危机中的相关性崩溃：为什么分散投资在最需要时失效

核心要点

资产类别之间的相关性在市场危机期间急剧飙升，而这恰恰是分散化本应保护投资组合的时候。平均成对股票相关性从平静市场中的约0.30上升到系统性事件期间的0.70或更高。这种不对称性意味着，使用正常时期统计数据构建的投资组合将系统性地低估尾部风险。区制转换模型和Copula方法提供了更为现实的评估，但投资者还应考虑不依赖相关性稳定性的结构性对冲。

分散化承诺及其局限

现代投资组合理论，由哈里·马科维茨在1952年正式提出，建立在一个强大的洞察之上：将不完全相关的资产组合在一起，可以在不牺牲预期收益的情况下降低投资组合风险。资产之间的相关性越低，分散化收益越大。这就是为什么投资者将债券与股票一起持有，增加国际股票，并配置另类资产。

数学推导是直截了当的。对于两资产投资组合，总方差取决于每项资产的方差及其相关性。当相关性较低或为负时，投资组合的波动率远低于各资产波动率的加权平均值。在正常市场中，这运作得很好。

问题出现在尾部。Longin和Solnik（2001）在发表于《金融学期刊》(Journal of Finance)的里程碑式论文中证明，国际股票市场之间的相关性在熊市期间显著增加。在平静时期存在的相关性结构——正是用来证明分散化配置合理性的结构——在危机期间崩溃了。分散化在保护最为重要的时候，恰恰提供了最少的保护。

实证证据

相关性崩溃的证据是压倒性的，跨越了数十年的市场历史。

2008年全球金融危机提供了最鲜明的例子。在2008年9月之前的12个月里，发达市场股票指数之间的平均成对相关性约为0.35。在2008年10月至11月的暴跌期间，这一数字飙升至0.80以上。股票、公司债券、REITs、大宗商品和对冲基金策略全部同时下跌。唯一保持负相关的主要资产类别是美国国债。

2020年3月的新冠疫情暴跌重复了这一模式。在最初的流动性恐慌期间，甚至传统上不相关的资产也同时抛售。黄金一度与股票同步下跌。投资级公司债券损失了价值。对现金的争夺压倒了所有分散化关系。

1997-98年亚洲金融危机和LTCM崩溃表明，相关性飙升并不仅限于发达市场。传染从泰国蔓延到韩国、俄罗斯，最终到达美国，因为杠杆头寸在各资产类别中被平仓。

国际清算银行(BIS)工作论文记录了这一现象跨多次危机的表现，指出相关性飙升不仅仅是更高波动率的统计假象。即使在调整了波动率与相关性之间的机械关系后（Forbes和Rigobon，2002），真实的条件相关性在压力时期仍然有意义地增加。

均值-方差优化为何失败

马科维茨框架假设相关性随时间恒定——或至少是平稳的。投资组合优化使用一个单一的相关性矩阵（通常基于3到5年的历史数据估计），并将其视为未来的真实风险结构。

这一假设恰恰在最糟糕的方式下被违反了。相关性并非恒定；它们依赖于市场体制。在良性市场中，相关性是适度的。在压力市场中，它们趋向于一。优化看到的是良性时期的相关性，并据此得出投资组合具有出色分散化的结论。然后它积极地在相关资产之间进行配置，对一种在下次危机中将消散的分散化收益充满信心。

Ang和Bekaert（2002）在《金融研究评论》(Review of Financial Studies)中表明，与考虑区制转换的模型相比，均值-方差优化低估了投资组合尾部风险40%至60%。实际后果是，在正常市场中针对0.80夏普比率优化的投资组合，当包含危机时期时，可能仅提供0.40至0.50的有效夏普比率。

这不是一个小的校准问题。这是该框架在对财富保全最为重要的条件下的根本性失败。

区制转换模型

区制转换模型由Hamilton（1989年）开创，提供了一种更现实的方法。这些模型不假设单一的相关性结构，而是允许两个或多个不同的市场区制——通常是"平静"状态和"危机"状态——每个都有自己的相关性矩阵、平均收益和波动率。

模型在任何时间点估计处于每个区制的概率，并产生适当加权两个区制的投资组合风险估计。当危机区制的估计概率增加时，模型会自动提高投资组合风险估计，即使投资组合尚未经历损失。

