和而不同：风险平价的数学肌理，兼谈全天候策略与杠杆之道

致新思2026/4/24大约 25 分钟

引言 · 分钱不等于分险

君子和而不同,小人同而不和。 ——《论语·子路》

"不要把鸡蛋放在同一个篮子里"是金融学里被引用得最滥的一句话,但它其实只说对了一半。把鸡蛋分到几个篮子里很容易,真正难的是——每个篮子能摔出多大的动静,你其实心里没数。

你可能听过最经典的"分散"组合:60% 股票 + 40% 债券。表面上资金二八开,听起来很稳健。但 Panagora 基金的钱恩平(Edward Qian)在 2005 年的论文里算了一笔账,结果让整个配置圈子尴尬了十几年:在这个组合里,股票贡献了超过 92% 的风险。换句话说,你以为自己拿了四成债券当安全垫,其实那只垫子连组合波动的十分之一都吸不掉。

这就是"分钱"和"分险"的根本区别。分钱按的是资金权重,分险按的是波动贡献——当资产的波动率差出一个数量级时,这两件事会天差地别。

本文的任务就是把这件事彻底拆开看:

把"风险贡献"从模糊的直觉,变成一个可以微分、可以优化的数学对象。
从边际风险贡献(MRC)和总风险贡献(TRC)出发,推出风险平价(Risk Parity)的完整优化问题。
解释一个看起来反直觉的结论:风险平价必须配合杠杆使用,否则它的收益会低得没人想买。
以桥水基金的"全天候策略"(All Weather)为例,看看达利欧的四象限是如何把风险平价从"资产层"升级到"宏观情景层"的。
最后戳破一个常见误解:桥水中国 2024 年的 35% 年化,不是风险平价策略本身的胜利,而是 Sharpe 优势 + 杠杆的乘积。

读完这篇,你应该能回答三个问题:风险平价凭什么数学上优雅?它为什么必须上杠杆?它在什么时候会集体翻车?

60/40 的历史可以追溯到 20 世纪 50 年代马科维茨的均值-方差框架,再往前可以追到本·格雷厄姆《聪明的投资者》里对"平衡型组合"的建议。马科维茨给了"效率前沿"的数学工具,夏普(William Sharpe)用 CAPM 把它简化为"市场组合 + 无风险资产",而 60/40 其实是一个历史上看起来不错、后来被反复背书的经验拐点——股票提供长期升值,债券提供衰退对冲,二者负相关时组合波动最低。

这套叙事在 1983-2020 年的 37 年里表现得堪称完美:股票年化 ~11%,债券年化 ~7%,相关系数长期在 $-0.2$ 到 $+0.2$ 之间震荡。60/40 组合的夏普比率稳定在 0.6 附近,几乎把所有基金经理都比下去了。

然后 2022 年来了,股债同跌,60/40 一年吞掉 17% 的回撤,比很多纯股票组合还惨。

这件事逼着大家回头去看——60/40 到底是怎么分散风险的?

1.2 钱恩平的那张算术账单

钱恩平在 2005 年的原文里用了 1983-2004 年的两个基准指数:

Russell 1000 指数(美股大盘):年化波动率 $\sigma_S = 15.1\%$
Lehman Aggregate Bond 指数(美债综合):年化波动率 $\sigma_B = 4.6\%$
相关系数: $\rho = 0.2$

组合方差的展开式是个教科书公式:

\sigma_p^2 = w_S^2 \sigma_S^2 + w_B^2 \sigma_B^2 + 2 w_S w_B \rho \sigma_S \sigma_B

代入 $w_S = 0.6, w_B = 0.4$ :

\begin{aligned} \sigma_p^2 &= 0.6^2 \times 0.151^2 + 0.4^2 \times 0.046^2 + 2 \times 0.6 \times 0.4 \times 0.2 \times 0.151 \times 0.046 \\ &= 0.008208 + 0.000338 + 0.000667 \\ &\approx 0.009213 \end{aligned}

开方得 $\sigma_p \approx 9.60\%$ 。这个数字本身没什么新意——60/40 组合的年化波动率就在 10% 附近。

1.3 可是,风险是从哪来的?

