📈 economics

How many bets survive stress? Retained diversification in asset allocation

本文引入了压力保留有效投注数（stress-retained effective number of bets, ENB）的概念，用于衡量和管理多样化崩溃风险，并证明与传统的基于协方差的方法相比，该指标能更好地刻画投资组合在不利市场状态下保持多样化的能力。

原作者： Junhwi Kim, Doojin Ryu

发布于 2026-08-06

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Junhwi Kim, Doojin Ryu

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在为一个漫长且充满变数的远足准备背包。你想确保即使天气恶化，你也拥有足够的物资来生存。在投资世界中，这个“背包”就是由股票、债券和黄金等不同资产组成的投资组合。其目标是分散投资（Diversification）：将你的资金分散在许多不同的事物上，这样如果其中一件物品失效，其他的仍能保护你。这就像不要把所有的鸡蛋放在同一个篮子里。

然而，这里有一个隐蔽的问题。有时，当风暴来袭时，所有的篮子都会同时开始摇晃。在金融领域，当原本通常向相反方向运动的不同资产突然开始同步运动，或者它们之间的“安全网”消失时，就会发生这种情况。这被称为分散化崩溃（Diversification Collapse）。这是当你最需要安全装备时，却发现它们竟然是由纸糊成的那个可怕时刻。为了衡量一个投资组合到底有多安全，专家们使用了一个概念，叫做有效投注数（Effective Number of Bets, ENB）。你可以这样理解：这不仅仅是在计算你的背包里有多少件物品，而是在计算你的背包有多少种能够独立抵御跌落的生存方式。如果你有十件物品，但它们在同一时刻全部损坏，那么你只有一次“生存投注”。如果它们在不同时间损坏，你就有十次。

这篇论文提出了一个简单但至关重要的问题：当压力袭来时，你的“投注”中有多少实际上能存活下来？ 作者 Junhwi Kim 和 Doojin Ryu 研究了你在平静时期看到的分散化程度，是否与市场陷入恐慌时的分散化程度相同。他们引入了一种新的衡量方法，称为压力保留有效投注数（Stress-Retained ENB），它就像是对你背包生存装备的一次压力测试。

伟大的背包压力测试

研究人员建立了一个大规模模拟，使用了 13 种不同类型的投资基金（例如混合了股票、债券和商品），以观察当金融压力到来时会发生什么。他们不仅观察了构建之日的投资组合状态，还观察了在接下来的三个月（63 个交易日）内，随着价格漂移和市场环境的变化，投资组合的表现如何。

他们发现，分散化是一种脆弱的资源。仅仅因为一个投资组合在平静的日子里看起来实现了良好的分散化，并不意味着它在艰难时刻仍能保持如此状态。事实上，他们发现，当广泛的金融压力指数（如芝加哥联储国家金融状况指数）上升时，一个投资组合所保留的有效投注数会显著下降。这就像这场风暴不仅摇晃了背包，还让不同篮子的带子融合在了一起，将十个独立的防护网变成了一个单一且脆弱的网。

“脆弱性”的惊喜

最有趣的发现之一是：那些在账面上看起来表现“最好”的投资组合，往往在压力测试中失败得最惨。作者对比了一个“因子风险平价”（Factor-Risk-Parity）投资组合（旨在根据今日数据实现投注数最大化）与一个“全局最小方差”（Global Minimum-Variance）投资组合（仅旨在尽可能保持稳定）。

在投资组合构建当天，因子风险平价投资组合看起来非常出色，拥有 10.58 个有效投注数。而全局最小方差投资组合看起来没那么引人注目，仅有 7.81 个投注。然而，当研究人员模拟压力场景时，因子风险平价投资组合的生存装备崩溃了。其保留的投注数降至 3.99，而全局最小方差投资组合则保持稳定在 4.18。

这意味着，“高级”投资组合在好日子里拥有大约 35% 更多的投注，但在情况恶化时，它保留的投注却少了 5%。作者将这种差异称为脆弱性（Fragility）。该高级投资组合的脆弱性分数为 6.59，而较简单的那个仅为 3.63。事实证明，追求今日投注数的最大化，并不能保证你明天依然拥有这些投注。

新的安全检查：EaR 和 CES

为了解决这个问题，作者提出了两种新的风险衡量工具：

风险中的有效投注数（ENB-at-Risk, EaR）： 它在问：“在最糟糕的 5% 的情景中，我还剩下多少次投注？”这就像是在检查你链条中最薄弱的一环。
条件有效投注缺口（Conditional ENB Shortfall, CES）： 它计算了在那些最坏情况下的平均投注数。

