📚 课程目录第4章系统风险与特质风险

4. 系统风险与特质风险

在组合风险归因中，首要任务是将总风险拆解为系统风险（Systematic Risk）与特质风险（Idiosyncratic Risk）。系统风险源于影响整个市场的共同因子，无法通过分散化消除；特质风险则源于资产自身的特异性波动，理论上可通过充分分散降至接近零。本章聚焦于系统风险中的三大核心来源：市场风险、行业风险与风格因子风险，并明确其定义与区分逻辑。

4.1 系统风险 vs 特质风险：核心差异

维度	系统风险（Systematic Risk）	特质风险（Idiosyncratic Risk）
定义	由宏观经济、政策、地缘政治等共同因子驱动的风险	由公司特定事件（如管理层变动、产品召回）驱动的风险
分散化效果	无法通过增加持仓数量消除	随持仓数量增加而衰减（趋近于零）
风险溢价	投资者因承担系统风险而获得预期回报补偿	无风险溢价（理论上可被完全分散）
归因维度	市场、行业、风格因子	个股残差项
典型因子	市场指数收益率、行业指数收益率、价值/动量因子	公司盈余公告、诉讼、技术故障

实务要点：在风险归因回放验证中，系统风险占比通常为组合总风险的 70%–95%。若特质风险占比过高（如 >30%），说明组合分散化不足或因子模型遗漏了重要系统因子。

4.2 市场风险（Market Risk）

市场风险是系统风险中最基础、最直接的来源，指组合收益率对整体市场指数（如沪深300、标普500）波动的敏感度。通常用Beta衡量：

Beta = Cov(R_p, R_m) / Var(R_m)

其中：
R_p = 组合收益率
R_m = 市场指数收益率
Beta > 1：组合波动大于市场（进攻型）
Beta < 1：组合波动小于市场（防御型）

市场风险贡献的计算方式：

绝对贡献： Beta × 市场因子方差 × 组合权重
相对贡献： 市场风险贡献 / 组合总风险

  回放验证关键点：在数据集切分时，市场风险估计对样本区间高度敏感。牛市与熊市期间的Beta可能发生结构性变化，建议使用滚动窗口（如60个月）或带衰减因子的EWMA模型进行动态估计。

4.3 行业风险（Industry Risk）

行业风险指组合因集中配置于特定行业而暴露于该行业特有的系统波动。行业因子通常通过行业指数收益率或哑变量（0/1）建模。行业风险贡献取决于：

行业暴露： 组合在行业i上的权重（或因子载荷）
行业因子波动： 行业指数收益率的方差
行业间相关性： 不同行业因子之间的协方差

行业风险归因的常见模型结构：

R_p = α + β_m × R_m + Σ(β_i × I_i) + ε

其中：
I_i = 行业i的因子收益率（行业指数超额收益）
β_i = 组合对行业i的暴露
ε = 特质残差

行业分类标准	层级数量	典型应用场景
GICS（全球行业分类标准）	4级（11个行业组）	全球跨市场组合
ICB（行业分类基准）	4级（11个行业）	欧洲市场为主
申万行业分类	3级（31个一级行业）	A股市场

常见陷阱：行业分类粒度过粗（如仅分5个行业）会遗漏细分行业风险；粒度过细（如50+行业）则导致因子共线性与估计不稳定。建议在回放验证中测试2–3种分类层级，选择使特质风险最小化的方案。

4.4 风格因子风险（Style Factor Risk）

风格因子风险指组合因暴露于某些被广泛认可的风险溢价因子（如价值、动量、规模、低波等）而产生的系统波动。风格因子通常来自多因子模型（如Fama-French三因子/五因子、Barra模型）。