接下来是钱恩平的关键一步。组合方差 $\sigma_p^2$ 可以按资产拆项——每一项是"本资产的自方差"加上"本资产与别人的交叉项的一半":

\sigma_p^2 = \underbrace{w_S^2 \sigma_S^2 + w_S w_B \rho \sigma_S \sigma_B}_{\text{股票端贡献}} + \underbrace{w_B^2 \sigma_B^2 + w_S w_B \rho \sigma_S \sigma_B}_{\text{债券端贡献}}

股票端贡献的数字:

0.6^2 \times 0.151^2 + 0.6 \times 0.4 \times 0.2 \times 0.151 \times 0.046 \approx 0.008208 + 0.000333 \approx 0.008541

于是股票端的风险占比:

\frac{0.008541}{0.009213} \approx 92.7\%

结论触目惊心:你以为分了四成的资金给债券,但债券只吸掉了不到 8% 的组合波动。

1.4 "分钱"和"分险"的分岔口

问题的根源,是两个不同的分配维度:

	资金分配	风险分配
单位	美元/权重	波动贡献
敏感于	期初资金量	资产波动率与相关性
直觉	饼图分几块	哪块饼在晃

60/40 只在第一个维度上做了功课,第二个维度完全跟着波动率走——谁波动大,谁就占据风险饼的大头。所以 60/40 本质上是一个伪装成股债平衡的单因子股票组合,只不过多了一层"固定收益打底"的心理安慰。

风险平价要解决的,就是让风险饼被真正平均地切开。

二、风险平价的数学骨架

2.1 符号约定

设组合里有 $n$ 个资产,权重向量 $w = (w_1, \dots, w_n)^T$ ,协方差矩阵 $\Sigma \in \mathbb{R}^{n \times n}$ ,其中 $\Sigma_{ij} = \text{Cov}(r_i, r_j)$ 。组合波动率:

\sigma_p(w) = \sqrt{w^T \Sigma w}

我们想定义"资产 $i$ 对 $\sigma_p$ 贡献了多少"。这件事在微积分里有一个非常干净的答案。

2.2 边际风险贡献(MRC)

如果我们微幅增加资产 $i$ 的权重,组合波动率会怎么变?对 $\sigma_p$ 求偏导:

\text{MRC}_i \triangleq \frac{\partial \sigma_p}{\partial w_i} = \frac{1}{2 \sigma_p} \cdot \frac{\partial (w^T \Sigma w)}{\partial w_i} = \frac{(\Sigma w)_i}{\sigma_p}

这里用到了 $w^T \Sigma w$ 对 $w$ 的梯度是 $2 \Sigma w$ (标准结果)。MRC 衡量的是"每多加一个单位 $w_i$ ,会让组合波动率上升多少",单位是波动率/权重。

2.3 总风险贡献(TRC)

边际贡献乘以当前持仓,就是这个资产的"总贡献":

\text{TRC}_i \triangleq w_i \cdot \text{MRC}_i = \frac{w_i (\Sigma w)_i}{\sigma_p}

TRC 的单位就是波动率——和 $\sigma_p$ 同量纲。这很重要,因为它让一条漂亮的恒等式成立。

2.4 欧拉恒等式:风险贡献加总等于总风险

直接加总:

\sum_{i=1}^{n} \text{TRC}_i = \frac{1}{\sigma_p} \sum_{i=1}^{n} w_i (\Sigma w)_i = \frac{w^T \Sigma w}{\sigma_p} = \frac{\sigma_p^2}{\sigma_p} = \sigma_p

干净利落。这不是巧合——它背后是欧拉齐次函数定理。

欧拉齐次函数定理

若函数 $f(w)$ 对 $w$ 是 $k$ 阶齐次的,即 $f(\lambda w) = \lambda^k f(w)$ ,则

\sum_{i=1}^n w_i \frac{\partial f}{\partial w_i} = k \cdot f(w)

