4、风险因子模型：因子模型的定义、常见风险因子（市场、规模、价值、动量）、因子暴露与因子收益
风险因子模型是现代投资组合风险归因的数学基石。它将资产收益分解为若干个共同因子的线性组合，从而将高维的协方差矩阵降维到低维的因子空间。本章从定义出发，逐一剖析市场、规模、价值、动量四大经典因子，并厘清因子暴露与因子收益这对核心概念。
4.1 因子模型的定义
因子模型假设任意资产 i 的收益率可以表示为：
r_i = α_i + β_i1·f_1 + β_i2·f_2 + … + β_ik·f_k + ε_i其中：
- r_i：资产 i 的收益率
- α_i：截距项（特异性收益，理论上应接近零）
- β_ij：资产 i 对因子 j 的暴露（因子载荷）
- f_j：因子 j 的收益率（因子收益）
- ε_i：残差项（特异性风险）
核心思想： 因子模型将资产收益的共性部分归因于少数几个系统性因子，残差则代表可分散的个体风险。这使得组合风险可以从“因子层面”进行拆解。
4.2 常见风险因子
学术界与业界经过数十年实证，筛选出以下四个最具解释力的风险因子。下表总结了各因子的定义、构建方式及经济含义：
| 因子名称 | 符号 | 构建方式（多空组合） | 经济含义 |
|---|---|---|---|
| 市场因子 | MKT | 全市场市值加权组合收益率 – 无风险利率 | 承担系统性市场风险所获得的溢价 |
| 规模因子 | SMB | 小市值股票组合收益率 – 大市值股票组合收益率 | 小盘股相对大盘股的超额收益（规模溢价） |
| 价值因子 | HML | 高账面市值比组合收益率 – 低账面市值比组合收益率 | 价值股相对成长股的超额收益（价值溢价） |
| 动量因子 | MOM | 过去12个月（除最近1个月）涨幅最高组合 – 涨幅最低组合 | 趋势延续带来的超额收益（动量效应） |
实践提示： 在A股市场，规模因子和价值因子的有效性常出现阶段性衰减或反转，动量因子则呈现更强的短期效应。实际建模时建议加入行业因子或风格因子作为补充。
4.3 因子暴露与因子收益
因子暴露（Factor Exposure）和因子收益（Factor Return）是因子模型的两个核心变量，二者共同决定了资产的因子贡献。
- 因子暴露（β）：衡量资产对某个因子的敏感度。例如，一只小盘成长股的规模因子暴露通常为正且较大，价值因子暴露可能为负。
- 因子收益（f）：因子本身在特定时间区间内的收益率，由多空组合的价差计算得出。
资产收益的因子贡献 = 因子暴露 × 因子收益。组合总风险可进一步分解为各因子贡献的方差与协方差之和。
常见误区： 因子暴露 ≠ 因子收益。暴露是静态的截面特征（如市值大小），收益是时间序列上的实现值。两者不可混淆，否则会导致风险归因结果完全错误。
4.4 因子模型风险归因流程
下图展示了从因子模型到组合风险归因的完整数据流：
4.5 因子暴露的估计方法
因子暴露的估计通常采用以下三种方法之一：
| 方法 | 适用场景 | 优点 | 缺点 |
|---|---|---|---|
| 时间序列回归 | 个股或组合对已知因子 | 直观、标准误易得 | 需较长历史窗口 |
| 截面回归（Fama-MacBeth） | 多因子定价模型 | 可处理时变暴露 | 两步法估计误差累积 |
| 基于特征暴露 | 指数构建、风格分析 | 无需回归、更新快 | 需主观定义暴露映射 |
实战建议： 对于日频组合风险归因，推荐使用“滚动窗口时间序列回归 + 特征暴露校准”的混合方法，兼顾稳定性和时效性。
4.6 因子收益的估计
因子收益的估计通常通过构建多空组合实现。以规模因子（SMB）为例：
# 伪代码：规模因子收益计算
1. 每月末按市值将全市场股票分为大（Big）、小（Small）两组
2. 每组内按账面市值比再分为高（H）、中（M）、低（L）三组
3. 计算各组市值加权收益率
4. SMB = (Small_H + Small_M + Small_L)/3 - (Big_H + Big_M + Big_L)/3因子收益序列构建完成后，即可与因子暴露矩阵相乘，得到资产的因子贡献收益率，进而进行风险归因。
关键点： 因子收益是“纯因子”收益，已剥离其他因子的影响。在风险归因中，因子收益的协方差矩阵决定了组合的系统性风险结构。