风险模型第四章：相关性矩阵——衡量分散化，及其局限

投资背景

第三章始终依赖一个假设：股票和债券之间存在稳定的、低或负的相关性。 这一章要把这个假设打开来看。相关性矩阵，简单来说，就是一张表格，显示投资组合中每一对资产彼此相对的运动方式——它是每一个「这个组合是分散的」这类主张背后的数学基础。

它也是金融领域被误用得比较严重的工具之一，不是因为数学本身有错，而是因为相关性经常被当作一种资产的固定属性，而它实际上是一个时间段、一种周期状态——以及至关重要的——市场压力水平的属性。

华尔街的翻译

如何读懂一张相关性矩阵

相关性的范围是从-1（完全相反的运动）到+1（完全相同的运动），0代表没有线性关系。

相关性数值	对分散化意味着什么
+1.0	完全没有分散效果——这两种资产是同一个赌注
+0.3 到 +0.7	部分分散——降低但不能消除组合波动性
约0.0	真正的独立——组合这些资产能有意义地降低组合波动性
负值	真正的对冲——一个上涨时另一个往往下跌

一个构建良好的投资组合，会持有两两之间相关性较低或为负的资产，这样单一事件就不太可能让所有资产同时朝同一个方向运动。 这正是分散化整个数学论证的基础，可以追溯到哈里·马科维茨最初的投资组合理论。

问题所在：相关性并不稳定

关于相关性，对真实投资者而言最重要的一个事实是：它是在一个特定的历史窗口内测量出来的，而这个测量结果——取决于你选择哪个窗口，以及市场当时在做什么——会发生变化，有时变化幅度很大。

这种失效模式在文献中有一个名字：相关性在市场危机期间往往会向1靠拢——而这恰恰是投资者最指望分散化来保护自己的时候。在一场大范围的恐慌中，那些平常独立运动的资产（不同板块，有时甚至不同资产类别），会因为投资者不加区分地套现，而被同时抛售，原本较低的相关性会一起飙升。

市场状态	各类风险资产之间的相关性典型表现
平静、正常的市场	相关性反映资产之间真实的基本面差异——分散化大致按照矩阵所预测的方式发挥作用
市场压力/危机	各类风险资产之间的相关性往往急剧升向1——「所有东西一起下跌」——恰恰是分散化本该起作用的时刻

这有时被概括为「危机中相关性都变成1」，这种说法夸大了普遍性，但抓住了一个真实且有充分文献记录的模式：分散化的保护效果，恰恰在你最需要它的时候最弱。 这不是说分散化毫无价值——在完整的市场周期中它依然有效——而是说，一张基于平静时期数据构建的相关性矩阵，会低估你在危机时期的真实风险。

为什么2022年的风险平价组合会遭遇这种情况

这正是第三章讨论的股债相关性反转背后的直接机制。 几十年来，衰退恐慌一直是主要抛售的主导驱动力——而衰退恐慌会压低股票，同时推高债券（增长预期下降意味着利率预期下降）。2022年的抛售不同：通胀恐慌是主导驱动力，而通胀恐慌在压低股票的同时，也压低了债券（因为它推高了利率预期）。主要建立在数十年由增长恐慌驱动的危机之上的历史相关性矩阵，根本没有包含足够的通胀恐慌数据，来警告投资者这种关系可能会反转。

这是一个更普遍问题的具体案例：一张相关性矩阵反映的是它估计窗口中出现过的周期类型，而对那个窗口中不曾出现过的周期类型保持沉默。

如何使用相关性而不被它误导

专业人士在实践中采取的三项调整：

1. 使用跨越多种周期类型（增长恐慌、通胀恐慌、信用危机）的更长历史，而不是仅仅依赖可能全部反映同一种周期的近十年数据。

2. 专门用危机时期的相关性、而非平均相关性来做压力测试。 问自己：「如果相关性升高到2008年/2020年/2022年那样的水平，这个组合会如何表现？」而不是仅仅依赖长期平均值。

3. 把真正的分散工具——那些拥有根本性不同、而不仅仅是历史上不同的回报驱动力的资产——当作比统计上偶然低相关的资产更可靠。 现金和真正的短久期政府债务，在避险事件中有结构性的理由保值；而一个仅仅在样本期内碰巧表现出低相关性的资产，并不带有同样的保证。

可执行的交易规则

1. 不要把过去5到10年计算出的相关性数字，当作一对资产的永久属性。 问一问那个窗口覆盖的是哪种周期，以及当前的环境是否与之相似。

2. 在对投资组合做压力测试时，明确地把风险资产的相关性调高到接近1，重新检查结果，而不是假设历史平均相关性会在你正在测试的那种事件中保持不变。

3. 不要依赖单一的分散工具（比如债券）来对冲所有形式的危机。 不同的危机由不同的机制驱动（增长冲击、通胀冲击、流动性危机），一个对某一种有效的对冲，可能对另一种完全失效。

4. 优先选择那些拥有结构性、基于机制的低相关性理由的资产（例如现金在流动性紧缩中的结构性安全性），而不是那些仅仅在你的样本中统计上不相关的资产，因为后者这种关系更可能是巧合，因而也更脆弱。

与退休组合的关系

这一章的教训直接为第三章的风险平价讨论加上了限定条件，也理应成为每一位退休投资者关于分散化的心智模型的一部分。

不要把「我的债券会保护我」当作一个无条件的事实来下结论。 更准确的结论应该是：「我的债券历史上在增长驱动的抛售中保护过我，而在通胀驱动的抛售中，可能保护不了我——甚至可能与股票一起下跌。」 这个更精确、更诚实的表述，正是2022年在现实中演示过的事实。

这对你的配置意味着什么	实际的启示
分散化在完整周期中依然有效	这不是反对持有债券或广泛分散的理由——而是要求对保护何时生效抱有更现实的预期
现金缓冲扮演着与债券配置不同的角色	现金对流动性紧缩的保护，不依赖于同样的增长/通胀周期区分——这正是本网站始终建议在分散化核心配置之外、额外持有现金缓冲，而不是用它来替代核心配置的原因
全球分散（不只是资产类别的分散）很重要	不同的经济体在不同时期面临不同的增长/通胀组合——地域分散是一种真正不同的风险驱动因素，而不仅仅是统计上观察到的一种
没有任何单一对冲工具是万无一失的	面对相关性不稳定，诚实的应对方式是广泛分散加现金缓冲加现实的预期，而不是去寻找一个完美的对冲

从第三章到这一章的一条主线是：一个在基于特定历史窗口构建的相关性矩阵上看起来分散的投资组合，在周期发生变化时可能表现得截然不同——这正是为什么本网站的标准建议，是一个低成本、全球分散、并配有现金缓冲的核心配置，而不是一个围绕某种可能不会持续的历史相关性模式而设计的组合。

第五章把视角从「资产之间如何相互关联」转向同一个问题的另一个视角：因子投资，以及支持动量、价值和低波动作为回报来源——而非仅仅是「股票市场」伪装成别的样子——的证据。