第4章成分风险贡献

4. 成分风险贡献：定义与计算、分解、与风险预算的关系

各位好，我是你们的老朋友。今天我们来聊聊风险贡献分析里最核心的一个概念——成分风险贡献（Component Risk Contribution，简称CRC）。

说实话，我刚开始做风控那会儿，对“风险贡献”的理解就是“谁波动大谁贡献多”。后来在实盘里吃了亏，才发现事情没那么简单。嗯，咱们今天就把这个事彻底讲透。

4.1 什么是成分风险贡献？

先给个直观的定义：成分风险贡献，指的是组合中某个资产，对整个组合风险的“边际贡献”乘以该资产的权重。

说白了，就是回答一个问题：“如果我把这个资产从组合里拿掉，组合风险会下降多少？”

但注意，这里有个坑——你不能直接拿掉资产去算，因为组合风险不是线性的。我当年在做一个多资产FOF项目时，就犯过这个错。当时我简单地把每个资产的波动率加起来，结果发现总和远大于组合实际波动率。后来才明白，风险贡献必须考虑资产之间的相关性。

数学上，成分风险贡献的定义是这样的：

CRC_i = w_i * (∂σ_p / ∂w_i)

其中：

w_i 是资产 i 的权重
σ_p 是组合波动率
∂σ_p / ∂w_i 是组合波动率对权重 w_i 的偏导数（也就是边际风险贡献）

你想想看，这个公式其实很优雅。它把“权重”和“边际影响”乘在一起，正好反映了资产在组合中的真实风险暴露。

4.2 成分风险贡献的计算

计算其实不复杂，但有几个细节要注意。我习惯用矩阵运算来做，效率高，也不容易出错。

假设组合有 n 个资产，协方差矩阵为 Σ，权重向量为 w。那么组合波动率：

σ_p = sqrt(w' Σ w)

边际风险贡献向量：

MRC = (Σ w) / σ_p

成分风险贡献向量：

CRC = w * MRC = w * (Σ w) / σ_p

这里有个重要的性质：所有资产的CRC之和，正好等于组合波动率 σ_p。

我建议你在代码里这样实现：

import numpy as np

def component_risk_contribution(weights, cov_matrix):
    """
    计算成分风险贡献
    weights: 权重向量 (n,)
    cov_matrix: 协方差矩阵 (n, n)
    """
    portfolio_vol = np.sqrt(weights @ cov_matrix @ weights)
    marginal_contrib = (cov_matrix @ weights) / portfolio_vol
    component_contrib = weights * marginal_contrib
    return component_contrib, portfolio_vol

# 示例
weights = np.array([0.4, 0.3, 0.3])
cov = np.array([[0.04, 0.01, 0.005],
                [0.01, 0.09, 0.02],
                [0.005, 0.02, 0.16]])
crc, vol = component_risk_contribution(weights, cov)
print("成分风险贡献:", crc)
print("组合波动率:", vol)
print("CRC之和:", np.sum(crc))

小技巧： 我习惯在计算后加一个断言（assert），检查CRC之和是否等于组合波动率。如果不等，说明代码或数据有问题。这个习惯帮我抓出过好几次协方差矩阵不对称的bug。

4.3 成分风险贡献的分解

光算出CRC还不够，我们得能把它拆开来看。我个人习惯把CRC分解成三个部分：

权重效应：资产权重越大，CRC通常越大（但不是线性关系）
波动率效应：资产自身波动率越高，CRC越大
相关性效应：资产与其他资产的相关性越高，CRC越大

为什么会这样？我们来看CRC的另一种表达形式：

CRC_i = w_i * (w_i * σ_i^2 + Σ_{j≠i} w_j * σ_i * σ_j * ρ_ij) / σ_p

你看，分子里第一项是自身方差贡献，第二项是与其他资产的协方差贡献。说白了，一个资产的风险贡献，一半来自自己，一半来自“朋友圈”。

我记得有一次做风险归因，发现某个债券的CRC特别高。一开始以为是它波动大，后来一查，原来是它跟股票的相关性很高，导致协方差贡献很大。这就是相关性效应在作怪。

为了更直观地展示，我画了一张图：

4.4 风险预算与成分风险贡献的关系

好，接下来是重点中的重点——风险预算（Risk Budgeting）和成分风险贡献的关系。

简单来说：风险预算，就是给每个资产设定一个目标CRC占比。

比如，你希望组合里股票贡献60%的风险，债券贡献40%的风险。那么你就要调整权重，使得：

CRC_股票 / σ_p = 60%
CRC_债券 / σ_p = 40%

这就是所谓的风险平价（Risk Parity）——当所有资产的CRC占比相等时，就是等风险贡献。

我当年在做一个养老金组合时，客户要求“每个资产的风险贡献不能超过20%”。当时我直接用等权重，结果发现某个高波动资产的风险贡献占了35%。后来改用风险预算方法，重新优化权重，才满足要求。

这里有个表格，对比了等权重和等风险贡献的区别：

资产	波动率	等权重	等权重CRC占比	风险预算权重	风险预算CRC占比
股票A	20%	33.3%	55%	25%	33.3%
债券B	10%	33.3%	25%	50%	33.3%
商品C	15%	33.3%	20%	25%	33.3%

你看，等权重下，股票A的CRC占比高达55%，远高于其他资产。而风险预算通过调整权重，让每个资产的CRC占比都变成33.3%。

  核心结论： 风险预算的本质，就是通过调整权重，使得每个资产的成分风险贡献达到预设目标。风险预算 ≠ 权重预算，权重只是手段，风险贡献才是目的。

4.5 避坑指南

最后，分享几个我踩过的坑：

不要用历史波动率直接算CRC——历史会变，我建议用预测波动率或条件波动率。
注意协方差矩阵的稳定性——我曾经用60天滚动窗口算协方差，结果CRC每天剧烈波动，后来改用指数加权移动平均（EWMA）才稳定下来。
CRC为负怎么办？——如果某个资产的CRC为负，说明它是组合的“对冲工具”，降低了整体风险。这在多空组合里很常见，别慌。

警告： 成分风险贡献只反映线性关系。如果组合里有期权等非线性产品，CRC会失效。这时候需要用Delta-Gamma近似或蒙特卡洛模拟。

好了，关于成分风险贡献，今天就聊到这里。记住一句话：风险贡献不是看谁波动大，而是看谁在组合里“搅局”最厉害。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录

4. 成分风险贡献：定义与计算、分解、与风险预算的关系

4.1 什么是成分风险贡献？

4.2 成分风险贡献的计算

4.3 成分风险贡献的分解

4.4 风险预算与成分风险贡献的关系

4.5 避坑指南