是什么 Portfolio Variance & Std Dev?
▾
投资组合方差不仅考虑了每项资产的个体风险，还考虑了它们之间的相对变化，从而衡量了投资组合的总风险。当两种资产倾向于同时朝同一方向移动时，将它们结合起来并不能降低风险。但是，当它们朝相反的方向移动时，甚至只是不同时，将它们混合在一起会创建一个比任何单个组件波动性更小的投资组合。这是多元化背后的数学引擎，也是为什么混合持有股票、债券、房地产和大宗商品可以降低整体投资组合风险而不必牺牲回报的原因。 哈里·马科维茨 (Harry Markowitz) 在他 1952 年的论文“投资组合选择”中正式阐述了这一想法，该论文使他获得了 1990 年诺贝尔经济学奖。在马科维茨之前，投资者几乎完全专注于选择优质的个人证券。他的见解是，投资组合作为一个整体比任何单一股票都更重要——资产之间的相关性是理解综合风险的关键。他的框架现在称为现代投资组合理论（MPT），引入了有效前沿的概念：在任何给定风险水平下提供最高回报或在任何给定回报下提供最低风险的投资组合集合。 实际上，投资组合方差是使用每个资产的权重、其个体方差（或标准差）以及每个资产组合之间的成对协方差来计算的。对于两种资产，这是一个简单的公式；对于 20 个资产，您需要一个 20×20 协方差矩阵。现代投资组合优化软件会自动处理这个矩阵代数，但理解底层逻辑——减少平均成对相关性会减少投资组合方差——对于任何构建多资产策略的投资者来说都是至关重要的。 投资组合差异也是专业投资管理风险报告的核心。因子模型将投资组合方差分解为市场风险、行业倾斜、风格暴露和特殊风险的贡献，使投资组合经理能够准确了解他们的风险来自何处以及他们是否得到了补偿。
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
公式
▾
两资产： σ²_p = w₁²σ₁² + wϋ2σ2² + 2·w₁·w2·ρ₁2·σ₁·σ2
N-资产：σ²_p = Σᵢ Σⱼ wᵢ·wⱼ·σᵢⱼ（矩阵形式：σ²_p = wᵀ·Σ·w）
投资组合标准差 (σ_p) = √σ²_p
协方差： σᵢⱼ = ρᵢⱼ·σᵢ·σⱼ变量说明
▾
| 符号 | 名称 | 单位 | 描述 |
|---|---|---|---|
| wᵢ | 资产权重 | decimal (0–1) | 分配给资产 i 的投资组合价值比例；所有权重之和必须为 1 |
| σᵢ | 资产标准差 | % per year | σᵢ参数代表投资组合方差计算中的关键定量输入，以其标准单位测量并通过数学公式直接影响计算结果 |
| ρᵢⱼ | 相关系数 | dimensionless (−1 to +1) | 资产 i 和 j 回报之间的皮尔逊相关性； −1 = 完全负值，0 = 不相关，+1 = 完全正值 |
| σᵢⱼ | 协方差 | % squared per year | 资产 i 和 j 的联合可变性；等于 ρᵢⱼ × σᵢ × σⱼ |
| Σ | 协方差矩阵 | matrix | 所有成对协方差的 N×N 对称矩阵；投资组合优化的核心输入 |
如何 Portfolio Variance & Std Dev
▾
- 1列出投资组合中的每项资产及其当前市场价值，然后计算每项资产的权重，即其价值除以投资组合总价值。
- 2收集每项资产的年化标准差（波动性）——通常根据 3-5 年的月度回报进行估算，然后进行年化（将月度 σ 乘以 √12）。
- 3构建成对相关矩阵：对于每对资产，计算其历史收益序列的相关性。大多数投资组合软件或电子表格都可以根据收益历史记录来计算这一点。
- 4将相关性转换为协方差：每对的 σᵢⱼ = ρᵢⱼ × σᵢ × σⱼ。
- 5对于两项资产，应用直接公式。对于更多资产，请使用矩阵乘法计算 wᵀΣw — 这是权重向量与协方差矩阵的内积。
- 6取投资组合方差的平方根即可得到投资组合标准差 (σ_p)——以百分比形式表示的更直观的风险度量。
- 7将 σ_p 与各个 σ 值的加权平均值 (Σwᵢσᵢ) 进行比较。区别在于多元化的好处——通过合并资产而不是单独持有资产可以避免多少风险。
例题解析
▾
加权平均 σ 将为 0.60×18+0.40×6 = 13.2%；该投资组合仅实现了 10.5%——通过多元化节省了 2.7% 的风险。
股票和债券之间的负相关性（股票下跌时债券往往上涨）是风险降低的根源。这就是为什么 60/40 投资组合几十年来成为养老基金和捐赠基金的默认平衡配置——它在捕捉股票回报的同时有效地抑制了波动性。
同一板块的两只股票相关性非常高；多元化仅可节省约 1% 的风险，而加权平均可节省 29% 的风险。
