1. 课程导入
欢迎进入《量化策略相关性与分散化配置实战》。很多量化从业者都有过类似经历：单个策略回测曲线漂亮，夏普比率高、最大回撤小，可一旦把三五个策略组合上线，净值曲线反而变得平庸，回撤叠加、收益被稀释。问题的根源往往不在策略本身，而在于策略之间的相关性结构没有被正确理解和利用。本课程要解决的，正是从"单策略思维"走向"组合思维"的关键一跃。
一、学习目标：从会写策略到会配策略
本课程不是又一门讲因子挖掘或择时信号的课，而是聚焦于策略组合层面的工程与决策问题。完成学习后，你应当具备以下能力：
- 度量能力：能正确计算并解读皮尔逊、斯皮尔曼、滚动相关、尾部相关等多种相关性指标，理解它们在不同市场状态下的差异。
- 诊断能力：能识别"伪分散化"——表面低相关、危机时却同涨同跌的策略组合。
- 配置能力：能运用风险平价、均值方差、层次风险平价（HRP）等方法，把资金分配到一组策略上。
- 工程能力：能搭建可复用的相关性监控与再平衡流水线，把配置逻辑落到代码与日常运维中。
- 复盘能力：能在组合回撤后定位是策略失效还是相关性结构突变，并做出调仓或淘汰决策。
二、核心概念：相关性、分散化与组合风险
相关性衡量两个策略收益序列同向变动的程度，取值在 -1 到 1 之间。它是分散化的数学基础：当两个策略相关性越低，组合波动下降越明显。但这里有一个常被忽视的细节——相关性是时变的。牛市中股票多头与CTA趋势可能低相关，而在流动性危机中，几乎所有风险资产相关性都会趋近于1，分散化效果瞬间蒸发。
分散化配置的本质，是在给定收益目标下，通过组合低相关甚至负相关的收益流，降低整体波动与回撤。它不等于"多买几个策略"，而是要求策略之间在收益来源、持仓周期、市场状态依赖上真正互补。组合风险并非各策略风险的简单平均，而是由协方差矩阵决定：
组合方差 = wᵀ Σ w
其中 w 为策略权重向量，Σ 为策略收益协方差矩阵
Σ 的非对角元素 = ρᵢⱼ · σᵢ · σⱼ可以看到，相关性 ρ 直接进入协方差矩阵的非对角项。当 ρ 从 0.2 升到 0.8，同样的权重下组合方差会显著抬升。这就是为什么"配置前先看相关性"是纪律，而不是可选项。
三、整体框架：本课程的知识地图
课程围绕"度量—诊断—配置—运维"四层递进展开，下图展示了从原始策略净值到最终组合权重的完整数据链路与决策闭环。
四层框架中，度量层是地基，诊断层决定"哪些策略值得放在一起"，配置层决定"各放多少"，运维层保证组合在真实市场中持续存活。后续章节将逐层展开，并配套可运行的代码与参数模板。
四、实战价值与典型场景
为什么这门课值得投入？因为相关性配置直接对应真金白银的改善。下表对比了同一组策略在"等权堆叠"与"相关性感知配置"下的典型差异：
| 维度 | 等权堆叠（无相关性管理） | 相关性感知配置 |
|---|---|---|
| 年化波动 | 较高，受高相关策略拖累 | 下降，低相关策略贡献分散收益 |
| 最大回撤 | 危机时相关性抬升，回撤叠加 | 通过尾部相关约束控制极端回撤 |
| 夏普比率 | 一般 | 通常提升，风险调整后收益更优 |
| 资金效率 | 平均分配，低效策略占用资金 | 按风险贡献分配，资金更聚焦 |
| 运维复杂度 | 低，但问题隐蔽 | 较高，需监控与再平衡 |
典型场景包括：多因子选股与CTA趋势组合、股票中性策略与期权波动率策略组合、跨市场（A股、港股、商品）策略组合。每个场景的相关性结构不同，配置方法也要相应调整。
五、常见误区与复盘思路
初学者最容易踩的坑，往往不是数学错误，而是认知偏差：
- 误区一：相关性越低越好。负相关策略可能长期亏损，单纯追求低相关会引入"拖后腿"资产。正确做法是在收益与相关性之间权衡。
- 误区二：用全样本相关性做配置。全样本会掩盖近期结构变化，导致配置滞后。应结合滚动相关与状态划分。
- 误区三：忽视尾部相关。正常时期相关性0.1，危机时可能跳到0.9。必须单独评估极端行情下的联合回撤。
- 误区四：配置后不再调整。策略容量衰减、市场风格切换都会改变相关性，需要定期再平衡与淘汰机制。
本章建立了课程的整体认知框架：相关性是分散化的核心变量，配置是带约束的动态优化，运维是持续闭环。接下来，我们将从相关性的数学定义与计算方法开始，逐步把这套框架落到可执行的代码与流程中。