桥水全天候风险平价：把「四种经济天气」都装进一个组合里

你大概率听过「60/40」——60% 股票 + 40% 债券，教科书里的「标准分散配置」。但它有个很多人没察觉的坑：那 40% 债券是「资金上的 40%」，不是「风险上的 40%」。

股票波动大、债券波动小，所以虽然债券占了四成钱，它对组合总波动的贡献可能只有个位数。换句话说——60/40 在风险上几乎是 95/5 压在股票上。股票一崩，债券那 40% 根本兜不住。

桥水(Bridgewater)的**全天候(All Weather, Dalio 1996)**要解决的，正是这个「假分散」。它的两个核心动作：

1. 风险平价(Risk Parity)：不是按钱分，是按「对组合风险的贡献」分——谁波动大，谁少配；
2. 四种经济天气都覆盖：资产要能应对「增长↑/↓ × 通胀↑/↓」四种环境，任一种天气都有资产在赚钱。

1. 先把账算清楚：60/40 的风险到底是谁的#

设五类资产：股票、长债(20Y+)、中债(7Y)、黄金、商品，各自年化 mu / sigma 和一组合理相关性。两种配置：

• 60/40：股票 60% / 中债 40%（经典版本通常不含长债、黄金、商品）；
• 全天候：股票 30% / 长债 40% / 中债 15% / 黄金 7.5% / 商品 7.5%。

成分风险贡献(年化)直接由协方差矩阵算出：

import numpy as np

assets = ["股票", "长债(20Y+)", "中债(7Y)", "黄金", "商品"]
ann_mu = np.array([0.075, 0.045, 0.035, 0.040, 0.050])
ann_sd = np.array([0.150, 0.105, 0.050, 0.160, 0.180])
C = np.array([[1.00, -0.20, -0.10,  0.10,  0.25],
              [-0.20, 1.00,  0.80,  0.25, -0.10],
              [-0.10, 0.80,  1.00,  0.15, -0.05],
              [0.10,  0.25,  0.15,  1.00,  0.45],
              [0.25, -0.10, -0.05,  0.45,  1.00]])
Cov_ann = (ann_sd[:, None] * ann_sd[None, :]) * C

W_6040 = np.array([0.60, 0.0, 0.40, 0.0, 0.0])
W_aw   = np.array([0.30, 0.40, 0.15, 0.075, 0.075])

def risk_contrib(w):
    pv = w @ Cov_ann @ w
    rc = w * (Cov_ann @ w)
    return rc / pv, np.sqrt(pv)

rc_6040, _ = risk_contrib(W_6040)
rc_aw,   _ = risk_contrib(W_aw)
print("60/40 风险贡献 %:", np.round(rc_6040*100, 1))   # 股票 97.3, 中债 2.7
print("全天候 风险贡献 %:", np.round(rc_aw*100, 1))    # 股票 39.8 长债 37.4 中债 6.2 黄金 9.0 商品 7.6

跑出来触目惊心：60/40 里股票贡献了 97.3% 的风险——所谓「分散」，分散了个寂寞。而全天候把股票压到 39.8%，长债 37.4%，黄金 + 商品合计 16.6%，风险首次接近均衡。这就是「风险平价」四个字的全部意义：让每个 sleeve 对总波动的贡献大致相等，而不是让每个 sleeve 拿相等的钱。

2. 四种经济天气：每种都有人赚钱#

全天候最妙的一层，是它选的资产覆盖了「增长」和「通胀」两个维度的四种组合。给每种环境叠一段资产超额漂移，看两类配置的年化表现：

regimes = {
    "增长↑ 通胀↓ (黄金期)": np.array([ 0.04,  0.02,  0.01, -0.01, -0.02]),
    "增长↑ 通胀↑ (过热)":   np.array([ 0.02, -0.03, -0.01,  0.03,  0.05]),
    "增长↓ 通胀↓ (衰退)":   np.array([-0.10,  0.06,  0.03,  0.02, -0.03]),
    "增长↓ 通胀↑ (滞胀)":   np.array([-0.08, -0.02,  0.00,  0.05,  0.06]),
}
# 每个环境 60 个月，把漂移加到基础 mu 上，采样算年化

