因子选股系列：BARRA中国市场模型（CNE6）解读-0226-西南证券-30页.pdf

BARRA 中国市场模型（CNE6）解读 本文主要介绍了 BARRA 中国市场模型（CNE6）的因子体系，并对其进行了解读。CNE6是在 CNE5 的基础上做了一些修改、整合和完善，建立了三层风格因子体系，其中一级因子有 9 个，二级因子有 20 个，三级因子有 46 个。 知识点一：CNE6 的因子体系 * CNE6 的一级因子有 9 个，分别是 Size、Liquidity、Volatility、Momentum、Quality、Growth、Sentiment、Dividend Yield 和 Earning Yield。 * 二级因子有 20 个，三级因子有 46 个。 * CNE6 的因子体系可以解释股票收益率的 33.63% 的变动。 知识点二：单因子检验 * 大多数因子有不错的选股能力，但是部分因子与股票收益率的相关性较低，选股效果不佳，例如：一级因子 Quality 和 Growth 以及它们相应的二级因子。 知识点三：纯因子收益率 * 累计纯因子收益率的绝对值来看，Size、Liquidity、Volatility 累积纯因子收益率最高。 * Volatility 因子纯因子收益率在 2015 年表现较好，随后纯因子收益率明显下降。 * Size 因子在 2017 年之前，表现优异，但 2017 年之后纯因子收益率几乎为 0。 知识点四：模型解释度和残差选股能力 * CNE6 的因子体系对股票收益率的解释能力是否足够完备。 * 回归残差 20 日均值和 20 日标准差仍然具有非常显著的选股能力，IC 值分别为 -7.11% 和 -8.36%，IC 序列超过 80% 的值小于 0，体现了良好的稳定性。 * 如果将残差的均值和残差的波动率作为一级因子同时纳入 CNE6 的因子体系中，模型的解释能力由 33.63% 上升至 34.22%。 知识点五：CNE6 的应用和挑战 * 在使用 CNE6 的过程中，我们可能还需要解决 3 个问题：第一，因子体系的加权方式问题，合理的加权方式会显著提高模型的解释能力；第二，数据质量以及因子覆盖度的问题，新增的 Sentiment 因子覆盖度相对较低，很难用于选股或者风险管理实践；第三，CNE6 解释能力的完备性问题。 本文对 BARRA 中国市场模型（CNE6）的因子体系进行了详细的介绍和了解读，旨在帮助投资者更好地理解和应用 CNE6，以提高投资回报和风险管理能力。