组合构建

1952年，哈里·马科维茨发表了一篇7页的论文，将投资从艺术转变为科学。他的洞察看似简单却意义深远：通过组合收益走势不完全同步的资产，投资者可以在不牺牲预期回报的情况下降低组合风险。这一理念——均值-方差优化——成为现代投资组合理论的基石，并为马科维茨赢得了诺贝尔奖。

理论与实践之间的差距

然而，均值-方差优化的优雅外表之下隐藏着严重的实际问题。该框架需要对每种资产的预期收益、波动率和相关性进行精确估计。这些输入值（尤其是预期收益）的微小误差就可能产生截然不同的组合。在实践中，优化后的组合往往集中在少数头寸上，对估计噪音极为敏感，且在每次再平衡时都不稳定。

这种脆弱性并非仅存于学术讨论中。DeMiguel、Garlappi和Uppal的研究表明，最简单的策略——等权重组合——在样本外测试中往往能匹配甚至超越复杂的优化方法。原因很直接：输入值的估计误差会压倒优化器所能提供的任何理论优势。

面向真实世界的更优框架

认识到这些局限性后，研究者们开发了更加稳健的组合构建方法。风险平价完全绕过了预测收益的需求，转而让每种资产对总组合风险的贡献相等。Black-Litterman模型将配置锚定在市场均衡上，允许投资者在受控的贝叶斯框架中融入自己的观点——生成比原始优化结果更稳定、更直观的组合。

约束条件同样发挥着关键作用。头寸限制、行业上限和换手率控制不仅仅是监管要求——它们起到正则化的作用，抑制优化器追逐噪音信号的倾向。一些表现最优的机构组合，其成功既归功于模型，也同样归功于约束条件。

本专题涵盖的内容

本专题的文章解读机构投资者和学术研究者所使用的主要组合构建框架。我们涵盖均值-方差优化及其陷阱、风险平价的机制与优势、Black-Litterman如何融合观点与均衡、为什么分散化在危机中会失效，以及货币对冲和尾部风险管理如何影响实际投资结果。每篇文章都将学术证据与实际决策相连接——因为理解如何组合资产，至少与选择正确的资产同等重要。