钱少的时候，all in 赌一把可能带来翻倍的刺激，但钱多了，也真承受不了全亏。所以，大多数人会自然变得更保守，这时候资产组合就很有价值。通过分散投资，不同资产的波动可以相互抵消，总体组合的起伏比单一投资小很多——亏损带来的反面心理感受，通常是同等收益正面感受的 2.5 倍。所以，组合之后，收益可能没那么有爆发力，但在大起大落中能稳住资产，让我们持有的心理感受更舒适，也更容易坚持长期投资。本篇就来介绍一些具体方法。

1 流程

在构建资产组合时，总体思路是：先判断资产之间的相关性，再按特征和相关性分组，最后在组内根据风险收益指标做加权调整。具体步骤如下：

  • 先评估相关性：可以用 K 线算，也可以靠直觉分类，比如“股票之间相关性高，债券与股票低”。
  • 按特征分组：按行业、国家、品类（债/股/商品）做小组 → 再分配大组权重。组内先分完，再乘到总权重里。
  • 按相关性重新分组：组内相关性尽量高（同风格），组间相关性尽量低（分散风险）。
  • 再按夏普比率加权：在每组里对 SR 高的给更多权重。

2 给夏普比率高的加权

以下内容摘自《Systematic Trading》第四章

  • 起始权重：先定一组手工分配的初始权重，总和 100%。
  • 获取 SR：用历史数据或成本估计，算每个资产的夏普比率。
  • 与平均 SR 比：看每个资产比平均值高还是低、差多少。
  • 获取倍数：根据你对 SR 估计的“可信度”，从表 12 选对应倍数。
  • 相乘：把每个资产的初始权重乘以它的倍数。
  • 归一化：最后让组内权重重新加到 100%。

3 相关知识

3.1 夏普比率

夏普比率（Sharpe Ratio，SR）是用“平均收益率减去无风险收益率”，再除以波动率，表示你承担每单位风险能换来多少收益。

股票_技术指标解读

3.2 马科维茨优化（MPT）

目标：同样风险下，提高收益；同样收益下，降低风险。

组合期望收益

\[ E[R_p] = \sum_{i=1}^{n} w_i E[R_i] \]

  • \(w_i\)​：资产 i 的权重
  • \(E[R_i]\)：资产 i 的期望收益
  • \(E[R_p]\)：组合的期望收益

组合风险（方差）

\[ \sigma_p^2 = \sum_{i=1}^{n} \sum_{j=1}^{n} w_i w_j \]

  • \(σ_{ij}\)​：资产 i 和 j 的协方差
  • 组合方差考虑了资产间的相关性，可以通过分散降低风险

求解最优权重 \(w_i\)，通常用二次规划（Quadratic Programming）求解。

4 具体方法

分组原则

  • 组间距离大（低相关）
  • 组内距离小（同风格）

投不同相关性的资产

  • 黄金 vs 股票
  • 债券 vs 股票
  • A 股 vs 港股 vs 美股

投不同行业

  • 资源、红利、科技、行业 ETF
  • 防御 vs 进攻
  • 宽基本身就有一定鲁棒性

同一组里，再根据 SR 调整权重（风险/收益的平衡）

相关性计算

  • 用收盘价算日收益率（对齐日期）
  • 用相关系数 np.corrcoef() 或 series.corr() 计算

示例：

(使用今年数据计算)

  • 浪潮信息 vs 工业富联：相关性 0.4581（科技成长）
  • 浪潮信息 vs 长江电力：相关性 -0.2084（成长 vs 红利，常常此消彼长）

5 一些思考

  • 真正低相关的组合在风险更为平衡的情况下，可以考虑适度加杠杆；需要注意的是：千万不要把所有鸡蛋放在一个篮子里并加杠杆。
  • 如果某资产的波动性很低，可以适度加杠杆，使其收益/波动比接近于高波动资产，然后平均分配权重。
  • 市场压力较大时，相关性会突然上升，即“危机中所有资产一起下跌”。
  • 债券的夏普率取决于利率环境，因为债券波动性低，所以 SR 未必会比股票差。
  • 尽量避免高相关的组合；0 相关（<0.3）效果很好；负相关也可以运用，但负相关不能把负相关作为对冲工具，绝大多数情况下它只是阶段性的。