3. 组合理论入门
在进入多策略组合构建与动态资金分配之前，必须先理解三个经典理论：马科维茨均值-方差、风险平价、凯利公式。它们分别回答了三个不同问题：如何配置权重、如何平衡风险贡献、如何决定下注规模。理解它们的核心思想与局限，是后续实战中避免“照搬公式”的前提。
一、核心原理：三种理论各自在解决什么
马科维茨均值-方差的核心思想是：在给定预期收益下最小化组合方差，或在给定风险下最大化预期收益。它把组合问题转化为一个带约束的二次优化问题，输出有效前沿。其关键输入是预期收益向量、协方差矩阵和权重约束。
目标：min wᵀΣw
约束：wᵀμ ≥ R_target
Σwᵢ = 1, wᵢ ≥ 0（可选）
其中：w 为权重向量，μ 为预期收益，Σ 为协方差矩阵风险平价不预测收益，而是让每个资产对组合总风险的贡献相等。它认为“分散风险”比“预测收益”更可靠。对于两个资产，若波动率分别为20%和40%，风险平价会给予低波动资产更高权重，使两者风险贡献接近。
凯利公式解决的是“下注比例”问题。经典形式为 f* = (bp - q) / b，其中 b 为赔率，p 为胜率，q = 1-p。它追求长期复合增长率最大化，但实际中常使用“半凯利”或“分数凯利”来降低回撤。
二、方法流程：从理论到可执行配置
把理论落地为组合配置，通常遵循以下流程：
- 数据准备：收集各策略/资产的收益率序列，计算均值、方差、协方差矩阵。
- 选择优化目标：若追求风险调整收益，用均值-方差；若追求风险分散，用风险平价；若决定单策略下注比例，用凯利。
- 加入约束：权重上下限、换手率约束、杠杆上限、行业/策略暴露限制。
- 求解与正则化：对协方差矩阵做收缩估计，对权重做L1/L2正则，避免极端解。
- 回测与压力测试：检验不同市场环境下的回撤、夏普、换手率。
- 动态调整：按固定周期或阈值触发再平衡，结合资金曲线动态分配。
实战提示：均值-方差对预期收益极其敏感，微小的μ变化会导致权重剧烈跳动。实务中常用“反向优化”或“风险平价+收益过滤”来降低这种敏感性。
三、案例/场景：三种理论在真实组合中的表现
假设有三个策略：A（低波动、低收益）、B（中波动、中收益）、C（高波动、高收益）。用不同方法配置，结果差异显著。
| 方法 | 策略A权重 | 策略B权重 | 策略C权重 | 组合特征 |
|---|---|---|---|---|
| 均值-方差（目标收益8%） | 10% | 30% | 60% | 收益高，但回撤大，权重集中 |
| 风险平价 | 55% | 30% | 15% | 波动低，回撤小，收益偏低 |
| 半凯利（单策略下注） | — | — | 25% | 针对C策略，控制回撤 |
这个案例说明：没有一种方法在所有场景下最优。均值-方差适合有明确收益预测且能承受波动的场景；风险平价适合追求稳健、不想预测收益的场景；凯利适合单策略或独立下注场景，但必须打折使用。
四、误区/复盘：常见错误与修正思路
- 误区一：把历史均值当作未来预期收益。历史收益不代表未来，直接用样本均值会导致极端权重。修正：使用收缩估计、贝叶斯先验或情景分析。
- 误区二：忽略协方差矩阵的估计误差。样本协方差在资产数量多时极不稳定。修正：使用Ledoit-Wolf收缩、因子模型或EWMA。
- 误区三：风险平价等于“平均分配”。风险平价是按风险贡献分配，不是等权。修正：理解边际风险贡献公式，必要时加入收益过滤。
- 误区四：全凯利下注。全凯利在胜率估计偏差下会带来巨大回撤。修正：使用半凯利或1/4凯利，并设置最大回撤止损。
- 误区五：静态配置一劳永逸。市场结构变化后，最优权重会漂移。修正：建立定期再平衡与动态资金分配机制。
复盘要点：经典理论是“地图”，不是“地形”。它们提供思考框架，但直接套用公式往往会在实盘中失效。真正重要的是理解每个理论的假设边界，并在组合构建中主动管理这些假设带来的风险。
总结来看，马科维茨均值-方差提供了组合优化的数学基础，风险平价提供了不依赖收益预测的风险分散方案，凯利公式提供了下注规模的几何增长视角。三者的共同局限是：都对输入参数高度敏感，都假设市场结构相对稳定。在多策略组合实战中，更稳健的做法是：以风险平价为底仓框架，用均值-方差做卫星增强，用分数凯利控制单策略下注规模，并持续进行动态再平衡与压力测试。