請簡明扼要地說明BARRA模型能用來做什麼？如果要用python實現，如何建立框架？

01-02

Barra是做風險模型的，主要應用是構建active risk/total risk在一定範圍內的portfolio。Active risk也就是所謂的tracking error, 一般也就量化對沖基金會在意這個指標（一直不懂非對沖的基金計算這個幹嘛，尤其是國內的投資者一般都是在意絕對收益的）。至於控制total risk，個人認為結合倉位管理貌似更有意義一些。

至於實現嘛，我以前干過類似的事情。barra的介紹文檔後面都有各個風險因子的計算公式，一些複合因子的複合方法，也就是權重都給了，直接照搬就行。當然，光知道公式也遠遠不夠，很多細節的處理、缺失值的填補方法值得玩味，這個就走好不送了。算完風險因子後，可以跟barra里的值比對一下，如果大概方向能一致就繼續下一步，計算協方差矩陣。手頭沒有那個介紹文檔，我記得是需要volatility regime adjustment 和 bayesian adjustment. 這兩項都算完後，預測風險的模型基本搞定，但構建組合那一步，還需要寫個optimizer, 我的工作沒涉及到這一步，就不是很清楚了。寫optimizer的基本思路，應該就是設一個隱含的risk aversion值（或者用戶自定義），然後最大化你的utility function=return-aversion*risk^2，必要時設一些constraints.

以前聽barra的人過來路演，分分鐘就是「你們不可能複製出來的還是乖乖掏錢買模型」的架勢，他們應該確實是有一些未公開的獨門秘籍。而且複製模型的難度，應該是最後20%的難度遠大於前80%，就看題主需要多精確的模型了。

建議題主搞個barra試用版，先把各種功能玩透了再談實現。

大幾萬美元一年的subscription fee你得先給了再說吧？

當然如果要複製的話有數據是關鍵。隨便從彭博上拉個PB和11個月收益後再算個橫截面Z值，得出來的結果和Barra的Value以及Momentum Factor關聯度會超過65%。問題還是數據，這年頭數據商真是黑到讓人沒法忍，MSCI指數的成份居然都是要錢的。

作用還是有點的。可以讓你把自己的收益按因子，地區，貨幣，產業分解，虧了賺了都知道到底發生了啥事。某基金如果自稱是價值投資但是卻帶了一堆Momemtum Score，你也可以去根對方好好談談。

純粹是個人投資的話可以自己去讀讀handbook 實現一遍。實際上我認為哪怕是機構，除非自己的equity desk完全人手不夠沒研發力量，否則也不應該買。因為其核心理念沒啥難懂的，都是被學術界研究透的東西，自己如果沒能及實現一遍的話還是不要自稱自己是做股票的了。

推薦幾個相關閱讀資源：

1、李騰翻譯的《主動投資組合管理》，英文版：《Active Portfolio Management

A Quantitative Approach for Providing Superior Returns and Controlling Risk》

Richard C. Grinold 、Ronald N. Kahn

2、《Active Equity Management》

Xinfeng Zhou、Sameer Jain

3、《Barra Handbook_US》

4、《China Equity Model_CNE5》

5、《Quantitative Equity Portfolio Management》 Edward E. Qian, Ronald H. Hua, and Eric H. Sorensen

6、《20160921-華泰證券-多因子系列之一：華泰多因子模型體系初探》

剛剛在專欄里把barra做的心得更新好了，感興趣的移步專欄哈！

剛好在公司平台上把barra做完了。。效果因子收益和barra官方相關度95%以上。什麼組合優化績效歸因都搞定了。

體會是代碼不難寫，理論也簡單。。

難在基礎數據，和與數據配套的完整的股票分析系統。

看的人多就多寫點。。

研究過BarraOne軟體，也同主要的建造人有過溝通。首先Barra是個風險模型，給你一個切面的風險信息，難點在於多個sercutities結合成portfolio後互相的correlation會給整體風險帶來的影響。簡單來說 Barra模型就是把每個security分解成不同的factors, bottom up的把這些factors一一加總給你一個portfolio的view。BarraOne強項在於股票，需要非常強大資料庫的支持（每個股票要factors賦值），以及多個完整的factors體系。自建的，你可以依照這個思路來，自己設計要素模型。技術部分留給編程大牛解答。以上。

看來你想在uqer之類平台上實現？我就告訴你，純屬扯淡，為什麼？因為這類平台的數據爛的根本不能用，不信你自己去比對一下。

1、barra模型是用來對風險建模的。

2、如果要用Python 實現，可以先請一個架構師，然後再請一個熟悉barra的人來教這個架構師。最後再請幾個程序員，讓他們共同完成模型。

公司買了barra某模型的因子數據，我好心用matlab給公司所有組合做歸因和暴露測算。

最後基金經理說看不懂。還是匿名吧。。

有同樣的構想，題主弄成功了嗎？

你這樣高難度的問題請懸賞答案no pay no gain

近兩年量化之風傳遍金融界，但是，很難想像一個對企業，對金融沒有任何長期研究的計算機，數學學位的畢業生，能夠對路的做一個預測股市的模型，即使這模型也沒什麼用。國內都以為美國量化牛逼上天，我們要和國際接軌，但事實殘酷的告訴你，2016年美國排名前20量化基金的平均收益僅為2%，遠遠低於同期標普十個點漲幅。巴菲特很不屑的說，量化交易就是看後視鏡開車。我和做量化的同行無冤無仇，我只是認為計算機只能提高我們的效率，也就是在高頻交易有所作為，其他都是南轅北轍，要知道，你想用一個函數關係一勞永逸獲利，這本身就是假設股市有一個完全規律性，但恰恰股市的規律是變化的函數關係。你可能以為我是持有股市無法預測的隨機遊走派，但你又錯了，我恰恰認為股市可以預測，但絕不是應該用統計模型來預測的，這是現在金融學發展的一個天大的誤區。我2015年開始預測股市拐點，九成正確率，現在在財務自由的道路上高歌猛進。若干年後，我們回過頭來看會發現，人類曾經走過的量化彎路實在可笑，就如幾百年前人類所痴迷的鍊金術，不老葯。