第1章：资产配置策略全景图
大家好，我是你们的量化投资实战讲师。今天咱们聊聊资产配置策略——这个听起来高大上、实际上每个做投资的人都绕不开的话题。
说实话，我做了十几年量化，见过太多人一上来就研究选股、择时，结果亏得一塌糊涂。为什么？因为方向错了。资产配置才是投资决策的“第一性原理”。你想想看，诺贝尔经济学奖得主马科维茨早就说过：资产配置决定了90%以上的投资组合收益波动。
核心观点：资产配置不是“要不要做”的问题，而是“怎么做”的问题。它决定了你投资组合的长期收益和风险特征。
1.1 战略资产配置（SAA）—— 你的投资“宪法”
战略资产配置，说白了就是你的长期投资蓝图。它回答一个根本问题：你的钱应该长期放在哪些资产里？各放多少？
我个人习惯把SAA比作“投资宪法”。为什么？因为一旦定下来，就不要轻易改。我在2015年给一个机构客户做方案时，他们非要频繁调整SAA比例，结果2016年熔断时损失惨重。嗯，从那以后我坚持一个原则：SAA是底线，不能随便动。
SAA的核心步骤：
- 确定投资目标——年化收益、最大回撤、流动性需求
- 选择资产类别——股票、债券、商品、现金、另类资产
- 设定长期权重——基于历史收益、风险、相关性
- 定期再平衡——通常按季度或年度执行
举个例子，一个典型的60/40组合（60%股票+40%债券）就是最经典的SAA。为什么经典？因为长期来看，股票提供增长，债券提供稳定，两者相关性低，组合效果1+1>2。
实战技巧：我建议SAA的再平衡频率不要太高。每年一次就够了。频繁再平衡反而会增加交易成本，还可能踩错节奏。
1.2 战术资产配置（TAA）—— 短期“微操”的艺术
TAA和SAA的区别，就像“战略”和“战术”的区别。SAA是长期方向，TAA是短期调整。说白了，就是你觉得某个资产短期有机会，临时超配或低配一下。
我曾经在2020年3月美股熔断时，临时把股票仓位从60%降到40%，等市场企稳后再加回来。那次操作帮客户少亏了12%。但我要提醒你：TAA不是择时，而是基于估值、情绪、宏观指标的短期偏离。
TAA的常见触发条件：
- 估值极端（如PE处于历史90%分位以上）
- 市场情绪过度（如恐慌指数VIX飙升）
- 宏观数据超预期（如PMI、CPI大幅偏离）
- 政策变化（如加息、降准）
避坑指南：我曾经见过一个交易员，一个月调整了5次TAA，最后手续费比收益还高。TAA的核心是“少而精”，一年做2-3次就够了。做多了就是瞎折腾。
1.3 核心-卫星策略 —— 稳中求进的“组合拳”
这个策略我特别喜欢，因为它既简单又有效。核心-卫星策略，就是把组合分成两部分：
- 核心部分（60-80%）：配置在低成本的指数基金或ETF上，追求市场平均收益
- 卫星部分（20-40%）：配置在主动管理基金、行业ETF或个股上，追求超额收益
为什么这样设计？因为大部分主动管理基金长期跑不赢指数。与其全仓押注主动管理，不如用核心部分保底，卫星部分博取超额。我在2018年给一个高净值客户做方案时，核心部分配沪深300+中证500，卫星部分配科技和消费主题基金。2019-2020年，卫星部分贡献了组合60%的超额收益。
核心-卫星策略的配置示例：
| 组成部分 | 权重 | 配置标的 | 目标 |
|---|---|---|---|
| 核心（大盘股） | 40% | 沪深300 ETF | 市场收益 |
| 核心（小盘股） | 20% | 中证500 ETF | 市场收益 |
| 卫星（科技） | 15% | 科技主题基金 | 超额收益 |
| 卫星（消费） | 15% | 消费主题基金 | 超额收益 |
| 卫星（现金） | 10% | 货币基金 | 流动性 |
1.4 风险平价策略 —— 让风险“平均分配”
传统资产配置是按资金权重分配的，比如60%股票+40%债券。但问题来了：股票的波动率可能是债券的3-4倍。这意味着组合里90%的风险来自股票，债券几乎没起到分散作用。