$\sigma_p(w) = \sqrt{w^T \Sigma w}$ 是 1 阶齐次函数( $\sigma_p(\lambda w) = \lambda \sigma_p(w)$ ),所以 $\sum_i w_i \partial_i \sigma_p = \sigma_p$ 。这正是 $\sum \text{TRC}_i = \sigma_p$ 的根本原因。

这条恒等式让"风险贡献"成为一个可以加总、可以比例化的对象。资产 $i$ 的风险占比:

\%\text{RC}_i = \frac{\text{TRC}_i}{\sigma_p} = \frac{w_i (\Sigma w)_i}{\sigma_p^2}

所有 $\%\text{RC}_i$ 加总为 1,就像一块风险饼的切片。

2.5 风险平价的优化目标

风险平价的定义一句话:让每块风险饼切片都一样大:

\text{TRC}_1 = \text{TRC}_2 = \cdots = \text{TRC}_n = \frac{\sigma_p}{n}

现实中,精确等式很难达到,所以写成两两差值的平方和最小:

w^* = \arg\min_w \sum_{i<j} \bigl(\text{TRC}_i - \text{TRC}_j\bigr)^2

\text{s.t.} \quad \sum_{i=1}^n w_i = 1, \quad 0 \le w_i \le 1

2.6 为什么这不能解析求解

展开 TRC:

\text{TRC}_i = \frac{w_i (\Sigma w)_i}{\sqrt{w^T \Sigma w}}

这是 $w$ 的分式 + 根号 + 乘积形式。两个 TRC 相等的方程:

w_i (\Sigma w)_i = w_j (\Sigma w)_j

这是关于 $w$ 的非线性方程组。当 $n = 2$ 时可以手解,当 $n \ge 3$ 且协方差矩阵非对角时,KKT 条件已经不再有闭式解,只能靠数值优化——scipy.optimize.minimize 用 SLSQP 或 trust-constr 算法通常几十个迭代就能收敛,实务上不是问题。

三、闭式解:两个特例,一个近似

虽然通解要靠数值方法,但两个特殊情况能给出干净的闭式解,也能揭示风险平价的直觉。

3.1 两资产、零相关

设 $n = 2$ , $\rho = 0$ ,则 $\Sigma = \text{diag}(\sigma_1^2, \sigma_2^2)$ 。TRC:

\text{TRC}_1 = \frac{w_1^2 \sigma_1^2}{\sigma_p}, \quad \text{TRC}_2 = \frac{w_2^2 \sigma_2^2}{\sigma_p}

风险平价要求 $\text{TRC}_1 = \text{TRC}_2$ ,即 $w_1 \sigma_1 = w_2 \sigma_2$ 。加上 $w_1 + w_2 = 1$ :

w_1 = \frac{\sigma_2}{\sigma_1 + \sigma_2}, \quad w_2 = \frac{\sigma_1}{\sigma_1 + \sigma_2}

权重反比于波动率。拿回钱恩平的例子: $\sigma_S = 15.1\%, \sigma_B = 4.6\%$ (先假设零相关),风险平价权重:

w_S = \frac{4.6}{15.1 + 4.6} \approx 23.4\%, \quad w_B = \frac{15.1}{15.1 + 4.6} \approx 76.6\%

从 60/40 变成了约 23/77——债券才是真正的大头。而一旦把相关系数 $\rho = 0.2$ 代回,精确的风险平价权重会略微向股票偏一点(数值解约 25/75),但量级上仍然是"债券主导"。

3.2 n 资产、对角协方差

如果扩展到 $n$ 个资产、协方差矩阵完全对角(所有相关系数为 0),同样的推导给出:

w_i \propto \frac{1}{\sigma_i}, \quad w_i = \frac{1/\sigma_i}{\sum_{j=1}^n 1/\sigma_j}

