第3章：投资组合理论入门：马科维茨均值-方差模型、有效前沿、最优投资组合、资本配置线

3.1 为什么我们需要一套理论？

做资产配置，最核心的问题就两个：

• 投什么？——选哪些资产
• 投多少？——每个资产配多少比例

你想想看，如果只有一只股票，那很简单——要么全买，要么不买。但当我们面对几十上百种资产时，问题就复杂了。我刚开始做量化的时候，也天真地以为「把收益最高的几个资产全买上就行了」。结果呢？回测曲线漂亮得不行，实盘一跑就崩了。

为什么会这样？因为资产之间会相互影响。一个涨的时候另一个可能跌，这种「相关性」才是配置的关键。马科维茨在1952年提出的均值-方差模型，说白了就是给这个问题找到了一个数学框架。

3.2 均值-方差模型：数学框架

模型其实不复杂。假设我们有 n 个资产，每个资产的权重是 w₁, w₂, ..., wₙ，那么：

• 组合收益： R_p = w₁R₁ + w₂R₂ + ... + wₙRₙ
• 组合方差： σ²_p = wᵀ Σ w （Σ 是协方差矩阵）

嗯，这里要注意：协方差矩阵是关键。我见过不少新手直接用相关系数矩阵代替，结果算出来的风险完全不对。协方差不仅包含相关性，还包含每个资产自身的波动幅度。

举个简单的例子。两个资产：

资产	期望收益	标准差
股票 A	10%	20%
债券 B	4%	8%

假设相关系数为 -0.3（负相关）。那么组合的方差就不是简单的加权平均了。我算给你看：

# 假设各投50%
w = [0.5, 0.5]
σ²_p = 0.5²×0.2² + 0.5²×0.08² + 2×0.5×0.5×(-0.3)×0.2×0.08
     = 0.01 + 0.0016 - 0.0024
     = 0.0092
σ_p = sqrt(0.0092) ≈ 9.59%

你看，组合的风险（9.59%）比两个资产各自风险的加权平均（14%）低了不少。这就是分散化的力量。

3.3 有效前沿：所有「好」组合的集合

现在问题来了：给定一堆资产，我们可以配出无数种组合。哪些是「好」的？

马科维茨的定义很简单：

• 在相同风险下，收益最高的组合
• 在相同收益下，风险最低的组合

这些组合连成一条曲线，就叫有效前沿。

我画了一张图，帮你理解这个结构：

这张图里，每个红点代表一个单独的资产。绿色虚线是有效前沿——所有「最优」组合的集合。蓝色点是「最小方差组合」，也就是风险最低的那个点。

3.4 最优投资组合：加入无风险资产

有效前沿上的组合都是「好」的，但哪个是「最好」的？这取决于你的风险偏好。

不过，如果我们引入一个无风险资产（比如国债），问题就变得更有意思了。

无风险资产的特点是：收益确定，方差为0。你可以按无风险利率 r_f 借入或贷出资金。

这时候，你的配置变成了：

• 一部分资金投无风险资产
• 一部分资金投风险组合（有效前沿上的某个点）

所有可能的组合，连成一条直线——这就是资本配置线（CAL）。

其中，与有效前沿相切的那条线，斜率最大。切点对应的组合，就是最优风险组合，也叫「市场组合」。

3.5 资本配置线：从理论到实践

资本配置线的公式很简单：

E(R_p) = r_f + (E(R_m) - r_f) / σ_m × σ_p

其中：

• r_f 是无风险利率
• E(R_m) 是市场组合的期望收益
• σ_m 是市场组合的风险
• σ_p 是你选择的整体风险水平

说白了，你每承担一单位风险，期望得到 (E(R_m) - r_f)/σ_m 的额外回报。这个比值就是夏普比率。

我个人的习惯是：先用历史数据算出最优风险组合，然后根据客户的风险承受能力，调整无风险资产的比例。比如：

风险偏好	无风险资产比例	风险组合比例	预期波动率
保守型	70%	30%	5-8%
稳健型	40%	60%	10-15%
进取型	10%	90%	18-25%
激进型	0%（甚至借钱）	100%+	25%+

3.6 本章小结

马科维茨的均值-方差模型，是资产配置的基石。它告诉我们：

• 风险不是单个资产的波动，而是组合的整体波动
• 有效前沿上全是「好」组合，选哪个取决于你的风险偏好
• 加入无风险资产后，资本配置线帮我们找到最优的「风险-收益」平衡点

嗯，理论说到这里。下一章我们会深入实操——怎么用Python实现这些模型，怎么处理真实数据中的各种坑。到时候我会分享一些我踩过的雷，希望能帮你少走弯路。

---

公众号:蓝海资料掘金营，微信deep3321