4、多资产组合：多资产组合的方差协方差矩阵表示，矩阵运算基础
当组合从两只资产扩展到 n 只资产时，方差计算的核心工具将从代数公式升级为矩阵运算。矩阵表示不仅让公式更紧凑，更重要的是它揭示了组合风险的结构：每个资产自身的波动（方差项）与资产之间的联动（协方差项）如何共同决定组合总风险。本节将系统讲解方差协方差矩阵的构造、矩阵运算规则及其在组合风险分解中的应用。
4.1 核心原理：从两资产到 n 资产的方差协方差矩阵
两资产组合的方差公式为 σₚ² = w₁²σ₁² + w₂²σ₂² + 2w₁w₂σ₁₂。当资产数量增加到 n 时，直接展开公式将包含 n 个方差项和 n(n-1) 个协方差项，表达式冗长且容易遗漏。矩阵表示法将所有这些信息封装在一个 n×n 的对称矩阵中，即方差协方差矩阵（简称协方差矩阵）Σ：
Σ = [σ₁² σ₁₂ … σ₁ₙ]
[σ₂₁ σ₂² … σ₂ₙ]
[ ⋮ ⋮ ⋱ ⋮ ]
[σₙ₁ σₙ₂ … σₙ²]该矩阵具有三个关键性质：对称性（σᵢⱼ = σⱼᵢ，因为协方差本质上是两个变量之间的对称度量）、半正定性（对于任意非零权重向量 w，均有 wᵀΣw ≥ 0，这保证了组合方差非负）、对角线为方差（σᵢᵢ = σᵢ²，即资产自身的方差）。组合方差的计算简化为二次型：σₚ² = wᵀΣw，其中 w 为 n×1 的权重列向量。
4.2 矩阵运算基础：组合方差的计算流程
使用矩阵方法计算多资产组合方差，需要掌握以下基本运算规则：
- 向量与矩阵的乘法：wᵀΣ 得到一个 1×n 的行向量，其第 j 个元素为 Σᵢ wᵢσᵢⱼ，表示资产 j 与组合中所有资产的加权协方差之和。
- 二次型展开：(wᵀΣ)w = Σᵢ Σⱼ wᵢwⱼσᵢⱼ，这就是组合方差的完整展开式。
- 权重约束：实际应用中通常要求 Σᵢwᵢ = 1（满额投资）且 wᵢ ≥ 0（禁止做空），这些约束在优化问题中通过拉格朗日乘子法处理。
实际操作中，计算步骤为：第一步，收集 n 个资产的收益率时间序列数据；第二步，计算每对资产的协方差，构建 Σ 矩阵；第三步，确定权重向量 w；第四步，执行矩阵乘法 wᵀΣw 得到组合方差，开平方即得组合标准差。
| 运算步骤 | 数学表达 | 维度变化 | 实际含义 |
|---|---|---|---|
| 权重转置 | wᵀ | 1×n | 将列向量转为行向量 |
| 第一次乘法 | wᵀΣ | 1×n | 计算各资产与组合的加权协方差 |
| 第二次乘法 | (wᵀΣ)w | 1×1 | 汇总得到组合方差 |
| 开方 | σₚ = √(wᵀΣw) | 标量 | 组合标准差（波动率） |
4.3 案例拆解：三资产组合的矩阵计算与风险分解
假设某投资组合包含三只资产：股票A（权重40%）、债券B（权重40%）、黄金C（权重20%）。基于过去一年的月度收益率数据，计算得到协方差矩阵如下（单位：%²/月）：
Σ = [ 4.0 0.8 0.2 ]
[ 0.8 1.0 0.1 ]
[ 0.2 0.1 2.5 ]权重向量 w = [0.4, 0.4, 0.2]ᵀ。首先计算 wᵀΣ：
wᵀΣ = [0.4×4.0 + 0.4×0.8 + 0.2×0.2, 0.4×0.8 + 0.4×1.0 + 0.2×0.1, 0.4×0.2 + 0.4×0.1 + 0.2×2.5]
= [1.6 + 0.32 + 0.04, 0.32 + 0.4 + 0.02, 0.08 + 0.04 + 0.5]
= [1.96, 0.74, 0.62]再计算组合方差：σₚ² = 1.96×0.4 + 0.74×0.4 + 0.62×0.2 = 0.784 + 0.296 + 0.124 = 1.204（%²/月），组合标准差 σₚ = √1.204 ≈ 1.097%/月，年化波动率约为 1.097%×√12 ≈ 3.80%。
进一步做风险分解：资产 i 的边际风险贡献 MCRᵢ = wᵢ × (Σw)ᵢ / σₚ。先计算 Σw：
Σw = [4.0×0.4 + 0.8×0.4 + 0.2×0.2] [1.6 + 0.32 + 0.04] [1.96]
[0.8×0.4 + 1.0×0.4 + 0.1×0.2] = [0.32 + 0.4 + 0.02] = [0.74]
[0.2×0.4 + 0.1×0.4 + 2.5×0.2] [0.08 + 0.04 + 0.5 ] [0.62]则 MCR_A = 0.4×1.96/1.097 ≈ 0.715，MCR_B = 0.4×0.74/1.097 ≈ 0.270，MCR_C = 0.2×0.62/1.097 ≈ 0.113。验证：0.715 + 0.270 + 0.113 = 1.098 ≈ σₚ（四舍五入误差）。风险贡献占比分别为：股票A 65.2%、债券B 24.6%、黄金C 10.3%。
4.4 常见误区与总结复盘
在多资产组合的矩阵运算中，初学者常犯以下错误：
- 忽略协方差矩阵的对称性：在手工计算时重复计算 σᵢⱼ 和 σⱼᵢ，导致结果翻倍。正确做法是只计算上三角（或下三角）部分，展开时乘以 2。
- 混淆协方差与相关系数：协方差 σᵢⱼ = ρᵢⱼσᵢσⱼ，相关系数 ρᵢⱼ 无量纲且范围在 [-1,1]，而协方差受量纲影响。在矩阵中必须使用协方差，不能直接用相关系数矩阵替代。
- 权重约束遗漏：在优化问题中忘记 Σwᵢ = 1 的约束，导致求出的“最优”权重无实际意义。
- 样本协方差矩阵的估计误差：当资产数量 n 接近或超过样本期长度 T 时，样本协方差矩阵可能奇异或严重失真，需要采用收缩估计（如 Ledoit-Wolf 方法）或因子模型降维。
总结复盘：多资产组合的方差协方差矩阵表示是组合风险管理的基石。通过矩阵运算，我们不仅能够高效计算组合方差，还能将总风险精确分解到每个资产，识别真正的风险源。核心要点包括：协方差矩阵的对称半正定结构、二次型公式 σₚ² = wᵀΣw 的几何意义、边际风险贡献的可加性原理。在实际工作中，建议使用 Python（NumPy/Pandas）或 R 语言进行矩阵运算，同时注意协方差矩阵的估计稳健性，并结合压力测试和情景分析验证风险模型的可靠性。