一、资产配置概述：什么是资产配置、为什么需要资产配置、资产配置的历史与演变

各位同学，咱们今天聊聊资产配置。说实话，这可能是整个投资领域里最值钱的一个概念。我做了十几年量化，见过太多人一上来就研究怎么选股、怎么择时，结果折腾一圈发现——真正决定收益的，其实是你的钱往哪几个篮子里放。

1.1 什么是资产配置？

资产配置，说白了就是「不把鸡蛋放在一个篮子里」。但这句话太浅了。我个人的理解是：资产配置是在不同资产类别之间分配资金，以达到风险与收益的平衡。

你想想看，股票、债券、商品、现金、房地产……这些资产涨跌的节奏不一样。有的今天涨，有的明天跌。把它们组合在一起，整体波动就会变小。嗯，这里要注意——资产配置的核心不是追求最高收益，而是追求「单位风险下的最优收益」。

我在项目中遇到过一位客户，他手里全是科技股，2022年那波回撤直接腰斩。后来我帮他做了股债60/40的配置，虽然收益没那么刺激了，但晚上能睡踏实了。这就是资产配置的意义。

1.2 为什么需要资产配置？

这个问题我问过很多新手。他们的第一反应往往是：「为了降低风险」。对，但不全对。

我总结三个核心原因：

• 降低波动：不同资产的相关性低，组合起来能平滑收益曲线
• 提升收益风险比：同样的收益，波动更小；同样的波动，收益更高
• 应对不确定性：没人能预测未来，配置是唯一免费的午餐

我曾经犯过一个错误——2015年股灾前，我重仓了A股，觉得「这次不一样」。结果呢？市场用残酷的事实教育了我。从那以后，我再也不敢轻视资产配置了。

1.3 资产配置的历史与演变

资产配置不是现代人的发明。它的演变史，其实就是一部人类对抗不确定性的历史。

第一阶段：朴素分散（1950年代以前）

最早的资产配置很简单——有钱人买地、买黄金、存现金。那时候没有现代金融工具，配置全靠直觉。我记得看过一份资料，19世纪的英国贵族，资产配置就是「土地+国债+现金」三件套。

第二阶段：现代投资组合理论（1952年）

马科维茨在1952年发表了那篇划时代的论文。他第一次用数学证明了：分散化可以降低风险，而且存在一个「有效前沿」。说白了，就是给定风险水平下，你能找到收益最高的那个组合。

这个理论有多重要？这么说吧，它让资产配置从「艺术」变成了「科学」。我当年读研时，导师反复强调：「马科维茨的均值-方差模型，是量化投资的基石。」

第三阶段：资本资产定价模型（1960年代）

夏普等人在马科维茨的基础上，提出了CAPM。这个模型告诉我们：资产的预期收益，只跟它的系统性风险（Beta）有关。非系统性风险可以通过分散化消除。

嗯，这里要注意——CAPM虽然理论完美，但实际应用中问题不少。我在项目中试过用CAPM做配置，结果发现市场并不完全按模型走。所以，理论归理论，实战中要灵活调整。

第四阶段：多因子模型与风险平价（1990年代至今）

到了90年代，人们发现光靠Beta解释不了所有收益。于是有了Fama-French三因子模型、Carhart四因子模型。再后来，桥水基金搞出了「风险平价」策略——不是按资金比例分配，而是按风险贡献分配。

我个人非常推崇风险平价。它解决了传统股债配置中「股票风险占比过高」的问题。举个例子，60/40的股债组合，看起来资金各一半，但风险几乎全来自股票。风险平价通过杠杆调整，让各类资产的风险贡献相等。

1.4 资产配置的知识体系

为了让大家更直观地理解，我画了一张图。这张图展示了资产配置的核心逻辑框架。

1.5 一个简单的代码示例

光说不练假把式。我给大家写一段Python代码，演示如何用马科维茨模型计算有效前沿。这段代码我用了很多年，每次做配置都会跑一遍。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 假设有三类资产：股票、债券、商品
# 年化收益率
returns = np.array([0.10, 0.04, 0.06])
# 协方差矩阵
cov_matrix = np.array([
    [0.04, 0.01, 0.02],
    [0.01, 0.01, 0.005],
    [0.02, 0.005, 0.03]
])

# 生成随机权重
num_portfolios = 10000
results = np.zeros((3, num_portfolios))

for i in range(num_portfolios):
    weights = np.random.random(3)
    weights /= np.sum(weights)
    
    portfolio_return = np.dot(weights, returns)
    portfolio_risk = np.sqrt(np.dot(weights.T, np.dot(cov_matrix, weights)))
    
    results[0, i] = portfolio_return
    results[1, i] = portfolio_risk
    results[2, i] = portfolio_return / portfolio_risk  # 夏普比率

# 找出夏普比率最高的组合
max_sharpe_idx = np.argmax(results[2])
print(f"最优组合权重：股票{results[0, max_sharpe_idx]:.2%}, 债券{results[1, max_sharpe_idx]:.2%}, 商品{results[2, max_sharpe_idx]:.2%}")
print(f"预期收益：{results[0, max_sharpe_idx]:.2%}")
print(f"预期风险：{results[1, max_sharpe_idx]:.2%}")
print(f"夏普比率：{results[2, max_sharpe_idx]:.2f}")

1.6 本章小结

好了，咱们把这一章的核心点捋一捋：

• 资产配置是投资中最重要的事，没有之一
• 它的核心是分散化，但分散要分散在资产类别层面
• 从马科维茨到风险平价，理论在进化，但底层逻辑没变
• 实战中，再平衡和长期坚持同样重要

我个人习惯是，每季度做一次再平衡。别太频繁，也别太久。频率太高增加交易成本，频率太低会让配置偏离目标。嗯，这个后面我们会详细讲。

最后送大家一句话：资产配置是唯一免费的午餐。别总想着找圣杯，先把配置做好，你就已经赢了80%的人。

---

公众号：蓝海资料掘金营，微信 deep3321