3、风险平价理论入门：现代投资组合理论（MPT）回顾、风险平价的核心思想（风险贡献均等化）、与传统资产配置的区别
各位同学，今天我们来聊聊风险平价。说实话，这个理论在量化圈子里已经火了十几年了。我最早接触它是在2012年，当时帮一家保险资管做资产配置方案。客户说：「我们想要一个不管经济好坏都能赚钱的组合。」嗯，这听起来像天方夜谭，但风险平价确实给出了一个不错的答案。
不过在讲风险平价之前，我们得先回顾一下它的「老前辈」——现代投资组合理论（MPT）。没有MPT，就没有后来的风险平价。你想想看，所有创新都是站在前人肩膀上的。
3.1 现代投资组合理论（MPT）回顾
MPT是哈里·马科维茨在1952年提出的。核心思想就一句话：不要把所有鸡蛋放在一个篮子里。但怎么放？他给出了数学框架。
MPT假设投资者都是理性的，只关心两个东西：预期收益和风险（方差）。通过优化权重，找到「给定风险下收益最大」或「给定收益下风险最小」的那个点——这就是有效前沿。
MPT的核心公式：
组合方差 = w₁²σ₁² + w₂²σ₂² + 2w₁w₂ρ₁₂σ₁σ₂
其中w是权重，σ是标准差，ρ是相关系数。
听起来很完美对吧？但我在实际项目中踩过坑。MPT有个致命问题：它极度依赖输入参数。你给不同的预期收益，出来的权重天差地别。我记得有一次，仅仅把某资产的预期收益从8%调到8.5%，最优组合的股票仓位就从40%跳到了65%。这谁受得了？
更麻烦的是，MPT优化出来的组合，往往风险高度集中。比如60/40股债组合，表面上看分散了，但算一下风险贡献——股票可能占了90%以上的风险。一旦股市崩盘，组合直接完蛋。
3.2 风险平价的核心思想：风险贡献均等化
好，那风险平价是怎么解决这个问题的？
它的思路很简单：别管收益，先把风险摊平。每个资产对组合的总风险贡献要相等。说白了，就是让组合里的每个「风险源」都承担差不多的责任。
怎么算风险贡献？我给大家拆解一下：
- 边际风险贡献（MRC）：增加1单位某资产，组合风险变化多少。
- 总风险贡献（TRC）：MRC × 该资产权重。
- 风险平价条件：所有资产的TRC相等。
我个人习惯用这个公式：
TRC_i = w_i × (∂σ_p / ∂w_i) = σ_p / N
其中N是资产数量，σ_p是组合波动率。
说白了，就是每个资产的风险贡献都等于组合总风险除以资产个数。
举个例子。假设你有股票和债券两个资产。股票波动率20%，债券波动率5%，两者相关系数0.2。传统60/40组合里，股票的风险贡献可能占95%。但风险平价会怎么做？它会大幅降低股票权重，提高债券权重，直到两者的风险贡献各占50%。
结果呢？股票可能只占20%的权重，债券占80%。别觉得奇怪——风险平价追求的是风险均衡，不是资金均衡。
避坑指南：
我曾经犯过一个错误：直接用历史波动率算风险平价，没考虑波动率的时变性。结果2008年金融危机时，股票波动率飙升，组合的风险贡献瞬间失衡。后来我改用滚动窗口+波动率预测，情况好多了。
记住：风险平价不是一劳永逸的，需要动态调整。
3.3 与传统资产配置的区别
为了让大家更直观地理解，我画了一张对比图。这张图是我用SVG手绘的，虽然丑了点，但逻辑很清楚。
这张图很直观地展示了核心区别。我再从三个维度详细对比一下：
| 对比维度 | 传统资产配置（MPT） | 风险平价 |
|---|---|---|
| 优化目标 | 最大化收益/风险比（夏普比率） | 风险贡献均等化 |
| 输入依赖 | 需要预期收益、波动率、相关系数 | 只需要波动率和相关系数 |
| 权重特征 | 高度集中，少数资产占主导 | 分散化，低波动资产权重高 |
| 对收益预测的敏感性 | 极高，微小变化导致权重巨变 | 不依赖收益预测，更稳健 |
| 极端行情表现 | 风险集中，容易崩盘 | 风险分散，回撤可控 |
| 杠杆使用 | 通常不使用杠杆 | 常使用杠杆提升收益 |
看到这里，你可能会问：既然风险平价这么好，为什么还有人用传统方法？
嗯，这里有个关键点。风险平价不是没有代价的。它最大的问题是：低波动资产（比如债券）的权重太高。在利率长期下行的环境里，这没问题。但一旦利率上升，债券价格暴跌，风险平价组合也会受伤。我2013年就经历过一次——美联储暗示缩减QE，债券大跌，风险平价组合回撤了8%。
另外，风险平价通常需要加杠杆才能达到目标收益。杠杆这东西，用好了是工具，用不好是毒药。我个人建议：杠杆倍数不要超过2倍，否则流动性风险会吃掉所有收益。
我的实战经验：
在实际做风险平价时，我一般会做三步：
- 先用历史数据算波动率和相关系数，得到初始权重。
- 加入约束条件，比如单资产最大权重不超过40%，杠杆不超过1.5倍。
- 做压力测试，模拟利率飙升、股市暴跌等场景，看组合能不能扛住。
这三步走完，基本心里就有底了。
最后总结一下。风险平价的核心思想其实很朴素：别猜哪个资产会涨，先把风险摊平。它不完美，但在「不确定性」面前，它比传统MPT更稳健。你想想看，预测未来有多难？与其把宝押在收益预测上，不如老老实实把风险管好。
下一节我们会讲风险平价的具体实现方法，包括数学推导和Python代码。到时候我会手把手带大家写一个完整的风险平价优化器。今天就到这里，有问题随时交流。
公众号:蓝海资料掘金营，微信deep3321