CPPI 组合保险：用动态乘数在保本底线上追逐风险资产

一行公式撑起整个保本理财行业#

你在银行看到的”保本浮动收益”、“90% 保本型 FOF”、“目标保底净值 0.85”，绝大多数底下跑的都是同一个东西，而它的核心只有一行：

风险敞口 = m × (当前净值 − 保本底线)

括号里那部分叫缓冲垫（cushion），是你距离”输不起的那条线”还有多远。乘数 m 决定你把这段安全距离放大几倍去买风险资产。

Perold 和 Black-Jones 在 1980 年代把它形式化为 CPPI（Constant Proportion Portfolio Insurance，固定比例组合保险）。它的行为直觉一句话讲完：

• 赚钱 → 净值抬高 → 缓冲垫变厚 → 加仓
• 亏钱 → 净值下滑 → 缓冲垫变薄 → 减仓
• 亏到贴着底线 → 缓冲垫归零 → 清仓，永久躺平

最后那条是全部安全性的来源，也是全部代价的来源。理解 CPPI 的关键不在于它怎么保本——那是显然的——而在于它为这份保本付出了什么。这篇文章就是把那笔账算清楚。

引擎实现#

完整实现比大多数人想象的短。需要小心的只有两处：底线本身按无风险利率增长（保本是终值口径的承诺），以及不再平衡的日子里权重会随市场自然漂移。

import numpy as np

TD = 252
RF = 0.02        # 无风险年化
FLOOR0 = 0.80    # 保本底线 = 期初净值的 80%

def run_cppi(prices, m, floor_ratio=FLOOR0, rf=RF, w_cap=1.0,
             rebal=1, tc=0.0, ratchet=False):
    n = len(prices)
    rf_d = rf / TD
    V = np.zeros(n); V[0] = 1.0      # 组合净值
    F = np.zeros(n); F[0] = floor_ratio
    W = np.zeros(n)                  # 风险资产权重
    peak, w_prev = 1.0, None

    for t in range(1, n):
        # 底线随无风险利率增长：承诺的是到期日的保本
        F[t] = F[t - 1] * (1 + rf_d)
        if ratchet:
            F[t] = max(F[t], peak * floor_ratio)

        cushion = max(V[t - 1] - F[t], 0.0)
        w_target = min(m * cushion / V[t - 1], w_cap)   # w_cap=1.0 即不加杠杆

        if (t - 1) % rebal == 0 or w_prev is None:
            if w_prev is not None and tc > 0:
                V[t - 1] *= (1 - abs(w_target - w_prev) * tc)
            w = w_target
        else:
            w = w_prev                                   # 非调仓日沿用旧权重

        r = prices[t] / prices[t - 1] - 1
        V[t] = V[t - 1] * (1 + w * r + (1 - w) * rf_d)
        W[t] = w
        # 权重漂移：不调仓的日子里，涨了的那部分自然占比更高
        w_prev = w * (1 + r) / (1 + w * r + (1 - w) * rf_d)
        peak = max(peak, V[t])

    return V, F, W

max(V - F, 0) 那个截断是灵魂：缓冲垫一旦归零，w_target 恒为 0，组合永久转入纯无风险资产。这就是所谓的 cash lock（现金锁死）——后面会看到它既是保险，也是诅咒。

三种行情下它到底在干什么#

用几何布朗运动生成四年（1008 个交易日）行情。为避免”名叫牛市实际在跌”这种标签矛盾，我按实现终值筛选了代表性路径。m=4，底线 80%，每日再平衡。

下排的仓位曲线比上排的净值曲线更能说明问题：

• 牛市：仓位早早顶到 100% 然后一直贴着上限。缓冲垫越滚越厚，m × cushion 早就超过 1.0，被 w_cap 截断。此时 CPPI 退化成买入持有，1.737 vs 1.795 的差距只是初期尚未满仓时踏空的那一小段。
• 熊市：仓位从 80% 一路单调下滑到接近 0，然后躺平。风险资产腰斩再腰斩（−63.6%），CPPI 守住 0.867、回撤只有 19.1%。保险生效了。
• 震荡市：仓位在 15%~45% 之间高频抖动，净值 0.911 略输给买入持有的 0.971，但回撤从 32.3% 砍到 15.4%。

牛市那一栏值得多看一眼：CPPI 在单边上涨里的回撤和买入持有完全相同（都是 −16.8%）。因为满仓状态下它就是买入持有，一分钱保护都没有。CPPI 的保护只在净值向底线靠拢时才启动，而牛市中途的回调发生在缓冲垫最厚的时候。

