3. 资金权重优化基础
在策略风险预算的框架中，资金权重优化是连接“风险认知”与“实际下单”的关键一步。它要回答的核心问题是：在给定的一组策略或资产上，我应该把多少钱分配给每一个？权重不同，组合的收益、波动、回撤和尾部风险都会发生显著变化。因此，资金权重优化不是简单地平均分配，也不是凭感觉加仓，而是在明确目标与约束后，用可计算、可复现的方法求解一组权重。
一、核心原理：定义、目标函数与约束条件
资金权重优化的定义是：在可投资集合中，为每个策略或资产确定一个非负（或允许做空时为可负）的资金占比，使组合在某个目标函数下达到最优，同时满足一系列现实约束。设组合中有 n 个策略，权重向量为 w = (w₁, w₂, …, wₙ)，则组合收益、波动和风险通常由权重与各策略的收益、协方差矩阵共同决定。
目标函数是优化的“方向盘”。常见形式包括：最大化预期收益、最小化组合波动、最大化夏普比率、最小化最大回撤、最大化几何增长率等。不同目标函数会导出完全不同的权重结构。例如，均值-方差偏好高收益低相关资产，风险平价追求风险贡献均衡，凯利公式则从长期复利增长角度出发。
约束条件是优化的“边界”。没有约束的优化往往产生极端权重，例如把 90% 资金压在一个策略上。常见约束包括：权重和为 1、单策略权重上限、单策略权重下限、禁止做空、换手率限制、行业或风格暴露限制、杠杆上限等。约束越贴近真实交易环境，优化结果越可执行。
一句话理解：目标函数决定“往哪里走”，约束条件决定“能走多远”，优化方法决定“怎么走”。
二、方法流程：从输入到可执行权重
资金权重优化通常遵循以下流程：
- 确定投资集合：明确参与优化的策略或资产，例如趋势策略、套利策略、红利低波、债券等。
- 估计输入参数：估计各策略的预期收益、波动率、协方差矩阵、相关性、尾部风险等。参数估计质量直接决定优化效果。
- 选择目标函数：根据资金属性选择最大化夏普、最小化波动、风险平价或凯利增长等目标。
- 设置约束条件：加入权重上限、下限、换手率、杠杆和暴露限制。
- 求解优化问题：使用解析解或数值优化器求解权重向量。
- 回测与压力测试：检验权重在历史极端行情、参数扰动和交易成本下的表现。
- 实盘分配与再平衡：按权重下单，并设定定期或阈值再平衡规则。
下面用一个简化参数示例说明输入结构：
策略集合: [趋势, 套利, 红利低波, 债券]
预期年化收益: [12%, 8%, 7%, 3%]
年化波动率: [18%, 6%, 10%, 2%]
权重上限: [35%, 40%, 35%, 60%]
权重下限: [0%, 0%, 0%, 10%]
约束: 权重和=1, 禁止做空三、常见优化方法概述
1. 均值-方差优化（Mean-Variance Optimization）
均值-方差优化由马科维茨提出，目标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。其数学表达通常为：
max wᵀμ - λ/2 · wᵀΣw
s.t. 1ᵀw = 1, w ≥ 0其中 μ 是预期收益向量，Σ 是协方差矩阵，λ 是风险厌恶系数。优点是理论清晰、易于扩展；缺点是极度依赖参数估计，尤其对预期收益非常敏感，容易产生集中且不稳定的权重。
2. 风险平价（Risk Parity）
风险平价不追求收益预测，而是让每个策略对组合总风险的贡献相等。其核心思想是：如果某个策略波动很大，就给它更低的资金权重；如果波动很小，就给它更高的资金权重。这样组合不会过度依赖单一风险源。风险平价通常更稳健，但在策略收益差异极大时，可能牺牲部分收益弹性。
3. 凯利公式（Kelly Criterion）
凯利公式从长期复利增长最大化出发，给出在已知胜率和赔率下的最优下注比例。简化形式为：
f* = (bp - q) / b
其中：f* 为最优资金比例，b 为赔率，p 为胜率，q = 1 - p凯利公式的优点是直接关联长期增长率，缺点是参数估计误差会被放大，实际中常使用“半凯利”或“分数凯利”降低波动和回撤。
| 方法 | 核心目标 | 主要输入 | 优点 | 常见风险 |
|---|---|---|---|---|
| 均值-方差 | 风险收益最优 | 预期收益、协方差 | 理论成熟、可扩展 | 参数敏感、权重集中 |
| 风险平价 | 风险贡献均衡 | 波动率、相关性 | 稳健、分散风险 | 收益弹性可能不足 |
| 凯利公式 | 长期复利最大 | 胜率、赔率 | 增长导向明确 | 估计误差放大、回撤大 |
四、案例/场景与误区复盘
假设你管理一个多策略组合，包含趋势、套利、红利低波和债券四个策略。若直接用均值-方差优化，且趋势策略历史收益很高，优化器可能给出趋势 70% 的权重。但趋势策略在震荡市中可能长期回撤，这种集中权重会带来巨大心理压力和尾部风险。若改用风险平价，由于趋势波动率高，其权重会被压低，组合更均衡，但牛市收益可能不如集中配置。
更贴近实战的做法是：先用风险平价或等风险贡献确定基础权重，再用均值-方差或凯利公式在约束范围内做小幅增强，同时设置单策略权重上限和再平衡规则。这样既保留分散化优势，又不会完全放弃收益弹性。
常见误区：把优化结果当成“精确答案”。实际上，权重优化是“在不确定参数下做决策”，不是预测未来。参数估计误差、相关性突变和交易成本都会让理论最优权重偏离实盘最优权重。
复盘要点：每次再平衡后，记录权重变化、风险贡献变化和实际收益来源。若某策略风险贡献长期偏离目标，应检查是参数估计问题、约束设置问题，还是策略本身失效。
总结来看，资金权重优化的基础不是追求一个“完美公式”，而是建立一套从目标、约束到方法、复盘的完整决策链。均值-方差、风险平价和凯利公式各有适用场景，实战中更常见的是组合使用：用风险平价打底，用均值-方差增强，用凯利思想控制下注规模，最终形成可执行、可复盘、可迭代的资金权重方案。