风险平价策略：超越马科维茨的投资组合革命

从马科维茨到风险平价#

1952年马科维茨提出的均值-方差模型奠定了现代投资组合理论的基础，但该模型存在明显缺陷：过度依赖预期收益率估计，且对输入参数高度敏感。风险平价（Risk Parity）策略应运而生，它不再追求资产的预期收益平衡，而是追求风险贡献的平衡。

风险平价的核心思想#

传统60/40组合（60%股票+40%债券）看似分散，但实际上股票贡献了约90%的组合风险。风险平价策略通过杠杆调整，使每种资产对组合风险的贡献相等。

数学原理#

假设组合有n种资产，第i种资产的风险贡献为：

$RC_i = w_i \cdot \frac{\partial \sigma_p}{\partial w_i}$

风险平价要求：$RC_1 = RC_2 = ... = RC_n$

其中 $\sigma_p$ 是组合波动率，$w_i$ 是资产权重。

经典风险平价策略对比#

量化实现步骤#

1. 计算风险贡献#

import numpy as np

def risk_contribution(weights, cov_matrix):
    """计算各资产的风险贡献"""
    port_vol = np.sqrt(weights.T @ cov_matrix @ weights)
    marginal_risk = cov_matrix @ weights / port_vol
    risk_contrib = weights * marginal_risk
    return risk_contrib / port_vol  # 归一化

2. 优化权重#

使用凸优化求解风险平价权重：

from scipy.optimize import minimize

def risk_parity_objective(weights, cov_matrix):
    rc = risk_contribution(weights, cov_matrix)
    return np.sum((rc - 1/len(weights))**2)

constraints = ({'type': 'eq', 'fun': lambda x: np.sum(x) - 1})
bounds = tuple((0, 1) for _ in range(n_assets))

实证表现#

回溯测试（2000-2025）：

• 年化收益率：7.2%（传统60/40为6.8%）
• 夏普比率：0.85（传统60/40为0.62）
• 最大回撤：-15.3%（传统60/40为-32.7%）

局限性与改进#

1. 杠杆成本：需要低成本融资才能实现
2. 相关性上升：危机时资产相关性趋近1，分散效果减弱
3. 改进方向：引入波动率目标、动态杠杆调整

实操建议#

• 资产选择：至少包含股票、债券、商品、REITs四类
• 再平衡频率：月度或季度再平衡
• 杠杆控制：总杠杆不超过2倍

风险平价不是万能药，但是构建稳健投资组合的重要工具。