聚焦Barra(CNE6)长期与交易风险模型(上):因子暴露,因子收益与有效性检验。长期风险模型 CNLT 包含 16 个稳定风格因子;交易风险模型 CNTR 则在此基础上进一步引入 Analyst Sentiment、Industry Momentum、Seasonality 和 Short-Term Reversal 4 个快速风格因子,形成“16+4”的风格因子体系。本文对 20 个风格因子的定义、底层指标与计算方式进行梳理,并通过统一的因子暴露处理流程获得股票层面的风险因子暴露。结果显示,稳定风格因子的暴露整体保持较高的跨期一致性,而快速风格因子的稳定性随时间明显下降,较好地支持了 CNLT 与 CNTR 针对不同投资期限进行差异化因子设计的思路。
聚焦Barra(CNE6)长期与交易风险模型(上):因子暴露,因子收益与有效性检验。长期风险模型 CNLT 包含 16 个稳定风格因子;交易风险模型 CNTR 则在此基础上进一步引入 Analyst Sentiment、Industry Momentum、Seasonality 和 Short-Term Reversal 4 个快速风格因子,形成“16+4”的风格因子体系。本文对 20 个风格因子的定义、底层指标与计算方式进行梳理,并通过统一的因子暴露处理流程获得股票层面的风险因子暴露。结果显示,稳定风格因子的暴露整体保持较高的跨期一致性,而快速风格因子的稳定性随时间明显下降,较好地支持了 CNLT 与 CNTR 针对不同投资期限进行差异化因子设计的思路。
聚焦Barra(CNE6)长期与交易风险模型(上):因子暴露,因子收益与有效性检验。长期风险模型 CNLT 包含 16 个稳定风格因子;交易风险模型 CNTR 则在此基础上进一步引入 Analyst Sentiment、Industry Momentum、Seasonality 和 Short-Term Reversal 4 个快速风格因子,形成“16+4”的风格因子体系。本文对 20 个风格因子的定义、底层指标与计算方式进行梳理,并通过统一的因子暴露处理流程获得股票层面的风险因子暴露。结果显示,稳定风格因子的暴露整体保持较高的跨期一致性,而快速风格因子的稳定性随时间明显下降,较好地支持了 CNLT 与 CNTR 针对不同投资期限进行差异化因子设计的思路。
本报告由中泰证券发布,发布于 2026 年。
覆盖 2026 年。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合投资人等读者参考。
重点分析了Barra、CNE6、长期与交易风险模型等议题。