欢迎来到投资组合构建！

欢迎各位未来的 FRM 持证人！你们已经学会了如何衡量风险；现在是时候学习如何利用这些风险来构建投资组合了。可以把这一章想象成投资的“建筑蓝图”。我们不是随机挑选股票；我们是在进行策略性配置，旨在为我们愿意承担的风险水平争取最佳回报。

如果起初看到这些数学公式感到畏惧，别担心！我们会将其拆解为简单、合乎逻辑的步骤。读完这些笔记后，你将能理解专业基金经理人究竟是如何决定每项资产的持仓比例。

1. 基础：效用与风险厌恶

在构建投资组合之前，我们需要了解投资者想要什么。在金融学中，我们使用效用函数 (Utility Function) 来呈现投资者基于回报与风险所感受到的“快乐”程度。

效用 (\(U\)) 的标准公式如下：
\(U = E(R_p) - \frac{1}{2} \lambda \sigma^2_p\)

其中：
- \(E(R_p)\) 是预期回报。
- \(\lambda\) (lambda) 是风险厌恶系数 (Coefficient of Risk Aversion)（代表投资者有多厌恶风险）。
- \(\sigma^2_p\) 是投资组合的方差（风险）。

类比：麻辣食物等级
把回报想象成味道，风险想象成“辣度”。一个高风险厌恶者 (\(\lambda\)) 想要美味，但受不了太辣。一个低风险厌恶者则愿意为了美味而稍微冒点汗。效用分数告诉我们，这位“食客”对这顿饭有多满意。

小贴士： 如果 \(\lambda\) 增加，风险的“惩罚”就会变大，投资者将会选择更保守的投资组合。

关键重点：

投资者旨在极大化效用。他们想要尽可能高的回报，但他们必须为所承担的风险“支付”惩罚成本。该惩罚的大小取决于他们个人的风险厌恶水平。

2. 平均-方差框架

大多数投资组合构建都是基于平均-方差优化 (Mean-Variance Optimization, MVO)。这是经典的马科维茨 (Markowitz) 方法，我们关注两件事：预期的平均回报以及这些回报的波动性（方差）。

目标： 寻找有效前沿 (Efficient Frontier)。这是一组在相同风险水平下提供最高回报的投资组合集合。

常见陷阱： 学生常忘记 MVO 非常依赖相关系数 (Correlations)。如果两项资产完全相关，组合它们并不能降低风险。我们追求低相关甚至负相关，以让投资过程更“平滑”。

关键重点：

所谓“有效率”的投资组合，是指你无法在不增加风险的情况下获得更多回报，或是无法在不牺牲回报的情况下降低风险。

3. 从被动到主动：信息比率

在 FRM Part II 中，我们不再满足于“持有大盘”。我们要研究的是主动管理 (Active Management)。当经理人试图击败基准指数（如 S&P 500）时，我们会使用信息比率 (Information Ratio, IR) 来评估他们的表现。

IR 的公式为：
\(\text{IR} = \frac{\text{Active Return}}{\text{Active Risk}} = \frac{\alpha}{\omega}\)

其中：
- \(\alpha\) (Alpha) 是超出基准的回报。
- \(\omega\) (Tracking Error, 跟踪误差) 是该 Alpha 的标准差。

为什么这很重要？
IR 告诉我们“投资回报率 (bang for your buck)”。它展示了经理人相对于基准，每承担一单位超额风险所产生的超额回报。

你知道吗？
信息比率就像一个“实力衡量器”。较高的 IR 暗示经理人是透过专业能力持续击败市场，而不是仅仅靠一次大的投机运气。

快速复习箱：

- 夏普比率 (Sharpe Ratio)： 总回报 vs. 总风险。
- 信息比率 (Information Ratio)： 主动回报 vs. 主动风险（跟踪误差）。

4. 主动管理基本定律

这是考官最喜欢的主题！Grinold 和 Kahn 提出了“基本定律”来解释主动回报的来源。其最简化的形式为：

\(E(R_A) = IC \times \sqrt{BR} \times \sigma_A\)

或者，如果我们看信息比率：
\(\text{IR} = IC \times \sqrt{BR}\)

让我们拆解这些成分：
1. 信息系数 (Information Coefficient, IC)： 这是技能。它是经理人预测与实际结果之间的相关性。（范围：-1 到 +1）。
2. 广度 (Breadth, BR)： 这是机会。指经理人每年进行的独立押注次数。

“赌场”类比：
想想赌场。庄家只有很小的技能 (IC)—优势仅约 1-2%。然而，他们拥有巨大的广度 (BR)，因为每天有成千上万的人玩成千上万次牌。这种高广度使他们的利润非常稳定。投资经理人可以通过变得非常聪明（高 IC）或进行许多小而独立的聪明决策（高 BR）来获得成功。

转换系数 (Transfer Coefficient, TC)：
在现实世界中，经理人受到各种限制（例如“禁止做空”）。这降低了他们将洞察转化为实际交易的能力。我们将 TC 加入公式：
\(\text{IR} = IC \times \sqrt{BR} \times TC\)

关键重点：

要提高信息比率，你必须提高预测技能 (IC)、增加独立押注的数量 (BR)，或者减少对投资组合的限制 (TC)。

5. 风险预算与风险分解

现代投资组合构建不仅仅是关于投入多少“资金”，而是关于投入多少“风险”。这称为风险预算 (Risk Budgeting)。

风险配置步骤：
1. 确定总风险偏好： 投资组合能承受多少总波动性？
2. 风险边际贡献 (Marginal Contribution to Risk, MCR)： 计算投入某项资产的下一块钱会增加多少总投资组合风险。
3. 风险绝对贡献 (Absolute Contribution to Risk)： 将资产的权重乘以其 MCR。
4. 平衡： 在“风险平价 (Risk Parity)”投资组合中，你调整权重使得每项资产贡献的风险量相同，而不论其资金价值为何。

常见错误：
假设股票与债券 50/50 的资金分配就是平衡的投资组合。由于股票比债券风险高得多，50/50 的资金分配可能导致 90% 的风险来自于股票！

关键重点：

风险预算确保没有任何单一仓位或因子会意外地主导投资组合的风险特征。

6. 现实世界的构建限制

在教科书中，我们可以买卖任何东西。但在现实世界中，我们面临重重阻碍，包括：

1. 做空限制： 许多基金是“只做多 (long-only)”，这意味着他们不能针对某个股票进行做空。这限制了他们利用负面信息的能力，从而降低了 TC。
2. 流动性限制： 你无法在不造成价格不利波动的情况下，买入一家小公司 50% 的股份。
3. 交易成本： 如果你为了维持“优化”而频繁交易，佣金和差价会吃掉你所有的利润。
4. 监管/授权限制： 例如，“绿色基金”不能购买石油股票，即便他们预期这些股票表现良好。

鼓励一下：
如果这些限制看起来很复杂，那是因为它们确实很复杂！这就是投资组合管理的“艺术”与“科学”交会的地方。经理人们终其一生都在平衡这些权衡取舍。

考试日总结清单

在进入下一章之前，请确保你能：
- 解释风险厌恶 (\(\lambda\)) 如何影响投资组合的选择。
- 计算信息比率并解释其衡量内容。
- 识别基本定律的组成部分 (\(IC\), \(BR\), \(TC\))。
- 区分资本配置（资金）与风险配置（波动性贡献）。
- 理解限制条件通常会通过降低转换系数，从而降低投资组合的效率。