2、风险因子体系基础：系统性风险因子与特质性风险因子
风险因子是组合风险归因的原子单元。现代投资组合理论将风险拆解为系统性风险因子（Systematic Risk Factors）与特质性风险因子（Idiosyncratic Risk Factors）两大类。系统性因子影响整个市场或某个资产类别，不可通过分散化消除；特质性因子仅影响单个资产或极小群体，理论上可通过充分分散消除。
2.1 系统性风险因子：市场、规模、价值、动量
系统性风险因子是驱动资产收益共同变动的宏观或风格维度。以下四个因子是量化风险归因中最常用的基准因子，也是 Fama-French 系列模型与 Carhart 四因子模型的核心构成。
| 因子名称 | 经济含义 | 代理变量（常见构造） | 风险暴露方向 |
|---|---|---|---|
| 市场因子 (MKT) | 股票市场整体超额收益，反映宏观经济、政策、流动性等系统性冲击 | 市场组合收益率 – 无风险利率（如沪深300全收益 – 一年期国债利率） | β > 0 表示顺周期；β < 0 表示防御或逆周期 |
| 规模因子 (SMB) | 小盘股 vs 大盘股的收益差，反映流动性溢价、信息不对称、融资约束 | 小市值组合收益 – 大市值组合收益（按市值中位数分组） | 正暴露：偏向小盘；负暴露：偏向大盘 |
| 价值因子 (HML) | 高账面市值比 vs 低账面市值比的收益差，反映价值股的风险溢价 | 高 B/M 组合收益 – 低 B/M 组合收益（按 30%/70% 分位） | 正暴露：偏向价值；负暴露：偏向成长 |
| 动量因子 (MOM) | 过去收益强者 vs 弱者的收益差，反映趋势延续与投资者行为偏差 | 过去 12 个月（除最近 1 个月）收益最高 30% – 最低 30% | 正暴露：追涨；负暴露：反转或逆向 |
工程提示： 在特征工程中，系统性因子暴露通常通过 时间序列回归（滚动 60 个月窗口）或 截面回归（Fama-MacBeth 两步法）来估计。暴露值本身可作为后续机器学习模型的输入特征，也可用于构建风险模型中的因子协方差矩阵。
2.2 特质性风险因子：定义与分类
特质性风险因子是资产收益中不能被系统性因子解释的残差部分。在风险归因中，特质性风险通常被建模为残差方差或特异波动率。虽然理论上特质性风险可通过分散化消除，但实际组合中由于持仓集中、行业偏离或流动性约束，特质性风险往往占据组合总风险的 30%–60%。
特质性风险因子可进一步细分为以下三类：
- 公司特质因子： 盈利意外、管理层变动、产品召回、诉讼、并购事件等。这些事件对个股产生一次性冲击，在截面回归中表现为残差项。
- 行业/板块特质因子： 行业监管政策、技术颠覆、供应链中断等。虽然行业因子有时被归为系统性因子，但在多因子模型中，行业因子通常作为哑变量处理，其未被解释的部分仍属于特质性风险。
- 微观结构特质因子： 买卖价差、非流动性冲击、订单流不平衡、日内波动模式。这些因子在高频风险归因中尤为重要，通常通过 ARMA-GARCH 或 Realized Volatility 模型提取。
常见误区： 特质性风险 ≠ 可忽略风险。在机器学习训练集中，如果直接使用原始收益率作为标签而不剥离特质性成分，模型容易过拟合到个股噪音。建议在构建训练集时，先通过因子模型将收益率分解为 系统性部分 + 特质性残差，再以残差或残差波动率作为预测目标。
2.3 系统性因子与特质性因子的关系：风险分解框架
下图展示了从总风险到系统性风险与特质性风险的完整分解路径，以及各因子在归因体系中的层级关系。
2.4 训练集构建中的因子处理策略
在《组合风险归因特征工程》课程中，系统性因子与特质性因子在训练集构建阶段有不同的处理方式：
- 系统性因子 → 作为特征（X）： 因子暴露（因子载荷）直接作为机器学习模型的输入特征。例如，使用滚动回归估计每只股票对 MKT、SMB、HML、MOM 的 β 系数，构成 4 维特征向量。
- 特质性因子 → 作为标签（y）或残差约束： 特质性波动率可作为预测目标（如预测未来 1 个月的特质波动率变化）；或在损失函数中加入残差正则项，强制模型关注系统性风险之外的 alpha 来源。
- 因子正交化： 在输入模型前，建议对系统性因子进行 Gram-Schmidt 正交化或 PCA 去相关，避免多重共线性导致特征重要性失真。
实践建议： 对于 A 股市场，建议在训练集中同时纳入 Barra 风格因子（如波动率、流动性、杠杆、成长）作为系统性因子的补充。Barra 因子与 Fama-French 因子存在部分重叠，但 Barra 体系更适用于截面风险归因，而 Fama-French 更适用于时间序列归因。在特征工程中，可以同时计算两类因子暴露，并通过 VIF（方差膨胀因子） 筛选低冗余特征。
2.5 因子暴露的估计方法对比
| 方法 | 适用场景 | 优点 | 缺点 |
|---|---|---|---|
| 时间序列回归 （OLS 滚动窗口） |
单资产对多因子的暴露估计 | 直观、易实现；可得到时变暴露 | 窗口长度选择敏感；因子相关性高时系数不稳定 |
| 截面回归 （Fama-MacBeth） |
多资产在同一时点的因子溢价估计 | 避免前瞻偏差；可得到因子收益率序列 | 需要大量截面数据；对异常值敏感 |
| 贝叶斯收缩 （Ledoit-Wolf / 分层贝叶斯） |
资产数量多、时间序列短的高维场景 | 降低估计方差；防止极端暴露值 | 计算成本高；先验选择影响结果 |
| 机器学习因子提取 （PCA / Autoencoder / IPCA） |
因子结构未知或非线性关系 | 数据驱动；可发现隐含因子 | 可解释性差；过拟合风险高 |