当资产高度相关时，将它们组合起来只会产生最小的多元化收益。持有两只科技股与持有一只规模两倍的科技股几乎没有什么区别。真正的多元化需要资产对经济状况做出不同的反应——而不仅仅是同一行业的不同公司名称。
添加黄金（两者的相关性接近于零）可以进一步降低投资组合的波动性，使其低于 60/40 基线。
黄金配置发挥了其与股票和债券的低相关性。尽管黄金本身具有波动性（15%），但由于它的走势独立于股票和债券，因此增加黄金的波动性可以减少整体投资组合的方差。这表明单项资产的波动性不如其与投资组合其他部分的相关性重要。
在危机中，跨资产相关性会飙升至 1.0，从而在您最需要的时候消除多元化。
这是根据正常周期数据计算的投资组合方差的最重要限制：相关性不稳定。在 2008 年金融危机和 2020 年 3 月新冠疫情引发的抛售期间，几乎所有风险资产都同时下跌，因为投资者清算了所有资产以筹集现金。基于长期平均相关性的模型极大地低估了这些事件期间的风险。
实际应用
▾
构建均值-方差有效投资组合并计算有效前沿，代表了专业和分析环境中投资组合方差的重要应用领域，其中准确的投资组合方差计算直接支持明智的决策、战略规划和绩效优化
机构基金管理中的风险分解和归因，代表了专业和分析环境中投资组合方差的重要应用领域，其中准确的投资组合方差计算直接支持明智的决策、战略规划和绩效优化
银行巴塞尔 III 和保险公司偿付能力监管 II 下的监管资本建模代表了专业和分析环境中投资组合方差的重要应用领域，其中准确的投资组合方差计算直接支持明智的决策、战略规划和绩效优化
机器人顾问和目标日期基金投资组合构建算法，代表了专业和分析环境中投资组合方差的重要应用领域，其中准确的投资组合方差计算直接支持明智的决策、战略规划和绩效优化
特殊情况
▾
非流动资产——定价不频繁
定价不频繁的资产（私募股权、房地产）由于其估值滞后，人为地表现出与公开市场的低测量相关性。这种“平滑效应”低估了真实的方差和相关性。对私人资产使用基于评估的回报的模型显着低估了真实的投资组合风险并夸大了多元化收益。Dimson（1979）修正或返回不平滑技术有助于对此进行调整。
肥尾和非正态回报
标准投资组合方差假设回报呈正态分布。事实上，资产回报率存在肥尾——大幅波动发生的频率远高于正态分布预测的频率。在 2008 年危机、2020 年新冠危机和 2022 年债券抛售期间，按照正态分布标准，回报率为 5-10 个标准差事件。预期缺口 (CVaR) 和压力测试补充了捕获尾部风险的方差。
协方差矩阵的估计误差
根据历史数据估计的协方差矩阵存在噪声，尤其是对于大型投资组合。对于 50 项资产，您估计 1,225 个协方差，每个协方差都带有估计误差。优化者会放大这些错误，产生具有极端权重的不稳定投资组合。收缩估计器 (Ledoit-Wolf)、因子模型或鲁棒优化方法可降低对估计误差的敏感性。
投资组合标准差相关性 — 50/50 分割，σ₁=20%，σ2=15%
▾
| 相关性（ρ） | 投资组合 σ | 风险与加权平均 (17.5%) | 解释 |
|---|---|---|---|
| −1.0（完全负） | 2.5% | −15.0% | 最大程度的多样化——可能接近零风险 |
| −0.5 | 10.4% | −7.1% | 强大的多元化效益 |
| 0.0（不相关） | 12.5% | −5.0% | 良好的多元化——独立资产 |
| 0.5 | 14.4% | −3.1% | 中等收益——同向资产 |
| 0.8 | 16.5% | −1.0% | 收益极小——高度相关 |
| +1.0（完全积极） | 17.5% | 0% | 无多元化——与加权平均相同 |
常见问题
▾
投资组合方差和投资组合标准差有什么区别？
投资组合方差 (σ²_p) 是风险的平方度量——单位是“平方百分比”，这并不直观。投资组合标准差 (σ_p = √σ²_p) 将其转换回可直接与资产回报进行比较的百分比项。如果您的投资组合的年度标准差为 12%，这意味着回报率通常会在大约三分之二的时间内落在平均值的 ±12% 范围内（一个标准差）。两者测量的是同一事物；标准差在实践中更常用，因为单位与回报的单位相匹配。
为什么对于多元化而言，相关性比个体波动性更重要？
如果该资产与现有资产的相关性较低或呈负相关，则将波动性资产添加到您的投资组合实际上可以降低整体投资组合风险。例如，黄金的年波动率为 15-20%，与股票相当，但在股票债券投资组合中添加 10-15% 的黄金通常会降低投资组合的总波动性。数学使这一点变得精确：当 ρ 为负时，叉积项 (2·w₁·w2·ρ·σ₁·σ2) 被减去，当 ρ 为正时，被加上。从字面上看，相关性是决定多元化是否有效的参数。
