4、组合风险基础：组合风险的定义、系统性风险与非系统性风险、风险分散化原理、现代投资组合理论
各位同学，今天我们聊聊组合风险。说实话，这个主题是金融风险管理里最基础、也最容易被忽视的一块。我见过不少交易员，单看某个资产头寸，风险控制得挺好，但一放到整个组合里看，问题就暴露了。嗯，这就是我们今天要解决的问题。
4.1 组合风险的定义
组合风险，说白了就是你把多个资产放在一起后，整体面临的不确定性。它不是你简单把每个资产的风险加起来就完事了——要是这么简单，风险管理这行早就没人干了。
我个人习惯把组合风险拆成两个层面来看：
- 绝对风险：组合整体价值的波动程度，通常用标准差或VaR来衡量
- 相对风险：组合相对于某个基准（比如沪深300）的偏离风险，用跟踪误差来算
举个例子。我在项目中遇到过一位基金经理，他管理的组合里股票和债券各占一半。单看股票部分，波动率20%；单看债券部分，波动率5%。他以为组合波动率就是(20%+5%)/2=12.5%。结果一算，实际只有8%左右。为什么？因为股票和债券的相关性不是1，甚至有时候是负的。这就是组合风险的精髓——资产之间的互动关系。
核心公式：组合方差 = w₁²σ₁² + w₂²σ₂² + 2w₁w₂σ₁σ₂ρ₁₂
其中ρ₁₂是资产1和资产2的相关系数。这个公式告诉我们：组合风险不是线性叠加的。
4.2 系统性风险与非系统性风险
这里我要强调一个概念：风险是可以拆开的。就像拆解一台机器一样，组合风险可以拆成两部分。
4.2.1 系统性风险（市场风险）
系统性风险，也叫不可分散风险。它是由宏观经济、政策变化、地缘政治等全局性因素引起的。你躲不掉，因为所有资产都会受影响。
- 典型例子：2008年金融危机、2020年新冠疫情
- 衡量指标：Beta系数（β）
- 特点：无法通过分散化消除
我记得刚入行时，有个老前辈跟我说：「小子，别想着用分散化躲过系统性风险。大盘跌的时候，你手里90%的股票都会跟着跌。」我当时不信，后来经历了2015年股灾，才明白这话有多对。
4.2.2 非系统性风险（特有风险）
非系统性风险，是某个公司或行业特有的风险。比如管理层丑闻、产品召回、技术故障等。这类风险有个特点——你可以通过分散投资来降低甚至消除。
- 典型例子：某公司财务造假、某工厂发生爆炸
- 衡量指标：残差波动率
- 特点：可以通过分散化降低
避坑指南：我曾经犯过一个错误——以为买了20只股票就足够分散了。结果发现这20只全是科技股，行业集中度极高。后来遇到科技板块回调，组合回撤惨不忍睹。记住：分散化不只是数量问题，更是相关性问题。
4.3 风险分散化原理
风险分散化的原理，其实可以用一句话概括：不要把鸡蛋放在同一个篮子里。但这句话背后有数学逻辑支撑。
我们来看一个简单的例子。假设你有两个资产A和B，预期收益率相同，波动率也相同（都是20%），但它们的相关系数不同：
| 相关系数ρ | 组合波动率（等权重） | 分散化效果 |
|---|---|---|
| +1.0 | 20% | 无效果 |
| +0.5 | 17.3% | 降低13.5% |
| 0.0 | 14.1% | 降低29.5% |
| -0.5 | 10.0% | 降低50% |
| -1.0 | 0% | 完全对冲 |
你看，相关系数越低，分散化效果越好。当ρ=-1时，理论上可以完全消除风险。但现实中，找到完全负相关的资产几乎不可能。
为什么会这样？因为资产之间的相关性不是固定的。我在项目中遇到过最头疼的事，就是平时相关性很低的两个资产，一到市场暴跌时相关性突然飙升。这就是所谓的「相关性危机」——你以为分散了，其实没有。
4.4 现代投资组合理论（MPT）
现代投资组合理论，是哈里·马科维茨在1952年提出的。这个理论的核心思想是：投资者不应该只看单个资产的收益和风险，而应该关注资产之间的协方差。
4.4.1 有效前沿
有效前沿，是所有可能组合中，在给定风险水平下收益最高的那些点连成的曲线。说白了，就是「最优组合的集合」。
我习惯用三步法来理解有效前沿：
- 第一步：计算所有资产的预期收益、方差和协方差
- 第二步：用优化算法找出不同风险水平下的最优权重
- 第三步：把这些最优组合连成一条曲线
下面这张图展示了有效前沿的基本结构：
4.4.2 资本市场线（CML）
当引入无风险资产后，有效前沿就变成了资本市场线。这条线从无风险利率出发，与有效前沿相切。切点对应的组合，就是市场组合。
我个人觉得，MPT最大的贡献不是给出了精确的答案，而是提供了一个思考框架。它告诉我们：
- 不要只看单个资产，要看组合
- 风险可以拆解，也可以管理
- 分散化不是万能的，但没有分散化是万万不能的
⚠️ 重要提醒：MPT有几个假设在实际中很难满足：
- 假设收益率服从正态分布——但现实中常有肥尾
- 假设投资者都是理性的——但行为金融学告诉我们不是
- 假设市场无摩擦——但交易成本、税收都是真实存在的
所以，MPT是工具，不是真理。用的时候要留个心眼。
4.5 实践中的组合风险管理
理论讲完了，说说实际怎么用。我在做组合风险管理时，通常会走这几步：
- 数据清洗：先把所有资产的历史数据拉出来，剔除异常值。这一步最容易被忽视，但也是最关键的。
- 相关性矩阵计算：算两两资产之间的相关系数。我习惯用滚动窗口算，因为相关性是时变的。
- 风险预算：确定每个资产或每个风险因子对组合风险的贡献度。说白了，就是搞清楚「风险到底是从哪来的」。
- 压力测试：模拟极端情景，比如利率飙升200bp、股市暴跌30%，看看组合扛不扛得住。
- 再平衡：根据风险预算结果，调整权重。我一般设定一个阈值，比如某个资产的风险贡献超过目标值20%就触发再平衡。
一个小技巧：我曾经用Python写过一个简单的风险预算工具，核心代码就几十行。你可以试试：
import numpy as np
def risk_budget(weights, cov_matrix):
# 计算组合风险
portfolio_risk = np.sqrt(weights.T @ cov_matrix @ weights)
# 计算边际风险贡献
mrc = (cov_matrix @ weights) / portfolio_risk
# 计算风险贡献
rc = weights * mrc
# 计算风险贡献占比
rc_pct = rc / portfolio_risk
return rc_pct这个函数能告诉你每个资产对组合风险的贡献比例。如果某个资产占比过高，就该考虑调整了。
好了，关于组合风险的基础内容就讲到这里。记住一句话：组合风险不是单个风险的简单加总，而是资产之间相互作用的产物。理解了这个，你才算真正入了风险管理的门。
公众号:蓝海资料掘金营，微信deep3321