指望它削平牛市途中的颠簸，是对这个工具的误解。

乘数扫描：三条形状完全不同的曲线#

m 是唯一的核心参数。扫描 1 到 10：

三条曲线的形状完全不同，这正是参数选择困难的根源：

• 牛市单调上升：m 越大越好，m=10 时全程满仓，直接吃满 1.795
• 熊市单调下降：m 越大跌得越早越狠，但因为底线兜底，终值下限被锁死在 0.867 附近
• 震荡市倒 U：m=3 时 0.954，m=10 时跌到 0.867

震荡市那条倒 U 是 CPPI 最本质的弱点。CPPI 是天生的追涨杀跌——涨了加仓、跌了减仓。在无趋势的来回震荡里，这个行为模式每次都在相对高位加、相对低位减，反复挨刀。波动侵蚀（volatility decay）不是实现瑕疵，是策略定义的必然推论。

换手那一栏则给出了一个反直觉的发现：年均单边换手在 m=3 时是 2.2，m=10 时反而降到 0。

原因是高 m 让组合长期顶满 w_cap——顶满就不需要调仓了。所以”m 越大交易成本越高”是错的，真实关系是中等 m 的换手最高，因为只有中等 m 才会让仓位长期停在需要频繁微调的区间。

缺口风险：1/m 是理论上的生死线#

CPPI 的保本承诺建立在一个隐含假设上：价格连续，你总有机会在击穿底线前调仓。

跳空缺口直接违反这个假设。

理论很清楚：满仓风险敞口为 m × cushion，若风险资产单日下跌 g，损失为 m × cushion × g。当 m × cushion × g > cushion，即 g > 1/m 时，底线被击穿。

• m=2 → 能扛 50% 单日跳空
• m=4 → 25%
• m=6 → 16.7%
• m=8 → 12.5%

实测（平稳上行 250 天后遭遇单日跳空）：

实测阈值系统性地高于理论值。原因是 250 天上涨后缓冲垫已经增厚，且 w_cap=1.0 的无杠杆约束让实际敞口低于 m × cushion。

但方向上理论完全正确：m 越大，能扛住的一夜之间就越小。选 m=8 意味着你在赌单日跳空不超过 17.5%。2020 年 3 月美股熔断、2024 年 8 月日经单日 −12.4%，这类事件的量级离这条线并不遥远。

这里有一个残酷的耦合：正是在市场最需要保护的极端时刻，缺口风险最大，而保本承诺最可能失效。组合保险最不可靠的时候，恰好是你最需要它的时候。

再平衡频率：杀伤力全在尾部#

直觉上，调仓越频繁、跟踪越紧、越安全，但成本越高。我用 40 条随机路径（3 年，10bp 单边成本，m=5）检验：

看均值你会得出”频率无关紧要”的结论——1.157 到 1.170 的差异完全在噪声范围内，10bp 的成本几乎看不出来。

但最后一列是断崖：季度再平衡的破底率是 22%，每日到月度都是 0%。

这是典型的尾部风险结构。用平均终值或平均回撤这类中心统计量做决策，会完全错过它。日频到月频之间你可以随便选（甚至月频略优，因为少挨了些震荡市里的追涨杀跌），但跨过某个阈值后保本承诺会以离散的方式崩塌。

一个务实的替代方案是阈值触发再平衡：只在实际权重偏离目标超过某个百分比时才调整。它在平静期省下换手，在剧烈波动期自动提高调仓频率——恰好把交易花在刀刃上。

蒙特卡洛：这笔交易的完整账单#

前面都是单条路径或小样本。600 次蒙特卡洛（3 年，μ=6%，σ=20%）给出完整分布：

这张表是全文的结论。

CPPI 兑现了承诺：600 条路径无一跌破 0.8，5% 分位 0.862 远高于买入持有的 0.624。

代价同样真实：中位数 1.006 比买入持有的 1.145 低了 14 个百分点。一半以上的路径里，CPPI 只是勉强跑赢现金。

分布形状比数字更直白：CPPI 的净值分布左侧被 0.8 那条线硬生生截断，同时右侧比买入持有明显更薄。它不是”降低风险且保持收益”，而是把左尾切下来的一部分，连同右尾的一部分，一起换成了确定性。

