构建全新风险模型的核心思路是将收益模型中的因子与风险模型中原本无关的因子纳入一个统一框架，而不是简单地替换或剔除因子。传统做法往往只调整收益模型或风险模型中的部分因子，导致因子暴露不一致：某些收益来源被重复计算，另一些则完全未被风险模型覆盖。新模型通过联合这两类因子，重新估计所有因子的收益率和协方差矩阵，从而确保每一个收益来源都有对应的风险度量。
仅替换或剔除方法的不足
- 替换因子：用收益模型的新因子替换风险模型中的旧因子，可能破坏协方差结构的稳定性，因为新因子与原有因子间的相关性未被充分建模。
- 剔除因子：直接删除不一致的因子，会遗漏某些收益来源的风险暴露，例如市场情绪或行业轮动因子被剔除后，其波动风险无法被捕捉。 这两种方法都容易造成风险覆盖缺口，即部分收益变动无法被模型解释，导致投资组合的风险预算失真。
新模型如何确保风险覆盖
新模型将所有因子（包括收益模型因子和风险模型无关因子）纳入同一个联合框架，并重新估计因子收益率和协方差矩阵。具体步骤包括：
- 识别因子集合：列出收益模型中所有因子（如价值、动量、质量）以及风险模型中独立存在的因子（如波动率、流动性）。
- 统一估计：使用相同的历史窗口和频率，同时估计所有因子的预期收益率和协方差。
- 风险分解：将组合总风险分解为每个因子的边际贡献，确保任何收益来源对应的风险都被量化。 这种方法的优势在于因子暴露的一致性——同一个因子在收益和风险维度下的定义与估计方法完全对齐，避免了部分替换导致的遗漏风险。
重新估计的复杂性
重新估计因子收益率和协方差涉及高维矩阵的数值优化，尤其是当因子数量较多时，协方差矩阵可能非正定或存在多重共线性。实践中需采用收缩估计或贝叶斯方法来稳定估计结果。此外，因子收益率的时间序列可能包含非平稳性（如结构性变化），需要滚动窗口或衰减权重来动态调整。
总结：全新风险模型通过联合框架确保所有收益来源的风险被覆盖，避免部分替换带来的遗漏风险。虽然重新估计过程复杂，但这是实现因子暴露一致性的必要代价。
常见问题
联合框架与多因子模型有何区别？
联合框架是多因子模型的一种扩展。传统多因子模型通常假设收益因子与风险因子完全一致，而联合框架允许收益因子和风险因子存在差异，并通过统一估计解决不一致问题。
新模型是否适用于所有资产类别？
适用于股票、债券、商品等主要资产类别，但需要根据资产特性调整因子集合。例如，债券模型中需加入利率期限结构因子，而商品模型需考虑展期收益因子。
模型更新频率如何确定？
通常每月或每季度重新估计一次，取决于因子收益率的稳定性。高换手率策略（如高频交易）可能需要更频繁的更新，但会增加计算成本。