几十年来，行业惯例在构建因子风险模型时一致采用两种基本技术。第一种是使用市值平方根 (RCAP) 作为回归权重来估计因子收益。第二种技术是在构建因子协方差矩阵时，将估算的因子收益视为真实的潜在因子收益。我们认为，这两种传统做法都存在缺陷，会导致对因子风险的估计过高。

在本文中，我们提出了解决这两个问题的方案，并研究了它们的影响。第一个解决方案是采用逆方差作为回归权重，从计量经济学理论可知，这可以最小化因子收益估计中的噪声。我们通过实证表明，相对于传统的 RCAP 权重，这种权重确实减少了噪声，从而使得纯因子投资组合的已实现方差显著降低。我们还表明，使用逆方差回归权重还带来了另外两个主要的额外好处：(1) 它将优化后投资组合的风险调整后表现提高了近10个百分点。(2) 在所考察的14个风格因子上，优化组合的效率均实现了一致提升，且整体结果在统计意义上高度显著。

第二个解决方案是通过从纯因子投资组合的方差中减去特异性成分，从而生成对真实潜在因子的无偏方差预测。我们认为，如果不减去这一成分，会导致对特异性风险的“重复计算”。我们通过实证验证了传统方法显著高估了纯因子投资组合的风险，而结合了本文所述两项改进的模型则生成了基本无偏的风险预测。