和恒定混合 60/40 的对比更能说明 CPPI 的定位。60/40 的中位数 1.127 略高于 CPPI 的 1.006，跌破 0.8 的概率 6.0% 也不算高。如果你的约束是”控制风险”，60/40 更简单也更便宜；只有当约束是”绝对不能跌破某条线”时，CPPI 的复杂度才有意义。

这是一个硬约束优化问题，不是收益优化问题。搞混这一点，就会用错工具。

棘轮版：把底线钉在历史新高上#

标准 CPPI 有个明显缺陷：底线永远锚定期初本金。净值涨到 1.8 之后，理论上你可以从 1.8 一路跌回 0.8 而”没有违反承诺”——但没有任何投资者能接受这种事。

棘轮 CPPI（ratchet / TIPP）的修正是让底线跟随净值新高上调：F = max(F, peak × 0.80)。

代价集中在牛市：终值从 1.737 掉到 1.429（少赚 17.7%），换来回撤从 16.8% 降到 10.5%。这正好补上了前面指出的那个洞——标准 CPPI 在牛市中途毫无保护，棘轮版把浮盈锁进了底线。

熊市和震荡市里两者几乎无差别，因为底线从未被抬起过。

**棘轮把”保住本金”改成了”保住战果”。**代价是你在每一波上涨中都提前锁死了一部分参与度，且更容易触发 cash lock——一旦从高点回落到棘轮底线，你会在相对高位永久清仓，之后的反弹一分都吃不到。

三盆冷水#

**第一，cash lock 是永久性的，而市场会反弹。**缓冲垫归零后 w_target 恒为 0，此后无论行情多好都与你无关。前面熊市那条路径里 CPPI 在中途就基本清仓了——如果第四年出现 V 形反转，它一分都吃不到。这不是 bug，是保本承诺的数学必然：**要保证不跌破底线，就必须在贴近底线时放弃所有向上参与度。**实务上的缓解手段（设置最低仓位、缓冲垫低于阈值时暂停减仓）本质都是在偷偷放弃保本承诺，做之前请想清楚你在放弃什么。

第二，“保本”是概率陈述，不是保证。缺口风险那一节已经证明，m=8 遇上 17.5% 的跳空就会失守。此外，底线的兑现依赖于无风险资产真的无风险——2022 年债券和股票同步下跌时，“安全”的那一半也在亏钱。宣传材料里的”保本”通常还附带一堆前提：持有到期、发行方不违约、市场不出现极端缺口。CPPI 提供的是在连续价格路径假设下的保本，而危机恰恰是这个假设失效的时刻。

**第三，最优 m 依赖你无法预知的未来行情。**乘数扫描已经很清楚：牛市里 m 越大越好，震荡市里 m=3 附近最优，熊市里 m 越小越好。你必须在事前选定一个 m，而它的表现完全取决于事后才知道的 regime。常见的”波动率自适应 m”（如 m = 目标风险 / 已实现波动）是个合理方向，但它把参数选择问题换成了波动率预测问题——而波动率在崩盘时的跳变速度往往快过任何估计窗口的反应速度。没有免费的午餐，只有换个地方交的学费。

什么时候该用它#

用一个判据自检：你有没有一条真正硬的底线？

• 有明确的绝对底线（保本理财产品、养老金给付下限、监管资本约束、“这笔钱明年要付首付”）→ CPPI 是为你设计的。它把一个软性的风险偏好问题变成硬约束满足问题，而且实现只有几十行代码。
• 只是”想少亏点” → 用 60/40 恒定混合。前面的数据显示它中位数更高、复杂度更低、无 cash lock 风险，唯一劣势是不给绝对保证。
• 追求长期最大化终值 → 别用 CPPI。中位数 1.006 vs 买入持有 1.145 已经说明一切，你在为一份不需要的保险持续付费。

参数上，如果确实要用：

• m 取 3~5：能扛 20%~33% 的单日跳空，换手也在可控范围
• 底线设 80%~90%：太高会让缓冲垫从一开始就薄到没有参与度
• 月频或阈值触发再平衡：日频没有额外收益，季度频率的 22% 破底率不可接受
• 想保住浮盈就上棘轮，但接受牛市少赚约 18% 和更早触发 cash lock

最后一句：CPPI 不是一个能让你赚更多钱的策略，它是一个能让你在特定情形下不被迫离场的机制。当你的负债端有刚性约束时，“不被迫离场”本身就值那笔保费。没有这个约束还去买这份保险，就只是白交钱。