这种权重方式有一个专门的名字:反波动率加权(Inverse Volatility Weighting)。

3.3 反波动率权重:一个极好的初值

在真实资产里,相关性从来不是零——股票之间、发达市场和新兴市场之间、黄金和通胀挂钩债之间,都有显著的相关结构。严格的风险平价要看完整的 $\Sigma$ 。

但反波动率权重是一个极好的初值。在大多数 $\Sigma$ 比较"良性"的情况下(没有极端的相关性或者集中式的风险因子),反波动率权重离最优解只差几个百分点。实务上,很多资产管理产品会直接用反波动率权重当作 Risk Parity 的简化实现——理论上不够严格,但工程上足够好。

这也解释了为什么"躺平版"全天候策略的比例看起来怪怪的:40% 长债 + 15% 中债 + 7.5% 黄金 + 7.5% 商品 + 30% 股票——债券比重高,是因为债券波动率低。下一节我们就会验证这件事。

四、达利欧的四象限:风险平价的宏观版

钱恩平的风险平价讲的是"让每个资产贡献相同的风险"。但达利欧在桥水的"全天候"(All Weather)策略里,把这个思想往宏观层面推了一级。

4.1 经济周期的两个轴

达利欧认为,任何一个资产的长期收益,归根结底只取决于两件事相对市场预期的偏差:

经济增长(Growth):比预期强,还是比预期弱?
通胀水平(Inflation):比预期高,还是比预期低?

注意是"相对预期",不是"绝对水平"——因为预期已经被定价了。这两个维度正交,构成 2×2 = 4 个象限,或者按达利欧的说法,四种宏观环境。

4.2 每个象限的赢家

不同象限里,不同资产会有相对优势:

经济增长 \ 通胀	通胀超预期	通胀不及预期
增长超预期	股票、商品、公司信用债、新兴市场债	股票、名义国债
增长不及预期	通胀挂钩债(TIPS)、商品、新兴市场债	名义国债、通胀挂钩债

每一类资产都有至少一个它能发光的象限。名义国债在衰退 + 通缩时最强,股票在扩张时最强,黄金和商品在通胀时最强,TIPS 在"滞胀"象限(增长下行 + 通胀上行)里是少数赢家之一。

4.3 "假装不知道未来"

达利欧真正的聪明在于一步非常诚实的哲学认定:

我不知道未来会走到哪个象限,所以给每个象限分配相同的风险预算,各占 25%。

然后在每个象限内部,把风险再平均分给这个象限内的几个子资产。

这就是两层风险平价:

第一层:宏观情景的风险预算相等(每象限 25%)
第二层:每个象限里,资产的波动贡献相等

这是一个比"资产层风险平价"更强的命题——它不止让资产组合的波动分散,还让宏观情景的暴露分散。钱恩平的原始配方只能保护你不被某一类资产拖累,达利欧的配方还能保护你不被某一种经济状态拖累。

为什么是四象限,不是别的?

四象限不是唯一的经济分类法——美林时钟用"增长 + 通胀"的绝对水平切出四阶段(复苏、过热、滞胀、衰退);Fama-French 用"价值 + 规模"切因子;学院派会用 NBER 周期分期。

达利欧的特别之处是用"相对预期"做轴,这一点和 Knight 的"不确定性"(Knightian Uncertainty)哲学遥相呼应:不是预测未来,而是假装自己无法预测。只要宏观环境出现在这四个象限之一,就有至少一组资产帮你顶住。

4.4 但这真的严格吗?

需要泼一盆冷水:桥水从不公开自己的精确权重,外界流传的"全天候"比例其实有两个版本——一个是"专业版"(桥水实际管理的 All Weather 基金,权重保密),一个是"民间版"(达利欧在 Tony Robbins 2014 年的《Money: Master the Game》里给出的极简经验值)。本文讨论的"躺平版"就是后者。

而且即使是桥水的专业版,四象限对称 + 象限内风险平价也是个理想化描述。真实的组合里会混入战术择时、货币对冲、流动性预留、税务考量等等,和纯粹的数学最优解差得不少。

五、躺平版全天候:它真的是风险平价吗?

民间版的比例大家都看过:

资产类别	资金权重
股票	30%
中期债券(5-10 年)	15%
长期债券(20-30 年)	40%
黄金	7.5%
大宗商品	7.5%

乍一看,这套比例在"分钱"维度上高度偏债券(55%)。那从"分险"的角度看呢?

