标签： #资产配置

「把组合波动锁死在 10%」听起来是纯风控改进，25 年 4 资产受控模拟（无条件波动与相关结构由构造给定）却给出不舒服的账本：波动命中率从 71.9% 提到 98.6%，Sharpe 却从 0.883 掉到 0.775——而这 −0.108 里只有 −0.006 是策略本身的，其余全是换手买单。决定性对照是常数杠杆：把 ERC 一次性放大到同样 10.7% 波动，Sharpe 精确等于 0.883410（杠杆不改变 Sharpe，引擎自洽性验证），零成本下 0.8828 vs 0.8884、真实增量仅 −0.0056。收获不在 Sharpe 而在回撤：−17.72% vs −20.01%，改善 2.28pp。两条安慰剂锁死机制：时间置换 −0.1276、同方差世界 −0.0964，与真实世界 −0.1088 几乎无差——收益根本不来自波动可预测性（预测 R² 仅 0.1785）。最实用的修复是无交易带：偏离不足 15% 就不动，换手降 66%、Sharpe 回到 0.8654、命中率仍有 97.0%

隐马尔可夫模型（HMM）号称能「让数据自己说话」、自动识别市场状态——但这个「自动」里藏着两个致命陷阱：look-ahead 污染的 Viterbi 全样本解码让准确率看起来很漂亮（80%+），一旦剥掉未来信息、换成因果 Filtering，准确率直接跌回随机水平（≈11%）；而即便模型「猜对了」，状态切换的平均识别滞后高达 99.5 天，熊市开始时中位数滞后 217.5 天——等模型翻多，熊市已经走了大半年。本文用 5000 天受控仿真（真实状态序列已知）+ 纯 numpy 从零实现 Baum-Welch / Viterbi / Forward Filtering，实证揭露：HMM 在高信噪比仿真中仍无法可靠检测状态（准确率 11%），但基于估计状态的顺势配置仍跑出 Sharpe 1.04 vs B&H 0.74 的超额收益——这部分 alpha 来自状态持续性本身，而非状态预测；零状态安慰剂（HMM 喂给 i.i.d. 收益）跑出 Sharpe 119 的「虚假繁荣」，是所有 regime 研究最需要警惕的自欺；K=3 在本数据上最优，但 K=6 的 OOS Sharpe 更高，说明状态数选择本身就是一个过拟合维度（中阶→高阶）。

教科书说再平衡能白赚「分散化收益」，公式 0.5(w'σ² − w'Σw) 在 4 资产 30% 波动零相关下算出 3.38pp/年。但这个数字对标的根本不是买入持有——受控模拟 400 条路径显示，对标成分股几何均值确实拿到 3.37pp（与理论完美吻合），对标买入持有却只剩 0.86pp，中位数 1.32pp，标准差 1.95pp，5% 分位 −3.19pp，四分之一路径为负。三个杀手逐一量化：资产预期收益差异 ±4% 时溢价归零、±15% 时 −8.20pp 且 120 条路径无一为正；相关系数 0.9 时只剩 0.02pp；每日再平衡在 25bp 成本下转负 −0.19pp，而每年再平衡还有 0.78pp——频率越高越怕成本。最实用的结论来自阈值检验：±10% 阈值一年只调 0.9 次却拿到 0.87pp，高于月度日历的 0.76pp，也高于 ±1% 阈值的 0.50pp（一年调 61 次）。再平衡溢价不是免费午餐，是一份做空动量的头寸（中阶）

本文通过两因子受控模拟实验回答：①增长/通胀两因子分别驱动股债强负相关(理论−0.97)与弱负相关(实测−0.36)；②滚动窗口识别regime切换滞后：60日43天、120日92天、250日188天；③通胀regime下60/40的Sharpe从0.197降至0.139(−29%)；④动态配置扣成本后Sharpe全面低于静态基准0.399(最好0.429)；⑤恒定相关市场动态策略Sharpe仅0.099，噪声主导信号；⑥Look-ahead bug使Sharpe虚高78%(0.255→0.454)。结论：滚动相关性信号几乎无法在成本内实现有效动态配置。

用增长-通胀象限做行业轮动的逻辑很干净——25 年月频模拟里 11 个行业按真实缺口归类后四象限的赢家差异极大（复苏=可选消费+25%、过热=材料+34%、滞胀=能源+20%、衰退=医疗+12%）。信号层面成立：判对月均超额 99.3bp、判错月仅 4.7bp。但工程问题决定了能不能真正落地——宏观缺口是滞后发布的、且事后会被大幅修正。用实时可得数据（滞后 2 月、初值误差 σ=0.6）回测，年化超额从 10.38%（事后终值）掉到 6.65%（IR 1.33→0.86，超额衰减 36%），换手从 3.3 倍/年暴增到 8.0 倍/年。两个证据把它判死刑：纯净无宏观市场策略 IR 仅 0.17（t=0.75），随机象限安慰剂 IR −0.07，最阴险的 bug 是「信号 t 月、成交 t 月」的同月执行——看起来合逻辑却虚高 IR 0.18、超额 1.4%。结论是统计层成立、识别层成立、交易层不成立，盈亏平衡成本 87bp（年换手 7.9 倍）是这策略的天花板。

