组合风控体系：风险预算、压力测试与回撤控制
本课目标：把”感觉危险就减仓”升级为一套分层的风控体系——事前有预算、事中有监控、事后有复盘，并且每条规则都经过回测检验。
很多策略死掉不是因为信号失效，而是因为某一次风险事件把本金打掉了太多，从此再也回不到正常运转的状态。风控体系的意义在于：在事情发生之前就规定好你会怎么做，而不是在恐慌中临场发挥。本文是方法论讨论，不构成投资建议。
风控的三层结构：事前、事中、事后
把风控动作按时间轴拆开，会清晰很多：
| 层次 | 时点 | 核心问题 | 典型工具 |
|---|---|---|---|
| 事前 | 建仓之前 | 我最多愿意亏多少？亏在哪里？ | 风险预算、仓位上限、集中度约束 |
| 事中 | 持仓期间 | 现在的风险和预算一致吗？ | 实时敞口监控、回撤线、波动率目标 |
| 事后 | 事件之后 | 亏损来自哪里？规则有效吗？ | 归因分析、风控规则复盘 |
三层缺一不可。只有事中监控而没有事前预算，就会陷入”跌了才想该不该卖”的被动；只有事前规则而没有事后复盘，规则会逐渐和市场脱节。
事后复盘值得多说两句，因为它最容易被省略。每一次显著回撤之后，至少回答三个问题：亏损来自哪个策略、哪类因子、哪些持仓？事前的风险预算有没有正确预估这次亏损的量级——如果实际亏损远超预算，说明风险模型漏掉了什么？事中的规则有没有被严格执行——如果没有，是规则不合理还是执行纪律出了问题？把答案写成简短的复盘记录，几次积累下来，你对自己组合的风险画像会远比任何模型输出更真切。
风险预算：先分配”亏损额度”再分配资金
传统做法是分配资金（给策略 A 三成仓位），更合理的做法是分配风险（允许策略 A 贡献组合三成的波动或回撤）。两者的区别在于：低波动策略可以拿更多资金，高波动策略必须被压缩。
一个简化的风险预算流程：
- 确定组合层面的总风险目标，比如年化波动率目标或最大可容忍回撤；
- 按策略间相关性和各自波动率，把总风险拆分到每个子策略；
- 用目标风险除以子策略的实际波动率，反推出资金权重；
- 定期（如每月）根据滚动波动率重新校准。
import numpy as np
def vol_budget_weights(vols: np.ndarray, budgets: np.ndarray) -> np.ndarray: """按风险预算反推资金权重（忽略相关性的简化版）""" raw = budgets / vols # 风险预算 / 波动率 return raw / raw.sum() # 归一化为资金权重
vols = np.array([0.25, 0.12, 0.08]) # 三个子策略的年化波动budgets = np.array([0.4, 0.4, 0.2]) # 期望的风险贡献占比print(vol_budget_weights(vols, budgets))严格版本需要考虑相关性矩阵，但即使是这个简化版，也比按拍脑袋分资金要纪律得多。
压力测试与情景分析：问”如果……会怎样”
波动率和 VaR 描述的是常态，压力测试关心的是非常态。设计压力测试有两条路径：
- 历史情景重放：把组合当前的持仓放回历史上的极端阶段（如流动性危机、风格剧烈切换、单一板块崩塌的时期），看损益如何；
- 假设情景构造：人为设定冲击组合，例如”中小市值因子单月大幅回撤 + 成交额萎缩一半 + 无法按收盘价成交”，检验组合在多重不利条件叠加下的表现。
好的压力测试有三个特征：情景要具体到可计算（每个资产跌多少、流动性折价多少）；要覆盖你的策略最怕的那种市场，而不是泛泛的大盘下跌；要输出行动含义——如果测试结果不可接受，事前就应该降低相应敞口，而不是把报告存档了事。
回撤控制机制：规则、熔断与它们的代价
事中风控最核心的是回撤控制。常见机制包括：
- 分级降仓规则：回撤触及某一档位时按预定比例降低总仓位，例如每加深一档降一部分仓，直到最低仓位；
- 熔断线：回撤触及深水线时全面降至底仓或空仓，进入冷静期，需满足恢复条件（如净值修复、波动回落）才能重新加仓；
- 波动率目标：不直接盯回撤，而是让组合波动维持在目标水平，波动升高自动降杠杆。
必须诚实地面对代价：任何回撤控制都是用收益换路径。降仓规则会在 V 型反转中让你踏空修复段；熔断之后的再入场规则如果太保守，会长期把仓位锁在低位。不存在”只降低回撤不损失收益”的规则，只存在你是否愿意接受的取舍。
设计时还有两个细节值得注意。一是恢复路径要和触发路径不对称：降仓可以快，恢复要慢，避免在震荡市里被反复触发、来回摩擦；二是规则要作用在正确的层级——组合层面的熔断线和单策略层面的降仓规则应该分开设置，否则一个策略的局部回撤可能错误地触发全组合减仓。
风控规则也要回测
这是本课最想强调的一点：风控规则本身就是策略的一部分，同样会过拟合，同样需要检验。
- 把降仓、熔断规则写进回测引擎，比较”带风控”与”不带风控”两条净值曲线在收益、波动、最大回撤、恢复时间上的差异；
- 对规则参数（触发线位置、降仓幅度、冷静期长度）做敏感性分析——如果结论对参数极其敏感，说明规则不稳健；
- 检查规则在不同市场阶段的表现：牛市中它拖累多少，熊市中它保护多少，震荡市中它是否频繁误触发来回打脸。
一条没有回测过的风控规则，和一个没有回测过的因子一样不可信。
本课小结
- 风控分事前（预算）、事中（监控与执行）、事后（归因复盘）三层，缺一不可；
- 优先分配风险而不是资金：让每个子策略的风险贡献匹配你的预算；
- 压力测试要具体、要针对策略的软肋、要产生事前行动，而不是事后报告；
- 回撤控制必然以牺牲部分收益为代价，关键是把取舍显式化、规则化；
- 所有风控规则都必须回测和做参数敏感性检验，否则只是心理安慰。
动手练习：给你现有的一个回测策略加上两档降仓规则（回撤触及第一档降半仓、触及第二档降至两成仓，净值修复后逐步恢复），对比加规则前后的净值曲线、最大回撤和恢复时间，然后把两档触发线各移动一定幅度做敏感性分析，写下你对这套规则稳健性的判断。