本文转自： https://prologue.dev/blog/a-brief-discussion-of-the-risk-parity-model
仅做个人收藏，版权归原作者所有
看似不带任何“市场偏见”的风险平价模型本身已构成一个明确的观点：四种不同经济情景在未来发生的概率相等，谁又能轻易能下这一定论或假设？
前言
桥水基金创始人达·利欧（Ray Dalio）的《原则：人生与工作》和《原则：应对变化中的世界秩序》两本书是现在的商业畅销书，读书期间被推荐过两三回，每次读后不到半年就忘得差不多，没多少值得再次阅读的价值，印象最为深刻是这两本书都由中信出版出品，定价分别是98元和168元。
一些吐槽：求求了，不要再安利推荐这两本书了，“21条高原则、139条中原则和365条分原则”是什么概念？你家里和在公司里的规则加总起来都没这么多，书中525条碎片化的漂亮话 = 没有原则！第二本原则讲了三大周期，瞎引述中国历史，试图打造一个能解释全世界经济繁荣-萧条周期的理论，借鉴了一大堆主流经济学理论，加上债务危机的缝合怪，读起来感觉什么都对（我说这本书的平价是和搞星座搞mbti没区别，大搞心理学巴纳姆效应、事后归因、内容模糊笼统，整体理论不可证伪。我真的最讨厌这种赚钱赚的盆满钵满，老了还要出书PUA恶心我们这些没什么钱的年轻人，这种书还卖这么贵收稿费IP费，真是害人不浅。
唯一能直接证伪的是风险平价模型的方法论，在桥水基金全天候策略的基金资料中，把它描述成一个能适应不同经济形式的神奇策略：用预期通胀和预期经济增速划分成四个象限，再把对应象限下的优势资产放入象限，定期调整资产的权重，使得四个象限之间的资产风险贡献度相等。
| 经济环境 | 预期通货膨胀上升 | 预期通货膨胀下降 |
|---|---|---|
| 预期经济增长上升 | 大宗商品、新兴市场债、股票、公司信用债 | 通胀保护债券、大宗商品、新兴市场债 |
| 预期经济增长下降 | 名义债券、通胀保护债券 | 股票、名义债券 |
很多人赞扬这种全天候的投资理念，认为“不预测未来是一种智慧”，然而是谁规定用通胀和GDP增速来区分宏观市场风格是合理的？这是非常反常识的，只有美国这种消费占GDP极大的国家的国内权益资产才会对预期通胀如此敏感，其次是这四种经济情景在未来发生的概率很显然是不相等的，所以这套全天候方法论更像是基金营销的资料，而不是一种严肃的、值得拿真金白银去做的宏观交易或多资产配置策略。
令人大跌眼镜的是，市面上有很多讲关于全天候策略和风险平价模型如何运作的研报，它们大多是在基于不同资产的历史波动率和协方差矩阵的近似实现，使用均值-方差、最小方差、最大夏普等优化方法来调整权重，本文回测这一错误的方法论来揭示协方差矩阵和历史波动率刻画风险的弊端。
回测结果能说明什么？
选取国内A股市场能买到的投资标的，其中大部分标的都使用挂钩指数表示，剔除了分红、管理费、基金折溢价等无关因素，回测结果更保守（黄金ETF可以替代成黄金T+D价格）。
- 数据周期：2020年9月30日-2025年7月31日
- 风险指标：投资品种过去半年的历史波动率和不同资产之间的协方差矩阵
- 三个策略：象限间风险平价、象限间最大化夏普比例、象限内最大夏普+象限间风险平价
- 回测设定：交易费用万分之二，夏普比例的无风险利率是年化1.5%，没有考虑期间内任何分红收益，持仓不超过100%总资产
不同资产之间相关系数
根据这个协方差我们可以把资产分割成几组相对独立的资产：黄金、国债、商品、红利、国内宽基、海外宽基。
我根据国内资本市场的情况，毕竟基于构建中国版全天候策略的想法，所以在象限设置时候海外宽基更多基于避险和分散的目的，把资产类别添加到四个象限：
- 超预期通胀+超预期增长（过热）：国内宽基、商品
- 超预期通胀+增长不及预期（滞胀）：黄金、商品、海外宽基、红利
- 通胀不及预期+超预期增长：国内宽基、商品、红利、债券
- 通胀不及预期+增长不及预期（衰退）：红利、债券、海外宽基、黄金
（象限内做最大化夏普优化，资产类别选择因人而异；中国作为制造大国自然通缩倾向，对于国内资产通胀是否超预期不是一个很好的分类指标）
每季度调仓，回溯过去半年，回测结果
最近一期资产配置 (2025-06-30)：
