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。

声明：如本站内容不慎侵犯了您的权益，请联系邮箱：wangshiyuan@epins.cn 我们将迅速删除。