倍发推出新一代风险模型

股票多因子风险模型主要通过股票的基本面以及量价信息来预测股票的波动以及股票之间的相关性，其来源于多因子定价模型。作为现代金融研究不断演进的产物，多因子定价模型对市场和资产的分析效力得到了学术界和业界的广泛认可，已经成为现代投资的理论基石。多因子风险模型在应用的过程中具有以下优势：

多因子风险模型摆脱了风险估测与分析完全依赖历史数据的现状，依据因子对资产解释能力的普适性，就可以直接通过因子归因的方法来解释股票风险与收益的变动，这一点对于缺乏历史收益数据的新发行股票来说，有着更显著的使用效果；

市场中蕴含着大量的信息和对资产价格的影响因素，多因子模型提供了一个良好的分析工具，对市场中的资产风险影响因素进行系统的梳理与归纳，并将资产面临的风险拆分到不同的因子之上，有助于分析风险的来源及其变动情况；

多因子风险模型更有利于对未来资产风险与收益率的变动进行稳定而有效的预测。由于因子设定和解释效力的稳定性，多因子模型在历史业绩归因的基础上，更适用于对资产的未来业绩进行预判。

多因子风险模型能够对风险进行有效的拆解，这种拆解使投资者可以有选择地承担风险，规避不想承担的风险，从而让组合风险与投资者的需求更匹配，帮助投资者更有效地制定风险预算。

从数学上，多因子定价模型可以表述为下式，从而对资产组合的收益率进行了拆分

其中，r是一个N维列向量，表示每只股票的超额收益率；β是一个N×K的矩阵，表示股票对K个因子的暴露程度；F则是K个因子的收益率矩阵，是一个K维列向量；ε表示个股的特质收益，是一个N维列向量。基于此，投资组合P的风险δP就可以表示为：

其中Ωk是一个K×K矩阵，表示K个因子的方差-协方差矩阵，而Δ是对角矩阵，对角线上是每只股票的个股特异风险。

通过这样的方式，多因子风险模型就将资产组合面临的风险拆解为因子风险和个股风险两种类型。因子风险与市场波动或者系统性风险，对股票的影响可以通过预先设定好的因子加以反映，因此也可以将其称为beta风险（需要指出的是，这里的beta泛指风险因子暴露或风险系数，不仅仅是CAPM里的市场beta）；而模型最后的残差部分则是股票的个股风险，它表示与市场或者宏观因素无关的、股票自身所表现出的波动状态。

基于对股票的波动以及股票之间相关性的准确预测，在实际投资研究中，风险模型有两个重要的应用场景：一个是面向过去的投资组合业绩拆解，即对投资收益的风险归因以及业绩归因；另一个则是面向未来的投资风险管理，这就包括风险预测和基于此的组合投资优化，在事前的风险预测基础上进行风险预算，能够更好地与投资者的风险偏好进行匹配。

通过倍发新一代风险模型，投资者可将投资组合的风险分解到不同的风险因子中去，从而对自己投资决策所需承担的风险有更全面的认知，并对风险与最终投资收益的关系有一个更加清晰的认识。

作为中国本土最早的风险模型研究机构和风险管理系统的提供者，与其他风险模型提供商相比，倍发推出的新一代股票多因子风险模型具有显著优势。

首先，倍发植根于中国市场，在与客户长期的沟通和协作中，我们充分理解了中国投资者的需求，对市场本土性和特点有了深刻的认知，因此我们风险模型更能贴合中国市场需求，包括使用的风险因子以及模型方法和参数的选择。

其次，倍发的风险模型是长期基本面模型和短期波动模型的结合，通过将基本面所决定的资产本身波动性和资产间相关性与短期内偏离同时纳入分析，能够更好地预测风险。这是风险模型在常规场景下的运用，同时也考虑到了中国市场的独特性。

由于客户的需求多种多样，倍发提供的风险模型覆盖度广，具有多样性，能够提供不同视角下对投资组合风险的拆解和预测。同时，我们的风险模型基于市场上多种股票行业分类产生，以满足不同客户和投资者的需要。

倍发新一代风险模型另一个非常重要的优势在于能够更好地服务客户。由于风险模型与倍发的财富科技体系深度整合，客户可以在研究回测、基金配置、资产配置和业绩归因体系中直接调用风险模型，因此与其他风险模型提供商相比，我们能够有效地提供全方位的一站式服务，更好地为客户赋能。同时，在财富科技体系中，风险模型能够根据投资组合调整实时展示风险变化，有利于帮助客户高效地做出投资决策。并且，倍发新一代风险模型与倍发投资组合优化器完全兼容，用户可以根据不同的收益和风险目标，同时考虑风险暴露的控制，来调整投资组合，不断优化自己的投资选择。当然，倍发的财富科技体系也兼容国际主流第三方风险模型以及客户自研的模型，例如倍发已与Northfield达成合作（请参见《倍发与全球知名风险管理机构Northfield达成进一步战略合作》），客户可以在倍发体系内随时调用Northfield风险模型及其他模型，以便在同一系统下进行运用、结合和对比。

我们从风险预测准确性和提升投资组合有效性两方面来分析倍发新一代风险模型的效果。

首先，如果风险模型能够准确地预测风险，那么在同一个股票池中，相较于所有其他权重的组合，基于风险模型进行优化得到的最小风险组合的波动是最小的。具体的，我们在2022年第一个交易日开始，针对沪深300成分股，使用随机权重生成数万个投资组合，以模拟各种组合的可能性，然后计算这些组合在未来一段时间的波动率，同时我们使用倍发新一代风险模型并调用倍发的投资组合优化器得到最小化风险组合，并计算其在未来一段时间的波动率。结果如下图所示，粉色直线为所有模拟组合的年化波动率，粉色点为0%、1%、5%等分位数的波动率，标有“MinRisk”的蓝色点为基于风险模型的最小化风险组合的波动率。可以看到，由倍发新一代风险模型得到的最小化风险组合的波动率非常接近所有模拟组合中的最小风险，表明了我们的模型能够准确地预测股票市场风险。

△倍发新一代风险模型的效果

其次，根据马科维茨的均值一方差组合理论，如果风险模型能够准确地预测风险，通过这个模型优化得到的组合的风险能够显著降低。基于此，我们通过比较最小化投资组合和原本组合的风险来测试风险模型的风险预测准确性。具体的，从2010年到2021年我们对部分宽基指数成分股进行无约束的最小风险优化，每22个交易日换仓，得到最小风险组合的历史每日收益率，计算标准差即可得到最小风险组合的历史风险。下表展示了沪深300、中证500和中证1000指数的年化原始波动率和夏普比率，以及成分股最小风险组合的年化波动率和夏普比率。可以看到倍发新一代风险模型显著地降低了指数投资组合的波动，同时提高了组合的夏普比率，表明模型是非常有效的，能够较好地控制投资组合的风险。

以上的分析旨在验证风险模型的有效性。当然，在实际的投资场景中，风险模型将被有效运用到风险预算的制定过程中，从而确保风险匹配以及在既定风险目标内的投资优化。