第 93 节 如何评价一个风险模型的优劣

前面主要以 Barra 多因子风险模型作为风险模型的例子进行剖析，投资者其实可以按照自己对市场的理解，找到能够影响股票未来收益的一些因子来构建自己的风险模型。那么，评价一个风险模型优劣的因素有哪些？

1）解释度，即模型中的因子能够解释多少股票收益率的变化。一般用 R 2 来表示，R 2 越大，说明模型中的因子越能够解释股票收益率的变化，模型拟合股票收益率的效果越好。如果所选的因子不能解释股票未来收益率，风险模型就失去了意义。

2）各个因子的显著度。不能一味地增加因子的个数，以期获得更高的解释度，在添加任何一个因子到回归模型时，都要确保该因子在其他因子存在的情况下仍然能够对股票收益率产生影响，即该因子能够提供增量信息。另外，各因子之间不能有较为明显的相关性，如果因子存在共线性，拟合得到的参数波动就会非常大，失去正常意义。

一般来说，在风险模型中，风险因子的数量并非越多越好，在样本内拟合的 R 2 也并非越高越好，样本内的过度拟合可能会造成样本外的表现比较差。因此，在保持拟合精度的情况下，因子越少，样本外的鲁棒性（系统在不确定性扰动下，具备保持某种性能不变的能力）可能越好，即模型更不容易失效、稳定性越好。综合来看，评价一个风险模型的好坏可以从多个维度入手，比如模型的解释度、因子的稳定性和显著性、模型样本内外的表现差别等。

 
（本章节完结）