策略越多越亏钱？量化组合的科学与艺术

你是否也遇到过这样的窘境：辛辛苦苦研发了好几个看似赚钱的策略，把它们一起跑，结果账户净值却像心电图一样，甚至还不如只跑一个策略时稳健。这是为什么？欢迎来到量化交易的“进阶区”，在这里，单打独斗的英雄主义已经过时，真正的决胜点在于构建投资组合的智慧。

最近，知名的开源量化框架vn.py发布了组合策略组件的新版本，这并非偶然。它标志着一个趋势：越来越多的个人与小型团队，正在从“寻找下一个圣杯策略”的迷思中走出，转向更系统、更专业的组合管理。这背后是一个残酷的现实：市场是多变的，任何单一策略都有其生命周期和适用边界。把所有鸡蛋放在一个篮子里，即使篮子再精美，风险也极高。

然而，简单的“分散投资”就是答案吗？这恰恰是量化新手最容易掉入的第一个陷阱。他们以为把十个CTA策略放在一起就是组合了，但这只是第一层思考。二阶思考会告诉你：如果这十个策略都是基于类似的动量或均值回归逻辑，那么在市场风格切换时，它们很可能会同时失效，造成“回撤共振”。这非但没有分散风险，反而放大了同一风险因子的敞口。真正的组合，追求的是不同“收益来源”的组合，而非不同“策略名称”的堆砌。一个反常识的结论是：有时候，从组合中剔除一个单独看很赚钱、但与其他策略高度相关的策略，反而能提升整个组合的夏普比率。

那么，如何从“策略的集合”进化为“真正的投资组合”？这里有四个可操作的步骤，帮你搭建更稳健的系统：

1. 告别等权，拥抱风险预算：别再给每个策略分配相同的资金了。更科学的做法是基于“风险”来分配权重。例如，设定一个年化10%的目标波动率，然后根据每个策略的历史波动率来反向决定其仓位大小。高波动的策略分得少，低波动的策略分得多，让每个策略对组合总风险的“贡献”趋于平等。
2. 定期体检，揪出“伪分散”策略：用数据说话，定期计算你策略池中所有策略之间的收益相关性矩阵。如果发现某两个策略的相关性长期高于0.7，那就要警惕了。它们很可能只是对同一种市场效应的不同描述。此时，你需要做的是二选一，或者将它们融合降维，而不是让它们在你的组合里“内耗”。
3. 动态监控，警惕“关系漂移”：市场的风格不是一成不变的，策略间的相关性也同样如此。牛市里看似无关的两个策略，在熊市里可能突然同涨同跌。解决方案是使用滚动时间窗口（如过去60天）来持续监控相关性。一旦发现相关性突破了你设定的历史阈值，系统就应该自动报警，甚至主动降低相关策略的风险敞口。
4. 风控升级，从“单兵”到“集团军”：不要再给每个策略设置过于严苛的硬性止损线。在组合的视角下，一个策略的合理回撤，完全可能被另一个策略的盈利所覆盖。正确的做法是将风控重心上移，在整个投资组合的净值层面设置总的止损或回撤阈值。这能给单个策略更多“呼吸空间”，避免因市场短期“毛刺”而被过早地淘汰出局。

当然，构建投资组合并非一劳永逸。最大的风险在于，当极端市场事件（比如黑天鹅）发生时，所有资产的相关性都可能趋向于1。据原报道提醒，高度相似的信号会在这种情况下集体失效。因此，一个成熟的组合还需要考虑配置一些“负相关”的尾部风险对冲工具，例如买入波动率指数（VIX）的衍生品或少量价外期权，它们就像是为你的资产舰队购买的保险。

总而言之，从单策略到投资组合，不仅是技术的升级，更是思维模式的跃迁。它要求我们从单纯追求夏普比率，转向更深刻地理解风险的来源与结构。你目前在组合管理上遇到了什么问题？或者有什么独到的心得？欢迎在评论区留言交流。

关注作者–看更多有趣有料的信息