第1章投资组合理论回顾

1. 投资组合理论回顾：从马科维茨到多目标优化

大家好，我是你们的老朋友。今天咱们聊聊投资组合理论的演进史。说实话，这个领域我摸爬滚打了十几年，从最初用Excel拉马科维茨模型，到现在用多目标优化跑上千个资产，感触挺深的。

你想想看，投资组合理论说白了就一个问题：钱该怎么分配？ 这个问题看似简单，但背后藏着大学问。从1952年马科维茨那篇划时代的论文开始，到如今的多目标优化，这条路走了七十多年。

1952年，哈里·马科维茨发表了《投资组合选择》。这篇论文有多重要？这么说吧，它直接拿了诺贝尔奖。我当年读研时第一次看到这个模型，心里想的是：「这不就是高中数学吗？」后来真刀真枪干起来才发现，嗯，我太年轻了。

马科维茨的核心思想其实很朴素：不要把所有鸡蛋放在一个篮子里。但他用数学把这句话量化了——用期望收益率代表收益，用方差代表风险。

核心公式：

min  σ²_p = w^T Σ w
s.t. μ_p = w^T μ = μ_target
     ∑w_i = 1

其中 w 是权重向量，Σ 是协方差矩阵，μ 是期望收益率向量。

这个模型能画出那条著名的有效前沿——就是那条弯弯的曲线。曲线上每个点都代表一个「给定风险下收益最大」的组合。我在2015年给一家私募做策略时，就用这个模型跑了第一版。结果呢？回测漂亮，实盘拉胯。为什么？后面会讲。

有了有效前沿，威廉·夏普又加了无风险资产，搞出了资本市场线（CML）。这条线从无风险利率出发，与有效前沿相切。切点就是市场组合。

我个人习惯把有效前沿想象成一条「好组合的边界」。边界以内的组合，要么收益不够，要么风险太高。边界上的组合，才是我们该考虑的。

实战小技巧： 我在做组合优化时，从来不会只取一个点。我会在有效前沿上均匀取20-30个点，然后结合实际情况筛选。为什么？因为理论上的最优解，往往在实盘中不堪一击。

好了，现在我要泼冷水了。马科维茨模型很美，但用起来问题一堆。我踩过的坑，今天全抖出来。

输入参数极度敏感——期望收益率稍微变0.1%，最优权重可能天翻地覆。我2017年做过一个测试：用过去3年的数据估计参数，优化出来的组合跟用过去1年数据的结果，重合度不到30%。
方差不是好风险度量——它把上涨和下跌一视同仁。但投资者怕的是下跌，不是上涨啊！你想想看，一个组合年化收益20%，最大回撤5%，另一个年化收益20%，最大回撤30%，方差可能差不多，但你能说它们风险一样吗？
只考虑两个目标——收益和风险。但现实中，我们还要考虑流动性、换手率、行业集中度、ESG评分等等。两个目标？太少了。

避坑指南： 我曾经用纯均值-方差模型给一个客户做FOF组合，结果优化出来的权重里，某只小盘基金占了40%。为什么？因为历史回测中它收益高、波动低。但实盘时流动性不足，一赎回就砸盘。从那以后，我所有模型都加了流动性约束。

传统优化是单目标的——要么最大化收益（给定风险），要么最小化风险（给定收益）。但现实世界是多目标的。

举个例子。假设你要设计一个投资组合，要求：

这是5个目标。用传统方法怎么做？加权求和？权重怎么定？我见过有人拍脑袋定权重，结果优化出来全是坑。

多目标优化就不一样了。它不追求「唯一最优解」，而是找出一组帕累托最优解——就是那些「无法在不损害一个目标的前提下改善另一个目标」的解。

帕累托最优的直观理解： 你有一堆组合，A组合收益比B高，但回撤也比B大。这时候你没法说A比B好，或者B比A好。它们都是帕累托最优的。你要做的，是根据自己的偏好从中选一个。

我把这个演进过程画了张图，方便大家理解。

从这张图能看出来，理论一直在往更复杂、更贴近现实的方向走。马科维茨是开山鼻祖，但后来的学者们不断给它打补丁：夏普加了无风险资产，罗斯用多因子替代了市场组合，布莱克-利特曼解决了参数估计问题...

到了现在，我们面对的是高维、非线性、多约束的优化问题。传统方法搞不定了，必须上多目标进化算法。

做了这么多年量化，我最大的体会是：模型越复杂，越要警惕过拟合。马科维茨模型虽然简单，但它的思想内核——分散化、风险收益权衡——永远不会过时。

多目标优化不是要推翻马科维茨，而是在它的基础上做扩展。你想想看，如果连均值-方差都搞不明白，直接上NSGA-II，那跟空中楼阁有什么区别？

给新手的建议： 先用手算一个3只股票的均值-方差模型，理解有效前沿是怎么来的。然后再去学多目标优化。地基打不牢，楼盖得再高也是危房。

好了，这一章就到这里。下一章我们会深入多目标优化的数学框架，包括帕累托支配、拥挤距离这些核心概念。到时候我会用实际代码演示，保证让你看得过瘾。

公众号:蓝海资料掘金营，微信deep3321