| 资产 | 风险平价 | 最大夏普 | 象限内最大夏普+象限间风险平价 |
|---|---|---|---|
| 上期有色金属指数 | 8.94% | 7.39% | 7.30% |
| 易盛能化A | 9.69% | 7.39% | 2.75% |
| 豆粕价格指数 | 18.24% | 7.39% | 10.60% |
| 沪深300 | 5.91% | 1.98% | 1.25% |
| 中证1000 | 3.70% | 1.98% | 1.25% |
| 中证500 | 4.33% | 1.98% | 1.25% |
| 科创50 | 4.31% | 1.98% | 1.25% |
| 恒生指数 | 3.63% | 1.98% | 10.69% |
| 日经225 | 5.28% | 6.25% | 2.80% |
| 标普500 | 9.64% | 6.25% | 4.73% |
| 10年国债 | 0.10% | 4.17% | 6.55% |
| 国债及政金债0-3 | 0.10% | 4.17% | 1.95% |
| 30年国债 | 0.10% | 4.17% | 19.85% |
| 国新港股通央企红利 | 5.11% | 6.25% | 1.95% |
| 央企红利 | 8.20% | 6.25% | 1.95% |
| 黄金ETF | 12.73% | 30.42% | 23.92% |
不同时间区间下的收益率：
| 时间段 | 风险平价 | 最大夏普 | 象限内最大夏普+象限间风险平价 | 沪深300 |
|---|---|---|---|---|
| 近一周 | -1.97% | -1.57% | -1.06% | -1.75% |
| 近一个月 | 1.53% | 0.71% | 0.23% | 2.82% |
| 近三个月 | 4.32% | 3.97% | 2.20% | 7.54% |
| 近半年 | 6.80% | 7.43% | 5.22% | 6.23% |
| 近一年 | 13.77% | 16.12% | 11.46% | 18.59% |
| 近三年 | 27.06% | 42.00% | 29.45% | -1.27% |
| 年化收益率 | 6.94% | 9.03% | 7.17% | -5.56% |
超额收益分析（相对沪深300）：
| 时间段 | 风险平价 | 最大夏普 | 象限内最大夏普+象限间风险平价 |
|---|---|---|---|
| 近一周 | -0.22% | +0.18% | +0.69% |
| 近一个月 | -1.29% | -2.11% | -2.59% |
| 近三个月 | -3.22% | -3.57% | -5.34% |
| 近半年 | +0.56% | +1.20% | -1.01% |
| 近一年 | -4.82% | -2.47% | -7.13% |
| 近三年 | +28.33% | +43.27% | +30.72% |
| 年化收益率 | +12.50% | +14.59% | +12.73% |
夏普比例大于1，年化收益率至少有6%（还不包括分红），最大回撤不超过10%，然而回测结果优秀 ≠ 有资产配置的价值；
为了让历史波动率贡献相等，买入比主观预期更多的债券、商品、黄金头寸，尤其是在不能以较低成本加杠杆的情况下，这么做纯粹是在牺牲潜在收益换取单位净值稳定增长的收益走势图。
风险究竟是什么？
不论在过去还是现在，历史波动率从来不是一个用来刻画“真实存在的风险”的因子，一个资产在过去波动大小和它当下的投资或配置价值没有直接关系。
我是如何看目前资产配置的品种：
- 现在配置债券的目的就是看空长期利率，考虑至少7年以上期限的利率债（政策性金融债和国债），品种选择上无脑买凸性大、久期长的国债，所以这样做的风险是通货膨胀、远端利率上行、主权信用风险、组合持仓久期错配等，由于是配置目的不需要考虑短期流动性问题；
- 配置股票或ETF是为了获得权益资产的beta+alpha收益，在量化策略中个股的风险用历史波动率衡量风险还能说得过去，但一篮子股票（宽基指数）的风险一定来自于未来的宏观和基本面风险，过去的波动率是无意义的，真正需要考虑是有直接因果关系的因素，如ROE、利润率、估值、股权风险溢价变动等指标；
