(资料图片)

本报告介绍了Bryan T. Kellya，Seth Pruitt，Yinan Su 于2019 年发表于《Journalof Financial Economics》的文章《Characteristics are covariances: A unifiedmodel of risk and return》。

文章提出了一种针对收益率截面数据的新建模方法。该方法主要通过工具化主成分分析（IPCA），引入了面对不可观测变量的可观测特征指标，并考虑了潜在因子及其时变性载荷。如果特征指标和预期收益之间的关系是由潜在风险因子敞口的风险补偿所驱动的，那么IPCA 将确定相应的潜在因子。如果不存在这样的因子，IPCA 则认为该特征指标在无风险的状况下获得了补偿，并将该补偿效应归于异常截距项。

通过研究个股收益及其特征指标，作者发现包含5 个因子的IPCA 比现有因子模型更准确地解释了平均收益的截面数据。同时，此类IPCA 模型不产生与特征指标相关且具有显著性的异常截距项。另外，在以往文献所研究的大量特征指标中，只有10 个特征指标在IPCA 框架下具有1%水平的显著性，且IPCA 模型精准刻画股票收益的能力几乎完全被这些特征指标所覆盖。

风险提示：本文内容基于作者对海外市场的实证研究，对于中国市场的具体情况，结论可能会发生变化。