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)、夏普比率
各位同学，今天我们来啃一块硬骨头——投资组合理论。说实话，这部分内容我当年学的时候也觉得有点抽象，但后来在实盘里摔过几次跟头，才真正明白这些公式的价值。说白了，它们就是量化投资的「内功心法」。
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，彻底改变了金融世界。他提出了一个看似简单但极其深刻的问题：「如果你只关心收益和风险，该怎么选资产？」
他的答案就是均值-方差模型。嗯，这里要注意，这个模型不是让你预测未来，而是帮你做「权衡」。
核心思想
- 收益：用预期收益率（均值）来衡量。说白了就是「平均能赚多少」。
- 风险：用收益率的方差或标准差来衡量。说白了就是「收益波动有多大」。
- 分散化：通过组合不同资产，可以在不降低预期收益的情况下降低风险。
我个人习惯把均值-方差模型看作一个「配方优化器」。你给它一堆食材（资产），它告诉你每种食材放多少，能让这盘菜（组合）在「好吃程度」（收益）和「拉肚子风险」（风险）之间达到最佳平衡。
数学表达：
对于一个由N个资产构成的组合，其预期收益率为：
E(Rp) = Σ wi * E(Ri)组合方差为：
σ²p = Σ Σ wi * wj * Cov(Ri, Rj)其中 wi 是资产 i 的权重，Cov(Ri, Rj) 是资产 i 和 j 的协方差。
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，结果发现样本外表现一塌糊涂。为什么？因为历史协方差矩阵里全是噪声。后来我改用收缩估计（Shrinkage Estimator），效果才稳定下来。这个坑，你们以后大概率也会踩到。
2.2 有效前沿：所有「好」组合的集合
有了均值-方差模型，我们就可以画出有效前沿。你想想看，给定一堆资产，我们可以算出无数种组合。但其中只有一小部分是「有效」的——在相同风险下收益最高，或者在相同收益下风险最低。
把这些有效组合连成一条线，就是有效前沿。它是一条向左上方凸出的曲线。
我的经验：有效前沿的「弯曲程度」取决于资产之间的相关性。相关性越低，前沿越向左凸，分散化效果越好。我曾经用A股和国债做过测试，两者相关性在0.2左右，有效前沿明显比纯股票组合更「划算」。
有效前沿的数学特征
- 前沿上的每个点对应一个最优权重向量
- 前沿的「顶点」是全局最小方差组合（GMV）
- 前沿的上半部分才是真正「有效」的（下半部分收益更低但风险更高，没人会选）
这里我画了一张图，帮你直观理解有效前沿和整个知识体系的关系：
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、方差和协方差。这在实践中几乎不可能做到。于是夏普（对，就是夏普比率的那个夏普）等人提出了CAPM，试图用一个简洁的公式来解释资产收益的来源。
CAPM的核心思想是：资产的预期收益只取决于它对市场组合的敏感度（Beta）。其他风险（所谓的「非系统性风险」）可以通过分散化消除，市场不会为它买单。
CAPM公式：
E(Ri) = Rf + βi * [E(Rm) - Rf]其中：
- Rf：无风险利率（比如国债收益率）
- βi：资产i的Beta系数，衡量它对市场波动的敏感度
- E(Rm)：市场组合的预期收益
- [E(Rm) - Rf]：市场风险溢价
我曾经用CAPM给一只A股做定价分析，发现它的Beta是1.5，意味着市场涨1%，它平均涨1.5%。但问题是，这个Beta并不稳定——牛熊市里完全不一样。所以我现在用CAPM时，都会加上滚动窗口估计，而不是用全样本。
避坑指南：CAPM的假设非常强——市场无摩擦、投资者同质预期、可以无风险借贷……现实中这些都不成立。所以CAPM更像一个「基准框架」，而不是精确的定价工具。我见过有人拿CAPM算出来的预期收益直接下单，结果亏得很惨。记住，模型是拐杖，不是腿。
资本市场线(CML) vs 证券市场线(SML)
| 特征 | 资本市场线(CML) | 证券市场线(SML) |
|---|---|---|
| 横轴 | 总风险（标准差） | 系统性风险（Beta） |
| 纵轴 | 预期收益 | 预期收益 |
| 适用对象 | 有效组合 | 所有资产（包括单个股票） |
| 斜率 | 夏普比率 | 市场风险溢价 |
2.4 夏普比率：一杆秤，称出性价比
说了这么多，怎么评价一个组合到底好不好？光看收益不行——万一收益高但波动也高呢？光看风险也不行——万一风险低但收益也低呢？
夏普比率就是来解决这个问题的。它衡量的是：每承担一单位风险，能获得多少超额收益。
夏普比率公式：
Sharpe Ratio = (E(Rp) - Rf) / σp其中：
- E(Rp)：组合预期收益
- Rf：无风险利率
- σp：组合收益的标准差
说白了，夏普比率就是「性价比」。同样是年化收益15%，一个组合波动率10%，另一个波动率20%，前者的夏普比率是后者的两倍。你选哪个？当然是前者。
我的习惯：在实盘里，我一般要求组合的夏普比率至少大于1。低于1的话，说明风险调整后的收益不够吸引人。当然，不同资产类别标准不同——CTA策略的夏普比率通常比股票多头低，但它的尾部风险也更小。
使用夏普比率的注意事项
- 时间窗口敏感：用过去3年算的夏普比率和过去1年算的，可能差很多。我建议用滚动窗口，观察稳定性。
- 不区分上行和下行风险：夏普比率把波动都视为风险，但投资者其实更讨厌下行风险。这时候可以看看索提诺比率（Sortino Ratio）。
- 无风险利率的选择：国内一般用一年期国债收益率或SHIBOR。不同选择会导致夏普比率有差异，但排名通常不变。
嗯，到这里我们把投资组合理论的四大支柱都过了一遍。马科维茨给了我们框架，有效前沿给了我们目标，CAPM给了我们定价逻辑，夏普比率给了我们评价标准。这四个工具组合起来，就是量化投资组合管理的「基本功」。
我曾经带过一个实习生，他花了两周时间用Python实现了完整的均值-方差优化和有效前沿绘制。结果回测时发现，优化出来的权重在样本外表现还不如等权重组合。为什么？因为输入参数（预期收益和协方差）的估计误差太大了。这就是理论和实践的差距——模型本身没问题，但输入的质量决定了输出的质量。
所以我的建议是：先理解这些模型的逻辑，再用它们来指导你的思考，而不是盲目相信计算结果。量化投资不是「公式套利」，而是「逻辑+数据+经验」的综合体。
公众号:蓝海资料掘金营，微信deep3321