标签： #资产配置

价值、动量、规模这些因子，传统上被用来选股；但「因子」本身也可以被当成一类资产来配置。本文用合成的 5 个风格因子月度收益，证明「因子动量」——用每个因子过去 12 个月收益做信号、做多走强的因子——能把组合 Sharpe 从 0.94 提升到 2.27，且对市场几乎中性(相关仅 0.18)。

经典 60/40 让股票风险独大；风险平价按风险贡献分配权重。本文用久期(利率风险)与信用分层(利差风险)双因子拆解债券风险，演示风险平价如何拉平风险预算，附完整 Python。

用收益率曲线斜率与信用利差给价值/成长切换择时：隐藏宏观状态驱动风格强弱，带噪信号+滞后打分得到权重。本文演示它如何把回撤从-45%砍到-23%，并点明前视等真实陷阱。

经典均值-方差在小样本下会被噪声牵着走。用正态-逆威沙特(NIW)共轭先验把「主观观点」编码成数学，后验均值自动向先验收缩，后验协方差带可信带，最终权重更稳健、更可解释。

风险平价只把风险切匀，最大分散化组合(MDP)更进一步——直接把「分散化比率」最大化：用 Σ^{-1}σ 把低波动、低相关的资产推到前台，让组合波动远低于等权平均水平。从零推导、与风险平价/最小方差对比，并给出真实陷阱。

风险平价把风险而非本金切成均等一份，波动率目标把组合波动钉在既定目标。本文用股/债/金/商品 4 资产从零实现二者，并展示融合方案如何把回撤砍到等权的一半。

静态 60/40 配置在股债同跌时会失效。本文讲清动态资产配置的逻辑：从大类资产相关性、风险平价、波动率目标到战术调整，并附完整 Python 实现，帮你构建能随市场环境自适应的投资组合。

深入探讨风险预算模型的理论基础、实现方法和实战应用，学习如何根据风险贡献分配资产权重，构建更灵活的资产配置策略