保本理财背后那个只有一行公式的引擎：风险敞口 = m ×（当前净值 − 保本底线），缓冲垫厚就敢上仓位、缓冲垫薄就自动撤退、归零则永久躺平。四年合成行情实测（m=4，底线 80%）：熊市里风险资产跌 63.6% 而 CPPI 只回撤 19.1%、终值守住 0.867；代价是牛市 1.737 跑输买入持有的 1.795。600 次蒙特卡洛把这笔交易的账算清楚——CPPI 跌破 0.8 的概率 0.0%、买入持有 16.7%、恒定混合 60/40 是 6.0%，但 CPPI 中位数 1.006 反而低于买入持有的 1.145：它砍掉的左尾是真的，付出的右尾也是真的。最反直觉的是三条边界：震荡市里 CPPI 输给买入持有（0.911 vs 0.971）却仍赢在回撤减半，因为它天生高抛低吸的反面是波动侵蚀；乘数扫描显示换手先升后降（m=3 年均 2.2、m=10 降到 0）——高 m 长期顶满仓根本不需要调仓；再平衡频率的杀伤力全在尾部，每日调仓破底率 0%、季度调仓 22%，而平均终值几乎无差别（1.157 vs 1.159）。理论上 1/m 是能扛住的最大跳空，实测 m=8 在 17.5% 跳空处失守（理论 12.5%），保本承诺在缺口风险面前只是概率陈述（中阶）。

「我持有 6 类资产，够分散了吧」——这是资产配置里最贵的一句错话。25 年月频实测：一个名义上持有 6 类资产、单资产最大权重仅 35% 的组合，权重 HHI 只有 0.235 看着很分散，但因子方差分解摊开来，51.8% 的波动全部来自同一个增长因子、通胀因子只占 3.5%——它不是分散组合，是加了债券装饰的股票。真正的诊断工具是把每个资产回归到「增长意外/通胀意外」两轴：股票 (+2.96, -1.29)、黄金 (+0.04, +2.39)、大宗商品 (+2.02, +2.99)、国债 (-0.70, -1.52)，这张地图立刻告诉你谁和谁其实是同一笔押注。四象限矩阵给出残酷事实：没有任何资产在四个象限都活着——股票在滞胀 -35.9%、大宗商品在通缩衰退 -37.7%、黄金在金发姑娘 -19.9%。按因子暴露而非资产名称配权后，通胀敞口从 -0.0138 压到 +0.0003、最差象限从 -24.5% 收敛到 -3.6%、四象限极差从 61.0pp 砍到 15.6pp、Sharpe 从 0.64 升到 1.00，样本外 (后 15 年持有前 10 年估的权重) Sharpe 0.82 vs 60/40 的 0.41。三盆冷水：beta 在漂（黄金增长 beta 信噪比仅 0.51）、因子平衡砍右尾也砍左尾、两因子解释力有天花板（R² 最高 0.66）（中阶）

波动率平价的隐藏杀机：它用标准差衡量风险，而标准差对『平时波澜不惊、崩盘时血流成河』的资产（短波动信用、卖期权、carry）严重低估——于是波动率平价会把最高权重堆给这类资产，账面看似最『安全』，实则把组合的命门交给了最肥的尾巴。本文用纯 numpy 造 4 资产（股票/债券/商品/短波动信用），故意让『短波动信用』日常波动仅 3.5%（比债券还低）却带灾难性左尾（偏度 -10.2、超峰度 113）。实测暴露陷阱：波动率平价只给它 17.7% 权重，它却贡献 39.2% 的 CVaR 尾部风险——低波动是伪装。尾部风险平价改用 5% CVaR 度量风险、Euler 分解算边际尾部贡献、迭代把每个资产的尾部贡献拉到 25%：短波动信用权重被砍到 11.5%，样本内 Sharpe 从 0.34 升到 0.57、最大回撤从 -14.6% 收到 -12.2%、组合 CVaR 从 0.96% 降到 0.83%。全文打穿波动率≠风险、CVaR 次可加性为何让分解成立、尾部估计的样本量诅咒、样本内最优必然乐观四类陷阱（中高阶）。