2023中国股票风险因子模型白皮书-清华大学_73页_4mb

中国股票风险因子模型白皮书系统分析了基于因子体系的资产定价与风险管理方法，旨在构建适合中国市场的新型风险因子模型。核心创新在于采用换手加权EM算法替代传统市值加权回归分析，选取12个具有强解释力的风格因子，结合申万行业因子形成多元因子体系。该模型使用2012-2022年A股数据验证，在控制波动率和尾部风险方面优于传统模型。

因子理论部分指出，因子需满足解释收益的特性，可分为风险因子（高风险低收益）与Alpha因子（低风险高收益）。模型构建中引入市场常用CNE6模型框架，包含1个市场因子、16个风格因子及32个行业因子。在参数估计方法上，采用EM算法迭代优化，通过异方差调整、协方差矩阵收缩及共线性处理提升模型稳健性。特别针对中国市场特点，构建了Tvr/M E权重体系，解决估值差距问题。

风险因子体系包含规模、波动率、流动性、动量、质量等五类，其中规模因子采用流通市值自然对数，波动率因子以日度标准差对数形式呈现，流动性因子选取季度换手率，动量因子采用相对强度指标，质量因子基于销售毛利率和现金流量表应计项目。每个因子均通过覆盖率、AR1值、LL提升等指标验证，最终选定综合表现最优的因子组合。

实证测试显示，模型在风险控制指标VaR、RMV、VoV上优于传统CUFM模型。以99%VaR为例，模型估计均值为2.991，接近标准正态分布阈值2.58，且波动率方差（0.023）优于CUFM（0.022）。在个股层面，模型对"獐子岛""宝万之争""康美药业"等重大事件的风险预测更具敏感性，事前3个月波动率差异显著。行业指数测试中，Model在光伏、军工、新能源车等细分领域表现突出，风险估计更集中稳定。

模型优势体现在：采用EM算法提升参数稳定性，处理异方差及共线性问题；通过权重优化增强小盘股因子联动捕捉能力；构建更符合中国市场特征的因子体系；风险预测呈现更准确的分布特性。经验证，模型对尾部风险的刻画能力更强，显著提升风险控制精度。实证数据显示，该模型在波动率控制、风险预测稳定性等方面表现优于国际通用模型，在27%的样本中风险估计更接近2.58阈值，风险控制能力提升0.1%-0.5%。