调整为负向权重,并重新进行回测。新模型的Adjusted由34%上升至36%,且质量因子和规模因子的夏普比率也有了较大幅度的提高。

    未来,我们将利用已有的风险因子,构建风险模型,并将其应用于指数增强、机器学习等多种选股模型中。

    风险提示:随着市场环境变化,模型存在失效风险。