4. 风险模型
在多资产配置项目中，收益预测决定“往哪走”，风险模型决定“能走多远、会不会中途翻车”。风险模型不是单一指标，而是一套从单资产波动到组合相关性，再到尾部损失与预算分配的完整度量体系。本节围绕六个核心工具展开：波动率、相关性、VaR、CVaR、压力测试与风险预算，并给出可落地的计算流程与复盘要点。
一、核心原理：从方差到尾部，再到预算
波动率衡量收益的不确定性，是风险度量的基础。组合波动率并非各资产波动率的简单加权，而是由协方差矩阵决定：
σ_p = sqrt( wᵀ Σ w )
其中 w 为权重向量，Σ 为协方差矩阵
Σ_ij = ρ_ij · σ_i · σ_j相关性 ρ 是分散化收益的来源。当 ρ 较低时，组合波动率显著低于加权平均；当市场危机中相关性趋近于 1，分散化效果迅速衰减。VaR（在险价值）回答“在给定置信水平下，正常市场中的最大预期损失”；CVaR（条件在险价值）回答“一旦突破 VaR，平均损失有多大”。压力测试则跳出统计分布假设，直接模拟极端情景下的组合损失。风险预算则把风险从“度量”推进到“分配”，让每类资产对组合风险的贡献可控。
二、方法流程：六步构建组合风险模型
- 数据准备：获取各资产历史收益率序列，统一频率（日频/周频），处理缺失值与异常值。
- 波动率估计：可采用等权历史波动、指数加权（EWMA）或 GARCH 模型。EWMA 对近期波动更敏感，适合快速变化的市场。
- 相关性估计：计算相关系数矩阵，并检查正定性。样本不足时可用 Ledoit-Wolf 收缩估计提升稳定性。
- 组合风险计算：基于权重与协方差矩阵计算组合波动率、边际风险贡献与成分风险贡献。
- VaR/CVaR 计算：历史模拟法、参数法或蒙特卡洛法。历史模拟法不依赖正态假设，更适合多资产组合。
- 压力测试与风险预算：设定极端情景（如股债双杀、利率跳升、汇率急贬），计算情景损失；再通过风险预算优化权重。
三、案例场景：多资产组合的风险预算与压力测试
假设组合包含沪深300、中证国债、黄金ETF与原油基金，权重分别为 40%、30%、15%、15%。通过协方差矩阵计算得到组合年化波动率约 9.8%。进一步分解风险贡献发现：沪深300贡献了 62% 的组合风险，黄金与原油合计贡献约 25%，国债仅贡献 13%。这说明表面权重均衡，但风险高度集中于权益资产。
| 资产 | 权重 | 波动率贡献 | 风险占比 | 压力情景损失 |
|---|---|---|---|---|
| 沪深300 | 40% | 6.1% | 62% | -18.5% |
| 中证国债 | 30% | 1.3% | 13% | +2.1% |
| 黄金ETF | 15% | 1.5% | 15% | +4.3% |
| 原油基金 | 15% | 1.0% | 10% | -9.7% |
压力测试设定“权益下跌20%、利率上行50bp、原油下跌15%”的情景，组合整体损失约 -11.2%。若将权益权重降至 30%，并提高国债与黄金权重，组合波动率可降至 8.4%，压力损失收窄至 -8.6%，但预期收益也会相应下降。风险预算的意义正在于：在收益目标约束下，找到风险贡献更均衡的配置方案。
四、误区与复盘：风险模型最容易踩的坑
- 误区一：把波动率当唯一风险。波动率对称看待涨跌，但投资者真正恐惧的是尾部损失。必须同时看 VaR 与 CVaR。
- 误区二：相关性用全样本估计。危机中相关性会跳升，全样本估计会低估尾部风险。建议同时观察滚动相关性与危机窗口相关性。
- 误区三：VaR 突破就认为模型失效。VaR 本身是分位数，突破是正常事件。应结合 CVaR 与压力测试综合判断。
- 误区四：压力测试情景拍脑袋。情景应覆盖历史极端事件与前瞻性假设，并明确冲击传导路径。
- 误区五：风险预算只看权重。权重均衡不等于风险均衡，必须计算边际风险贡献与成分风险贡献。
风险模型的最终价值，不在于算出多精确的数字，而在于让配置决策有据可依、有边界可守。波动率与相关性提供结构认知，VaR 与 CVaR 提供尾部警戒，压力测试提供极端生存检验，风险预算则把风险从“事后度量”变成“事前分配”。四者协同，才能支撑多资产组合在长期运行中保持稳健。