4. 均值方差模型核心

马科维茨均值方差模型（Mean-Variance Model）是现代资产配置的理论基石。它第一次用严格的数学语言回答了“如何把钱分配到多个资产上”这一投资核心问题：在给定风险水平下追求最大收益，或在给定收益目标下追求最小风险。理解该模型的关键，不在于记住公式，而在于看清“可行集—有效前沿—最优风险组合”这条从可能性到最优解的推理链条。

一、核心原理：收益与风险的二维权衡

马科维茨的核心洞察是：投资者关心的不只是单个资产的收益与风险，而是整个组合的期望收益与方差。组合的期望收益是各资产收益的加权平均，但组合方差并非加权平均，而是包含了资产之间的协方差项。正是协方差的存在，使得“分散化”能够在不降低期望收益的前提下降低组合风险。

设组合权重向量为 w = (w₁, w₂, …, wₙ)ᵀ，资产期望收益向量为 μ，协方差矩阵为 Σ，则组合的期望收益与方差分别为：

组合期望收益：E(Rp) = wᵀμ = Σᵢ wᵢμᵢ
组合方差：    σ²(Rp) = wᵀΣw = Σᵢ Σⱼ wᵢwⱼσᵢⱼ
权重约束：    Σᵢ wᵢ = 1（满仓约束）

其中 σᵢⱼ 为资产 i 与资产 j 的协方差。当 i = j 时，σᵢᵢ 即资产 i 的方差。协方差项可正可负，负相关资产越多，组合方差下降越明显，这就是分散化收益的数学来源。

二、可行集与有效前沿：从所有可能到最优边界

给定 n 个资产，任意一组满足 Σwᵢ = 1 的权重都对应一个组合，所有组合在“标准差—期望收益”平面上构成的区域称为可行集（Feasible Set）。可行集通常呈子弹形或伞形，其左边界即为有效前沿（Efficient Frontier）。

有效前沿的定义是：在给定风险水平下收益最高，或在给定收益水平下风险最低的组合集合。前沿上的点满足“不存在另一个组合能在不增加风险的情况下提高收益”。前沿左侧的组合不可实现，右侧的组合则被前沿上的点所支配。

有效前沿的数学表达可通过求解二次规划得到。以“给定目标收益 μ₀，最小化方差”为例：

min  (1/2) wᵀΣw
s.t. wᵀμ = μ₀
     wᵀ1 = 1

使用拉格朗日乘子法可得解析解。当允许卖空时，前沿是双曲线；当加入 wᵢ ≥ 0 的不可卖空约束后，前沿变为分段曲线，需用数值优化求解。

三、最优风险组合与资本市场线

若存在无风险资产（收益率 Rf），投资者可将资金在无风险资产与风险组合之间分配。此时，从点 (0, Rf) 出发与有效前沿相切的直线称为资本市场线（CML），切点组合即为最优风险组合（Optimal Risky Portfolio），也称切点组合。

切点组合的数学表达为最大化夏普比率：

max  (wᵀμ - Rf) / sqrt(wᵀΣw)
s.t. wᵀ1 = 1

其解析解（允许卖空）为：

w* = Σ⁻¹(μ - Rf·1) / [1ᵀΣ⁻¹(μ - Rf·1)]

该公式表明：最优风险组合的权重取决于超额收益向量 (μ - Rf·1) 与协方差矩阵逆 Σ⁻¹ 的乘积。协方差矩阵的逆起到了“风险调整”的作用，相关性越低、方差越小的资产，在最优组合中权重越高。

四、案例场景与常见误区复盘

假设有三个资产：股票 A（μ=10%，σ=20%）、债券 B（μ=5%，σ=8%）、黄金 C（μ=6%，σ=15%）。相关系数分别为 ρ_AB=0.2、ρ_AC=0.1、ρ_BC=0.3。通过求解上述二次规划，可得到有效前沿与切点组合。下表对比了等权组合与最优风险组合的特征：

从表中可见，最优风险组合并非收益最高，也非风险最低，而是在风险调整后收益（夏普比率）上表现最优。这正是均值方差模型的核心价值：不追求单项最优，而追求风险收益权衡后的整体最优。

复盘来看，马科维茨模型的价值不在于给出一个“放之四海而皆准”的权重，而在于提供了一套可计算、可检验、可扩展的配置框架。后续的 Black-Litterman 模型、风险平价、约束优化等方法，都是在这一框架上针对参数敏感性和现实约束所做的改进。掌握可行集、有效前沿与切点组合的数学表达，是进入资产配置实战的第一步。