WHY你可能一直在假分散上一篇讲了t分布和对数正态分布——搞懂了金融数据不正常的真相你的建模基础算是打实了。今天我们聊一个更实战的话题分散投资。先问一个扎心的问题你现在的投资组合是真的分散了吗很多人的分散投资长这样• 买了20只股票觉得够分散了• 其中5只是新能源、5只是锂电、5只是光伏、5只是储能• 本质上全押了同一个方向——清洁能源赛道或者这样• 买了A股10只、港股5只、美股5只觉得全球配置了• 但A股那10只全是消费股港股那5只也是消费互联网美股还是消费亚马逊、特斯拉、星巴克……• 说到底还是在赌消费复苏这不叫分散投资这叫把鸡蛋放在20个看起来不同的篮子里但那些篮子其实在同一辆卡车上。卡车一翻全完。2008年金融危机就是最好的教训——很多人以为自己的投资组合足够分散结果发现房地产、银行、保险、养老金全挂在次贷这一根绳上。所谓的分散在最需要它发挥作用的时候完全失效了。真正有效的分散投资核心不在于你买了多少个标的而在于这些标的之间的相关性有多低。这个相关性不是日常口语里有没有关系的意思而是一个精确的数学概念——相关系数取值范围从-1到1。• 1两个资产完全同涨同跌比如同一行业的两只股票• 0两个资产涨跌互不相关• -1两个资产完全反向运动一个涨另一个就跌你的目标是什么让你的组合里资产之间的相关系数尽量低甚至为负。为什么因为马科维茨Harry Markowitz在1952年用数学证明了在预期收益率相同的情况下低相关性组合的波动率风险更低。 这就是现代投资组合理论Modern Portfolio Theory, MPT的核心也是他因此获得1990年诺贝尔经济学奖的原因。一句话分散投资的本质不是多买而是买不相关的东西。 搞不懂相关性你的分散投资就是在自欺欺人。这篇我把相关性这个概念从底层逻辑讲透——协方差和相关系数的数学含义、怎么用数据算出来、怎么用它构建真正有效的投资组合。不讲虚的全是可落地的东西。HOW从协方差到投资组合——相关性分析的完整方法论一、协方差两个资产一起动的度量1.1 直觉理解协方差Covariance描述的是两个变量同向变动的程度• 协方差 0A涨的时候B也倾向于涨同向• 协方差 0A涨的时候B倾向于跌反向• 协方差 0A和B之间没有线性关系1.2 数学定义Cov(RA,RB)E[(RA−E[RA])(RB−E[RB])]翻译成大白话A的收益率偏离其均值的程度 × B的收益率偏离其均值的程度然后取平均。1.3 协方差的致命问题——量纲陷阱协方差有一个巨大的实操缺陷它的大小取决于各个资产收益率的波动幅度标准差。举个例子• 资产A的日波动率是1%资产B是2%• 资产C的日波动率是10%资产D是20%即使A和B的关系跟C和D的关系完全一样C和D的协方差也是A和B的400倍因为波动率各大了10倍10×10100再乘以协方差本身的缩放……实际是200倍左右。这意味着你不能直接比较A与B的协方差和C与D的协方差谁更大因为波动率不同。这就引出了相关系数——一个被标准化过的协方差。二、相关系数标准化的协方差可比性拉满2.1 皮尔逊相关系数ρA,BCov(RA,RB)σA·σB核心操作把协方差除以两个资产各自的标准差之积。这个除法做了什么事把一起动的幅度标准化为一起动的比例。