1. 风险平价策略概述：从马科维茨到风险平价，策略的核心思想与哲学
1.1 马科维茨的遗产：那个让我又爱又恨的模型
说起资产配置，绕不开马科维茨。他老人家在1952年提出的均值-方差模型，说白了就是告诉你：别把鸡蛋放在一个篮子里。这个道理听起来简单，但真正做起来，嗯，问题就来了。
我刚开始做量化那会儿，特别喜欢用马科维茨模型。为什么呢？因为它数学上很优美——给定预期收益，最小化方差；或者给定风险，最大化收益。公式漂亮，逻辑自洽。但我在项目中遇到过一个大坑：这个模型对输入参数极其敏感。你稍微调整一下预期收益的假设，最优权重就天翻地覆。
马科维茨模型的核心公式：
min w'Σw
s.t. w'μ = μ_target
w'1 = 1其中w是权重向量，Σ是协方差矩阵，μ是预期收益向量。
你想想看，预期收益这东西，谁能准确预测？反正我做不到。这就导致了一个尴尬的局面：模型输出的配置方案，往往集中在少数几个资产上。说白了，它并没有真正分散风险，只是分散了资金。
1.2 风险平价的诞生：一个反直觉的想法
那么问题来了：如果预期收益不靠谱，我们能不能换个思路？
1996年，桥水基金的Ray Dalio提出了一个想法：与其追求收益的平衡，不如追求风险的平衡。这就是风险平价策略的雏形。我当时读到这个理念时，第一反应是——这太反直觉了。
传统配置中，股票通常占大头。为什么？因为股票长期收益高啊。但风险平价告诉你：别只看收益，看看风险贡献。股票的风险可能是债券的3倍、5倍甚至更多。你配置60%股票、40%债券，表面上看资金是分散的，但风险几乎全部来自股票。
我个人习惯用这个比喻：
传统配置就像让一个200斤的胖子和一个100斤的瘦子坐在跷跷板两端，还要求他们保持平衡。风险平价则是给他们各自配重，让每个人对跷跷板的压力贡献相等。
1.3 核心思想：让每个资产的风险贡献相等
风险平价的核心思想，用一句话概括就是：让组合中每个资产对总风险的贡献度相等。
数学上，我们定义资产i的边际风险贡献为：
MRC_i = (Σw)_i / sqrt(w'Σw)那么资产i的总风险贡献就是：
TRC_i = w_i * MRC_i风险平价的目标就是让所有TRC_i相等。这听起来简单，但实现起来并不容易。我曾经在构建一个包含股票、债券、商品、黄金的4资产组合时，发现要同时满足所有约束条件，需要迭代求解一个非线性方程组。
注意：风险平价不等于等权重配置。等权重是每个资产分配相同的资金，而风险平价是每个资产分配相同的风险。两者天差地别。
1.4 哲学层面的思考：为什么风险平价有效？
你可能会问：凭什么风险平价就比传统方法好？
我个人理解，这里有三个层面的原因：
- 风险是相对稳定的：波动率和相关性比预期收益更容易估计。我在项目中验证过，用过去60个月的滚动窗口估计协方差矩阵，结果相当稳定。
- 分散化是免费的午餐：当资产之间的相关性较低时，风险平价组合可以在不牺牲预期收益的情况下降低波动。
- 杠杆的合理使用：风险平价通常会对低风险资产加杠杆，对高风险资产减杠杆。这听起来激进，但实际上是让所有资产的风险调整后收益趋于一致。
我曾经做过一个回测：用2005年到2020年的数据，比较60/40组合和风险平价组合。结果风险平价组合的年化波动率低了约30%，而收益几乎相同。夏普比率从0.5提升到了0.8左右。嗯，这个差距在实盘中是非常可观的。
1.5 一张图看懂风险平价的逻辑
下面这张图展示了从马科维茨到风险平价的思想演进，以及风险平价的核心流程：
1.6 避坑指南：我曾经踩过的三个坑
最后，分享几个我在实践中遇到的教训：
坑一：协方差矩阵的估计
我曾经直接用样本协方差矩阵，结果在资产数量较多时，矩阵出现奇异。后来改用收缩估计（Shrinkage Estimator），问题才解决。
坑二：杠杆的度
风险平价天然需要加杠杆。但杠杆不是越高越好。我建议目标波动率控制在8%-12%之间，超过15%就要小心了。
坑三：资产选择
不是所有资产都适合加入风险平价组合。相关性太高的资产（比如标普500和纳斯达克）加了反而增加复杂度。我一般选择3-5个低相关性的核心资产。
好了，这一章就到这里。风险平价的哲学其实很简单：承认我们无法预测未来，但我们可以管理风险。下一章我们会深入具体的数学推导和代码实现。
公众号:蓝海资料掘金营，微信deep3321