风险平价在债券组合中的应用：用久期与信用分层重构风险预算 • halo 的技术博客

经典 60/40 组合的尴尬在于：股票资产波动率远高于债券，90% 以上的组合风险其实来自那 40% 的股票。所谓「配置」，钱是分了，风险没分。风险平价（Risk Parity）要解决的就是这件事——不让钱平分，而让风险平分。

把风险平价用到债券上，是一个被低估的好问题。债券宇宙内部的风险分布同样极其不均：一只 30 年期国债的久期是 2 年期国债的近 10 倍，波动也差出近一个数量级；高收益债的利差波动又远超投资级。结论先放这：等权买债，等于把大部分风险预算偷偷押给了长债和高收益；用久期（利率风险）和信用分层（利差风险）重构风险预算后，组合年化波动从 15.6% 降到 9.9%，最大回撤从 −48% 收敛到 −29%，且每只债券的风险贡献被拉平成 1/8。

为什么专门谈债券？因为债券内部的风险结构比股票更规整、也更容易被因子化：利率与信用两条主因子几乎能解释债券收益的绝大部分截面差异，而久期、利差久期是现成、可观测的「风险载荷」。相比之下股票因子（价值/成长/质量/动量）不仅难以直接观测、还彼此纠缠。这让债券成为实践风险平价最干净、最容易落地验证的试验田——你不必先训一个多因子模型，只要把久期和信用分层摆正，风险预算就会自动归位。

一、债券的风险从哪来：双因子拆解#

一只债券持有一个月的收益，风险主要来自两条因子：

利率因子：久期 $D$ 衡量价格对利率的敏感度，利率波动 $\sigma_R$ 是共同冲击；
信用因子：利差久期 $SD$ （信用敏感度）衡量对信用利差变化的敏感度，利差波动 $\sigma_C$ 是共同冲击。

把两因子假设独立，任意两只债券 $i,j$ 的协方差为

\Sigma_{ij} = D_i D_j\,\sigma_R^2 + SD_i\,SD_j\,\sigma_C^2

单资产月波动就是 $\sigma_i = \sqrt{(D_i\sigma_R)^2 + (SD_i\sigma_C)^2}$ 。国债的 $SD=0$ （纯利率风险），信用债的 $SD$ 接近其久期（利差也久期化）。

我取一个 8 只债券的小宇宙：UST 2Y / 5Y / 10Y / 30Y 四档国债 + IG 投资级 / HY 高收益 / EM 主权债 / MBS 抵押债，参数按真实量级校准（ $\sigma_R=0.6\%$ /月， $\sigma_C=1.0\%$ /月）。算出来的单资产月波动如下：

债券	久期 D	利差久期 SD	月波动
UST 2Y	1.9	0.0	1.14%
UST 5Y	4.6	0.0	2.76%
UST 10Y	8.8	0.0	5.28%
UST 30Y	17.5	0.0	10.50%
IG 投资级	7.0	6.5	7.74%
HY 高收益	4.0	3.8	4.49%
EM 主权债	6.5	6.0	7.16%
MBS 抵押债	3.0	0.5	1.87%

单资产风险高度不均：UST 30Y(10.5%) 是 UST 2Y(1.1%) 的近 10 倍

UST 30Y 的月波动是 UST 2Y 的 9.2 倍——如果等权持有，长债会悄悄吃掉组合大部分风险。

二、等权 vs 风险平价：风险贡献的 redistibution#

组合里第 $i$ 个资产的风险贡献（Risk Contribution）定义为

RC_i = \frac{w_i\,(\Sigma w)_i}{w^\top \Sigma w}

它衡量「这只资产对组合总方差的贡献占比」，全部 $RC_i$ 加起来等于 1。风险平价的目标就是让 $RC_i = 1/n$ 对所有资产相等——不是钱平分，是方差贡献平分。

我用一个不动点迭代求解等风险贡献权重（见第五节代码），并和等权、逆波动做对比：

组合	月波动	年化波动
等权	4.52%	15.64%
逆波动（1/σ）	2.80%	9.70%
风险平价	2.86%	9.90%

等权的风险贡献严重失衡：UST 30Y 独占 25.7%，IG 18.7%，EM 17.3%，三只加起来超过 60%，而 UST 2Y 只贡献 2.8%。风险平价把这八只全部拉平成 12.5%（=1/8）。

等权把风险堆在长债与高收益；风险平价拉平成 1/8

注意一个细节：本例里逆波动（1/σ 加权）和风险平价几乎重合（年化 9.70% vs 9.90%）。原因是我们假设利率、信用两因子相互独立，此时逆波动已非常接近真正的风险平价；一旦两因子相关（如危机中利率与信用联动），逆波动会系统性偏离，必须用完整协方差做真风险平价——这是下一节现实陷阱的伏笔。

三、久期分层：风险预算相等 → 权重反比于久期#

风险平价的精髓可以在国债阶梯内部单独玩一遍。只取 UST 2Y/5Y/10Y/30Y 四档，做等风险贡献，得到的权重是：

债券	久期	风险平价权重
UST 2Y	1.9	57.6%
UST 5Y	4.6	23.8%
UST 10Y	8.8	12.4%
UST 30Y	17.5	6.2%

久期分层：风险预算相等 → 权重与久期近似成反比

规律非常干净：权重近似与久期成反比（拟合 $1/w \approx a\cdot D$ 极好）。想让 2 年期和 30 年期对组合贡献同等风险，就得给 2 年期近 10 倍的仓位——因为 30 年期的波动是 2 年期的近 10 倍。这就是「风险预算」而非「资金预算」的直接体现。

