【中泰金工】吴先兴：Barra（CNE6）长期与交易风险模型（上）

吴先兴｜中泰金工首席

多因子风险模型在投资组合管理，风险控制，绩效归因及量化投资等领域具有广泛应用。本文聚焦Barra CNE6风险模型体系及其长期模型CNLT与交易模型 CNTR，系统梳理模型的整体框架以及市场，行业和风格因子的构建方法，并对各类因子的定义，经济含义及底层指标进行详细介绍，为后续风险因子收益估计及实证分析奠定基础。

针对不同投资期限构建CNLT与CNTR风险因子体系：

风格因子是 Barra CNE6风险模型的核心组成部分，用于刻画规模、价值、成长性、波动性等股票特征所带来的系统性收益与风险差异。长期风险模型CNLT包含16个稳定风格因子；交易风险模型CNTR则在此基础上进一步引入 Analyst Sentiment、Industry Momentum、Seasonality 和 Short-Term Reversal 4个快速风格因子，形成“16+4”的风格因子体系。本文对20个风格因子的定义、底层指标与计算方式进行梳理，并通过统一的因子暴露处理流程获得股票层面的风险因子暴露。

对原始因子暴露进行统一预处理，提高因子之间的可比性及模型估计稳定性：

不同的因子底层指标在数据频率、量纲及分布形态上存在较大差异，直接用于模型估计容易受到极端值、缺失值及量纲差异的影响。因此，在计算原始底层指标后，依次进行数据时点对齐、异常值处理、缺失值填补及标准化，并进一步将多个底层指标合成为最终风格因子暴露，从而提高不同股票及不同因子之间的可比性。

与此同时，部分风格因子之间存在较强的信息重叠，需要通过正交化降低共线性。其中，Mid Capitalization对Size进行正交化，Long-Term Reversal对Momentum进行正交化，Residual Volatility对Beta和Size进行正交化；CNTR新增的4个快速风格因子则分别对长期模型中的全部因子进行正交化，使各风格因子尽可能刻画相对独立的风险来源。

通过带约束的加权最小二乘回归估计风格因子收益率，并对风格因子进行综合分析：

在获得股票因子暴露后，通过横截面回归分解股票收益，并采用平方根市值加权的最小二乘方法估计各风格因子的收益率。回归中对行业因子收益加入必要约束，以解决市场因子与行业虚拟变量之间的完全共线性问题，并保证因子收益估计具有合理的经济含义。

从因子统计特征、分组收益及暴露稳定性三个方面考察风格因子的实际表现：

本文结合因子收益率、t值、IC、ICIR、IC胜率及十分组超额收益，对16个稳定风格因子和4个快速风格因子的统计特征及截面收益区分能力进行统一分析；同时，通过比较相隔1、5、20 和 60个交易日的因子暴露稳定性，考察稳定与快速因子的跨期变化特征。结果显示，稳定风格因子的暴露整体保持较高的跨期一致性，而快速风格因子的稳定性随时间明显下降，较好地支持了CNLT与CNTR针对不同投资期限进行差异化因子设计的思路。

风险提示：历史统计规律存在失效风险；财务、行情及分析师预期等数据可能存在缺失、滞后或测算误差；因子构建、样本区间及参数设定的变化可能对实证结果产生影响。本文相关结果主要用于风险模型研究与方法分析，不构成投资建议。

摘要选自中泰证券研究所研究报告：《Barra（CNE6）长期与交易风险模型（上）》

发布时间：2026年9月15日

研究销售通讯录

特别声明

重要声明

中泰证券股份有限公司（以下简称“本公司”）具有中国证券监督管理委员会许可的证券投资咨询业务资格。本报告仅供本公司的客户使用。本公司不会因接收人收到本报告而视其为客户。

本报告基于本公司及其研究人员认为可信的公开资料或实地调研资料，反映了作者的研究观点，力求独立、客观和公正，结论不受任何第三方的授意或影响。本公司力求但不保证这些信息的准确性和完整性，且本报告中的资料、意见、预测均反映报告初次公开发布时的判断，可能会随时调整。本公司对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。本报告所载的资料、工具、意见、信息及推测只提供给客户作参考之用，不构成任何投资、法律、会计或税务的最终操作建议，本公司不就报告中的内容对最终操作建议做出任何担保。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。

我司及业务合作方在开展证券业务及相关活动中，应恪守国家法律法规和廉洁自律的规定，遵守相关行业准则，遵守社会公德、商业道德、职业道德和行为规范，公平竞争，合规经营，忠实勤勉，诚实守信，不直接或者间接向他人输送不正当利益或者谋取不正当利益。