3、投资组合理论基础：Markowitz均值-方差模型、有效前沿、风险与收益的权衡

说到量化投资，绕不开的一个名字就是哈里·马科维茨。他提出的均值-方差模型，可以说是现代投资组合理论的基石。我个人觉得，理解了这个模型，你才算真正入了投资的门。

说白了，这个模型解决了一个核心问题：鸡蛋到底该怎么放？ 是放在一个篮子里，还是分散到多个篮子里？分散之后，收益和风险会怎么变？

3.1 均值-方差模型：收益与风险的数学刻画

马科维茨用两个统计量来刻画投资组合：

• 均值（Expected Return）：代表组合的预期收益。说白了，就是你期望能赚多少钱。
• 方差（Variance）：代表组合的风险。方差越大，收益的波动越剧烈，风险也就越高。

模型的核心假设是：投资者都是理性的，既追求高收益，又厌恶高风险。 所以，我们要在给定风险下最大化收益，或者在给定收益下最小化风险。

嗯，这里要注意，协方差是个关键。它衡量的是两个资产之间的联动性。如果两个资产同涨同跌，协方差为正；如果一个涨一个跌，协方差为负。负相关的资产放在一起，能有效降低组合的整体风险。

我在项目中遇到过不少新手，上来就想着找高收益的资产，完全忽略了它们之间的相关性。结果组合里全是同涨同跌的股票，一遇到市场回调，回撤大得吓人。

3.2 有效前沿：最优组合的集合

有了均值-方差模型，我们就可以画出所有可能的投资组合。这些组合在风险-收益平面上，会形成一个类似子弹形状的区域。这个区域的边界，就是有效前沿（Efficient Frontier）。

有效前沿上的每一个点，都代表一个最优组合。什么意思？就是在给定风险水平下，收益最高的组合；或者在给定收益水平下，风险最低的组合。有效前沿以外的点，都是次优的。

你想想看，有效前沿的形状是凸的，这说明了什么？说明随着风险的增加，收益的增加速度是递减的。也就是说，你想多赚一点收益，需要承担越来越多的风险。这就是风险与收益的权衡。

3.3 风险与收益的权衡：没有免费的午餐

有效前沿直观地告诉我们：天下没有免费的午餐。 想获得更高的收益，就必须承担更高的风险。但反过来，承担高风险，不一定能获得高收益。你可能会踩到地雷，血本无归。

所以，投资的关键不是追求最高的收益，而是找到风险与收益的平衡点。这个平衡点因人而异，取决于你的风险承受能力、投资目标和时间 horizon。

我个人习惯用夏普比率（Sharpe Ratio）来衡量这个平衡。夏普比率 = (组合收益 - 无风险收益) / 组合风险。它衡量的是每单位风险能带来多少超额收益。夏普比率越高，说明组合的性价比越高。

3.4 知识体系与核心逻辑

下面这张图，我用 SVG 画了一下，帮你梳理本章的核心逻辑。从均值-方差模型出发，到有效前沿，再到风险收益权衡，最后落到实际应用。

3.5 实际应用：用 Python 计算有效前沿

光说不练假把式。下面我用 Python 演示一下，如何计算并画出有效前沿。代码很简单，但很实用。

import numpy as np
import matplotlib.pyplot as plt

# 假设有三只股票：A, B, C
returns = np.array([0.12, 0.15, 0.10])  # 预期收益
cov_matrix = np.array([
    [0.10, 0.02, 0.01],
    [0.02, 0.15, 0.03],
    [0.01, 0.03, 0.08]
])  # 协方差矩阵

# 生成随机权重
num_portfolios = 10000
results = np.zeros((3, num_portfolios))

for i in range(num_portfolios):
    weights = np.random.random(3)
    weights /= np.sum(weights)
    
    portfolio_return = np.dot(weights, returns)
    portfolio_risk = np.sqrt(np.dot(weights.T, np.dot(cov_matrix, weights)))
    
    results[0, i] = portfolio_return
    results[1, i] = portfolio_risk
    results[2, i] = portfolio_return / portfolio_risk  # 夏普比率

# 画出散点图
plt.figure(figsize=(10, 6))
plt.scatter(results[1, :], results[0, :], c=results[2, :], cmap='viridis', alpha=0.5)
plt.colorbar(label='Sharpe Ratio')
plt.xlabel('Risk (Standard Deviation)')
plt.ylabel('Return')
plt.title('Efficient Frontier')
plt.grid(True)
plt.show()

运行这段代码，你会看到一张散点图。图中颜色越亮的点，夏普比率越高。这些点形成的上边界，就是有效前沿。你可以看到，有效前沿上的点，确实是在相同风险下收益最高的。

好了，这一章的内容就到这里。记住，投资组合理论的核心就是：分散投资，平衡风险与收益。 别想着靠一两只股票暴富，那跟赌博没什么区别。

---