把信用债也按同一逻辑分层（IG / HY / EM / MBS 各自分到相等的风险预算），就得到完整的债券风险平价：利率风险与信用风险被分别切块，再在块内按久期/利差久期二次分配。整条链路的钥匙只有一把——让每个风险源贡献相等的方差。

四、30 年模拟：更平的曲线、更浅的回撤#

用上面两因子模型生成 360 个月（30 年）收益路径，比较等权与风险平价的累计净值：

等权：终值 1.16×，最大回撤 −48.4%，年化 Sharpe 0.11；
风险平价：终值 1.47×，最大回撤 −28.7%，年化 Sharpe 0.18。

30 年模拟：风险平价下行更平滑、回撤更浅

风险平价在波动和回撤上全面占优，且净值终值更高——因为它不再把组合命运绑在长债和高收益的单边暴露上。需要说明：债券风险平价组合年化波动（9.9%）显著低于股票型风险平价，通常不需要像股债风险平价那样大幅加杠杆去够目标波动；但若你想把它和股票组合拼接成全资产配置，这一层债券内部的风险平价，正是上层风险预算的可靠底座。也正因债券因子更易观测，它常被用作多资产风险平价的「压舱石」——先让债券这一块内部风险归位，再和股票、商品层做跨资产的风险平价，比直接对一篮子异质资产做风险平价更稳。

五、复现：风险平价求解与模拟#

核心求解器（等风险贡献不动点迭代）和 30 年模拟，numpy 即可跑：

import numpy as np

# 8 只债券: 久期 D, 利差久期 SD
names = ["UST2Y","UST5Y","UST10Y","UST30Y","IG","HY","EM","MBS"]
D = np.array([1.9, 4.6, 8.8, 17.5, 7.0, 4.0, 6.5, 3.0])
SD = np.array([0.0, 0.0, 0.0, 0.0, 6.5, 3.8, 6.0, 0.5])
sigR, sigC = 0.006, 0.010

# 双因子协方差
Sigma = np.outer(D, D) * sigR**2 + np.outer(SD, SD) * sigC**2

def risk_parity(S, max_iter=5000, tol=1e-10):
    n = S.shape[0]
    w = np.ones(n) / n
    for _ in range(max_iter):
        rc = w * (S @ w); rc /= rc.sum()
        w = w * (1.0 / n) / rc
        w /= w.sum()
        if np.max(np.abs(rc - 1.0 / n)) < tol:
            break
    return w

w_rp = risk_parity(Sigma)
w_ew = np.ones(8) / 8

def rc(w):
    c = w * (Sigma @ w); return c / c.sum()

print("等权风险贡献%:", np.round(rc(w_ew) * 100, 1))
print("风险平价风险贡献%:", np.round(rc(w_rp) * 100, 1))
print("组合月波动 等权=%.2f%% 风险平价=%.2f%%" %
      (np.sqrt(w_ew @ Sigma @ w_ew) * 100,
       np.sqrt(w_rp @ Sigma @ w_rp) * 100))

# 30 年月度模拟
rng = np.random.default_rng(20260712)
fR, fC = rng.standard_normal(360) * sigR, rng.standard_normal(360) * sigC
exp = np.array([0.0015,0.0020,0.0028,0.0040,0.0045,0.0065,0.0060,0.0035])
ret = np.outer(exp, np.ones(360)) + np.outer(D, fR) + np.outer(SD, fC)
eq = lambda w: np.cumprod(1 + ret.T @ w)
print("终值 等权=%.2f 风险平价=%.2f" % (eq(w_ew)[-1], eq(w_rp)[-1]))

python

跑出来等权风险贡献集中在长债（约 25.7%）与信用债，风险平价八只齐刷刷 12.5%，组合月波动 4.52% → 2.86%——和正文数字一致。

六、债券风险平价的真实陷阱#

模型漂亮，落地要小心至少五个坑：

久期只是一阶近似：它假设收益率曲线平行移动。现实中曲线会扭动（牛陡/熊平），凸性（convexity）在长端显著，单用久期会低估长债的真实风险，风险预算因此偏移。
危机中相关性反转：平时利率与信用弱相关，风险平价稳；但避险时「国债涨、信用利差爆」，两因子瞬间强负相关，分散效应消失，等风险贡献的前提被打破，组合回撤会比模型预言的深。
σ_C 估计极不稳定：信用利差波动在平静期与危机期能差 5 倍以上，用长期平均 σ 做预算，会在危机前严重低估 HY/EM 的风险贡献。
杠杆隐形成本：若想用债券风险平价去匹配股票组合的目标波动，往往需要加杠杆，而杠杆有融资成本和Margin Call风险，模型里没有。
再平衡摩擦：风险平价要持续再平衡以维持等风险贡献，债券换手虽低，但调久期涉及交易成本与税收，长期会侵蚀优势。

结语#

风险平价进债券，本质是把「按钱分配」换成「按风险分配」：用久期切利率风险、用信用分层切利差风险，让每一档久期、每一层信用都贡献相等的方差。等权看似公平，实则把赌注压在长债和高收益上；风险平价把组合波动从 15.6% 砍到 9.9%、回撤从 −48% 收敛到 −29%，代价是要正视曲线非平行移动、危机相关性反转和 σ_C 估计失真这三道真实裂缝。理解了债券内部的风险预算，你才真正握住了多资产配置那块最稳的底座。

注：本文为教学用极简双因子模型，参数为演示校准，所有数字由脚本真实计算，不代表任何真实债券指数或某只标的的历史表现。实盘需以真实收益率曲线、信用利差与交易日历数据替换，并计入交易成本与税务；本文不构成任何投资建议。