结果就是• 相关系数永远在[-1, 1]之间• 不受波动率大小影响• 可以直接跨资产、跨组合比较2.2 实战中的相关系数解读相关系数范围 含义 分散化效果 典型例子0.8 ~ 1.0 高度正相关 几乎没有分散效果 同行业两只龙头股0.5 ~ 0.8 中高度正相关 有限分散效果 同一板块不同个股0.2 ~ 0.5 低度正相关 有一定分散效果 不同行业A股-0.2 ~ 0.2 几乎不相关 较好分散效果 A股与美债-0.5 ~ -0.2 低度负相关 很好的分散对冲效果 股票与黄金部分时段-0.8 ~ -0.5 中高度负相关 极强对冲效果 股票与VIX恐慌指数2.3 Python计算实操// pythonimport numpy as npimport pandas as pd# 假设df是包含各资产日收益率的DataFrame# 计算相关系数矩阵corr_matrix df.corr()print(corr_matrix)# 计算协方差矩阵cov_matrix df.cov()print(cov_matrix)# 只看两只股票的相关系数print(fAAPL与MSFT的相关系数: {corr_matrix.loc[AAPL, MSFT]:.3f})print(fAAPL与GLD(黄金ETF)的相关系数: {corr_matrix.loc[AAPL, GLD]:.3f})三、相关性如何影响组合风险——这是核心公式两资产组合的波动率公式σpwA2σA2wB2σB22wAwBσAσBρA,B其中• $wA, wB$两个资产的权重• $\sigmaA, \sigmaB$两个资产的波动率• $\rho_{A,B}$两个资产的相关系数**关键观察公式里唯一可控的变量就是相关系数 ρA,B。**• 资产波动率是市场给的你改不了• 权重可以调但调来调去也就那几个数• 但相关系数决定了你多买几只到底能不能降低风险3.1 数值案例相关性从0.8降到0.1风险降低多少假设• 资产A年化波动率25%权重50%• 资产B年化波动率30%权重50%相关系数 组合波动率 相比单持A1.0 27.5% 风险更高加权平均0.8 26.2% 几乎没有分散效果0.5 23.8% 下降1.2个百分点0.1 20.0% 下降5个百分点0.0 19.5% 下降5.5个百分点-0.3 17.5% 下降7.5个百分点-0.5 15.8% 下降9.2个百分点从0.8降到0.0组合波动率从26.2%降到19.5%降了6.7个百分点。这是什么概念你的风险降了25%以上但预期收益率几乎没变。这就是免费的午餐——马科维茨原话。分散化是唯一不需要牺牲预期收益就能降低风险的方法。四、用相关性构建有效投资组合4.1 第一步构建资产相关性矩阵// pythonimport yfinance as yfimport pandas as pd# 下载多资产的历史数据tickers [SPY, EFA, EEM, AGG, GLD, VNQ, DBC]# 美股、发达市场、新兴市场、债券、黄金、房地产、大宗商品data yf.download(tickers, period5y)[Adj Close]returns data.pct_change().dropna()# 相关系数矩阵corr returns.corr()print(corr.round(3))典型结果• SPY-EFA美股vs发达市场0.85 → 高度重叠分散效果差• SPY-AGG美股vs债券接近0或负 → 好的分散标的• SPY-GLD美股vs黄金0~0.2 → 不错• SPY-DBC美股vs大宗商品0.3~0.5 → 中等分散4.2 第二步识别伪分散陷阱很多投资者踩过的坑陷阱1同行业多持买了宁德时代、比亚迪、亿纬锂能、天赐材料……觉得买了4只股票很分散它们的相关系数全在0.7以上。你只是在锂电赛道里做了内部细分。陷阱2同市场多持A股买了30只——但A股整体跟上证指数相关性极高你的30只股票本质上就是一个增强版指数基金还不如直接买ETF。陷阱3时间窗口错觉用2015-2019年的数据算出来相关系数很低觉得分散有效。结果2020年3月疫情来了所有资产的相关系数瞬间飙到0.9以上——流动性危机时一切相关性失效。教训相关性不是常数它会随着市场状态变化。危机时所有资产趋向于一起跌。