多因子模型的发展
        马科维茨均值方差模型是现代资产组合理论的基石，面对单类资产内数以千计的证券时，马科维茨均值方差模型需要估计各证券方差以及协方差，这一点难以实现，进而催生了通过一定数量的风险因子解释预测证券收益率的多因子模型。http://www.hibor.com.cn【慧博投研资讯】随着多因子模型的发展，投资者也开始使用多因子模型来对对冲基金收益以及一些策略进行业绩归因，最终发现两者都可以通过一些因子进行解释、复制。http://www.hibor.com.cn（慧博投研资讯）近年来，从风格因子的角度在大类资产之间进行资产配置的方法得到了很多人的关注
        传统资产配置方法不能有效分散资产风险
        传统的资产配置方法主要是通过资产属性将各类证券划分为股票、债券、商品等大类资产，然后在这些大类资产间进行配置来达到分散风险的目的。然而由于某些不同资产收益很可能由一些相同的一般性的因子所驱动，比如经济增长或通货膨胀，所以通过配置这些大类资产来分散风险的组合并不能很好的分散风险，某一外生的冲击很可能同时导致股票和债券的下跌，这会降低组合分散风险的有效性。而通过配置被动暴露的风险因子，则能够更进一步的分散组合风险
        风格因子维度的资产配置能够更好的分散资产风险
        SmartBeta  化的因子资产收益率之间相关性非常小，这对最终的资产配置十分有利。我们采用的十个因子——规模因子、盈利因子、质量因子、反转因子、换手因子、商品Curve  因子、商品动量因子、商品价值因子、债券久期因子，信用利差因子——进行测算，发现因子收益之间相关性最高的只有0.1  出头，而绝大部分因子收益的相关性在0.1  以下。最终通过风险平价模型配置这十个因子，我们获得年化收益4.12%，波动率1.64%，最大回撤1.63%的结果。
        风险提示：模型采用历史数据，存在失效风险