第68页 · 预计10页
跨市场组合追求风险分散，分散效果好坏的决定性因素是资产之间的相关系数。相关系数越低，分散效果越好。
很多交易者存在误区，只要交易不同市场，就天然实现风险分散。现实并不是如此。A股和港股相关系数可以达到0.78，A股熊市，港股同步下跌。同时交易A股加港股，并没有真正分散风险，近似于放大同一类风险敞口。
主要市场之间相关性统计 下面统计过去五年各大主流指数相关系数。
沪深300 标普500 恒生指数 美黄金 WTI原油 EURUSD 比特币
沪深300 1 0.35 0.78 0.12 0.28 0.15 0.25 标普500 0.35 1 0.45 -0.1 0.32 0.20 0.40 恒生指数 0.78 0.45 1 0.18 0.30 0.22 0.30 美黄金 0.12 -0.1 0.18 1 0.25 -0.30 0.15 WTI原油 0.28 0.32 0.30 0.25 1 0.10 0.35 EURUSD 0.15 0.20 0.22 -0.30 0.10 1 0.10 比特币 0.25 0.40 0.30 0.15 0.35 0.10 1
从表格可以得到几条关键结论。
A股和恒生指数相关性很高，分散效果很差。 A股与黄金、外汇市场相关性偏低，是很好的分散搭配。 美股和比特币相关性偏高，两者同属于风险资产。 黄金和绝大多数资产相关性偏低，适合作为组合分散配置。
如果你主力交易A股，想要新增第二个市场，优先黄金或者外汇，分散效果最优；不要优先配置港股，几乎起不到分散效果。
相关性动态变化特征 相关系数不是固定常数。极端黑天鹅行情，全部风险资产相关性会急剧升高，集体同步下跌。2020年全球熔断阶段，股票、原油、比特币、黄金同步下行，分散效果短暂失效。
所以跨市场分散可以降低普通行情下回撤，但是无法彻底抵御黑天鹅事件。黑天鹅行情依旧依靠现金储备和熔断风控。
把多套策略简单堆砌在一起不等于组合。搭建跨市场策略组合，我总结四条核心构建原则。
原则一，优先选择低相关性策略 优先选择不同市场、不同盈利逻辑的策略。
示例，A股反转策略+外汇三角套利+商品趋势跟踪。三套策略运行市场不一样，盈利来源完全不同，策略之间相关性低，组合净值曲线更加平滑。
反面案例，A股小盘策略+港股小盘策略+美股小盘策略。三套策略本质都是押注小盘风格，策略相关性高。一旦小盘风格失效，三套策略同步亏损，相当于三倍下注同一个风格因子。
原则二，策略类型均衡搭配 策略分为三大类，趋势类、套利类、反转类。三类策略收益来源不同，行情适配环境不同，组合应当兼顾三类。
趋势类，赚取趋势延续收益，牛市表现优秀，震荡行情持续回撤。 套利类，赚取定价偏差收益，牛熊都可以产生稳定收益，但是策略容量存在上限。 反转类，赚取超跌修复收益，熊市环境表现更好，牛市表现一般。
一套均衡的组合，三类策略都需要配置。趋势策略负责进攻，套利策略提供稳定打底收益，反转策略承担防御功能。
我个人实操大致配置比例，趋势类40%，套利类30%，反转类30%，跟随市场环境动态微调，但是大致比例维持不变。
原则三，策略容量匹配 不同策略资金容量差异巨大。套利类策略容量偏小；趋势跟踪策略可以承载更大资金。
不能把绝大多数资金分配到容量有限套利策略，资金超过上限之后，冲击成本抬升，收益快速衰减。
大资金规模，应当提高大容量趋势策略占比；小资金，可以更多配置高收益但是容量有限套利策略。
原则四，基于风险预算分配资金 各个策略分配资金规模，不是单纯看预期收益率，而是看风险贡献。高波动率策略分配更少资金，低波动率策略分配更多资金。
实操使用波动率作为风险衡量指标，波动率越高，分配资金权重越低，实现各个策略对整体组合风险贡献大致均等，也就是风险平价的核心思路。
举例，策略A年化波动率20%，策略B年化波动率10%。策略B波动更低，分配资金是策略A两倍，使得两套策略贡献风险接近。
风险平价属于资产配置领域成熟模型。核心思想，让每一套资产对整体组合风险贡献大致相等，而不是简单的资金金额等权分配。
简单等权分配，很容易出现整体组合风险完全被波动率最高那套策略主导。风险平价就是用来解决这个缺陷。
简化版风险平价权重计算，权重和波动率倒数成正比。
权重i = (1÷波动率i) ÷ Σ(1÷波动率j)
举例。 策略A波动率20% 策略B波动率10% 策略C波动率5%
权重A = (1÷20) ÷ (1÷20 + 1÷10 +1÷5) =0.05÷0.35≈14% 权重B=(1÷10)÷0.35≈29% 权重C=(1÷5)÷0.35≈57%
分配完成，三套策略对整体组合风险贡献基本持平，高波动策略分配更低资金。
