3. 风险度量基础：方差、标准差、协方差、相关系数在组合中的应用
各位同学，咱们今天聊点实在的。做行业配置，说白了就是在跟不确定性打交道。你买一个行业，它明天涨还是跌？没人能拍胸脯保证。那怎么办？我们得用数学工具把这团“不确定性”给量化出来。
我个人习惯，把风险度量看作是给组合做“体检”。你得先知道血压、心率这些基础指标，才能谈怎么调理。今天要讲的方差、标准差、协方差、相关系数，就是最核心的几项指标。
3.1 方差与标准差：衡量单个行业的“脾气”
先看单个行业。你配置了新能源，或者配置了白酒。这个行业本身波动大不大？
方差，衡量的是收益率偏离平均水平的程度。偏离得越厉害，方差越大，风险越高。
公式长这样：
σ² = Σ (Ri - R̄)² / (n-1)其中 Ri 是每日收益率，R̄ 是平均收益率，n 是样本数。
但方差有个问题——它的单位是“百分比的平方”。这玩意儿不好直观理解。所以我们更常用标准差，就是对方差开个根号。
σ = √σ²标准差的意义很直接：它告诉你，这个行业历史上，大约有68%的时间，收益率落在“平均值 ± 1个标准差”的范围内。
实战经验： 我在做行业轮动策略时，发现一个规律：标准差超过30%的行业，比如半导体、军工，短期爆发力强，但回撤也吓人。标准差低于15%的行业，比如银行、公用事业，走势稳得像老牛。你配置的时候，心里得有杆秤。
避坑指南： 我曾经犯过一个错——只看历史标准差，忽略了市场环境变化。2020年疫情刚爆发时，很多行业的波动率瞬间翻倍。记住：历史数据是参考，不是预言。
3.2 协方差：两个行业之间的“联动关系”
单个行业的风险好算，但组合的风险呢？这就涉及到行业之间的互动了。
协方差，衡量的是两个行业收益率一起变动的方向和程度。
公式：
Cov(Ri, Rj) = Σ (Ri - R̄i)(Rj - R̄j) / (n-1)协方差为正，说明两个行业倾向于同涨同跌。比如煤炭和钢铁，经常一起涨。协方差为负，说明一个涨的时候另一个可能跌。比如黄金和股票，有时会呈现跷跷板效应。
但协方差也有个毛病——它的数值大小受单位影响。比如你用百分比算和用小数算，数值差100倍。这就引出了下一个指标。
3.3 相关系数：标准化的“亲密度”
相关系数，说白了就是把协方差“归一化”到 -1 到 1 之间。这样不管单位是什么，都能直接比较。
ρ = Cov(Ri, Rj) / (σi * σj)相关系数的解读很简单：
- ρ = 1：完全正相关。两个行业走势一模一样。比如沪深300和上证50，相关性极高。
- ρ = -1：完全负相关。一个涨多少，另一个就跌多少。现实中几乎不存在。
- ρ = 0：不相关。两个行业各走各的。
- 0 < ρ < 0.3：弱相关。比如消费和科技，关联不大。
- 0.3 < ρ < 0.7：中等相关。比如银行和地产。
- ρ > 0.7：强相关。比如有色和化工。
重要提醒： 相关系数只衡量线性关系。两个行业可能存在非线性联动，比如一个涨10%时另一个不跟，但涨20%时另一个突然爆发。这种情况，相关系数会低估风险。我建议你同时画个散点图看看。
3.4 组合风险的核心公式
好了，有了这些基础，我们就能算组合的方差了。假设你配置了 N 个行业，权重分别是 w1, w2, ..., wN。
组合方差公式：
σ²_p = Σ wi² σi² + 2 Σ Σ wi wj Cov(Ri, Rj)这个公式看着复杂，其实就两句话：
- 每个行业自己的风险，按权重平方加起来。
- 所有行业两两之间的联动风险，按权重乘积加起来，再乘以2。
你想想看，如果两个行业相关系数很低，甚至为负，那么第二项就会变小甚至为负。这就是分散化投资的数学原理——不是简单地把鸡蛋放在不同篮子里，而是要找那些“不一起摔”的篮子。
3.5 一个简单的例子
假设你只配两个行业：消费和科技。各占50%。
| 指标 | 消费 | 科技 |
|---|---|---|
| 标准差 | 20% | 35% |
| 方差 | 0.04 | 0.1225 |
| 协方差 | 0.02 | |
| 相关系数 | 0.02 / (0.2 * 0.35) ≈ 0.286 | |
组合方差：
σ²_p = 0.5² * 0.04 + 0.5² * 0.1225 + 2 * 0.5 * 0.5 * 0.02
= 0.01 + 0.030625 + 0.01
= 0.050625组合标准差 = √0.050625 ≈ 22.5%
你看，单个行业标准差是20%和35%，组合后是22.5%。比科技低，但比消费高。这就是风险分散的效果——你牺牲了一部分消费的稳定性，换来了科技的潜在高收益，同时整体风险被控制住了。
我的习惯： 每次构建组合前，我都会先算一个“相关系数矩阵”。把10个行业的相关系数列出来，一眼就能看出哪些行业是“同类项”，哪些是“对冲项”。同类项配多了，分散效果会大打折扣。
3.6 知识体系总览
下面这张图，把今天讲的核心逻辑串起来了。你保存下来，以后做组合分析时对照着看。
3.7 避坑总结
最后，我把自己踩过的坑总结一下，你直接拿去用：
- 别只看标准差：标准差大不代表不能配。关键是看它跟组合里其他行业的相关性。我见过有人因为怕波动，全配了低标准差行业，结果遇到系统性风险，照样亏。
- 相关系数会变：市场平稳时，消费和科技的相关系数可能只有0.2。但遇到大危机，大家恐慌性抛售，相关系数可能瞬间跳到0.8。这就是所谓的“危机时相关性趋近于1”。你按历史数据算的分散效果，在极端行情下可能失效。
- 样本期要选对：用过去3年数据算，和用过去1年数据算，结果可能差很多。我个人习惯用滚动3年窗口，每季度更新一次。这样既能捕捉到趋势变化，又不会太敏感。
- 别忘了权重：组合风险公式里，权重是平方项。这意味着，一个行业权重从10%提到20%，它对组合风险的贡献不是翻倍，而是翻四倍。所以，重仓一个行业要格外小心。
嗯，今天就到这儿。这些基础指标，你回去找几个行业的数据，亲手算一遍。算完你就明白，为什么说“配置是免费的午餐”——前提是你得会算这顿饭的成本。