彭博投资组合分析工具月报 | 揭秘彭博MAC3全球股票风险模型（1）

本期主题：风险分析 - 剖析中证800年初回报

金融机构风险分析职能已从传统的的投资组合管理职能，转化为综合风险管理、投资组合构建和业绩提升的重要领域。识别风险和回报的来源，控制投资组合敞口，可以使投资组合经理更精准地实现投资策略，避免承担不必要的风险。

彭博MAC3模型借助专业和新颖的研究，提供准确的风险预测，以履行风险管理职责，同时为高级投资组合构建方法（包括优化）提供可靠的工具。MAC3模型提供根据不同投资期校准的风险估测，合理考虑了回报的自相关性和风险的均值回归。该模型监测市场的风险状态，对条件变化迅速作出反应，但会根据模型期限调整反应速度。

扫描下方二维码，查看MAC3模型多项方法论发展和模型创新，以及PORT投资组合与风险分析工具如何以中证800指数为例，构建指数画像，剖析年初表现。

MAC3模型亮点速览

• 风险的期限结构：使用混频估计，预测不同期限的风险

• 每日更新模型：每日估计并更新MAC3模型的所有组成部分

• 行业和国别beta因子：增加模型的解释力，并减少特定回报和因子回报之间的伪相关

• 改进和扩展的风格因子：包含一套共14种风格因子，并将波动率因子拆分为市场beta和残差波动率。

• 卫星国家因子：引入了“卫星”国家因子的概念，使模型拥有捕捉独特国别风险的专门因子，而不会破坏估计总体的完整性。

• 有限样本调整：更好地分离了因子风险与特定风险，从而使波动率预测更加准确。

• 横截面波动率调整：创新算法使用横截面观测值，检测风险预测中的“即时”偏差。

• 新的特定风险模型：使用日回报观测值，预测不同期限的特定风险。

• 新的BICS行业分类：使用2020年正式推出的最新版彭博行业分类系统（BICS），以更好反映全球股票市场的当前格局。

• 改进回归加权机制：使用方差的倒数作为回归权重，大大减轻了因子回报的噪声，并降低了因子回报与特定回报之间的伪相关。

• 填补算法：纳入了复杂的填补算法，以处理因子回报数据缺失的情况。

• 模型代码的独立验证：在MAC3模型的开发过程中进行两轮双盲代码验证。

• 对因子相关性作出稳健估计：采用先进方法估计因子相关性，确保可以将因子相关性估计值有效用于风险预测和投资组合优化。