风险平价策略的思路很简单：让每种资产对组合的风险贡献相等。说白了，就是“谁的风险大，谁就少配点”。
我记得2016年给一个养老金客户做方案时，他们要求最大回撤不超过10%。用传统60/40组合，回撤可能到20%以上。但用风险平价策略，把股票权重降到30%，债券提到50%，再加20%的商品和黄金。结果呢？年化收益8%，最大回撤只有7.2%。客户非常满意。
风险平价策略的数学表达：
# 风险平价权重计算（简化版）
import numpy as np
def risk_parity_weights(cov_matrix):
n = cov_matrix.shape[0]
# 初始化权重
w = np.ones(n) / n
for _ in range(100):
# 计算边际风险贡献
mrc = cov_matrix @ w
# 计算风险贡献
rc = w * mrc
# 调整权重使风险贡献相等
target_rc = np.mean(rc)
w = w * (target_rc / rc)
w = w / np.sum(w)
return w
# 示例：3类资产
cov = np.array([[0.04, 0.01, 0.005],
[0.01, 0.01, 0.002],
[0.005, 0.002, 0.005]])
weights = risk_parity_weights(cov)
print("风险平价权重:", weights)
实战技巧：风险平价策略在低利率环境下表现更好。如果利率上升，债券会跌，这时需要动态调整。我一般会加入利率预期因子做修正。
1.5 目标日期策略 —— “懒人”的养老投资方案
目标日期策略，也叫生命周期策略。它的逻辑很简单：你设定一个退休年份（比如2045年），然后基金自动帮你调整资产配置。年轻时多配股票（高风险高收益），临近退休时多配债券（低风险保本）。
为什么会这样设计？因为年轻人有足够的时间来承受市场波动，而老年人需要保住本金。我见过很多投资者，50岁了还全仓股票，结果2008年亏掉一半养老金，太惨了。
目标日期策略的“下滑曲线”示例：
| 距离退休年限 | 股票权重 | 债券权重 | 现金权重 |
|---|---|---|---|
| 30年 | 90% | 10% | 0% |
| 20年 | 75% | 20% | 5% |
| 10年 | 55% | 35% | 10% |
| 退休当年 | 40% | 45% | 15% |
| 退休后5年 | 30% | 50% | 20% |
嗯，这里要注意：目标日期策略不是“买了就不管了”。你需要定期检查基金的下滑曲线是否符合你的风险偏好。我曾经遇到一个客户，买了2045年的目标日期基金，结果发现股票权重一直很高，因为他实际风险承受能力很低。后来我帮他换成了2035年的基金，才匹配上。
1.6 本章知识体系总览
下面这张图，是我自己画的资产配置策略全景图。它把SAA、TAA、核心-卫星、风险平价、目标日期这五大策略的关系和适用场景都梳理清楚了。建议你保存下来，以后做方案时对照着看。
1.7 我的实战建议
讲了这么多，最后给你几条我这些年摸爬滚打总结出来的建议：
- 先定SAA，再谈其他。没有长期蓝图，短期操作就是赌博。
- TAA要克制。一年做2-3次就够了，别天天想着择时。
- 核心-卫星最适合普通人。核心部分买指数，卫星部分买你看好的行业。
- 风险平价适合保守型投资者。如果你怕亏，就用它。
- 目标日期策略是“懒人”首选。但别忘了定期检查下滑曲线是否匹配你的风险偏好。
好了，这一章的内容就到这里。记住：资产配置不是一劳永逸的事，它需要你持续学习、动态调整。下一章我们会深入讲SAA的具体实现方法，包括如何用Python做资产配置优化。到时候见！