风险模型及组合优化系列(1)：Barra(CNE 6)长期投资风险模型的复现及应用(上)

核心观点

本文介绍了Barra CNE6多因子风险模型，该模型用于捕捉中国股票市场的风险特征，包含16个风格因子、31个行业因子和1个国家或地区因子。文章重点阐述了16个风格因子的定义、构成和计算方法，并详细介绍了数据预处理流程，包括数据对齐、去极值、补充缺失值、正交化和标准化等步骤。此外，文章还评估了模型整体和每个风格因子的效能，通过非中心化交叉验证푹ퟐ和学生化푹ퟐ指标评估模型的拟合优度，并通过t值、IC、ICIR等指标评估每个风格因子的特征。

关键数据

• CNE6模型包含16个风格因子，相较于前代的CNE5模型，新增了5个风格因子，并对现有因子进行了优化。
• 风格因子涵盖价值（如账面市值比、盈利收益率）、波动率（如Beta、残差波动率）、收益（如股息收益率）、成长性（如分析师预测长期盈利增长率）、流动性（如换手率）、动量（如非滞后的相对强度）等维度。
• 模型有效性检验结果显示，非中心化交叉验证푹ퟐ全区间均值为0.32，学生化푹ퟐ全区间均值为0.33，表明模型对收益波动的解释力较强。
• 多数风格因子表现出较好的选股能力，例如价值类因子中的账面市值比和盈利收益率，波动率类因子中的Beta，流动性类因子中的流动性等。

研究结论

Barra CNE6多因子风险模型能够有效地捕捉中国股票市场的风险特征，并为投资组合管理、风险管理、绩效归因和量化投资提供有力支持。模型中包含的多个风格因子能够较好地解释股票收益和风险，为投资者提供更清晰的风险分解和投资决策依据。