第2章风险平价模型

2、风险平价模型：风险平价的数学原理、波动率计算、协方差矩阵的应用

说到仓位管理，很多人第一反应是「怎么分配资金」。但我觉得，更本质的问题是「怎么分配风险」。你想想看，同样一笔钱，买股票和买债券，承担的风险能一样吗？

风险平价模型，说白了就是让每个资产对组合的风险贡献相等。我刚开始接触这个模型时，觉得它有点反直觉——凭什么让风险相等而不是资金相等？后来在实盘中吃过亏，才明白这个思路有多重要。

先看一个简单例子。假设你有两个资产：股票和债券。传统做法可能是各投50%，但股票波动率20%，债券波动率5%。结果呢？组合的风险几乎全来自股票。

风险平价要解决的就是这个问题。它的核心思想是：每个资产对组合总风险的边际贡献应该相等。

数学上，我们用风险贡献（Risk Contribution, RC）来衡量：

RC_i = w_i × (Σw)_i / √(w^T Σ w)

其中：

风险平价要求所有RC_i相等。嗯，这里要注意，不是权重相等，是风险贡献相等。

核心公式：对于n个资产，风险平价条件为：

RC_1 = RC_2 = ... = RC_n = 总风险 / n

我曾在一次策略回测中看到，用等权重配置的股债组合，股票贡献了90%以上的风险。一旦股市大跌，组合直接崩了。换成风险平价后，虽然收益略低，但最大回撤减少了近一半。这就是风险平价的魅力——它不追求收益最大化，而是追求风险均衡。

波动率是风险平价模型的基石。没有准确的波动率估计，一切都是空中楼阁。

我个人习惯用两种方法计算波动率：

EWMA的公式很简单：

σ²_t = λ × σ²_{t-1} + (1-λ) × r²_{t-1}

λ通常取0.94（对于日数据），这是我试过比较靠谱的参数。

我的经验：计算波动率时，窗口长度很关键。太短（比如20天）会过度反应短期噪音；太长（比如252天）又反应太慢。我一般用60天作为基准，再结合EWMA做平滑。

举个例子，假设某ETF过去60天的日收益率如下（部分数据）：

计算历史波动率时，先求所有收益率的方差，再开方。注意要年化——日波动率乘以√252。

避坑指南：我曾经直接用日波动率乘以√252得到年化波动率，结果发现和实际年化波动率差很多。原因是什么？收益率序列存在自相关。建议用对数收益率计算，或者至少检查一下序列的平稳性。

协方差矩阵是风险平价模型的核心工具。它描述了资产之间的联动关系。

对于n个资产，协方差矩阵是n×n的对称矩阵：

Σ = [σ_ij]，其中σ_ij = Cov(R_i, R_j)

对角线是各资产的方差，非对角线是协方差。

为什么协方差矩阵这么重要？因为组合风险不是简单的加权平均，还要考虑资产间的相关性。你想想看，如果两个资产高度正相关，同时持有它们并不能分散风险。

在实际应用中，我通常这样做：

求解风险平价权重没有解析解，需要用迭代算法。我常用的方法是：

1. 初始化权重为等权重
2. 计算每个资产的风险贡献RC_i
3. 调整权重：w_i_new = w_i_old × (目标RC / 实际RC)
4. 归一化权重，使其和为1
5. 重复步骤2-4，直到收敛

关键点：协方差矩阵的估计质量直接影响最终结果。如果协方差矩阵不稳定，风险平价模型也会不稳定。我建议至少用1年以上的数据，并且定期更新。

我曾经在构建一个5只ETF的风险平价组合时，发现协方差矩阵中有几个协方差值异常大。查了一下，原来是某两只ETF跟踪的指数高度相关。后来我替换了其中一只，组合的稳定性明显提升。

下面这张图总结了风险平价模型的核心逻辑：

这张图把风险平价模型的三个核心模块串起来了。数学原理是目标，波动率和协方差矩阵是工具。三者缺一不可。

最后说一句，风险平价模型不是万能的。它假设资产间的相关性相对稳定，但市场极端行情下，相关性会突变。比如2008年金融危机，几乎所有资产的相关性都趋近于1，风险平价模型也会失效。所以，再好的模型也要结合市场环境来用。

公众号:蓝海资料掘金营，微信deep3321