基于因子体系的建模方法在宏观经济及多种资产大类（股票、信用债、大宗商品、外汇、利率以及衍生品）受到了各国学者的重视。该领域的研究也取得了长足的进步和丰厚的成果，因子体系逐渐成为当前头部金融机构精细化管理投资流程，风险控制以及投后归因的主流工具。为助力国内金融基础设施建设，清华大学全球证券研究院牵头组织团队，对我国的金融市场进行了实证研究，全面改进了现有因子体系构建方法。

本课题旨在探索中国股票风险因子模型体系的构建，深度结合中国金融市场环境实际，逐步校验并调整因子模型的参数。相比于现有市场上的股票市场因子体系，本研究构建的中国股票风险因子模型使用更为稳健的EM算法和异方差调整方式。对模型进行实际风险控制校验结果表明，我们的因子体系相比于传统因子体系在控制波动率以及尾部风险均有显著提升。本课题研究成果有助于提升相关金融机构风险控制水平与投资决策科学性。

模型采用EM算法进行参数估计。该算法分E步和M步两个步骤。在E步中，给定参数值和样本收益率，计算出因子收益率的后验分布。在M步中，利用E步得出的因子收益率的后验分布，最大化对数似然函数，得到新的参数值。实证分析表明，EM算法能够较好的解决线性回归模型的参数估计的准确性与稳定性问题。