一、均值方差模型起源：马科维茨的现代投资组合理论（MPT）

说起量化投资的起点，我总会想到1952年那篇论文。那年马科维茨发表了《投资组合选择》，整个金融界被彻底颠覆了。你想想看，在此之前大家做投资靠什么？靠直觉、靠消息、靠拍脑袋。马科维茨说：不行，咱们得用数学说话。

我个人习惯把MPT的核心思想总结成一句话：别把所有鸡蛋放在一个篮子里，但更重要的是，要知道篮子之间是怎么关联的。说白了，就是通过数学方法找到最优的资产配置比例。

1.1 核心思想：收益与风险的权衡

马科维茨提出了一个很朴素但深刻的观点——投资本质上是在做两件事的权衡：

• 期望收益：你希望赚多少钱
• 风险（方差）：你可能会亏多少钱

他给了一个数学框架。假设你有n个资产，每个资产的权重是w_i，那么组合的期望收益就是：

E(R_p) = Σ w_i * E(R_i)

组合的方差就没那么简单了：

σ²_p = Σ Σ w_i * w_j * σ_i * σ_j * ρ_ij

这里ρ_ij是关键——资产之间的相关系数。我在项目中遇到过不少新手，他们以为分散化就是多买几个资产。其实不然，如果买的都是同涨同跌的资产，分散效果几乎为零。

1.2 有效前沿：那条最美的曲线

有了上面的公式，我们就可以做一件事：给定一组资产，枚举所有可能的权重组合，计算每个组合的收益和风险。把这些点画在图上，你会得到一个散点区域。这个区域的左上边界，就是有效前沿。

为什么会是曲线而不是直线？因为相关系数不是1。如果所有资产都完全正相关，有效前沿就是一条直线。但现实中，资产之间总有不同程度的不相关性，所以它弯了。

我画了一张图，帮你直观理解：

这张图里，红色曲线就是有效前沿。它上面的每一个点，都代表一个「给定风险下收益最高」的组合。换句话说，有效前沿以下的点都是「次优」的——同样的风险，你本可以赚更多。

1.3 资本市场线：引入无风险资产

马科维茨之后，夏普等人做了个重要的扩展：如果市场上存在无风险资产（比如国债），情况会怎样？

答案很漂亮——有效前沿变成了一条直线，这就是资本市场线（CML）。

它的数学表达式是：

E(R_p) = R_f + [E(R_m) - R_f] / σ_m * σ_p

其中：

• R_f：无风险利率
• E(R_m)：市场组合的期望收益
• σ_m：市场组合的风险
• σ_p：你选择的组合的风险

这条线的斜率，就是夏普比率——每承担一单位风险能获得多少超额收益。

1.4 我在实践中踩过的坑

讲完理论，说说实际应用中的问题。我曾经用均值方差模型给一个保险资管做配置，结果跑出来的权重非常极端——80%的资金集中在两个资产上。为什么会这样？

原因有三：

问题	表现	我的教训
参数敏感	预期收益微调1%，权重变化20%	不要迷信点估计，要做敏感性分析
历史外推	用过去5年数据，未来完全不一样	加入先验信息，用贝叶斯方法收缩
集中度过高	模型给出极端权重，无法落地	加入权重约束，比如单资产不超过30%

1.5 均值方差模型的局限

说了这么多好话，也得讲讲它的不足。我个人觉得最大的问题是：

• 输入参数太难估计：期望收益、协方差矩阵，这些参数稍微变一点，结果就天差地别
• 只考虑二阶矩：现实中收益分布有偏度、有肥尾，方差并不能完全刻画风险
• 静态模型：它假设相关系数是固定的，但市场一恐慌，所有资产的相关性都会飙升

这也是为什么后来出现了风险平价、Black-Litterman等改进模型。但无论如何，马科维茨的框架是所有量化配置的基石。不理解有效前沿，你就没法理解为什么风险平价能做得更好。

---

公众号:蓝海资料掘金营，微信deep3321