2.1 优化偏差调节
经Muller(1993)实证检验，低估最优化结果的风险会导致风险模型的重大偏差。 近来，Shepard(2009)推导出一个偏差大小的分析结论，表明了预测的准确性会大幅下降当因子的数量增长超过用于估量协方差矩阵的时间段数。估测误差是导致这个偏差的主要原因。也就是说，虚假相关性会导致有些股票在样本内表现良好，样本外却不如人意。
识别投资组合上的一个重要创新在于抓取偏差并设计对应的程序在协方差矩阵内直接修正。Menchero, Wang, 以及 Orr (2011)表明，样本协方差矩阵中的特征因子偏差是系统性的。更具体地说，样本协方差矩阵趋向于低估低波动性因子的风险，又过度预估高波动性因子的风险。此外，减少特征因子的偏差有助于提升最优化结果的风险因素预测。
在CNE5模型的背景下，特征因子代表原始纯因子组合。这种组合是比较特殊的，因为它们互不相关。同时需要注意的是，特征因子的数量等同于模型内原始因子的数量。
如在USE4 中指出，我们通过特卡洛模拟方法估测特征因子的偏差，进而调整预测的波动率，修正这些偏差。这个步骤有助于在因素协方差矩阵中进行直接修正，又充分保留了纯因子的意义和直观性。
2.2 波动状态调整
另一个风险模型的偏差的原因在于随着时间的推移，波动率一直在变化，即非定常性是一个重要的特征。由于风险模型必须解析过去预测未来，因此出现了在波动率上升时期容易低估风险，而在波动率下降时高估风险的趋势。
CNE5另一个创新在于引进了波动机制调整以更好地预测因子的波动性。如在USE4中指出的波动价值调整有赖于横向统计偏差，即引入波动率状态调整（具有每日横截面波动率调整的功能），使得模型对于市场突发事件更为敏感。该方法于2011年推出并在Barra美国股票模型USE4中首先得到应用。
因子波动率具有不稳定性，特定风险也是如此。在CNE5模型中，我们将波动状态调整一样运用于特定风险。我们通过计算特定回报的横向统计偏差数据进行调整的评估。
2.3 国家因素
一般来说，单一国家模型（例如，CHE2）包括产业因素和风格因素，而没有国家因素。CNE5模型一个重大的改进即是引进国家因素，类似于Menchero, Morozov, 和Shepard (2008, 2010)引进GEM2的世界因素。
引进国家因素一个明显的好处在于它所提供的洞悉和直觉。例如，在USE4中所讨论的。国家因素组合可以理解为国家投资组合的市值加权。此外，国家因素也从整体市场效应中脱离了纯粹的行业效应，从而为行业因素提供了更为清晰的解释。
没有国家因素，行业因素代表了特定行业的净权重为100％的投资组合，其他行业的净重为零。 与国家因素相比，行业因素代表了一种以美元中性（dollar neutral 就是对美元是跌是涨的走势保持一个中性态度 - 看平，也就是说，既不看涨，也不看跌，持有这种态度只要在一定的小范围波动策略而获利。可以是见高峰就卖出而见低谷就买进。或者采取Butterfly 期权交易方式。）的投资组合，该投资组合是100%的行业和100%的短期国家因素；也就是说，行业绩效是衡量市场的净价。
从归因角度来看，以美元中性行业要素组合很重要。例如，假设投资组合经理投资一个表现不佳市场的行业权重很大，但仍然有正回报。显然，过度加权一个表现不佳的行业会降低业绩。然而，如果行业因素是由净多头投资组合来代表的，那么一个归因分析就会虚假地显示，过度加权表现不佳的行业对业绩做出了积极的贡献。这种不直观的结果是通过引入国家因素来解决的，这使得行业因素投资组合与美元保持中立，从而产生了一种直观的结果，即过度加权一个表现不佳的行业会降低业绩。包括国家因素也解决了风险归因中的其他的问题，如Davis和Menchero(2011年)所述的。
国家因素的另一个好处是可以改善风险预测。凭直觉和经验，我们知道，在金融危机时期，行业往往会变得更紧密相关。正如USE4中所示，国家因素能够以更及时的方式捕捉行业相关性的变化。这一效应的基本机制是，净多头行业投资组合对国家因素有共同的影响，当国家因素的波动性在市场压力期间上升时，它解释了行业增长的相关性。
2.4 贝叶斯调整的特殊风险模型
CNE5具体风险模型建立在由Briner，Smith和Ward（2009）所描述的欧洲股票模型（EUE3）引入的方法学进展的基础上。EUE3模型利用每日观察，直接从特定回报的时间序列中提供特定风险的及时估计。这种方法的一个重要好处是，每种股票都有单独的风险估计，从而反映了风险来源的特殊性。
纯时间序列方法的一个潜在缺点是，特定的波动性可能不会完全持续正如USE4方法所示，有时间序列波动性预测的趋势是过度预测高波动性股票的具体风险，并且低估了低波动性股票的风险。
为了减少这些偏差，我们应用贝叶斯调整技术。我们把股票根据它们的市值分成十类， 在每个分类内我们计算具体风险预测的平均值和标准差。然后我们将波动预测拉或“收缩”为大小十分位数内的平均值，收缩强度随着平均值的标准偏差数量而增加。
3、4、5在下一期推送。