5.1 做一次反向验证

用一套粗略但合理的年化波动率估计(2010-2024 区间):

资产	波动率 $\sigma$	权重 $w$	简化 TRC 近似 $w \sigma$	占比
股票	15%	30%	4.50%	38.5%
中期债	5%	15%	0.75%	6.4%
长期债	10%	40%	4.00%	34.2%
黄金	18%	7.5%	1.35%	11.5%
商品	22%	7.5%	1.65%	14.1%

注:这里用 $w \sigma$ 作为 TRC 的粗略近似——只在零相关假设下等价于精确 TRC,但在量级上足以看出分配格局。真实计算需要代入完整的 $\Sigma$ 。

5.2 结论:接近,但不严格

粗略看,股票 ~38.5% + 长期债 ~34.2% 加起来占了约 72% 的风险——虽然比 60/40 里的股票 92% 要平均,但离"20% 均分"还差得远。

这不是巧合。达利欧故意让长期债券多拿一点风险权重,原因有两层:

长债是"增长下行 + 通胀下行"这个象限最关键的保险。
长债的久期杠杆让它在利率下行时提供非线性正收益——这是全天候策略在 2020 年能抗住疫情冲击的关键。

"躺平版"不是严格风险平价,是一个带有轻度偏倚的风险平价骨架。它牺牲了一点数学优雅,换来对宏观保险象限的偏爱。

5.3 回测数字:别被年化吓到

如果把上述比例用 A 股 ETF 替换资产标的,以月度再平衡回测 2015-2025 这十年,常见的结果是:

年化收益率 ≈ 7%
最大回撤 ≈ 12%
Sharpe ≈ 0.46

看起来不惊艳——股票随便拿个宽基指数也能跑到 7%。但关键不是年化,是 Sharpe。7% 年化配 12% 回撤,和纯股票 10% 年化配 40% 回撤是两种完全不同的体验,这才是风险平价真正的产品价值。

只是——如果你把"持仓体验"写进基金募集说明书,很少有客户愿意接受 7% 年化。这就逼着桥水(和所有风险平价基金)必须做同一件事:上杠杆。

六、夏普守恒律:风险平价为什么必须上杠杆

6.1 夏普比率:一个重要的同质量

定义:

\text{Sharpe} = \frac{\mathbb{E}[R] - r_f}{\sigma}

其中 $R$ 是策略总收益, $r_f$ 是无风险利率, $\sigma$ 是总波动率。夏普比率衡量的是每一单位波动对应多少超额收益。

风险平价组合的核心卖点,就是它的夏普比率比单资产或者 60/40 更高——因为风险被更均匀地分散,单位波动承载的超额收益更密集。

6.2 杠杆不改变夏普

这是关键一步。把组合放大 $L$ 倍,方式是借入 $L-1$ 倍现金(按 $r_f$ 计息),然后全部投到风险组合里。则新组合的收益与波动:

\begin{aligned} R_{\text{lev}} &= L \cdot R_p - (L-1) \cdot r_f \\ \mathbb{E}[R_{\text{lev}}] - r_f &= L \cdot R_p - (L-1) r_f - r_f = L \bigl(\mathbb{E}[R_p] - r_f\bigr) \\ \sigma_{\text{lev}} &= L \cdot \sigma_p \end{aligned}

所以:

\text{Sharpe}_{\text{lev}} = \frac{L \bigl(\mathbb{E}[R_p] - r_f\bigr)}{L \sigma_p} = \text{Sharpe}_p

结论:在借贷利率等于无风险利率的理想假设下,加杠杆只会等比例放大超额收益和波动率,夏普比率保持不变。这就是 AQR 的 Clifford Asness 反复强调的"夏普守恒律"。

6.3 一个对比案例

假设两个组合:

60/40:Sharpe = 0.4,波动率 $\sigma = 10\%$ ,年化超额 = $0.4 \times 10\% = 4\%$
风险平价(无杠杆):Sharpe = 0.6,波动率 $\sigma = 6\%$ ,年化超额 = $0.6 \times 6\% = 3.6\%$

