4. 组合分散化原理

在多市场趋势跟踪中,分散化不是“多买几个品种”这么简单。它的本质是用数学手段把多个收益流组合起来,使组合在目标收益不变的前提下降低波动,或在目标波动不变的前提下提高收益风险比。理解分散化,必须从方差、协方差、相关性开始,再进入风险平价与等风险贡献。

一、核心原理:组合方差为什么能被压低

假设组合由两个资产构成,权重分别为 w₁、w₂,收益标准差为 σ₁、σ₂,相关系数为 ρ。组合方差为:

σ²_p = w₁²σ₁² + w₂²σ₂² + 2w₁w₂ρσ₁σ₂

当 ρ < 1 时,第三项小于两个资产标准差的简单加权乘积,组合波动就会低于线性加权平均。若 ρ = 0,分散化效果最直观;若 ρ = -1,理论上可构造零波动组合;若 ρ = 1,分散化完全失效,组合只是“同一风险的放大版”。

推广到 N 个资产,组合方差写成矩阵形式:

σ²_p = wᵀΣw

其中 w 是权重向量,Σ 是协方差矩阵。协方差矩阵对角线是各资产方差,非对角线是两两协方差。协方差衡量“共同波动方向”,相关性则是标准化后的协方差:

ρ_ij = Cov(r_i, r_j) / (σ_i σ_j)

趋势跟踪策略的收益分布常带正偏、厚尾,且不同市场在危机时相关性会上升。因此,分散化不能只看历史平均相关性,还要看压力情景下的相关性变化。

组合方差分解:分散化如何降低风险 资产A σ₁ = 20% 权重 w₁ = 50% 独立风险贡献待算 资产B σ₂ = 25% 权重 w₂ = 50% 独立风险贡献待算 协方差矩阵 Σ σ²_p = wᵀΣw ρ 越低,分散化越强 组合波动 σ_p ρ=1 时:σ_p = 22.5% ρ=0 时:σ_p ≈ 16.0% 风险平价目标:让每个资产对组合风险的边际贡献相等 RC_i = w_i × (Σw)_i / σ_p ,要求 RC₁ = RC₂ = … = RC_N

二、方法流程:从协方差到风险平价

风险平价的核心思想是:不按资金等权,而按风险等权。传统等权组合中,高波动资产会主导组合风险;风险平价通过降低高波动资产权重、提高低波动资产权重,使各资产的风险贡献趋于相等。

  1. 估计协方差矩阵:用滚动窗口计算各市场收益的协方差矩阵,必要时用收缩估计或因子模型降噪。
  2. 计算组合波动:给定权重 w,计算 σ_p = sqrt(wᵀΣw)。
  3. 计算边际风险贡献:MCR_i = (Σw)_i / σ_p。
  4. 计算风险贡献:RC_i = w_i × MCR_i,且 Σ RC_i = σ_p。
  5. 求解等风险贡献权重:令所有 RC_i 相等,通常用数值优化求解。
  6. 加入约束与再平衡:设置单资产权重上下限、换手率约束,并按月或按波动阈值再平衡。

一个简化的数值求解示例:

import numpy as np
from scipy.optimize import minimize

def risk_contributions(w, cov):
    port_var = w @ cov @ w
    mcr = cov @ w / np.sqrt(port_var)
    return w * mcr

def erc_objective(w, cov):
    rc = risk_contributions(w, cov)
    target = rc.mean()
    return np.sum((rc - target) ** 2)

cov = np.array([[0.04, 0.006],
                [0.006, 0.0625]])
cons = ({'type': 'eq', 'fun': lambda w: np.sum(w) - 1})
bounds = [(0.05, 0.95), (0.05, 0.95)]
res = minimize(erc_objective, x0=[0.5, 0.5], args=(cov,),
               bounds=bounds, constraints=cons)
print(res.x)  # 等风险贡献权重

三、案例/场景:多市场趋势跟踪中的风险平价

假设组合包含四个市场:股指、国债、商品、外汇。若等资金权重各 25%,但股指年化波动 22%、国债 6%、商品 18%、外汇 10%,则股指和商品会贡献绝大部分组合风险。风险平价会给出类似“国债权重最高、股指权重最低”的配置,使四个市场的风险贡献接近 25%。

资产 年化波动 等资金权重 等资金风险占比 风险平价权重 风险平价风险占比
股指22%25%约 42%约 12%约 25%
国债6%25%约 8%约 48%约 25%
商品18%25%约 34%约 15%约 25%
外汇10%25%约 16%约 25%约 25%
风险平价不是“收益平价”。它只保证风险贡献相等,不保证收益贡献相等。趋势跟踪中,低波动资产可能长期震荡,风险平价会给予其较高权重,因此需要结合趋势信号过滤,避免在无趋势市场中过度暴露。

四、误区与复盘

  • 误区一:相关性低就等于分散化好。相关性是线性度量,趋势跟踪收益常非线性,尾部相关性可能突然升高。应同时观察压力窗口下的协方差矩阵。
  • 误区二:风险平价一定优于等权。若资产波动差异小、相关性高,风险平价与等权差异有限;若协方差估计不稳定,风险平价可能放大估计误差。
  • 误区三:忽略再平衡成本。风险平价权重会随波动变化而漂移,频繁再平衡会侵蚀收益。应设置再平衡阈值,如权重偏离目标 20% 或月度检查。
  • 误区四:把风险平价当收益增强工具。它的首要目标是风险分散,收益增强仍需依赖趋势信号、仓位管理和止损规则。
协方差矩阵的估计质量决定风险平价效果。样本期过短会噪声大,过长会混入失效市场结构。建议使用 1~3 年滚动窗口,并对角线加小量正则项,保证矩阵正定可逆。

复盘时,应重点检查三项:各资产风险贡献是否真的接近目标;组合波动是否低于等权组合;在极端行情中,相关性上升是否导致分散化失效。只有把数学原理、估计方法和交易约束放在一起,分散化才不是口号,而是可执行的风险控制流程。