结论先放这：60/40 在「衰退」这种股票崩、债券涨的环境里照样小亏(-3.4%)，因为它根本没有覆盖「滞胀」(商品/黄金涨、股债齐跌)——而那恰恰是 1970s、2022 年真实发生过的天气。全天候因为装了商品 + 黄金 + 长债，四种环境里没有一种年化是显著为负的，最差的环境(衰退)也只小赚 +0.39%。

3. 长期混合轮动：Sharpe 和回撤的差距#

把四种环境按「黄金期→过热→衰退→滞胀」循环 4 轮(共 16 年)串成一段混合路径，对比两类配置：

seq = list(regimes.items())
blocks = []
for _ in range(4):
    for nm, drift in seq:
        mu_r = (ann_mu + drift)/12 - 0.5*ann_sd**2/12
        Z = rng.standard_normal((48, 5))
        L = np.linalg.cholesky(Cov_ann)
        blocks.append(mu_r + (Z @ L.T)/np.sqrt(12))
monthly_all = np.vstack(blocks)
nv_6040 = (1 + monthly_all @ W_6040).cumprod()
nv_aw   = (1 + monthly_all @ W_aw).cumprod()

注意这个反直觉的点：全天候不仅回撤小(一半不到)，长期收益还更高(3.56% vs 2.74%)。原因是风险平价把杠杆/低波动资产的容量用满了——长债波动低，所以能给 40% 的仓位而不爆波动预算，它在「衰退+通胀下行」环境里稳稳输出，把 60/40 最痛的那段填回来了。低波动资产配得多，不是「收益低」，是「同样风险预算下能装更多头寸」。

4. 五类真实陷阱（别把上面的数字当圣旨）#

1. 「风险贡献均衡」依赖波动估计：上面的均衡是用「已知 Cov」算的。真实里你只能用历史波动估计，而波动是时变的——危机时相关性飙升、股票和长债的「负相关」会短暂失效，风险贡献会瞬移。风险平价需要滚动重估 + 再平衡，不是一次配完。
2. 久期风险被低估：全天候给长债 40%，本质是在赌「利率长期下行 / 通胀温和」。一旦通胀失控、利率上行(如 2022)，长债会跟着股票一起跌，两种天气(过热、滞胀)同时把你按在地上。桥水原版也承认 2022 是全天候的滑铁卢之年。
3. 商品/黄金没有内在收益(carry)：股票有盈利增长、债券有票息，黄金和商品长期「不产生现金流」，它们的收益来自价格波动和通胀保值。长期拿着，机会成本可能很高——它们是对冲项，不是收益发动机。
4. 杠杆是隐藏前提：纯风险平价下，低波动资产(债券)权重会很高，总组合预期收益偏低。机构版全天候通常会加杠杆把总收益抬到可接受水平。个人不加杠杆，配出来就是「低波动低收益」，要接受它跑不赢牛市里的纯股票。
5. 相关性假设在危机反转：平时股票↓债券↑(负相关)是全天候的命根子，但流动性危机(2008、2020 初)里所有资产一起跌、相关性→1，分散效应瞬间消失。所以全天候抗的是「普通衰退」，不抗「系统性流动性枯竭」——后者需要真正的现金/期权对冲，不是资产配置能解决的。

一句话总结：全天候的聪明不在「选了哪几只资产」，而在两个视角转换——(1) 从「按钱分」换成「按风险分」，先治 60/40 的假分散；(2) 从「押一种经济展望」换成「四种天气都布防」。它牺牲了牛市里纯股票的上限，换来了「哪种天气都不至于太难看」的从容。对普通投资者而言，它的真正价值是：让你在任意时点都睡得着觉，从而真正拿得住。