📚 课程目录第1章风险归因基础

风险归因数据集构建与回放验证实战 - 第1节

1. 风险归因基础

风险归因（Risk Attribution）是一种将投资组合的总风险拆解到不同因子、资产类别、行业或个股层面的分析方法。它回答一个核心问题：“组合的风险究竟来自哪里？”。通过量化各组成部分对总风险的边际贡献，风险归因为投资经理提供了可操作的决策依据。

设组合收益率为 \( R_p = \sum_{i=1}^{n} w_i r_i \)，其中 \( w_i \) 为资产 \( i \) 的权重，\( r_i \) 为其收益率。组合方差可表示为：

σ²_p = w' Σ w = ∑_{i=1}^{n} ∑_{j=1}^{n} w_i w_j σ_{ij}

资产 \( i \) 对组合总风险的边际贡献（Marginal Contribution to Risk, MCR）定义为：

MCR_i = ∂σ_p / ∂w_i = (Σ w)_i / σ_p

进一步，资产 \( i \) 的风险贡献（Component Contribution to Risk, CCR）为：

CCR_i = w_i × MCR_i = w_i × (Σ w)_i / σ_p

所有资产的风险贡献之和等于组合总风险：\( \sum_{i=1}^{n} CCR_i = \sigma_p \)。

  关键认知：风险归因不是事后统计，而是贯穿投资全生命周期的动态管理工具。它帮助投资经理在“承担风险”与“获得收益”之间建立可追溯的量化桥梁。

风险归因嵌入在投资组合管理的三个核心环节中：构建（Construction）、监控（Monitoring）和调整（Rebalancing）。

在构建组合时，风险归因用于将总风险预算（如年化波动率目标 12%）分配到各资产类别或因子。例如，一个股债 60/40 组合，实际风险贡献可能并非 60/40，因为股票波动率远高于债券。风险归因能揭示真实的风险分布：

资产类别    权重    波动率    风险贡献占比
股票        60%     18%       约 92%
债券        40%      5%        约  8%
合计       100%      —        100%

这种“权重与风险贡献不匹配”的现象，正是风险归因要解决的核心问题。

在持有期内，风险归因通过回放验证（Backtesting Attribution）持续追踪风险来源的变化。下图展示了风险归因在监控周期中的工作流程：

当风险归因显示某因子（如利率风险）的实际贡献超过风险预算的 20% 时，投资经理需要执行调整操作。下表列出了常见的调整触发条件与对应措施：

实践要点：风险归因的调整决策应结合交易成本与市场流动性。对于高流动性资产（如股指期货），可执行精细化的因子对冲；对于低流动性资产（如私募债），应优先考虑自然到期或逐步减仓。

在实际应用中，风险归因可以在多个层次上展开。下图展示了从宏观到微观的归因层次：

注意：层次越深，归因结果对协方差矩阵的估计误差越敏感。在回放验证中，建议对底层因子归因结果进行滚动窗口稳定性检验，避免因样本外协方差突变导致的归因失真。

风险归因的准确性高度依赖输入数据的质量与切分方式。在后续章节中，我们将深入探讨如何通过数据集切分（训练集/验证集/测试集）来避免过拟合，并确保归因结果在样本外具有可重复性。下表总结了不同数据切分策略对风险归因的影响：

风险归因不是一次性的计算，而是一个需要反复回放验证的迭代过程。数据集切分的质量直接决定了归因结果是否能够稳定地指导实际投资决策。在接下来的课程中，我们将逐一拆解这些技术细节。