看起来风险平价的绝对收益反而低。但如果把风险平价加杠杆到同样的 10% 波动率,需要的杠杆倍数:

L = \frac{10\%}{6\%} \approx 1.67

此时:

波动率: $1.67 \times 6\% = 10\%$ (与 60/40 相等)
超额收益: $1.67 \times 3.6\% = 6\%$ (比 60/40 高 2 个百分点)

在相同的波动约束下,风险平价 + 1.67 倍杠杆 > 60/40——这才是风险平价产品的真正商业逻辑。

6.4 桥水的真相

回到桥水的 35% 年化。在"基础风险平价组合"大致能做到 7-14% 年化、8-12% 波动率的前提下,加 2-3 倍杠杆就能把年化顶到 25-40% 的区间。桥水的操作从来就不神秘:

不是策略选得多奇妙,是 Sharpe 比别人高那么一点 + 杠杆加得比别人狠一点。

杠杆不是"作弊",它是这个策略逻辑的必要组成部分。没有杠杆的风险平价,本质上只是一只波动率低到客户拿不动的理财产品。

问题是——杠杆有代价。

七、杠杆的三个陷阱

7.1 陷阱一:融资成本 ≠ 无风险利率

夏普守恒律成立的前提是借贷利率 = 无风险利率。现实世界不是这样。

机构借钱的利率(通过 Repo 市场、经纪商保证金融资、TRS 互换等渠道)通常是 $r_f + \text{spread}$ 。在正常时期 spread 约 25-50 bp,在流动性紧张时期可以飙到 200 bp 以上。

把融资成本代入:

R_{\text{lev}} = L \cdot R_p - (L-1)(r_f + s)

\text{Sharpe}_{\text{lev}} = \frac{L(\mathbb{E}[R_p] - r_f) - (L-1) s}{L \sigma_p} = \text{Sharpe}_p - \frac{(L-1)s}{L \sigma_p}

第二项永远是负的。 $L$ 越大,融资 spread $s$ 越高,Sharpe 损失越多。2022 年美联储激进加息,机构融资利率从 0.5% 涨到 5%,很多风险平价基金的 Sharpe 优势直接被吞掉大半。

7.2 陷阱二:相关性断裂

风险平价的数学骨架完全依赖于协方差矩阵 $\Sigma$ 的稳定性。你用 2010-2020 年的数据估计出来一个"股债相关系数 $-0.3$ "的 $\Sigma$ ,做出来的风险平价组合,会在"股债一起跌"的场景下完全失效。

2022 年正是这样的年份。美联储对抗通胀的加息让债券跌(利率上升);同时股票跌(贴现率上升压估值)。股债相关系数从多年平均的 $-0.2$ 跳到了 $+0.5$ 以上。风险平价组合里的"债券保险"瞬间消失——桥水的 All Weather 当年一度回撤 13%,远超历史任何时期的预期。

协方差不是天经地义

千万别把历史协方差当物理常量。 $\Sigma$ 背后是经济机制:

股债负相关的机制是"增长冲击主导"——经济下行时,央行降息,债券涨、股票跌。
股债正相关的机制是"通胀冲击主导"——通胀上行时,央行加息,债券跌、股票也跌(因为贴现率上升)。

两个机制同时存在,谁主导要看宏观环境。2022 年是通胀机制占优,2008 年是增长机制占优,2020 年疫情是增长机制占优。模型估计的"平均相关系数"是两种机制的混合,任何一种单独发威时,模型都会错。

7.3 陷阱三:爆仓的非线性

杠杆 $L$ 倍放大波动率 $L$ 倍,放大回撤 $L$ 倍——这是平均意义下的关系。但保证金追缴(margin call)不是线性的。

假设你用 3 倍杠杆,本金 100,持仓市值 300,借款 200。如果持仓跌 10%,市值变 270,你的净值变 70(跌了 30%)。此时维持保证金要求是 20%,也就是你需要市值的 20% 也就是 54 作为净值——你还有 70,没事。

