至于实现嘛，我以前干过类似的事情。barra的介绍文档后面都有各个风险因子的计算公式，一些复合因子的复合方法，也就是权重都给了，直接照搬就行。当然，光知道公式也远远不够，很多细节的处理、缺失值的填补方法值得玩味，这个就走好不送了。算完风险因子后，可以跟barra里的值比对一下，如果大概方向能一致就继续下一步，计算协方差矩阵。手头没有那个介绍文档，我记得是需要volatility regime adjustment 和 bayesian adjustment. 这两项都算完后，预测风险的模型基本搞定，但构建组合那一步，还需要写个optimizer, 我的工作没涉及到这一步，就不是很清楚了。写optimizer的基本思路，应该就是设一个隐含的risk aversion值（或者用户自定义），然后最大化你的utility function=return-aversion*risk^2，必要时设一些constraints.

1，仓位恒定：无论市场波动率和交易者情绪处于什么状态，我的基金产品中的杠杆比例是固定的，这样可以排除仓位择时给产品收益带来的影响。2，随着期货市场波动率的升高，基金产品中的期货持仓越低。这个交易方式在今年显得比较有效，因为今年市场环境明显的体现出政策式特征，每次伴随着政策的监管调控，期货市场的波动率都会同步放大，而这种政策干扰带来的都是趋势的反转和期限结构基差的紊乱，给CTA策略带来的是负面收益，所以按照这种方式整体来看对产品的绩效管理是有帮助的，有些管理人会根据不同波动率环境设置不同的仓位阈值，相对更精细化的管控。3，随着期货市场波动率的升高，基金产品中的期货持仓越高。今年的市场环境来看，这种仓位管理方式给CTA策略带来的是较大负向收益贡献。