风险平价与波动率目标的实战融合

「等权买 25% 股票、25% 债券、25% 黄金、25% 商品」——听起来很分散，但实际风险一点都不分散。股票一个资产就可能吃掉组合一半以上的波动，债券甚至因为负相关在「白送」对冲。

风险平价（Risk Parity） 要回答的是：能不能让每一类资产对组合风险的「贡献」都一样？波动率目标（Volatility Targeting） 接着问：能不能不管市场怎么闹，都把组合总波动钉在 10% 这种舒服的水平上？

本文用一段模拟的股/债/金/商品日度序列（双因子：风险偏好 + 避险，含波动率尖峰）把两者从零跑通，所有图表均为真实计算、非占位图。

一、等权到底有多「不平等」#

先看等权的风险贡献。风险贡献的定义是：

RC_i = w_i · (Σw)_i / (wᵀΣw)

即第 i 个资产权重，乘上它对组合边际风险的贡献，再除以组合总风险。它衡量「这个资产实际扛了多少组合风险」。

在我们这段模拟数据上（年化波动：股票 36%、国债 12%、黄金 15%、商品 25%），等权组合的风险贡献是：

股票扛了 54% 的风险，而国债因为和股票负相关，贡献是负的——它在「免费」给其他资产做对冲。这根本不是分散，这是把赌注压在股票上、顺便让债券兜底。

二、风险平价：让每块风险一样大#

风险平价（严格说是等风险贡献 ERC）要找一组非负权重 w，使得每一类的 RC_i 都相等（各 25%），且权重和为 1。带负相关的资产会让求解变 tricky（朴素迭代容易解出负权重、甚至空仓债券），所以这里用带非负约束的优化来收口：

import numpy as np
from scipy.optimize import minimize

def erc_weights(Sigma):
    """长仓等风险贡献权重：w>=0, Σw=1, 各资产风险贡献相等。"""
    n = Sigma.shape[0]
    def obj(w):
        pv = w @ Sigma @ w
        rc = w * (Sigma @ w) / pv          # 各资产风险贡献
        return np.sum((rc - 1.0 / n) ** 2)  # 越接近全相等越好
    cons = [{"type": "eq", "fun": lambda w: w.sum() - 1}]
    bounds = [(0.0, None)] * n
    res = minimize(obj, np.repeat(1.0 / n, n), method="SLSQP",
                   bounds=bounds, constraints=cons,
                   options={"maxiter": 2000, "ftol": 1e-14})
    return res.x / res.x.sum()

w_rp = erc_weights(Sigma)

解出来的权重是：股票 11.6%、国债 50.8%、黄金 22.0%、商品 15.6%。国债因为低波动又是避险资产，拿了最大头；股票、商品被显著降权。此时每一类的风险贡献严丝合缝都是 25%——这才是真正的「分散」。

风险平价的核心直觉：低波动 + 负相关（或低相关）的资产，应该拿更多权重，因为它们在相同风险预算下更「便宜」。

三、波动率目标：把总波动钉在目标上#

风险平价解决了「结构」，但没解决「尺度」。市场整体波动会变：平静时组合波动可能只有 6%，恐慌时飙到 20%。如果你想要的是「无论何时都约 10% 波动」的体感，就得加一层波动率目标。

做法是用一段时间窗口估计组合波动，再算杠杆：

L_t = clip( 目标波动 / 估计波动 , 下限, 上限 )

估计用 EWMA（对近期波动给更高权重），并且用前一日的估计去定今日的杠杆，避免前视偏差：

def ewma_vol(r, lam=0.94):
    var = np.zeros(len(r))
    var[0] = r[0] ** 2
    for t in range(1, len(r)):
        var[t] = lam * var[t - 1] + (1 - lam) * r[t - 1] ** 2
    return np.sqrt(var) * np.sqrt(252)

def apply_vol_target(r, target=0.10, cap=(0.5, 2.5)):
    lev = np.clip(target / ewma_vol(r), *cap)
    out = np.zeros(len(r))
    for t in range(1, len(r)):
        out[t] = lev[t - 1] * r[t]          # 用昨日杠杆作用于今日
    return out

杠杆因子在平静期会加到上限 2.5 倍（把过低的波动顶到目标），在波动率尖峰期会砍到下限 0.5 倍（主动收缩风险）。这一加一砍，组合波动就被「熨」到了目标附近。

四、四种方案同台：融合方案胜在「稳」#

把等权、风险平价、等权+波动目标、风险平价+波动目标四者放在一起回测（10 年日度）：

读这张表要抓三件事：

1. 风险平价把波动和回撤砍掉一大截：波动 14.6% → 9.1%，回撤 −30.5% → −17.0%。代价是收益从 6.4% 降到 3.8%——它多配了低收益的国债，是用收益换了稳健。
2. 波动率目标做「尺度校准」：等权被温和降杠（回撤 −30.5% → −22.1%）；风险平价因本身波动低于目标，反而被温和加杠（收益 3.8% → 4.1%），回撤维持 −17%。
3. 融合方案（风险平价+波动目标）拿到全样本最低的 −17% 回撤和约 10% 的平稳波动——这就是实战里机构偏爱它的原因：不是收益最高，而是「体感最舒服、最不容易被清盘」。

五、为什么单用哪一个都不够#

• 只做风险平价：风险结构是匀的，但绝对波动仍随市场大起大落。牛市后期可能杠杆被动放大，危机初期又可能因为风险预算被压缩而迟迟不加仓。
• 只做波动率目标：它只管「总波动」不管「结构」。若底层是高度相关的资产，降波动的同时并没真正分散，危机里照样一起跌。
• 两者融合：风险平价保证「每一块都分散」，波动率目标保证「整体尺度可控」。一个管结构、一个管尺度，互补得刚刚好。

六、三大实战陷阱#

1. 相关性在危机里会「熔断」：平时股债负相关（债券对冲股票），危机里常一起跌、相关性飙升。风险平价的「分散红利」在此时会缩水，所以务必把波动率目标这层「危机降杠」加上去兜底。
2. 估计滞后与前视偏差：波动估计要用截至昨日的滚动/EWMA 数据，杠杆只能用在下一期。任何「用未来波动定今日杠杆」的写法都会让回测虚高。
3. 杠杆的落地成本：波动率目标靠加杠实现，但加杠有融资成本、标的可借性、保证金约束。上限 2.5 倍在论文里无害，实盘里要对应账户的杠杆额度与流动性。

七、小结#

风险平价回答「怎么分」——按风险而不是按本金平分，让低波动资产拿大头；波动率目标回答「加几倍」——把组合波动钉在既定目标，平静加杠、危机砍杠。

两者融合后，你得到的不是收益最高的组合，而是回撤最小、波动最稳、最不容易在错误的时刻被强制离场的组合。从波动率锥的历史分位，到风险平价的风险拆解，再到波动率目标的尺度校准——量化资产配置的主线从来都是同一句话：先承认世界会波动，再决定你愿意扛多少。