barra 模型 和var什麼關係？怎麼frm裡面 不涉及 barra ？ barra 債券市場應用

barra var

---

Var是對風險的評價，依賴歷史數據，不同方法之間的差別很大；我感覺VAR的有效性需要嚴格的限定適用範圍，最好是平穩的，波動不大的序列；我之前用matlab算過歷史數據法；歷史數據模擬法和蒙特卡洛模擬法，結果差距很大。代碼詳見鏈接：知乎專欄

Barra是個歸因模型，可以績效歸因，也可以風險歸因；

我們做風險歸因的的時候，一般2種，一種風格因子，10個，

規模因子（Size）

盈利因子（Earnings

Yield）

價值因子（Value）

波動率因子（Volatility）

成長因子（Growth）

Beta因子(Beta)

動量因子(Momentum)

流動性因子(Liquidity)

槓桿因子(Leverage)

股價賬面市值比（Book

to Price）

或者使用行業因子，33個。

電子信息設備

鋼鐵房地產

公共服務

居民日向消費品

金融

餐飲

設備製造

農業

……

barra的關鍵在於因子庫的數據和因子選擇。歸因演算法我覺得大同小異。

---

一個是風險因子庫，一個是某個具體風險度量，怎麼比？

---

這是一個好問題。作為一個既在歐洲寫過巴塞爾協議FRTB協議的基礎文檔的，又在國內做多因子模型的過來人來說明下。簡而言之，VaR是風險計量中一般性的風險管理指標，而Barra的風險模型是在計算風險指標的過程中的，某一可選用模型。其主要作用是把一個投資組合中的單個證券產品風險累計成投資組合風險。所以從風險計量的流程來說，兩者不具有可比性。

結合著這個圖，我們再來具體解釋下兩者的不同。對於VaR來說，它是一個最終風險的表達量（Output），並不是一個過程量。平常我們籠統的說VaR方法，它包含了整個風險計量過程，但準確來說，VaR只是最後風險表達的一種方法。作為一個風險管理指標，它適用於多產品（如股票，債券，大宗，衍生品等證券產品），多策略（如多因子選股，CTA，統計套利等）和多類型風險（如市場風險，信貸風險和操作風險）。

對於Barra的多因子模型，它首先構建了一個具有很好解釋度的因子庫。借用這個因子庫，它可以大大提高一個投資組合風險計量的效率。背後的思想是降維（不做過多闡述）。也是因為這個原因，在計量以多元線性規劃為基礎的策略（比如多因子選股模型）的風險的時候，我們會使用多因子模型來完成圖中第k步的計算。但讀者需要明白，完成第k步不是只有Barra多因子模型，它還有copula函數，PCA等方法。從這個角度來看，Barra並不是適用於各種策略的一般方法。比如一個簡單的統計套利，我們只做幾隻股票的相關性套利，這時候就不必大費周章地套上Barra模型來計算風險。

另外，這裡展開一些有價值的點：1）在做多因子選股模型的時候，我們通常用的是標準差來作為風險指標，但這不是說這是該策略的唯一可用風險指標。從圖中，我們可以看出最後的風險表達是靈活的，比如你依然可以通過參數法計算出一個VaR。2）如果整個風險計量框架是歷史模擬法（historical simulation），則在風險計量的時候無需進行第k步，可以直接通過看投資組合歷史凈值的變化來計算風險指標。歷史模擬法+全面重估法（HS+Full Revaluation）是目前歐美風控量化的發展方向（具體原因不做解釋）。3）前台和中台進行風險計量的目的不同。前台關注的是收益的持續性和穩定性，所選取的風險計量指標和構建投資組合相關的，講求直接有效。比如更多時候我們直接使用標準差來表示組合風險。相比較而言，中檯面向的是監管部門，此時風控的目的是，計算需要多少流動資產來應對突發情況。在選取的風險計量指標上也更嚴格，另外也要求有更好的解釋度，比如VaR（用一般語言，可以解讀為後面的100天，有可能有x天的損失大於計算出的VaR值）。另外，在最後呈現的時候，我們往往需要先把風險進行細分（break down）。比如計量一個信用債的風險，我們會把總的風險細分成利率風險和信用風險，然後再尋找相應的數據去計算。這些做法的目的都是為了能把風險進行解釋。

---

Barra和Var邏輯出發點都不一樣。債券用的多的是Campisi模型。

---

var 有兩種演算法 歷史模擬法 和 deltanormal 方法 用多因子模型可以得到方差然後帶入deltanormal 方法中 得到var 用copula

---

barra是歸因模型，邏輯並不複雜，難的是基礎因子資料庫的建立。

Var是一個風險管理指標，用於監測投資組合的極端風險。

---

推薦閱讀：