但如果跌 20%,市值变 240,净值变 40。维持保证金要求 $240 \times 20\% = 48$ ——你触发强平。券商会在最糟糕的价格把你的 3 倍仓位一次性卖出,锁定这个 60% 的亏损。等市场反弹时,你已经不在场上。

这就是"回撤放大 $L$ 倍"的陷阱:数学上看是线性的,在交易机制下是非线性的——存在一个"不归点",越过去就是全损。这和〈瓜熟蒂落〉那篇里 SPAN 维持保证金的逻辑是一脉相承的,不再重复。

桥水 2022 年能活下来,是因为他们的风险管理团队在回撤到 10% 附近就开始主动降杠杆。散户复刻"全天候 + 3 倍杠杆"的,很多在那年消失了。

八、批评与局限

8.1 协方差估计的根本脆弱性

风险平价的每一步推导都建立在"我们能估计 $\Sigma$ "这件事上。但 $\Sigma$ 是一个 $n(n+1)/2$ 维的参数——十个资产就是 55 个参数,需要大量历史数据才能稳定估计。而且历史数据的机制会随时代变化,严格说"长期协方差"在金融上是个可疑概念。

实务中有一些工程化应对:

用 EWMA(指数加权平均)给近期数据更高权重
用 shrinkage 估计(Ledoit-Wolf)把样本协方差往对角矩阵拉一点
用 层次化风险平价(HRP, Hierarchical Risk Parity,López de Prado 2016)来避免矩阵求逆的病态性

但这些都是对"估计错误"的减缓,不能根治依赖问题。

8.2 低利率时代的债券红利

1983-2020 年是债券的超级牛市——10 年期美债收益率从 15% 跌到 0.5%,期间债券同时提供了高收益和低波动,Sharpe 长期在 0.8 以上,比股票的 0.4 还漂亮得多。

风险平价在这段时间里的优异表现,很大程度上是"坐享债券红利"的结果。大比例持有债券 + 杠杆 = 赚了一整个牛市。

2022 年之后,债券这个边际红利大幅缩水——当利率从 5% 跌到 0% 的空间没了,未来十年债券的期望 Sharpe 可能只有 0.2-0.3。风险平价组合的 Sharpe 会跟着下滑,杠杆带来的超额收益空间也会被压缩。

8.3 "风险 = 波动率"的哲学争议

这是 Taleb 一贯的批评:波动率不是风险,是风险的一种观测代理。用 $\sigma$ 作为风险度量,会漏掉:

厚尾(fat tail):2008 年、2020 年 3 月那种"理论上 100 年才出现一次"的日收益
相关性跳变:正常时期的相关性结构和危机时期是两个世界
流动性枯竭:账面波动没变,但你卖不掉

风险平价用协方差矩阵给风险打分,对这三类"非波动率风险"基本无力。桥水 2022 年就是被相关性跳变打了一个准。

8.4 Survivorship 与锦标赛冠军偏差

最后,要小心"桥水中国 2024 年 35% 年化"这个数字本身。对冲基金的年度排行榜永远有幸存者偏差:那些跌 50% 关门的基金不会出现在榜单上。看单年度冠军选策略,就像看彩票中奖号推导中奖规律——样本太小,噪声太大。

真正值得看的是长期(10 年以上)的 Sharpe + 最大回撤,而桥水 All Weather 1996 年成立至今的长期数据,Sharpe 大概在 0.6-0.8 之间——好,但没好到匪夷所思。

九、"35%"到底是怎么做出来的?

现在可以回到最初的问题:桥水中国 2024 年 35% 年化,究竟从何而来?

9.1 一个合理的拆解

基础策略(无杠杆风险平价,A 股组合):2024 年国内股票、债券、黄金都有不错表现,粗略估算基础组合年化 10-14%。
杠杆:假设 2.5-3 倍,放大到 25-42% 的毛收益区间。
融资成本、税、交易费:扣掉 2-4%,净收益落在 21-38%。
加上一些择时、货币对冲等战术性 alpha,最终收到 35% 附近。

这个拆解虽然粗糙,但量级一致。

9.2 这个 35% 里,alpha 和 beta 各占多少?