区制转换研究的主要发现：

• 危机区制的特征是更高的相关性和更高的波动率，对投资组合风险造成双重打击。
• 从平静到危机区制的转变通常是突然的而非渐进的。市场不会缓慢恶化；它们会突然崩溃。
• 危机区制虽然不太频繁，但比许多投资者预期的更具持续性。一旦危机区制开始，通常持续6到18个月。
• 股票和债券的平静区制相关性接近零或略为负。危机区制的相关性则有所不同：在通缩危机（2008年）期间，债券上涨；在通胀危机（2022年）期间，债券与股票同步下跌。

对于投资组合构建而言，区制转换模型产生的配置比均值-方差优化更为保守，具有更低的股票权重和更高的真正分散化工具配置。

基于Copula的方法

Copula是一种统计工具，可以将变量之间的依赖结构与各自的分布分开建模。在投资组合风险管理中，它们允许分析师捕捉一种关键的不对称性：资产在正常收益期间可能具有低相关性，但在极端波动期间具有高相关性。

高斯Copula假设依赖结构是对称的——尾部的相关性与分布中心的相关性相同。这是标准投资组合理论的隐含假设，而且它是错误的。实证证据一致表明，资产收益在左尾（联合崩溃）表现出比右尾（联合上涨）更强的共同运动。

Patton（2006）在《实证金融学期刊》(Journal of Empirical Finance)中证明，尾部依赖Copula——特别是用于下尾依赖的Clayton Copula——为观察到的资产收益数据提供了显著更好的拟合。这些模型捕捉了这样一个事实：两个资产同时下跌3个标准差的概率远高于正态分布所预测的概率。

对于实际应用，尾部依赖Copula模型产生：

• 在压力情景下更高的投资组合在险价值(VaR)和条件VaR估计
• 对多资产投资组合更准确的回撤预测
• 更好地识别哪些资产对提供真正的尾部分散化，而非虚假的正常时期分散化

对多资产投资组合的影响

相关性崩溃现象对投资者思考投资组合构建的方式具有深远影响。

股债相关性依赖于市场体制。 在过去二十年中，股票和债券通常呈负相关，使债券成为股票风险的出色分散化工具。然而，这种关系在2022年的通胀事件中发生了逆转，当时股票和债券同时下跌。在1970年代和1980年代，股债相关性持续为正。依赖债券作为主要股票分散化来源的投资者实际上在做一个依赖体制的赌注。

国际分散化在危机期间效果较差。 美国股票与国际股票之间的平均相关性在正常市场中约为0.50，但在全球危机期间上升到0.80或更高。全球化资本流动和同步的央行政策随时间增加了这种结构性相关性。

另类资产也不能免疫。 对冲基金、私募股权和房地产在系统性压力期间都表现出与股票的更高相关性。一些另类资产的非流动性可能在按市值计价的收益中掩盖这一点，但经济敞口依然存在。

实用对冲方法

鉴于传统分散化在危机期间失效，投资者可以怎么做？

使用期权进行尾部风险对冲。 购买股票指数的虚值看跌期权提供了凸性保护，随着相关性飙升而变得更有价值。成本是持续的期权费，通常每年为投资组合价值的1%至3%。这一成本是危机保险的显性价格。

趋势跟踪策略。 管理期货和趋势跟踪策略在持续危机期间历史表现良好，因为它们可以从持续的下跌趋势中获利。它们不是完美的对冲——在急剧的V形反转中表现不佳——但在2008年危机和新冠疫情回撤期间都提供了正收益。

动态配置。 当波动率体制指标发出压力信号时减少股票敞口可以保全资本。简单的规则，如当实现波动率超过其12个月移动平均值一个标准差以上时削减股票权重，历史上已改善了风险调整后的收益。

真正的避风港。 美国国债、日元、瑞士法郎和黄金在多次危机中表现出一致的避险行为，尽管每种在某些条件下可能失效。美国国债在2022年加息周期中作为对冲失败了。黄金在2020年3月初的流动性恐慌中曾短暂抛售。

局限性

区制转换和Copula模型比标准均值-方差优化更为现实，但并非没有局限。它们需要事先的区制分类，这容易受到前瞻偏差的影响。区制的数量和性质必须预先指定，错误的设定可能导致比更简单模型更差的结果。尾部风险对冲成本高昂，在长期牛市中可能显著降低收益。没有任何模型能完美捕捉真正金融危机的非线性、反身性动态。