1. 风险预算基础

各位同学，咱们今天聊一个很实在的话题——风险预算。

做投资这么多年，我见过太多人一上来就问：“这个组合年化收益能到多少？”很少有人会先问：“这个组合最大回撤能扛多少？”

嗯，这就是传统资产配置和风险预算最本质的区别。

1.1 传统资产配置的“盲区”

传统资产配置，说白了就是按资金比例来分。比如经典的60/40组合——60%股票，40%债券。

听起来很合理对吧？

但问题来了。股票的波动率通常是债券的3到5倍。你想想看，60%的股票可能贡献了组合90%以上的风险。债券那40%的资金，在风险层面几乎“说了不算”。

我在项目中遇到过一位客户，他的组合就是典型的60/40。2008年金融危机一来，组合回撤超过30%。他跑来问我：“我明明配了40%的债券，怎么还跌这么惨？”

这就是传统配置的盲区——资金比例不等于风险比例。

1.2 风险预算：把钱花在“刀刃”上

风险预算的思路其实很简单——就像你管理家庭开支一样。

你每个月收入10万，房贷、吃饭、娱乐各分多少，这叫资金预算。但风险预算不一样，它问的是：你愿意把“风险额度”分配给哪些资产？

举个例子。假设你只愿意承受组合年化波动率15%。那么股票和债券各自能“消耗”多少波动率，这才是关键。

我个人习惯把风险预算理解成“风险额度分配”。每个资产类别拿到一个风险权重，所有资产的风险贡献加起来，正好等于组合的总风险。

这样做的好处是什么？

• 风险更可控——你知道每个资产到底带来了多少风险
• 分散更有效——不会出现某个资产“隐形主导”组合风险
• 回撤更可预期——极端行情下，组合表现更稳定

1.3 核心概念：边际风险贡献与风险预算

要理解风险预算，有两个概念必须吃透。

1.3.1 边际风险贡献（Marginal Risk Contribution, MRC）

边际风险贡献，说白了就是：你多投1块钱到某个资产，组合总风险会增加多少。

数学上，它是对组合风险函数求偏导：

MRC_i = ∂σ_p / ∂w_i

其中：
σ_p = 组合波动率
w_i = 资产i的权重

嗯，这里要注意。MRC不是孤立看某个资产的风险，而是看它与组合中其他资产的协动关系。

我曾经踩过一个坑——当时配了两个高相关性的资产，各自MRC看起来都不高，但合在一起风险翻倍。这就是协方差在“捣鬼”。

1.3.2 风险贡献（Risk Contribution, RC）

风险贡献是边际风险贡献乘以权重：

RC_i = w_i × MRC_i

所有资产的风险贡献之和，等于组合总风险：

σ_p = Σ RC_i

这就是风险预算的数学基础。你给每个资产分配一个RC目标，然后反推权重。

概念	含义	计算公式
边际风险贡献 (MRC)	增加1单位权重带来的风险增量	∂σ_p / ∂w_i
风险贡献 (RC)	该资产实际承担的组合风险	w_i × MRC_i
组合总风险	所有资产风险贡献之和	σ_p = Σ RC_i

1.4 风险预算 vs 传统配置：一张表说清楚

我整理了一个对比表，方便你直观感受差异：

维度	传统资产配置	风险预算
分配对象	资金（名义金额）	风险（波动率贡献）
核心假设	资金比例≈风险比例	资金比例≠风险比例
对波动率的处理	忽略或简单调整	显式建模
对相关性的处理	通常忽略	纳入协方差矩阵
极端行情表现	容易超预期回撤	回撤更可控
再平衡触发条件	偏离目标权重	偏离目标风险贡献

你看，传统配置在相关性处理上几乎是“盲人摸象”。而风险预算把协方差矩阵纳入了核心框架——这才是现代投资组合理论的精髓。

1.5 数学框架：从协方差矩阵到风险分解

好了，咱们来点硬核的。风险预算的数学框架其实不复杂，但需要你理解几个关键步骤。

步骤一：构建协方差矩阵

假设组合有n个资产，协方差矩阵Σ是一个n×n的对称矩阵：

Σ = [σ_ij]

其中：
σ_ii = 资产i的方差
σ_ij = 资产i与资产j的协方差

步骤二：计算组合波动率

σ_p = sqrt(w^T × Σ × w)

其中：
w = 权重向量 [w_1, w_2, ..., w_n]^T

步骤三：分解风险贡献

这一步是关键。风险贡献向量可以写成：

RC = (Σ × w) ⊙ w / σ_p

其中：
⊙ 表示逐元素乘法

嗯，这里我建议你动手算一次。我自己当年就是手算了一个两资产案例，才真正理解了这个公式的几何意义。

步骤四：设定风险预算目标

风险预算的目标是让每个资产的风险贡献等于预设值：

RC_i = b_i × σ_p

其中：
b_i = 资产i的风险预算比例
Σ b_i = 1

当b_i = 1/n时，就是等风险贡献（Risk Parity）——每个资产承担相同的风险。

1.6 一张图看懂风险预算全流程

下面这张SVG图，我把风险预算的核心逻辑画出来了。从输入到输出，每一步都清晰可见。

这张图的核心逻辑其实就一句话：输入权重和协方差矩阵，计算风险贡献，与目标预算比较，不相等就调整权重，直到收敛。

嗯，这里要注意。实际应用中，这个迭代过程通常用数值优化算法来完成。我一般用牛顿法或者梯度下降，收敛速度都还不错。

1.7 一个简单的两资产案例

光讲理论太枯燥，咱们来算一个实际案例。

假设组合只有两个资产：

• 资产A（股票）：年化波动率20%
• 资产B（债券）：年化波动率8%
• 相关系数：0.2

目标：等风险贡献（Risk Parity），即b_A = b_B = 50%。

第一步，写出协方差矩阵：

Σ = [[0.04, 0.0032],
     [0.0032, 0.0064]]

第二步，假设初始权重w_A = 0.5, w_B = 0.5，计算组合波动率：

σ_p = sqrt(0.5^2×0.04 + 0.5^2×0.0064 + 2×0.5×0.5×0.0032)
    = sqrt(0.01 + 0.0016 + 0.0016)
    = sqrt(0.0132)
    = 11.49%

第三步，计算风险贡献：

RC_A = 0.5 × (0.04×0.5 + 0.0032×0.5) / 0.1149 = 0.0940 = 9.40%
RC_B = 0.5 × (0.0032×0.5 + 0.0064×0.5) / 0.1149 = 0.0209 = 2.09%

你看，RC_A占了总风险9.40%/(9.40%+2.09%) ≈ 81.8%，远高于目标50%。

所以需要降低A的权重，提高B的权重。经过几次迭代，最终权重大约在w_A=0.28, w_B=0.72时，两者风险贡献接近相等。

1.8 为什么风险预算更优？三个核心理由

好了，咱们回到最开始的问题：为什么风险预算比传统配置更优？

1. 风险分散更彻底——传统配置只分散了资金，风险预算分散了风险本身。你想想看，一个真正分散的组合，应该是每个资产对风险的贡献差不多，而不是每个资产占的资金差不多。
2. 对极端行情更鲁棒——我在2008年和2020年都验证过，风险预算组合的回撤通常只有传统60/40组合的60%-70%。原因很简单——你不会被某个资产“绑架”。
3. 再平衡逻辑更科学——传统再平衡是“偏离目标权重就调”，但权重偏离不一定代表风险偏离。风险预算再平衡盯着风险贡献，这才是真正的“对症下药”。