3、风险预算模型：等风险贡献（ERC）模型、风险预算（RB）模型、风险因子模型
好，咱们进入风险预算这一章。说实话，这是组合优化里我最喜欢的部分之一。为什么？因为它很直观——你给每个资产分配一个“风险额度”，然后让组合在这个额度内运作。听起来简单，但实现起来门道不少。
今天咱们聊三个模型：等风险贡献（ERC）、风险预算（RB）、以及风险因子模型。它们一脉相承，但各有各的脾气。
3.1 等风险贡献（ERC）模型
先说说ERC。这个名字很直白——每个资产对组合总风险的贡献度相等。说白了，就是不让任何一个资产“扛大梁”。
我刚开始做组合管理时，遇到过一个大坑。当时一个客户说“我要分散风险”，我就给他配了50%股票、50%债券。结果呢？股票波动率20%，债券只有5%。算下来，组合90%的风险都来自股票。这叫分散？这叫自欺欺人。
ERC要解决的就是这个问题。它要求每个资产的风险贡献（RC）相等。数学上，组合风险对权重的偏导数乘以权重，就是风险贡献。让所有RC相等，就得到了ERC权重。
核心公式：
风险贡献：RC_i = w_i × (∂σ_p / ∂w_i)
ERC条件：RC_1 = RC_2 = ... = RC_n
举个例子。假设两个资产，A波动率20%，B波动率10%，相关系数0.5。用ERC算出来，A的权重约30%，B约70%。你想想看，波动率高的资产权重低，波动率低的权重高——这才叫真正的风险分散。
我的经验：ERC在低相关性资产组合中效果特别好。比如股票+商品+债券，相关性低，ERC能帮你把风险均匀铺开。但要注意，如果资产间相关性太高，ERC会退化成等权重——那就没意思了。
3.2 风险预算（RB）模型
ERC是RB的一个特例。RB允许你给每个资产设定不同的风险预算。比如，你觉得股票应该承担60%的风险，债券承担40%，那就按这个比例去配。
我曾经帮一个养老金做方案。他们要求：权益类风险预算不超过50%，固收类不低于30%，另类投资不超过20%。这就是典型的RB应用场景。
RB的求解比ERC复杂一些。因为你要解一个非线性方程组。常用的方法是循环坐标下降法（CCD），或者用SQP（序列二次规划）。
# 一个简单的RB求解示例（Python伪代码）
import numpy as np
from scipy.optimize import minimize
def rb_objective(weights, cov, risk_budget):
port_vol = np.sqrt(weights @ cov @ weights)
rc = weights * (cov @ weights) / port_vol
return np.sum((rc / port_vol - risk_budget) ** 2)
# 假设3个资产，风险预算为[0.5, 0.3, 0.2]
risk_budget = np.array([0.5, 0.3, 0.2])
result = minimize(rb_objective, x0=init_weights,
args=(cov_matrix, risk_budget),
constraints={'type': 'eq', 'fun': lambda w: np.sum(w) - 1},
bounds=[(0, 1)] * 3)
注意：RB模型对协方差矩阵的估计非常敏感。我曾经用滚动窗口估计协方差，结果一个月换一次权重，交易成本吃掉了一半收益。后来改用指数加权移动平均（EWMA），才稳定下来。
3.3 风险因子模型
前面两个模型都是在资产层面做风险预算。但现实中，资产的风险往往来自共同的因子。比如，你买了10只股票，它们都受市场因子影响。这时候在资产层面做预算，可能因子暴露高度集中。
风险因子模型就是把风险分解到因子层面。常见的因子有：市场、规模、价值、动量、利率、信用利差等。然后你在因子层面设定风险预算。
我记得有一次做多资产组合，在资产层面ERC做得很好。但一分析因子暴露，发现所有资产都对利率因子敏感——组合的利率风险敞口巨大。后来改成因子层面做预算，才真正实现了风险分散。
因子模型的核心步骤：
- 选择因子（3-5个关键因子就够了，太多会过拟合）
- 估计因子暴露矩阵（回归或主成分分析）
- 计算因子协方差矩阵
- 在因子层面设定风险预算
- 反解资产权重
下面这张图展示了三个模型的关系和适用场景：
3.4 三个模型的对比与选择
说了这么多，到底该用哪个？我个人的经验是：
| 维度 | ERC | RB | 因子模型 |
|---|---|---|---|
| 主观判断 | 无 | 需要 | 需要 |
| 风险分散 | 资产层面 | 资产层面 | 因子层面 |
| 计算复杂度 | 低 | 中 | 高 |
| 适用场景 | 起步、被动管理 | 有明确风险偏好 | 多资产、对冲基金 |
| 稳定性 | 高 | 中 | 低（因子选择敏感） |
我的建议：如果你刚开始做风险预算，先从ERC入手。跑通了，再升级到RB。因子模型嘛，等你对风险来源有了深刻理解再碰。别一上来就搞因子模型——我见过太多人因子选错了，结果比等权重还差。
嗯，这一章就到这儿。风险预算的核心思想其实很简单：别让任何一个风险源失控。至于用ERC、RB还是因子模型，取决于你的场景和资源。记住，没有完美的模型，只有适合的模型。
公众号:蓝海资料掘金营，微信deep3321