risk-modelhigh-frequencycovariancepcabarrafactororthogonalization

结构化高频风险模型 (Structured High-Frequency Risk Model)

一句话：常见风险模型（Barra）用基本面因子解释个股的波动，但组合经理现在拿高频因子构建组合，Barra 对这类组合几乎解释不动；这篇的做法是把风险模型的分析对象从个股换成高频因子组合，再用两套因子（自上而下的基本面高频风险因子 + 自下而上的 PCA 统计风险因子）去解释这个组合的协方差。

从「Alpha 因子」到「风险因子」

多因子收益模型是

R^a_t = \beta_{t-1} f_t + \varepsilon_t

（a 是资产类型，N 只资产，K 个因子）。把它的协方差形式写出来：

\Sigma_a = \beta \Sigma_f \beta^T + \Sigma_\varepsilon

风险因子模型的形式完全一样（把 f 换成风险因子收益率 f_k）：

\Sigma_a = \beta \Sigma_k \beta^T + \Sigma_\varepsilon

两者的差别不在公式，而在因子的选择标准：

  • Alpha 因子要能解释横截面收益差异。它可以「特质性极强」——如果它的因子收益率协方差矩阵 \Sigma_{alpha} 是对角阵，那么 \Sigma_\varepsilon 的非对角元素不再为零，资产协方差矩阵的估计就出现较大误差。
  • 风险因子要能解释协方差矩阵的运动。这要求风险因子的个数 K 远小于资产数 N，因为样本协方差矩阵在 K>T 时是奇异矩阵：X_{it}=f_{it}-\bar f_i 去均值后只有 T-1 列相互独立，于是 r(XX^T)\le T-1<K，\hat\Sigma_a=(\beta SCM \beta^T+\Sigma_\varepsilon)^{-1} 不存在，均值-方差优化、最大夏普优化都求不出可行解。

所谓结构化，就是重新挑选一批适合当风险因子的变量，让 K 小于资产数，以换取协方差估计的可解与稳健。

为什么分析对象选「高频因子组合」

绝大多数风险模型都建模个股收益率 R^a_t。这篇把资产类型 a 换成高频因子组合 f_{HFS}（左端变成因子组合收益率），理由有三条：

  1. 个股与组合暴露的高频风险存在共性——高频因子组合往往就是高频信息暴露最大的那批股票；
  2. 因子组合暴露的风险可解释性更强——个股层面的高频风险变化太快，刻画适用性与稳定性都差；因子层面暴露的风险相对稳定，从这里出发做业绩归因更有意义；
  3. 应用性更强——以因子组合为对象，可以直接把风险模型接进组合优化，把一堆因子复合成一个因子，不必关心个股风险。

第一部分：五个基本面高频风险因子（自上而下）

用「逐次回归取残差」的方式保证风险因子之间相互正交：后一个因子先对前面已建成的因子回归，取残差作为新因子。

因子 命名 构造方法
特质性波动率 vol_risk 日度残差收益率的标准差
动量 mom_risk 长短期收益率均值之差
流动性 liq_risk 价格波动与成交金额的关系
集中性 con_risk 分钟成交量占比的偏度
价差 spread_risk 买卖价差除以买卖一价的简单平均

特质性波动率沿用 Barra 的 Residual Volatility，但把周期缩短到适配高频因子：

DASTD^t = \sqrt{\sum_{s=t-T+1}^{t} w_{t-s}\cdot(r_{i,s})^2},\qquad CMRA^t = \ln\!\big(1+\max\{Z(K)\}\big)-\ln\!\big(1+\min\{Z(K)\}\big)

HSIGMA^t = \sqrt{\sum_{s=t-T+1}^{T} w_{t-s}\cdot(\varepsilon_{i,s})^2},\qquad vol\_risk = 0.74\times DASTD + 0.16\times CMRA + 0.10\times HSIGMA

其中 T=20，w_{t-s} 是指数衰减权重（半衰期 10 日）；Z(K)=\sum_{k=0}^{K-1}[\ln(1+R^{t-k\cdot5})-\ln(1+R_f^{t-k\cdot5})]，回望周期 K=4。

动量沿用 Barra「长期动量减短期动量」的想法，但把周期调短：长期动量是过去 20 日收益率的半衰加权，短期动量是过去 5 日收益率半衰加权减去市场收益率半衰加权：

mom\_risk = \sum_{s=t-T+1}^{t} w_{t-s}\big(\ln(1+r_{i,s})\big) - \sum_{s=t-T'+1}^{t} w_{t-s}\big(\ln(1+r_{alpha,s})\big)

T=20，T'=5。取残差前先对 vol_risk 回归。

流动性用价格波动与成交金额刻画「金额对价格波动的影响」，需要对 vol_risk 与 mom_risk 各做一次回归取残差。

集中性是日内分钟成交量占比序列的偏度——成交量均匀铺满全天则偏度低、该因子小：

con\_risk = skew\!\left(\frac{volume_t}{sum(volume_t)}\right)

同样先对 vol_risk、mom_risk、liq_risk 回归取残差。

价差是相对报价差：

spread\_risk = \frac{askprice_t^{(1)}-bidprice_t^{(1)}}{0.5\big(askprice_t^{(1)}+bidprice_t^{(1)}\big)}

