2. 方差-协方差方法：协方差矩阵估计、组合方差计算、边际风险贡献

各位同学，咱们今天聊点硬核的。方差-协方差方法，说白了就是现代投资组合理论的「心脏起搏器」。没有它，马科维茨那套理论就是个空架子。我个人习惯把这种方法叫做「风险显微镜」——它能帮你把组合的风险一层层拆开来看，看到底是哪个资产在「搞事情」。

嗯，咱们直接进入正题。这一章的核心就三件事：怎么算协方差矩阵、怎么算组合方差、怎么算边际风险贡献。搞懂了这三样，你就能像外科医生一样精准地切割风险。

2.1 协方差矩阵估计：别让数据骗了你

协方差矩阵，说白了就是资产之间的「关系网」。A涨了B会不会跟着涨？A跌了C会不会跌得更狠？这些关系全写在矩阵里。

最简单的估计方法就是样本协方差：

import numpy as np
import pandas as pd

# 假设我们有3只股票，100天的收益率数据
np.random.seed(42)
returns = pd.DataFrame({
    '股票A': np.random.randn(100) * 0.02,
    '股票B': np.random.randn(100) * 0.03,
    '股票C': np.random.randn(100) * 0.015
})

# 样本协方差矩阵
cov_matrix = returns.cov()
print(cov_matrix)

你看，代码就这么几行。但我要提醒你——样本协方差矩阵是个「数据吃货」。你给它多少数据，它就给你吐出多少结果。问题是，数据量不够的时候，它吐出来的东西可能完全不能用。

那怎么办？我建议你至少保证时间窗口长度是资产数量的3倍以上。如果实在数据不够，可以考虑收缩估计法（Shrinkage Estimation），把样本协方差矩阵往一个更稳定的目标矩阵「拉」一下。

2.2 组合方差计算：把风险「算」出来

组合方差的计算公式其实很简单：

σ²_p = w' Σ w

其中w是权重向量，Σ是协方差矩阵。说白了就是「权重乘协方差再乘权重」——一个二次型而已。

咱们用代码实现一下：

# 假设权重
weights = np.array([0.4, 0.3, 0.3])

# 组合方差
portfolio_variance = weights.T @ cov_matrix @ weights
portfolio_volatility = np.sqrt(portfolio_variance)

print(f"组合方差: {portfolio_variance:.6f}")
print(f"组合波动率: {portfolio_volatility:.4f}")

你想想看，这个公式其实在告诉我们一件事：组合的风险不是单个资产风险的简单加权平均。因为协方差矩阵里那些非对角线元素——资产之间的相关性——会放大或缩小整体风险。

2.3 边际风险贡献：谁在「拖后腿」？

好了，现在我们知道组合的总风险了。但问题是——每个资产对总风险的贡献到底有多大？这就是边际风险贡献要回答的问题。

边际风险贡献（Marginal Risk Contribution, MRC）的定义是：

MRC_i = ∂σ_p / ∂w_i

说白了就是：权重变动一点点，组合风险会变多少。数学上可以推导出：

MRC_i = (Σ w)_i / σ_p

也就是协方差矩阵乘以权重向量，取第i个元素，再除以组合波动率。

咱们继续写代码：

# 计算边际风险贡献
mrc = (cov_matrix @ weights) / portfolio_volatility
print("边际风险贡献:")
for i, name in enumerate(['股票A', '股票B', '股票C']):
    print(f"{name}: {mrc[i]:.4f}")

# 计算风险贡献（权重乘以边际贡献）
risk_contribution = weights * mrc
print("\n风险贡献（绝对值）:")
for i, name in enumerate(['股票A', '股票B', '股票C']):
    print(f"{name}: {risk_contribution[i]:.4f}")

# 验证：风险贡献之和等于组合波动率
print(f"\n风险贡献之和: {risk_contribution.sum():.4f}")
print(f"组合波动率: {portfolio_volatility:.4f}")

运行结果会让你看到：风险贡献之和恰好等于组合波动率。这不是巧合，是数学上的必然。这个性质非常有用——你可以把组合风险「切」成几块，看看哪块最大。

2.4 知识体系总览

为了让你更直观地理解这一章的知识结构，我画了一张图：

2.5 实战中的注意事项

讲完了理论，我得跟你聊聊实战中那些「坑」。这些东西书上一般不写，但你在真实项目中一定会遇到。

好了，这一章的内容就到这里。方差-协方差方法虽然基础，但它是整个风险管理的基石。你想想看，如果你连组合风险都算不清楚，后面那些复杂的风险模型（比如VaR、CVaR）就更无从谈起了。

记住三句话：协方差矩阵要稳、组合方差要准、边际贡献要清。把这三点做到位，你的风险分析就已经超过了80%的从业者。