如果策略之间存在不可忽略相关性，就需要引入协方差矩阵进行更加精准计算。风险贡献等于权重乘以协方差矩阵和权重的乘积，优化权重，保证每一项风险贡献相等。
手动计算协方差矩阵工作量很大，可以直接使用Python第三方库PyPortfolioOpt完成运算。
实盘对比效果 我自己的跨市场组合，简单等权配置，组合年化波动率18%，最大回撤22%。切换风险平价配置之后，年化波动率12%，最大回撤14%，年化收益仅仅下降两个百分点。风险调整之后收益大幅提升。
风险平价的价值，牺牲一小部分潜在收益，换取回撤的明显下降，组合稳健性提升。对于跨市场多策略交易，稳健生存远比短期高收益重要。
多套策略同时运行，不可避免出现信号冲突。趋势策略发出做多，反转策略发出做空，两套信号方向相反，如何处理，是多策略系统必须解决的现实问题。
我处理信号冲突，遵循三条原则。
原则一，大周期信号优先级高于短周期信号。 日线级别长周期信号，优先级高于15分钟、5分钟短周期信号。大级别趋势力量更强，短周期反转很多只是大趋势中间回调。优先顺应大周期，逆小周期为辅，可以规避大量毁灭性亏损。
原则二，套利信号优先级高于概率类信号。 套利策略属于确定性定价偏差机会，优先执行套利。趋势、反转策略属于概率博弈类机会，套利机会出现，优先执行套利交易，套利结束之后，再执行趋势反转信号。
原则三，信号冲突的时候，降低仓位，或者直接观望。
两套核心策略发出完全相反方向信号，优先级处于同一层级。代表当下市场方向混沌不明，强行开仓胜率会显著下降。
这种情况，我的实操方案，整体总仓位减半，或者直接放弃开仓机会。市场方向模糊，观望不是浪费时间，而是规避不必要亏损。
日常实操规则，如果两套核心策略信号互相冲突，当日总仓位减半，等待市场方向明朗，再恢复正常仓位。
静态权重分配无法适配持续变化的市场环境，需要动态调整各个策略资金分配。我采用基于历史业绩的月度动态分配方案。
调整规则
每个月月末，计算每一套策略过去三个月夏普比率。
策略夏普比率高于过去一年均值，权重上调20%。
策略夏普比率低于过去一年均值，权重下调20%。
单套策略权重上限40%，下限5%，避免权重极端。
调整之后整体总仓位不能超过100%，剩余资金作为现金储备。
这套机制，近期表现优秀策略自动增加资金，表现恶化策略自动缩减资金，实现优胜劣汰。
但是调整频率不能太高，我固定每月调整一次。如果每周都调整权重，本质变成追涨杀跌，策略短期回撤就削减资金，容易刚好卖在策略低点。
两类极端特殊情况处理。
第一，策略回撤超过历史最大回撤80%，直接减半仓位，不看夏普比率。有可能这套策略已经发生逻辑失效，不能继续加码。 第二，策略连续三个月跑输基准，暂停加仓，观察一个月，依旧没有改善，从策略池剔除。
动态资金分配可以改善组合表现，但是不是万能。不能指望动态分配拯救已经底层逻辑失效的策略。
如果你需要做组合优化，计算风险平价权重，可以访问a-sig.com壹信因子查询平台，平台提供在线组合优化工具，输入各个策略收益率序列直接计算。
本章实战笔记
分散的核心是低相关性，不是交易市场数量。两个高相关市场，不如同一个市场运行两套不同逻辑策略。
风险平价比简单等权分配更加科学。等资金分配看似公平，风险却全部集中在高波动策略。
信号冲突，不要强行交易。市场方向混沌，观望是合理选择。
动态调整不要频繁。每月一次足够，频繁调整等于追涨杀跌。
本章核心公式卡 风险平价简化权重 权重i = (1 / 波动率i) / Σ(1 / 波动率j) 波动率越高，分配权重越低。
风险贡献公式 RC_i = w_i × (Σw)_i Σ代表协方差矩阵，w代表权重向量
动态调整幅度 每月调整幅度±20%，单策略权重约束5%-40%
本章实战清单
组合构建清单 - 挑选3-5套低相关性策略，覆盖不同市场，不同策略类型 - 趋势、套利、反转三类策略合理配比 - 使用风险平价模型输出初始权重 - 回测组合收益、波动率、最大回撤，检验分散效果 - 设置单策略权重上下限，防止风险集中
动态调整清单 - 每个月末，计算各策略过去三个月夏普比率 - 夏普高于历史均值权重上调20%，低于均值下调20% - 策略回撤超过历史最大回撤80%强制减半仓位 - 连续三个月跑输基准，暂停加仓观察 - 调整完成之后总仓位不超过100%
⚠️ 风险提示：本书内容仅为量化研究与知识分享，不构成任何投资建议。套利交易存在基差、费率、流动性、平台与极端行情等风险，历史表现不代表未来收益。投资有风险，入市需谨慎，请自主决策、量力而行。
💡 键盘 ←/→ 翻章 · T 键切换目录