需要多少资产才能实现充分的多元化？
Evans 和 Archer (1968) 的研究表明，大多数特殊（公司特定）风险可以通过大约 20-30 只随机选择的股票来消除。除此之外，增加更多股票会略微降低风险。然而，由 30 只美国股票组成的投资组合只是针对公司特定风险进行了多元化——它仍然全面面临美国股市风险、行业风险和因子风险。真正的多元化需要跨越资产类别（股票、债券、房地产、大宗商品、替代品）和地域（国内、国际发达市场、新兴市场）。
什么是协方差矩阵以及如何构建协方差矩阵？
协方差矩阵 (Σ) 是一个 N×N 网格，其中每个条目 [i,j] 显示资产 i 和资产 j 之间的协方差。对角线条目是个体方差 (σᵢ²)。该矩阵是对称的（条目 [i,j] = [j,i]），因为 A 和 B 之间的协方差等于 B 和 A 之间的协方差。要根据历史数据构建矩阵：收集所有资产的每月收益，使用 Excel 的 COVAR 函数或 Python 的 numpy.cov() 计算成对协方差，然后乘以 12 进行年化（对于每月输入）。
什么是最小方差投资组合？
最小方差投资组合是资产组合（特定于每种资产的权重），它在所有可能的分配组合中产生尽可能最低的投资组合方差。它位于有效边界的最左边。它不一定是最优投资组合（它牺牲了预期回报），但它代表了在可用资产的情况下可实现的最大多元化收益。对于双资产情况，资产 1 的最小方差权重为：w₁ = (σ22 − σ₁2) / (σ12 + σ22 − 2σ₁2)，其中 σ₁2 是协方差。
杠杆如何影响投资组合方差？
杠杆按杠杆比率的平方放大投资组合方差。如果您借用投资组合价值的 50% 进行投资（1.5 倍杠杆），投资组合方差将增加 1.5² = 2.25 倍，标准差将增加 1.5 倍。这意味着 1× 时的 12% 年化标准差变为 1.5× 时的 18%。杠杆不能分散——它按比例缩放所有组成部分。这就是为什么高杠杆基金（例如 2× 和 3× ETF）的波动性远高于其基础指数。
MPT 中的投资组合方差和因子模型风险有什么区别？
MPT 根据原始回报历史计算总投资组合方差。因子模型（CAPM、Fama-French、Barra）将投资组合方差分解为系统成分（市场风险、规模风险、价值风险、动量风险）和特质成分。因子模型方差可以让您更深入地了解为什么您会面临风险——是市场贝塔值、行业集中度还是因子倾斜？对于投资组合管理来说，因子风险分解更具可操作性；对于精确的方差计算，协方差矩阵方法更准确。
常见错误注意事项
▾
- !使用百分比形式的资产标准差（例如 20）而不是小数（0.20）——该公式需要小数，并且混合它们会产生无意义的结果。
- !忽略相关性并简单地平均资产标准差——这会高估投资组合风险并忽略了多元化的全部意义。
- !假设历史相关性是稳定的——正常状态和危机状态之间的相关性会发生巨大变化。始终使用较高的相关性假设进行压力测试。
- !使用月度回报而不进行年化 — 将月度方差乘以 12 以获得年度方差，或将月度 σ 乘以 √12 以获得年度 σ。
- !将同一行业的股票投资组合视为多元化 — 行业股票的相关性高于 0.7，并且提供最小的方差减少。
专业提示
运行两种投资组合方差计算：一种使用长期平均相关性（正常时期），一种使用危机时期相关性（假设所有风险资产相关性飙升至 0.80+）。 The gap between these two numbers is your 'diversification credit' — the amount of risk reduction that may disappear in a real crisis. Size your risk budget conservatively against the crisis-correlation scenario.
你知道吗？
据报道，哈里·马科维茨 (Harry Markowitz) 在 20 世纪 50 年代还是一名博士生时，在大学图书馆阅读约翰·伯尔·威廉姆斯 (John Burr Williams) 的《投资价值理论》时开发了他的投资组合方差框架。他的见解——投资者应该关心投资组合，而不是个股——是在一天下午提出的。他的诺贝尔奖获得者演讲指出，米尔顿·弗里德曼最初暗示这项工作不是经济学。几十年后，马科维茨的协方差矩阵被嵌入到世界上每一个机构投资过程中。
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
参考资料
Ratings & comments
获取每周数学提示
加入 12,000+ 订阅者，每周都会获得计算器提示。