用投资组合代替个股进行截面回归，核心优点在于降低个股层面的因子暴露估计误差，但缺点在于丢失个股截面特征与增加因子正交风险。这种方法在行业板块分析中尤为常见，需根据研究目的平衡组合稳定性与个股细节。
降低估计误差与提升稳定性
个股收益受噪音、流动性冲击等非系统性因素干扰，导致因子暴露（如市值、动量因子）的估计偏差较大。通过将个股按特征（如行业、市值）分组构建投资组合，可以分散个股特异性噪音，使回归得到的因子暴露更稳定。例如，行业组合的回归系数通常比单只股票的标准误低30%-50%。Roll（1988）等学者指出，组合回归能更清晰揭示系统性因子对收益的解释力，尤其适合分析宏观因子（如利率、通胀）对板块的影响。
丢失截面特征与正交风险
组合回归的代价是掩盖个股层面的异质性。同一组合内的个股可能具有相反的因子暴露（如一只股票高杠杆、另一只低杠杆），组合平均后这些细节被平滑。此外，组合构建可能引入因子正交风险：若组合内个股在非目标因子上高度相关（如行业组合中所有股票都受油价影响），回归会错误地将油价暴露归因于市场因子，导致估计偏差。例如，用行业组合回归时，若该行业与能源价格高度相关，能源因子暴露可能被市场因子吸收，无法单独识别。
平衡建议与研究场景
当研究目标是宏观因子对板块的整体影响时，组合回归更合适（如分析货币政策对银行业的影响）；若需捕捉个股异质性或因子正交效应，应使用个股回归并辅以稳健标准误。一种折中方案是：先用组合回归识别主导因子，再对关键个股做截面回归验证细节。对于行业板块分析，建议将行业组合作为基准模型，同时保留个股残差分析，以识别异常暴露的股票。
总结：投资组合回归通过降低噪音提升因子暴露估计的稳定性，但可能丢失个股截面特征和因子正交风险。投资者应根据分析目的（板块整体 vs. 个股细节）选择方法，或采用组合与个股结合的两步分析法。
常见问题
组合回归是否完全优于个股回归？
不是。组合回归仅在降低估计误差方面有优势，但会丢失个股层面的因子暴露差异。如果研究目的是识别个股的独特风险暴露，个股回归更合适。
如何判断组合构建是否引入了因子正交风险？
可以计算组合内个股在非目标因子上的平均相关系数。若相关系数超过0.6（如行业组合内个股对行业因子暴露高度一致），则正交风险较高，需考虑将相关因子显式加入回归模型。
行业分析中，组合回归的样本量要求是多少？
通常建议每个组合至少包含10-30只股票，以保证分散效果。过少（如少于5只）的组合可能无法有效降低噪音，过多（如超过100只）则可能过度平滑个股特征。