前文介绍了风险模型的主要组成，包括因子暴露度、因子收益率、个股残差收益率，也通过数量化的方式在时间序列上估计了因子收益率、个股残差收益、因子协方差矩阵和个股残差风险，对个股收益率做了一个比较详细的分解。正是由于这些分解，把研究全市场 4000 多只股票的收益率的问题变成研究因子收益率和个股残差收益率的问题，大大简化了研究的维度，提高了参数估计的精度。那么，风险模型在实际投资中有哪些应用呢？这里举几个常见的应用案例。
1）组合的风险敞口控制。在介绍风险模型时提到过，这些因子既可能对股票收益率带来正向影响，也可能在某些阶段带来负向影响。那么，为了使得投资组合免于受到这类风格或行业因子的影响，可以把这个风险敞口设置为 0，即整个组合不暴露该风格，或者说风格的暴露度为 0。这样无论该风格因子的因子收益率如何，都不会影响组合的相对表现。另外，通过控制组合在风险因子上的暴露可知组合偏向于哪些风格、规避了哪些风格，让投资者对自己的投资组合有更加深刻的认识和了解。
2）组合归因分析。如果已知组合的风险暴露在哪些行业因子、哪些风格因子上，就能根据这些因子的表现知道组合的表现。反过来说，可以对投资组合做归因分析，比如某投资组合在某个阶段表现好，可能的原因是某个因子近期表现好，而该组合刚好比较多地暴露了这个因子。
3）组合优化。风险模型使得在大股票池中直接做组合优化精选股票成为可能。对组合优化的简单理解是：某投资者想在一个股票池中选出一些股票，这些股票既要有较高的预期收益，又不能暴露太多风险，比如行业上不想偏离太多，怕踏错行业，风格上可以按照自己的经验判断偏离方向和程度；如果管理的产品是指数增强基金，不想太多偏离自己的基准指数，那么就要控制组合对基准指数的跟踪误差。鉴于以上这些方方面面的约束，都需要用到风险模型，从而完成组合优化，得到符合投资者要求的精选股票组合。
（本章节完结）
正在加载...