常见风格因子及其经济含义：

风格因子	定义	风险溢价逻辑
规模（Size）	小市值 vs 大市值	小公司流动性差、信息不对称，要求更高回报
价值（Value）	高账面市值比 vs 低账面市值比	价值股被低估，长期均值回归带来超额收益
动量（Momentum）	过去12个月收益率（除最近1个月）	趋势延续效应，赢家组合持续跑赢
低波（Low Volatility）	过去3年日收益率标准差	低波动异象：低风险股票反而获得更高风险调整收益
盈利（Profitability）	ROE或毛利率	高盈利公司具有更强定价权与竞争优势
投资（Investment）	总资产增长率	低投资公司（保守扩张）往往表现更优

风格因子风险贡献的计算步骤：

因子暴露估计： 通过时间序列回归（如60个月滚动）得到组合对各风格因子的载荷（β）。
因子协方差矩阵： 估计风格因子收益率之间的方差-协方差矩阵（Σ）。
风险贡献计算： 风格因子风险贡献 = β^T × Σ × β（向量形式）。
边际贡献： 每个风格因子对总风险的边际贡献 = (Σ × β) / 总风险。

  回放验证最佳实践：风格因子暴露在时间序列上可能发生漂移（如价值因子在成长风格占优时暴露下降）。建议在回放验证中采用“固定因子模型 + 滚动暴露估计”的方式，并记录暴露变化轨迹，以评估因子择时是否真正贡献了风险调整收益。

4.5 三类系统风险的区分逻辑

市场风险、行业风险与风格因子风险虽然同属系统风险，但在归因框架中需明确区分：

层级关系： 市场风险是“第一层”系统风险，反映整体市场涨跌；行业风险是“第二层”，反映行业间分化；风格因子风险是“第三层”，反映跨行业的风格溢价。
正交性： 在因子模型中，通常先剥离市场因子，再对残差进行行业与风格因子回归，以确保因子之间正交或低相关。
解释能力： 市场风险通常解释组合收益率变动的40%–60%；加入行业因子后提升至60%–80%；再加入风格因子后可达到80%–95%。

4.6 风险归因中的因子正交化处理

在实际建模中，市场、行业与风格因子之间往往存在相关性（如市场下跌时，所有行业与风格因子均受影响）。为获得纯净的风险贡献，需进行因子正交化：

步骤1：以市场因子为基准，将行业因子与风格因子对市场因子回归，取残差作为正交化后的因子。
步骤2：再以正交化后的行业因子为基准，将风格因子对行业因子回归，取残差作为最终风格因子。
步骤3：使用正交化后的因子重新估计协方差矩阵，计算风险贡献。

优点：因子间协方差矩阵接近对角矩阵，风险贡献可加总。
缺点：正交化顺序会影响结果，需结合经济意义确定优先级。

回放验证建议：在数据集切分时，分别计算正交化前后的风险贡献，并对比差异。若差异超过10%，说明因子间多重共线性严重，需考虑调整因子选择或采用偏最小二乘法（PLS）降维。

4.7 数据集切分对风险归因的影响

在回放验证中，数据集切分方式直接影响系统风险与特质风险的估计稳定性：

切分方式	对市场风险的影响	对行业风险的影响	对风格因子风险的影响
时间序列切分（前70%训练，后30%测试）	Beta估计可能因市场状态切换而偏移	行业轮动导致暴露估计不稳定	因子载荷可能发生结构性漂移
随机切分（不考虑时间顺序）	忽略时序依赖，Beta估计偏乐观	行业暴露被平均化，低估极端行业风险	因子收益序列自相关被破坏
滚动窗口切分（如60个月训练，12个月测试）	动态Beta，更贴近实际交易环境	行业暴露随时间更新，捕捉轮动	因子暴露漂移可被追踪
事件驱动切分（按市场危机/平稳期划分）	压力测试下的Beta极端值分析	危机期间行业相关性骤升的影响	风格因子在危机中的避险/风险偏好变化

  推荐方案：在组合风险归因回放验证中，优先采用滚动窗口切分，窗口长度建议为36–60个月，步长1个月。同时，在训练集内进行因子正交化，在测试集上使用固定因子载荷计算风险贡献，以评估因子模型的样本外稳定性。