量化进阶 — 组合优化与风险模型
🤖 A 股量化进阶 —— Barra 风险模型 + 现代组合理论 + 风险平价 + BL + 交易成本。
🎯 现代组合理论
📌 均值方差模型（Markowitz）
- 公式：min w'Σw subject to w'μ = μ_target, Σw_i = 1
- 期望收益 = w'μ
- 风险 = sqrt(w'Σw)
- 有效前沿
- 输入：μ（期望收益）+ Σ（协方差矩阵）
有效前沿与资本市场线
📌 局限
- 输入敏感
- 协方差估计不准
- 权重集中
- 实务难以落地
📌 改进
- 收缩估计（Shrinkage）
- 因子模型
- 风险平价
- Black-Litterman
🎯 风险平价
📌 概念
- Risk Parity
- 每个资产风险贡献相等
- 股票 + 债券
- 全天候策略
📌 公式
- 风险贡献 RC_i = w_i × (Σw)_i / σ_p
- 目标：所有 RC_i 相等
- 求解权重 w
📌 案例
- 60% 股票 + 40% 债券
- 风险贡献：股票 50% + 债券 50%
- 全天候配置
📌 优缺点
- 优点：风险分散
- 缺点：杠杆需求
🎯 Black-Litterman
📌 概念
- 高盛 1990 提出
- 结合先验 + 观点
- 贝叶斯框架
- 解决均值方差输入问题
📌 公式
- E(R) = [(τΣ)^-1 + P'Ω^-1 P]^-1 × [(τΣ)^-1 Π + P'Ω^-1 Q]
- Π：先验收益（市场隐含）
- P：观点矩阵
- Q：观点收益
- Ω：观点不确定性
- τ：缩放因子
📌 实务
- 先验 = 市场组合隐含
- 观点 = 主观判断
- 输出 = 后验收益
- 优化权重
🎯 Barra 风险模型
📌 概念
- MSCI Barra
- 多因子模型
- 风险归因
- 行业 + 风格 + 特质
📌 公式
- r_i = Σ X_ik × f_k + ε_i
- f_k：因子收益
- X_ik：因子暴露
- ε_i：特质收益
📌 因子
- 行业因子：30+ 行业
- 风格因子：规模、价值、动量、波动率、质量、成长
- 特质风险：股票特有
📌 风险分解
- 系统性风险 = 因子贡献
- 特质风险 = 残差
- 边际风险贡献
- 风险调整收益
📌 实务应用
- 风险预算
- 业绩归因
- 风险监控
- 组合优化
🎯 因子模型
📌 单因子
- 市场（CAPM）
- 风险溢价
- β
📌 多因子
- Fama-French 三因子：Mkt + SMB + HML
- Carhart 四因子：+ MOM
- Fama-French 五因子：+ RMW + CMA
- A 股因子：
- 价值
- 成长
- 规模
- 动量
- 质量
- 波动率
- 流动性
- 分析师预期修正
🎯 交易成本模型
📌 成本类型
- 佣金
- 印花税
- 过户费
- 冲击成本
- 机会成本
- 信息泄露
📌 冲击成本模型
- 平方根模型：Impact = σ × sqrt(Q / ADV)
- 线性模型：Impact = a × (Q / ADV)
- 对数模型
📌 优化目标
- 净收益 = 收益 - 成本
- 风险调整
- 持仓周转
🎯 风险管理
📌 VaR
- Value at Risk
- 在险价值
- 95% / 99%
- 1 日 / 10 日
- 历史模拟、参数法、蒙特卡洛
📌 CVaR
- Conditional VaR
- 期望损失
- 超过 VaR 的平均
- 风险厌恶
📌 压力测试
- 历史情景
- 假设情景
- 极端事件
- 监管要求
📌 风险监控
- 实时
- 限额
- 止损
- 风险报告
🎯 实战建议
📌 模型选择
- 简单优先
- 实务可落地
- 风险可控
- 持续迭代
📌 参数估计
- 样本长度
- 收缩估计
- 滚动窗口
- 自适应
📌 实施
- 严格纪律
- 持续监控
- 风险预算
- 业绩归因
📖 相关阅读
💡 数据来源：Barra、MSCI、学术文献、公开资料。数据截至 2026-08。
来源
- 证监会公开公告
- 上交所交易规则
- 深交所 / 北交所规则
- 中国证券业协会（SAC）、中国证券投资基金业协会（AMAC）公开资料
- 国家金融监督管理总局、人社部、财政部、税务总局公开资料
💡 数据截至 2026-08；具体规则以交易所/监管机构最新公告为准。