第二章 投资组合理论基础：马科维茨均值-方差模型、有效前沿、资本资产定价模型(CAPM)
各位同学，今天我们来聊聊量化投资的“地基”——投资组合理论。说实话，这部分内容我每年都会重新翻一遍。为什么？因为不管你用多复杂的机器学习模型，最后都得回到这几个核心概念上来。我个人习惯把这一章称为“量化投资的牛顿力学”，搞懂了它，后面的策略搭建才有根。
2.1 马科维茨均值-方差模型：风险与收益的第一次握手
1952年，一个叫哈里·马科维茨的小伙子发表了一篇论文，标题叫《投资组合选择》。这篇论文后来让他拿了诺贝尔奖。说白了，他做了一件很简单的事：把投资从“猜涨跌”变成了“算概率”。
马科维茨的核心思想就一句话：别把所有鸡蛋放在一个篮子里，但篮子之间的相关性更重要。
他提出了两个关键指标：
- 期望收益：你预期能赚多少，用数学期望表示。
- 方差（或标准差）：你承担的风险有多大，用收益率的波动表示。
模型的目标是：在给定风险水平下，最大化收益；或者在给定收益水平下，最小化风险。这就是所谓的“均值-方差优化”。
数学表达：
最小化： σ²_p = wᵀ Σ w
约束条件： wᵀ μ = μ_target
Σ w_i = 1
w_i ≥ 0 （可选，不加就是允许做空）其中 w 是权重向量，Σ 是协方差矩阵，μ 是预期收益向量。
我在项目中遇到过一个问题：直接用历史数据算协方差矩阵，结果优化出来的权重全是极端值。后来才发现，样本协方差矩阵对异常值太敏感了。嗯，这里要注意，协方差矩阵的估计是整个模型的命门。
2.2 有效前沿：那条最美的曲线
把上面那个优化问题，对每一个可能的收益目标都求解一遍，你会得到一系列最优组合。把这些组合画在“风险-收益”坐标系里，就形成了一条曲线——这就是有效前沿。
有效前沿上的每一个点，都是一个“帕累托最优”的组合。什么意思？就是你想提高收益，就必须承担更多风险；你想降低风险，就必须接受更低收益。没有免费的午餐。
下面我用一张SVG图来展示这个核心逻辑：
你看这张图，红色虚线就是有效前沿。所有可行的投资组合都落在蓝色散点区域里，但只有前沿上的点才是“最优”的。前沿左下方的点，要么风险太高，要么收益太低，都是次优解。
实战小技巧：我建议你在做多因子模型时，先用有效前沿筛选一遍候选组合。这样可以快速排除那些“看起来收益高，但风险也高得离谱”的选项。我曾经用这个方法帮一个客户砍掉了30%的无效策略，回撤直接降了一半。
2.3 资本资产定价模型(CAPM)：给风险定价
马科维茨的模型有个问题：它需要你输入所有资产的预期收益和协方差。这在现实中几乎不可能。于是，威廉·夏普（对，就是夏普比率的那个夏普）在1964年提出了CAPM，试图用一个简洁的公式来解释资产收益的来源。
CAPM的核心公式：
E(R_i) = R_f + β_i × (E(R_m) - R_f)其中：
- E(R_i)：资产i的预期收益
- R_f：无风险利率（比如国债收益率）
- β_i：资产i的贝塔系数，衡量它对市场波动的敏感度
- E(R_m) - R_f：市场风险溢价
说白了，CAPM告诉我们：你赚的钱，只跟承担的市场风险有关。其他风险（比如公司暴雷、行业政策变化）都可以通过分散化消除，市场不会为这些风险付钱。
避坑指南：我曾经在2015年股灾前用CAPM给一个量化策略做归因，发现β值高达1.8。当时觉得收益不错就没管，结果市场一跌，策略直接崩了30%。后来我养成了一个习惯：任何策略上线前，先看β值。β超过1.5的，必须做对冲。
2.4 从理论到实战：多因子模型的桥梁
CAPM虽然简洁，但有个致命缺陷：它假设只有一个风险因子——市场。现实中呢？你会发现很多资产收益无法被市场因子解释。比如小盘股长期跑赢大盘股，价值股跑赢成长股。这些“异常收益”就是CAPM的盲区。
于是，多因子模型应运而生。它把CAPM的单一β扩展成了多个因子：
E(R_i) = R_f + β_1 × F_1 + β_2 × F_2 + ... + β_k × F_k这里的F_1、F_2就是各种因子，比如：
- 规模因子：小市值 vs 大市值
- 价值因子：低估值 vs 高估值
- 动量因子：过去涨得好的 vs 涨得差的
- 质量因子：高ROE vs 低ROE
你看，多因子模型本质上就是CAPM的“升级版”。它保留了“风险-收益”的定价逻辑，但承认市场是复杂的，需要多个维度来解释。
| 模型 | 核心假设 | 优点 | 缺点 |
|---|---|---|---|
| 马科维茨均值-方差 | 投资者理性，只看均值和方差 | 理论严谨，提供最优组合框架 | 需要大量参数估计，实操困难 |
| CAPM | 单一市场因子，无摩擦市场 | 简洁，易于理解 | 无法解释市场异象 |
| 多因子模型 | 多个系统性风险因子 | 解释力强，贴近现实 | 因子选择主观，过拟合风险高 |
我的经验总结：
- 做资产配置时，先用马科维茨框架做“理想解”，再用多因子模型做“现实修正”。
- CAPM的β值是我每天必看的指标，它告诉我当前组合暴露在多大的市场风险下。
- 有效前沿不是静态的——随着市场变化，前沿会移动。我每周都会重新计算一次。
好了，这一章的内容就到这里。记住，这些理论不是象牙塔里的摆设。你想想看，如果你连“风险-收益”的基本关系都搞不清楚，怎么去设计量化策略？怎么去跟客户解释回撤？
下一章我们会深入多因子模型的构建细节，包括因子选择、因子测试、以及如何避免过拟合。嗯，那才是真正动手干活的部分。