2. 资产配置基础
资产配置的本质，是在不确定的未来中，把资金分配到不同风险收益特征的资产上，使组合整体表现更接近投资者的目标。要做好这件事，第一步不是套模型，而是把三个基础概念说清楚：资产类别、收益与风险、分散化。它们共同支撑起有效前沿这一核心直觉。
一、资产类别：配置的“原材料”
资产类别不是按名称划分，而是按风险来源和现金流特征划分。同一类别内的资产，通常受相似的宏观因子驱动，彼此相关性较高；不同类别之间，驱动逻辑差异越大，分散价值越明显。
| 资产类别 | 核心收益来源 | 主要风险 | 典型角色 |
|---|---|---|---|
| 现金及货币工具 | 短端利率 | 购买力侵蚀、再投资风险 | 流动性缓冲 |
| 利率债/高等级信用债 | 票息、久期收益 | 利率风险、信用风险 | 稳定器、压舱石 |
| 股票 | 盈利增长、估值变化、股息 | 波动大、回撤深 | 长期增长引擎 |
| 商品/黄金 | 供需、通胀、避险 | 无现金流、周期性强 | 通胀对冲、尾部保护 |
| 房地产/REITs | 租金、资产增值 | 利率敏感、流动性差 | 抗通胀、分散股票风险 |
配置时先确定“用哪些原材料”，再决定“各放多少”。类别选择错误，后续优化再精细也难以弥补。
二、收益与风险：把直觉变成可计算的定义
收益通常用收益率衡量，分为简单收益与对数收益。实务中更常用简单收益，便于加权与组合加总。风险则用波动率（收益率标准差）刻画，它衡量收益围绕均值的离散程度。波动率越大，未来结果的不确定性越高。
# 以日频数据为例
日收益率 r_t = (P_t - P_{t-1}) / P_{t-1}
年化收益 ≈ 日均收益 × 252
年化波动率 ≈ 日收益标准差 × sqrt(252)
组合收益 R_p = Σ w_i × r_i
组合方差 σ_p² = Σ Σ w_i × w_j × Cov(r_i, r_j)关键点在于：组合风险不是各资产风险的简单加权。它取决于资产之间的协方差。只要相关性小于 1，组合波动率就会低于加权平均波动率，这正是分散化的数学来源。
三、分散化原理：免费的午餐在哪里
分散化的核心不是“买得多”，而是“买得不同”。当两类资产相关性低，甚至负相关时，一方的下跌可能被另一方的上涨或稳定所抵消，组合的波动率下降，而预期收益未必等比例下降。
- 相关性是分散化的钥匙：ρ 越接近 1，分散效果越弱；ρ 越接近 -1，对冲效果越强。
- 数量有边际递减：从 1 只股票到 10 只，风险下降明显；从 30 只到 50 只，改善有限。
- 跨类别优于同类别堆叠：同行业多只股票仍共享同一风险因子，分散有限。
- 分散化不能消除系统性风险：市场整体下跌时，多数资产同向波动，只能靠低相关资产或对冲工具缓解。
四、有效前沿：直观理解与几何意义
把不同资产按不同权重组合，可以得到无数个“预期收益—波动率”点。所有这些点构成可行集。可行集的左上边界，就是有效前沿：在给定风险下收益最高，或在给定收益下风险最低。前沿上的组合被称为“有效组合”，前沿以内的组合则存在改进空间。
图中蓝色实线为有效前沿，虚线为可行集下边界。位于前沿上的组合，无法在不增加风险的前提下提高收益；位于内部的点，则可以通过重新配置向边界移动。
五、案例：两类资产的相关性如何改变前沿
假设股票预期年化收益 8%、波动率 20%；债券预期年化收益 3%、波动率 6%。当两者相关性从 0.6 降到 -0.2，组合前沿会明显向左上方移动：同样 10% 波动率下，预期收益更高；同样 6% 收益下，波动率更低。这说明相关性下降本身就是一种收益，它不来自市场上涨，而来自结构改善。
相关性 ρ = 0.6 → 组合波动率下降有限
相关性 ρ = 0.0 → 分散效果显著
相关性 ρ = -0.2 → 前沿明显左移，风险收益比改善六、误区与复盘
- 只看历史收益，不看风险来源：过去涨得好，不代表未来风险可控。要追问收益由什么因子驱动。
- 忽略相关性时变：危机中相关性往往上升，分散效果减弱。需做压力测试与情景分析。
- 把有效前沿当成预测工具：前沿基于估计参数，估计误差会传导到权重。稳健优化与约束条件因此重要。
- 忽视约束：现实中存在仓位上限、禁投清单、流动性限制。无约束最优解往往不可执行。