对比 2024 年的"容易收益":

S&P 500 涨 25% 左右
沪深 300 涨 20% 左右
10 年国债 Total Return 约 7%

一个简单的 60/40(沪深 300 + 10 年国债)2024 年能做到 14-15% 年化。用 2.5 倍杠杆就能顶到 35% 左右——甚至不需要风险平价。

所以诚实地说,桥水中国的 35% 里,大部分是 beta 的杠杆放大。风险平价的贡献是让"同样的杠杆"承受更小的回撤、更稳定的路径,而不是产生了某个神秘的 alpha。

9.3 正确的认知框架

不要把单年收益率当作策略优劣的证明。应该问的是:

长期 Sharpe:过去 10 年,这个策略相对于同波动率的 60/40 多赚了多少 bp?(历史数据大约是 50-100 bp)
最差年份:在 2008、2022 这种压力年里,它的回撤比 60/40 是大还是小?(2008 较小,2022 较大,取决于通胀与增长冲击的混合)
容量限制:资金量超过多少时,杠杆成本和市场冲击会让策略失效?(估计在 $500 亿-1000 亿美金之间,所以桥水近年来规模扩张后,收益表现确实有回落)

这三个问题的答案,比"某一年 35%"要重要一百倍。

十、结语 · 风险平价是一种姿态

说到底,风险平价的价值不在公式,而在它背后那个非常谦卑的哲学立场:

我不知道未来哪个资产会涨、哪种经济环境会出现、哪场危机会先爆发——所以我不押注于任何一种情景,而是让每种情景都吃到同样多的风险预算。

这套思想在协方差稳定时是优雅的数学,在协方差不稳定时会和所有人一起翻船。2022 年全球风险平价基金普遍回撤 15-20%,不是因为风险平价"错了",而是因为通胀机制主导的年份,所有分散化手段都会同时失效。

达利欧在《原则》里说过一句话大意是:"在你预测错的时候,最好是所有人都和你一起错。" 这句话其实是风险平价的真正注解——它不保证你永远赢,只保证你不至于比整个市场错得更惨。

所以,当朋友在群里炫耀桥水 35% 年化、问你是不是要照着抄一份时,你可以这样回答:35% 是杠杆堆出来的年化,不是策略的胜利。真正值得抄的,是桥水愿意承认"自己不知道未来"这件事——然后把组合里的风险,像把米均匀地撒在四个篮子里那样,分得尽量平。

就像《论语》那句话:和而不同。资产之间要足够异质(不同),组合才能足够分散(和);而不是挑出几个熟悉的资产、按资金比例二八切,那不是分散,那是伪分散。

风险平价是这种伪分散的一张解药。不是唯一的,也不是永远有效的,但在大多数时候,它让你的组合长得比别人漂亮一点、活得比别人久一点。

这就够了。

参考资料

Edward Qian, 2005, Risk Parity Portfolios: Efficient Portfolios Through True Diversification, Panagora Asset Management Working Paper.
Edward Qian, 2011, Risk Parity and Diversification, Journal of Investing, 20(1).
Ray Dalio, Principles: Life and Work, Simon & Schuster, 2017.
Tony Robbins, Money: Master the Game: 7 Simple Steps to Financial Freedom, Simon & Schuster, 2014, Ch. 7.
Clifford Asness, Andrea Frazzini, Lasse H. Pedersen, 2012, Leverage Aversion and Risk Parity, Financial Analysts Journal, 68(1).
Bridgewater Associates, "The All Weather Story" 及 "Risk Parity Is About Balance", Daily Observations 公开出版物.
Marcos López de Prado, 2016, Building Diversified Portfolios That Outperform Out-of-Sample, Journal of Portfolio Management.
Olivier Ledoit, Michael Wolf, 2003, Honey, I Shrunk the Sample Covariance Matrix, Journal of Portfolio Management.
《论语·子路》: 「君子和而不同,小人同而不和。」