一、低波动策略的核心逻辑

为什么低波动策略在震荡市中有效？

先说说我的亲身经历。2018年我做A股量化回测时，发现一个有趣的现象——市场横盘震荡的那几个月，我手上几个高波动策略全在亏钱，唯独一个不起眼的低波动组合居然还赚了3个多点。当时我就想，这背后一定有某种规律在起作用。

说白了，震荡市最大的特征是什么？价格来回反复，没有明确趋势。这时候追涨杀跌的策略往往两边挨打。而低波动策略的核心逻辑，恰恰是避开那些大起大落的标的，选择走势相对平稳的资产。

为什么会这样？我给大家拆解一下：

• 震荡市中，波动是敌人——高波动意味着频繁的假突破和回撤，交易成本高，胜率低
• 低波动资产有"粘性"——价格不容易被情绪左右，走势更可预测
• 复利效应更友好——回撤小，净值曲线更平滑，长期持有体验好

低波动策略的数学原理

嗯，这里要稍微上点硬菜了。低波动策略不是拍脑袋想出来的，它背后有扎实的数学支撑。我个人习惯从两个经典模型讲起：最小方差组合和风险平价。

1. 最小方差组合

这个概念来自马科维茨的现代投资组合理论。它的目标很简单——在给定收益预期下，找到风险最小的那个组合。

数学上，我们求解这样一个优化问题：

min  σ²(p) = w' Σ w
s.t. w' 1 = 1
     w_i ≥ 0 (可选)

其中w是权重向量，Σ是协方差矩阵。说白了，就是让组合的方差最小化。

我在项目中遇到过这样一个案例：2019年做多资产配置时，用最小方差组合配了沪深300、中证500和国债。结果那年股市震荡，但组合最大回撤只有3.2%，比单纯买股票舒服多了。

2. 风险平价

风险平价是另一个经典思路。它不追求最小方差，而是让每个资产对组合的风险贡献相等。

数学表达是这样的：

RC_i = w_i * (∂σ/∂w_i) = w_i * (Σw)_i / σ

风险平价要求所有RC_i相等。这样做的好处是——不会出现某个资产"一家独大"地主导组合风险。

你想想看，传统60/40股债组合，看似分散，其实90%以上的风险都来自股票。一旦股市暴跌，组合照样扛不住。风险平价就是来解决这个问题的。

模型	目标	适用场景	我的经验
最小方差	最小化组合波动	震荡市、低风险偏好	适合做底仓
风险平价	均衡风险贡献	多资产配置、长期持有	杠杆要控制好

低波动不等于低收益的误区

这个误区太常见了。很多新手一听"低波动"，就觉得收益肯定也低。其实这是个典型的认知偏差。

我曾经犯过同样的错误。2016年刚开始做量化时，我直接过滤掉了所有低波动股票，觉得它们"没弹性"。结果呢？错过了2017年那波低波动蓝筹的大行情。

为什么会这样？我总结了几点：

• 复利效应——低波动组合回撤小，净值恢复快，长期复利更可观
• 行为金融学解释——投资者过度追捧高波动彩票股，导致其价格被高估，预期收益反而降低
• 机构资金偏好——大资金天然喜欢低波动资产，流动性好，冲击成本低

说白了，低波动策略赚的是"稳定溢价"的钱。市场给那些愿意承受短期无聊、换取长期稳健的投资者，发了一份奖励。

本章知识体系

下面这张图是我自己画的，把低波动策略的核心逻辑串起来了：

这张图把三个核心问题串在了一起：为什么有效、数学原理是什么、常见误区有哪些。建议大家保存下来，做策略时对照着看。