- 不是所有商品都适合做宏观交易，目前谈论的宏观商品品种主要是能源（原油、天然气、煤炭）、金属（黄金、铜）、农产品（大豆、玉米、小麦、棉花等）三大块，而且品种必须是要全球市场定价的，商品流通基本没有障碍的，配置这些品种能一定程度对冲宏观风险。
如果用历史波动率作为风险因子，宽基指数的权重变化必然导致追涨杀跌，大部分历史和隐含波动率上涨是短期极端下跌导致，下一期调仓回测受急跌影响必然减少权重，这样做完全没有意义。它的下跌如果是来自基本面影响那还说的过去，像地缘政治博弈、关税摩擦、金融危机等短期冲突导致的暴跌，在面对巨大的不确定性不论是模型还是人的主观思考，都没有定论，全天候策略在处理危机时不见得就比主观多头策略强，例如1970年代原油危机下美国经济滞胀，股票和债券市场齐跌。为了解决这个问题可以引入目标波动率（认为波动率会收敛回归），主观研判后输入目标波动率，但波动率本身也没办法做合理的预测，用历史模拟法VaR、CVaR可能还有一点点科学性。
还有一个问题是不同宽基指数的历史波动率是不可以直接比的，能直接比沪深300和中证1000、恒生指数的波动率吗？（难道纳斯达克100指数风险就比标普的高30%？）在我看来是需要做波动率标准化处理，Z-Score、百分位rank以及风险贡献度的归一正则化。
是否应该使用协方差矩阵（即考虑不同资产的日收益率序列的相关性）：
- 象限平价≠资产平价。风险平价指的是四个象限中每个经济情景下的组合的风险贡献度相等，不是要求资产间的收益率在过去同一段时间内的相关性较低，也不是求资产组合在历史区间最大化夏普比例；
- 不要忽视资产相关性的真实原因。例如在2022年美联储激进连续加息之前，是长达十余年的量化宽松带动的美债和美股牛市，其次是债券的风险和波动率没有关系，而且是因长期无处安放的货币以及乐观的经济预期，股债一起走牛，协方差矩阵能揭示的信息量太少了（维度低）。
正确的做法：
- 要找出四个象限中，能够表示四种不同经济形势的配置观点相对应的标的资产组合，可以先不用给象限内的资产分配权重，初次回测可以默认等权重；
- 从大类资产映射风险因子，这是构建模型最关键的一步。将资产组合的风险，从资产层面分解到对更底层的宏观因子的风险暴露上：
- 宏观因子，如GDP预期增速、预期通胀年率、真实利率、信用利差、新兴市场风险；
- 基本面因子，如市场权益溢价、PE TTM、PB估值、利润率、ROE等；
- 市场预期因子，远期利率互换、期权隐含波动率、股指期货升贴水等；
- 添加人为干预条件，代表资产管理者的态度和观点，设置目标波动率、最大回撤容忍程度、特定品种最小持仓比例、CVaR等约束条件；
- 求解风险贡献度相等或最大化夏普比例的最终结果差别不大，后者综合了收益率情况似乎更合理；
- 平滑调仓机制，除了定期调仓，当需调仓规模超过X%时也能触发调仓。
这些所谓宏观和基本面数据都是严重滞后的，它的可信度远远不如多因子中高频量化策略，毕竟拟合非ST、亏损票的小市值微盘是一种风格上的趋势跟踪。
既然要对宏观进行风险计量，需要预测这么多难以预测的数据，或者说模型依赖市场交易出来的数据（隐含波动率、利率期货等），如果市场没有达到“预言自我实现”？
风险平价模型在美股市场有效的“资产配置”之所以有效，除了美股市场定价效率极高和完善的做空机制，不需要把数据拉出来，直接拿出标普或纳斯达克的净值走势图看，它们和国内十年期债券指数是类似的：长牛，小概率闪崩，每个底部都在上个底部之上。这就导致统计上美股市场和国内权益市场的相关性长期较低，但不能说明美国的风险不会传导到国内，只是基于各种市场制度和结构原因导致相关性低。
我认为风险平价模型不适合被看作是量化模型，量化因子不适合解释高维度的复杂世界，而且人的主观认识相较机器学习算法不容易过拟合，我更相信人主观解读宏观的能力。最大的风险是在中港股市放弃择时、选行业选股、做特定风格，不愿意折腾选择懒人方案。而且在A股市场主动承担beta风险是无意义的，收益来自择时和alpha，看下股指期货剔除分红后的年化贴水率，就知道聪明钱就是更加偏好alpha策略。
真正的全天候策略一定不会用简单的历史波动率和协方差矩阵去衡量风险，这是一个常识问题。
对当下的反思和批判
作者槐序
2025 August 5th发布