3、投资组合风险分解：组合方差的计算、风险贡献的定义、边际风险贡献的数学推导

投资组合管理的核心命题之一，是理解风险从何而来、由谁驱动、如何度量。仅知道组合整体波动率（如年化标准差为12%）远远不够——组合管理者需要回答三个递进的问题：组合方差如何由各资产方差与协方差合成？每个资产对组合总风险的“贡献”有多大？当持仓权重发生微小变化时，组合风险会如何敏感地变动？本章围绕组合方差计算、风险贡献定义与边际风险贡献的数学推导展开，为后续的风险预算分配与限额管理奠定量化基础。

3.1 组合方差的计算：从资产方差到协方差矩阵

核心原理

设投资组合包含 n 个资产，权重向量为 w = (w₁, w₂, …, wₙ)ᵀ，满足 Σwᵢ = 1（允许做空时权重可为负）。资产收益率的协方差矩阵为 Σ（n×n 对称正定矩阵），其中对角线元素 σᵢ² 为资产 i 的方差，非对角线元素 σᵢⱼ 为资产 i 与 j 的协方差。组合方差的计算公式为：

σₚ² = wᵀ Σ w = Σᵢ Σⱼ wᵢ wⱼ σᵢⱼ
     = Σᵢ wᵢ² σᵢ² + 2 Σᵢ<j wᵢ wⱼ σᵢⱼ

这一公式揭示了组合风险的来源：方差项（Σ wᵢ²σᵢ²）反映单个资产自身波动对组合风险的贡献；协方差项（2Σᵢ<j wᵢwⱼσᵢⱼ）反映资产间联动关系对组合风险的影响。当资产间协方差为负时，协方差项会部分抵消方差项，这正是分散化降低风险的数学本质。

操作流程：组合方差计算四步法

1. 构建协方差矩阵：基于历史收益率数据（如日频、周频或月频），计算各资产收益率的标准差与两两相关系数，再转换为协方差矩阵 Σ。
2. 确定权重向量：明确各资产在组合中的市值权重或目标权重，确保权重之和为1。
3. 矩阵乘法运算：先计算中间向量 v = Σw（n×1），再计算 σₚ² = wᵀv（标量）。
4. 开方得波动率：σₚ = √σₚ²，得到组合年化波动率（若使用日频数据，需乘以√252进行年化）。

案例拆解：三资产组合的方差计算

假设某组合配置三只资产：股票A（权重40%）、债券B（权重40%）、黄金C（权重20%）。年化标准差分别为：σ_A=18%、σ_B=6%、σ_C=12%；相关系数矩阵为：ρ_AB=0.2、ρ_AC=-0.1、ρ_BC=0.0。协方差矩阵计算如下：

组合方差 = 0.4²×0.0324 + 0.4²×0.0036 + 0.2²×0.0144 + 2×0.4×0.4×0.00216 + 2×0.4×0.2×(-0.00216) + 2×0.4×0.2×0 = 0.005184 + 0.000576 + 0.000576 + 0.000691 - 0.000346 + 0 = 0.006681。组合波动率 σₚ = √0.006681 ≈ 8.17%。对比各资产标准差的加权平均（0.4×18%+0.4×6%+0.2×12%=12%），组合波动率显著降低，体现了分散化效果。

3.2 风险贡献的定义：从整体到个体的风险归因

核心原理

风险贡献（Risk Contribution, RC）回答的问题是：组合总风险中，每个资产贡献了多少？定义资产 i 的风险贡献为其权重乘以边际风险贡献：

RCᵢ = wᵢ × MRCᵢ = wᵢ × ∂σₚ/∂wᵢ

这一分解满足可加性：所有资产的风险贡献之和恰好等于组合总波动率 σₚ。这一性质源于组合波动率是权重的一次齐次函数，即 σₚ(tw) = t·σₚ(w)，由欧拉定理直接可得：

σₚ = Σᵢ wᵢ × (∂σₚ/∂wᵢ) = Σᵢ RCᵢ

风险贡献的百分比形式为 RC%ᵢ = RCᵢ / σₚ × 100%，表示资产 i 对组合风险的贡献比例。若某资产权重为40%，但其风险贡献占比达65%，说明该资产是组合风险的主要驱动因素。

判断方法：风险贡献的解读框架

• 集中度判断：若前2-3个资产的风险贡献占比超过80%，组合风险高度集中，分散化效果有限。
• 风险-权重偏离：比较资产权重与风险贡献占比。若某资产权重低但风险贡献高（如高波动资产），需警惕其风险放大效应。
• 对冲效果评估：若某资产的风险贡献为负（当权重为负或协方差为负且权重为正时），说明该资产起到风险对冲作用。

案例拆解：风险贡献的实战应用

延续3.1的三资产案例，计算各资产的边际风险贡献与风险贡献：

结果显示：股票A权重仅40%，却贡献了81.3%的组合风险；债券B与黄金C合计贡献不足20%。若投资目标为风险均衡，应降低A的权重或增加负相关资产（如黄金）的配置。