以分钟级计算，剔除日内异常值（分位数去极值）后按分钟成交量加权得到日度值；需对前四个因子依次回归取残差。

第二部分：五个统计高频风险因子（自下而上）

统计风险模型不主观定义因子，而是让 PCA 找「能对协方差矩阵解释最准的 K 个方向」。对高频因子多空组合的协方差做特征分解：

\Sigma^{ls}_{i,t} = \beta^{ls}_{t-1}\Sigma_{k,t}(\beta^{ls}_{t-1})^T + \Sigma^{ls}_{\varepsilon,t}

\Sigma^{ls}_{i,t} 的特征根 \lambda_1\ge\lambda_2\ge\cdots，对应标准化特征向量 u_1,u_2,\dots，特征向量矩阵 U。精确分解没有实用价值（要用满 N 个因子），所以只取解释力排名靠前的 k 个主成分：

\Sigma^{ls}_{i,t} \approx \beta^{ls}_t\Sigma_{k,t}\beta^{lsT}_t + \Sigma^{ls}_{\varepsilon,t} = \big[\sqrt{\lambda_1}u_1,\sqrt{\lambda_2}u_2,\dots,\sqrt{\lambda_k}u_k\big] \begin{bmatrix}\sqrt{\lambda_1}u'_1\\ \sqrt{\lambda_2}u'_2\\ \vdots\\ \sqrt{\lambda_k}u'_k\end{bmatrix} + \Sigma^{ls}_{\varepsilon,t}

具体做法：在 t 日，用过去 6 个月的高频因子多空组合日度收益率序列（标准化处理）做 PCA 降维，按特征值排序取前 5 个主成分；每个主成分按 PCA 贡献度给出各高频多空组合的权重，把各高频因子值加权加和，得到该主成分当期在个股层面的因子载荷——这就是一个统计风险因子，记为 riskFct0 至 riskFct4。

两种建法的差别：基本面风险模型是主观地把 N 维面板降维到 K 个有逻辑的风险因子；统计风险模型的 K 个因子不作逻辑定义，唯一目标是在给定 K 下尽量无偏地解释 \Sigma_a，因此天然适用于量价类因子。两者都要求 K\ll T。

两个有效性检验

一、风险因子的「时序形状」应该像风险因子而不像 Alpha 因子。 理想的 Alpha 因子收益预测能力长期为正且波动小；理想的风险因子预测能力波动大、有周期性、无法长期稳定贡献非零超额收益。用周度调仓下 12 周 IC 移动均线验证：

因子 IC 均值 ICIR 形态
RTN_20D（A 股常用 Alpha 因子） 0.053 0.385 长期为正，符合 Alpha 因子
Barra Momentum（风险因子） 0.020 0.137 明显周期性
mom_risk（本文高频风险因子） -0.001 -0.005 明显周期性

二、正交性与和 Barra 的差异。 10 个高频风险因子内部相关性普遍很低（最大的两对是 liq_risk–riskFct0 的 −0.37 与 spread_risk–riskFct1 的 −0.39），可以安全做横截面回归。跟 Barra 风险因子比：riskFct0 与 Residual Volatility 相关性 0.56、与 Liquidity 0.49——高频因子组合大多在这两类风险上有暴露；但与 Size、Beta、Momentum 等其他 Barra 因子的相关性极低（如 riskFct1 与 Momentum −0.18），说明两者刻画的是不同的风险。

解释力度：Adjusted R^2

R^2 = 1 - \frac{\text{未被模型解释的方差}}{\text{投资组合的总体方差}}

风险模型里 R^2 尤其要看 Adjusted R^2——引入的风险因子越多 R^2 越大，但因子个数不该过多，Adjusted R^2 会按自变量个数做调整，衡量「是否用较少的因子解释了更高的组合总体方差」。

设定：把高频因子的多头组合与空头组合（70\times1）作为被解释变量 R_t，用 Barra 因子载荷与高频风险因子载荷 \beta_{t-1} 做横截面回归，看过去 250 个交易日的 Adjusted R^2 移动平均。

结果：高频风险模型（基本面 + 统计，共 10 个因子）的 Adjusted R^2 均值约 75%，强于纯 Barra 风险模型；两者差距在样本早期最大，后期收窄。单独看，高频统计风险模型（约 67–71%）明显强于高频基本面风险模型（约 60–63%）。

与本 wiki 的接口

在《高频研究》系列里的位置：本篇是系列七，处在《高频漫谈》（2022-01，框架篇）之后。框架篇定义了「分布 / 时序 / 关联 / 另类」四类高频信息与风险识别的基本口径，本篇把同一批高频因子换到风险侧重新组织——从「哪些因子能预测收益」翻到「哪些因子能解释协方差的运动」。它与系列十（2026-10）是一对：系列十做的是收益侧的正交化与因子检验（对底层约 70 个高频因子做正交化、解释放量/缩量事件的异质性），本篇做的是风险侧的正交化（10 个风险因子彼此取残差）与解释力度检验（Adjusted R^2）。两篇的正交化思路一脉相承，只是被正交化的对象和目标函数不同。