第2章风险预算入门

2. 风险预算入门：什么是风险预算？如何为不同行业设定风险预算？

2.1 风险预算到底是什么？

说白了，风险预算就是把「风险」当成一种稀缺资源来分配。

我刚开始做量化那会儿，总觉得风险预算是个高大上的概念。后来踩过几次坑才明白——它本质上就是回答三个问题：

你能承受多大的回撤？
这些回撤应该由哪些行业来「背锅」？
每个行业最多能「花掉」多少风险额度？

举个例子。你手里有1000万资金，最大能接受15%的回撤。那你的总风险预算就是150万。接下来你要把这150万分配到不同的行业里。有的行业波动大，比如半导体，你可能只给它10%的风险预算；有的行业波动小，比如公用事业，你可以给它20%。

嗯，这里要注意：风险预算不是资金分配。资金分配是「每个行业投多少钱」，风险预算是「每个行业允许亏多少钱」。两者有本质区别。

核心公式：

风险预算 = 目标波动率 × 置信区间 × 投资期限

或者更直白一点：
行业风险预算 = 总风险预算 × 行业风险权重

2.2 为什么不能平均分配？

我见过不少新手，上来就把风险预算平均分给10个行业，每个行业10%。结果呢？

结果就是波动大的行业先爆仓，波动小的行业还在那慢慢悠悠。你想想看，半导体一天的波动可能抵得上公用事业一个月的波动。你把同样的风险预算给它们，半导体两天就用完了，公用事业一年都用不完。

所以，风险预算的分配必须考虑行业的固有波动率和相关性。

我个人习惯用「等风险贡献」的思路。什么意思？就是让每个行业对组合总风险的贡献度大致相等。这样不会出现某个行业「一家独大」的情况。

一个小技巧：

如果你刚开始做风险预算，可以从「等风险权重」起步。先让每个行业的风险贡献相等，再根据你的判断微调。这比拍脑袋分配靠谱得多。

2.3 如何为不同行业设定风险预算？

这里我分享一套我自己在项目中用过的流程，一共四步：

计算行业的历史波动率——用过去1-3年的日收益率数据，算出年化波动率。
设定行业风险乘数——根据你对行业的判断，给一个0.5到2之间的系数。比如你看好新能源，可以给1.2；觉得地产风险高，给0.8。
计算调整后的风险权重——用波动率的倒数乘以风险乘数，再归一化。
乘以总风险预算——得到每个行业的具体风险预算。

举个例子，假设总风险预算是100万，有三个行业：

行业	年化波动率	风险乘数	调整后权重	风险预算（万）
科技	35%	1.2	0.28	28
消费	20%	1.0	0.40	40
能源	40%	0.8	0.32	32

你看，科技波动率高，但乘数高，所以预算不算低；消费波动率低，乘数中性，预算反而最高。这就是风险预算的魅力——它不只看波动，还看你的主观判断。

2.4 避坑指南：我曾经犯过的错

我曾经在设定风险预算时，完全依赖历史波动率，忽略了行业的基本面变化。结果呢？

2020年疫情刚爆发那会儿，旅游行业的波动率突然飙升。按照历史数据，我应该给它更低的预算。但实际情况是，旅游行业已经跌到谷底，反而是抄底的好时机。如果按历史波动率给预算，就会错过机会。

所以，我的建议是：

历史数据是参考，不是圣旨。要结合当前的市场环境和行业周期。
定期调整风险预算。我一般每季度重新算一次，遇到重大事件随时调整。
不要超过总风险预算。这是底线。一旦某个行业超了，必须减仓或者对冲。

重要提醒：

风险预算不是一成不变的。市场在变，行业在变，你的预算也要跟着变。我见过最惨的案例，就是有人设好了预算就不管了，结果市场风格切换，一个行业直接爆仓。

2.5 一张图看懂风险预算流程

下面这张图是我自己画的，把整个风险预算的流程串起来了。你可以保存下来，做配置的时候对照着看。

2.6 代码实现：一个简单的风险预算分配器

光说不练假把式。下面是我写的一个Python函数，可以直接算出每个行业的风险预算。你拿去改改就能用。

import numpy as np

def risk_budget_allocation(total_budget, volatilities, multipliers):
    """
    计算各行业风险预算
    
    参数:
        total_budget: float, 总风险预算（万元）
        volatilities: list, 各行业年化波动率
        multipliers: list, 各行业风险乘数
    
    返回:
        dict, 行业名称 -> 风险预算
    """
    # 计算调整后的权重
    raw_weights = [1/v * m for v, m in zip(volatilities, multipliers)]
    total_raw = sum(raw_weights)
    normalized_weights = [w / total_raw for w in raw_weights]
    
    # 分配预算
    budgets = [total_budget * w for w in normalized_weights]
    
    return budgets

# 示例
total = 100  # 总风险预算100万
vols = [0.35, 0.20, 0.40]  # 科技、消费、能源的波动率
mults = [1.2, 1.0, 0.8]  # 风险乘数

result = risk_budget_allocation(total, vols, mults)
print(f"科技: {result[0]:.1f}万")
print(f"消费: {result[1]:.1f}万")
print(f"能源: {result[2]:.1f}万")

输出结果：

科技: 28.0万
消费: 40.0万
能源: 32.0万

跟前面表格里的数据完全一致。你可以把volatilities和multipliers换成你自己的数据，跑一下就知道了。

我的习惯：

每次跑完这个函数，我都会把结果跟实际持仓对比一下。如果某个行业的风险预算远低于实际风险暴露，那就说明我该减仓了。这个对比动作，我每周做一次。

2.7 小结

风险预算这件事，说白了就是「量入为出」。你先知道自己能亏多少，再决定每个行业能亏多少。别贪，别赌，别想着一个行业翻盘。

我做了这么多年量化，见过太多人死在「重仓一个行业」上。风险预算就是你的安全带，系好了再上路。

公众号:蓝海资料掘金营，微信deep3321