3.3 边际风险贡献的数学推导：从偏导数到风险敏感度

核心原理

边际风险贡献（Marginal Risk Contribution, MRC）定义为组合波动率对资产权重的偏导数：

MRCᵢ = ∂σₚ/∂wᵢ = (Σw)ᵢ / σₚ = (Σⱼ wⱼ σᵢⱼ) / σₚ

其中 (Σw)ᵢ 表示协方差矩阵与权重向量乘积的第 i 个分量。MRCᵢ 的经济含义是：资产 i 的权重增加一个微小单位（如1%），组合波动率将变化多少。若 MRCᵢ 为正，增加该资产权重会提高组合风险；若为负，则降低组合风险。

数学推导过程（两资产示例）

设组合仅含资产1和资产2，权重分别为 w₁ 和 w₂ = 1-w₁。组合方差为：

σₚ² = w₁²σ₁² + w₂²σ₂² + 2w₁w₂σ₁₂

对 w₁ 求偏导（注意 w₂ = 1-w₁，但为保持一般性，我们视 w₁ 和 w₂ 为独立变量）：

∂σₚ²/∂w₁ = 2w₁σ₁² + 2w₂σ₁₂
∂σₚ/∂w₁ = (∂σₚ²/∂w₁) / (2σₚ) = (w₁σ₁² + w₂σ₁₂) / σₚ

同理：

∂σₚ/∂w₂ = (w₂σ₂² + w₁σ₁₂) / σₚ

推广至 n 个资产，边际风险贡献的向量形式为：

MRC = Σw / σₚ

这一推导过程的关键在于：组合方差是权重的二次函数，而组合波动率是权重的一次齐次函数，因此偏导数结果中分母出现 σₚ，分子为协方差矩阵与权重的线性组合。

操作流程：边际风险贡献的计算步骤

1. 准备数据：协方差矩阵 Σ（n×n）与权重向量 w（n×1）。
2. 计算中间向量：v = Σw，得到 n×1 向量。
3. 计算组合波动率：σₚ = √(wᵀv)。
4. 求边际风险贡献：MRC = v / σₚ，逐元素计算。
5. 验证可加性：计算 Σᵢ wᵢ × MRCᵢ，结果应等于 σₚ（允许微小舍入误差）。

案例拆解：边际风险贡献的敏感性分析

继续三资产案例，假设组合管理者考虑将股票A的权重从40%提高至45%，同时减少债券B的权重至35%（黄金C保持20%）。新权重下：

v = Σw = [0.4×0.0324+0.35×0.00216+0.2×(-0.00216),
          0.4×0.00216+0.35×0.0036+0.2×0,
          0.4×(-0.00216)+0.35×0+0.2×0.0144]
  = [0.01296+0.000756-0.000432, 0.000864+0.00126+0, -0.000864+0+0.00288]
  = [0.013284, 0.002124, 0.002016]

新组合方差 = wᵀv = 0.45×0.013284 + 0.35×0.002124 + 0.2×0.002016 = 0.005978 + 0.000743 + 0.000403 = 0.007124，σₚ = 8.44%。新 MRC_A = 0.013284/0.0844 ≈ 0.1574，MRC_B = 0.002124/0.0844 ≈ 0.0252，MRC_C = 0.002016/0.0844 ≈ 0.0239。对比原组合 MRC_A=0.166，可见增加A的权重后其边际风险贡献略有下降（因组合波动率上升），但总风险仍上升。这一分析帮助管理者理解：边际风险贡献并非恒定值，而是随权重变化而动态调整。

常见误区与总结复盘

• 误区一：将风险贡献等同于方差贡献。方差贡献（wᵢ²σᵢ²）仅考虑资产自身波动，忽略了协方差项，无法满足可加性。风险贡献 RCᵢ 才是正确的风险归因指标。
• 误区二：忽视协方差矩阵的时变性。使用长期平均协方差可能低估危机时期的资产相关性上升，导致风险贡献估计失真。建议结合压力测试场景调整协方差矩阵。
• 误区三：将 MRC 视为常数。MRC 是权重的函数，权重调整后需重新计算。在优化过程中，应使用迭代方法（如梯度下降）逐步逼近目标风险配置。
• 误区四：忽略约束条件。实际组合常有权重上下限、行业限制等约束，风险贡献分析需在约束边界内进行，否则可能给出不可执行的建议。

总结：组合方差计算是风险度量的起点，风险贡献定义实现了从整体到个体的风险归因，边际风险贡献的数学推导则为风险敏感度分析和动态调整提供了工具。三者构成完整的风险分解链条：先算总风险，再拆风险来源，最后度量风险对权重变化的响应。这一框架是后续风险预算分配（第4章）和风险限额管理（第5章）的理论基石。在实际应用中，建议将风险贡献分析嵌入日常投资管理流程，定期（如月度）复盘各资产的风险贡献变化，并结合市场环境调整协方差矩阵的估计方法，确保风险度量的时效性与准确性。