随着中国资本市场的快速发展,金融投资者和研究人员关注的焦点从指数化投资转移到了量化投资。量化投资策略实际上是一种借助数量化工具的主动投资管理策略,预期收益率和风险则是主动投资管理的两个主角,应用量化技术进行主动投资管理即要在两者之间寻找一种均衡。然而,现代金融模型更多的是关于预期收益率而非风险,故从风险分析的角度建立量化模型将是一个重要的研究方向。本文以目前风险管理领域国际广为流行的Barra模型为理论基础,选择有解释能力与预测能力的风险因子与行业因子建立适用于A股市场的结构化风险模型,通过截面回归求得因子收益并分析其对投资组合收益的影响,在此基础上建立有效风险模型关键还需要找到一种因子协方差矩阵的最佳估计方法,传统的样本协方差估计方法缺少准确性与稳健性,常用的协方差估计模型主要可以分为结构化模型和高频时间序列模型两大类。本文出于实际应用性考虑,将样本协方差经过特征调整作为“真实”矩阵,通过多次模拟产生因子收益,计算由压缩估计、随机矩阵以及组合估计等多种结构化模型得到的因子协方差估计量,并建立衡量估计量与“真实”矩阵风险距离的评价指标,从而比较不同估计量的估计效果与预测效果。历史数据和模拟数据的实验表明,将不同估计量进行组合得到的复杂结构的估计量相比简单结构估计量估计效果更佳,它们更接近“真实”因子协方差矩阵,且更为稳健,同时组合估计量也表现出了相对较优的预测效果。