你的分散投资在最需要它的时候可能失效。4.3 第三步构建真正低相关的多资产组合全球经典多资产配置方案全天候思路简化版资产类别 代表标的 配置比例 角色美股 SPY/VOO 25% 增长引擎国际发达市场 EFA/VXUS 15% 地域分散新兴市场 EEM/VWO 10% 增长分散美国国债 AGG/TLT 25% 避险负相关黄金 GLD/IAU 10% 通胀对冲低相关大宗商品 DBC/GSG 10% 通胀对冲低相关REITs VNQ/SCHH 5% 另类收益源这个组合的核心逻辑每个资产类别的驱动因素不同它们之间的相关系数长期维持在较低水平。• 股票涨→经济增长预期好• 债券涨→利率下降/避险需求• 黄金涨→通胀预期/避险需求• 大宗商品涨→供给紧张/通胀不同宏观环境不同资产轮流表现。组合的整体波动率因此被显著压低。4.4 相关系数的局限性——必须知道1. 只度量线性关系两个资产可能有强烈的非线性关系但相关系数为0。比如A涨时B先跌后涨——线性相关看不出来2. 不是因果相关≠因果两只股票可能因为共同被第三个因素驱动而表现出高相关3. 时变性相关系数在市场平静时低危机时飙升——correlation goes to 1 in a crisis是华尔街名言4. 尾部相关 ≠ 整体相关两个资产正常时段相关性低但极端行情可能高度相关。需要用尾部相关系数Tail Dependence补充分析// python# 计算滚动相关系数观察时变性rolling_corr returns[SPY].rolling(window60).corr(returns[GLD])rolling_corr.plot(figsize(12, 4), titleSPY-GLD 60日滚动相关系数)你会发现SPY和GLD的相关系数在2008年金融危机、2020年3月都出现了剧烈波动。静态地看一个平均值是不够的。WHAT掌握相关性分析后你的投资能力升级在哪核心认知1. 分散投资的本质是低相关性不是多持仓。买了20只同行业股票不叫分散那叫集中持仓穿了件花衣服2. 协方差是起点相关系数才是工具。协方差告诉你方向相关系数告诉你强度——且不受波动率干扰可以跨资产比较3. 马科维茨的免费午餐在预期收益不变的前提下通过降低资产间相关性来降低组合波动率这是投资中唯一确定存在的免费午餐4. 相关性不是常数危机时一切相关性趋向于1你的分散投资在最需要它的时候可能失效——这是必须接受的现实不是理论缺陷5. 真正的多资产分散跨股票、债券、商品、黄金、REITs、地域发达新兴驱动因素不同相关性天然较低你的组合伪分散自测清单检查项 ✅ 真分散 ❌ 伪分散持仓数量 标的多且跨资产类别 数量多但全在同一板块相关系数 大部分配对 0.5 大部分配对 0.7地域覆盖 至少3个市场 全在一个国家资产类别 股票债券商品另类 只有股票危机表现 2008/2020中回撤小于单一市场 跟单一市场同幅度下跌行动清单☐ 拉取你当前持仓的所有标的计算相关系数矩阵。如果超过一半的配对相关系数 0.7你的分散投资需要重构☐ 用滚动相关系数检查时变性——别只看一个静态数字看它在不同市场阶段的稳定性☐ 引入低相关资产类别如果目前只有股票优先加入国债ETFAGG/TLT和黄金ETFGLD这是最快提升分散效果的方式☐ 做一次危机相关性压力测试拉取2008年9月-2009年3月、2020年2-3月的数据看你的组合在那个时段的相关系数是多少☐ 计算你当前组合的真实波动率跟同等收益下的最低波动率组合做对比量化你为伪分散付出了多少额外风险一句话总结分散投资不是买得多而是买得不相关。搞懂了协方差和相关系数你才能真正区分有效分散和伪分散——前者是免费午餐后者是自我安慰。下一篇预告第28篇——从随机到有序随机过程在金融模型中的应用