当他们测试这些工具时，发现拥有较高 CES（即在压力期间保留更多投注）的投资组合在现实世界中的损失实际上更小。具体而言，具有高保留分散化的投资组合，其 风险价值（VaR）、预期缺口（ES） 和 最大回撤（Maximum Drawdown） 都较低。简单来说，如果你的投资组合在危机期间能保持其独立性，那么当市场崩盘时，你的损失就会较少。

为什么旧地图不再奏效

论文还测试了不同预测方法的有效性。他们将这种“压力场景”方法与仅观察今日数据或使用简单滚动平均值的旧方法进行了对比。结果非常明确：

旧方法经常忽略危险。例如，标准的“点协方差”预测在 65.3% 的时间内突破了其安全限制（这意味着它在近三分之二的时间里都是错误的）。
新的“压力 EaR”方法表现要好得多，其突破率仅为 10.0%，并且误差得分显著降低。

作者建议，虽然我们无法完美预测未来，但使用“压力保留”的视角能让我们更清晰地了解我们真正拥有多少真正的安全投注。这就像是在船只平静时清点救生衣的数量，与检查救生衣在撞击波浪后是否依然防水之间的区别。

最后，论文指出，投资者不应仅仅问：“我的投资组合今天有多分散？”他们应该问：“如果世界变得疯狂，我的投注中有多少能存活下来？”因为在金融世界中，唯一真正有意义的分散化，是那种在需要它时依然能保持完好的分散化。

技术摘要：多少注码能在压力中存活？资产配置中的留存多样化

1. 问题陈述

本文探讨了**多样化崩溃（diversification collapse）**的风险：即一个组合在调仓日期基于当前协方差估计呈现出良好的多样化特征，但在持有期内暴露于不利的依赖状态时，其潜在的多样化程度会发生丧失。

虽然传统的基于风险的组合构建方法（如风险平价、最小方差法）在构建时会将方差分配到各类资产或潜在协方差成分中，但多样化的价值取决于构建后实现的依赖状态。在压力场景下，相关性往往上升，对冲关系（如股债对冲）会减弱，共同因子会吸收更多的组合风险。因此，在形成日协方差矩阵下看似不同的风险敞口，在压力状态下可能演变为对同一压力成分的暴露，从而实际上减少了独立的风险方向数量。本文认为，仅通过当前的协方差矩阵来衡量多样化会高估其持久性，且无法捕捉多资产组合中固有的“多样化崩溃风险”。

2. 研究方法

数据与范围

本研究利用了从 2007 年 4 月 12 日至 2026 年 5 月 15 日期间，涵盖主要资产类别（股票、名义利率、信贷、通胀挂钩债券、商品、房地产和美元）的 13 种流动性高的 ETF 的日收益率数据。组合每月构建一次，验证测试覆盖随后的 63 个交易日（一个季度的、不进行再平衡的持有期）。

核心指标：压力留存有效注码数 (Stress-Retained ENB)

作者引入了 压力留存 ENB (Stress-Retained ENB)，这是一个衡量在给定场景分布下，在组合形成时所包含的信息中所保留的有效多样化程度的指标。

有效注码数 (ENB)： 遵循 Deguest, Martellini, 和 Meucci (2022) 的定义，ENB 被定义为承载组合方差的独立潜在风险因子的熵等效数量。其计算公式为 $ENB = \exp(-\sum p_j \ln p_j)$ ，其中 $p_j$ 代表第 $j$ 个主成分的方差份额。
留存机制： 与静态 ENB 不同，留存 ENB 考虑了组合在特定场景法则 $Q_t$ $Q_{t}$ 下的演变。它包括以下步骤：
1. 基于形成日的信息生成 $h$ 天收益路径（ $h=63$ ）。
2. 在每个路径内，允许组合权重通过买入并持有动态进行漂移。
3. 为每个场景估计一个路径特定的协方差矩阵 $\Sigma_t^{(s)}$ 。
4. 使用漂移后的权重和路径特定的协方差，计算路径内每日开始时的平均 ENB。

风险指标

为了总结留存多样化分布的下尾部，论文定义了：

ENB 在险价值 (ENB-at-Risk, EaR)： 留存 ENB 分布的下 $\alpha$ 分位数（基准 $\alpha=0.05$ ）。它回答了在最差的 5% 场景中，还剩下多少个有效注码。
条件 ENB 缺口 (Conditional ENB Shortfall, CES)： 低于 EaR 阈值的留存 ENB 的条件均值。
脆弱性 (Fragility)： 定义为当前 ENB 与 CES 之间的差值。

场景构建

基准场景法则 ( $Q_t$ ) 利用了每个再平衡日每期 300 条先验信息收益路径，这些路径由以下部分构成：

40% 来自前 252 个交易日的块自助法 (block-bootstrap) 路径。
40% 来自先前的“高压力”月份的完整历史路径（通过结合相关性、国债损失压力和吸收比率的扩展状态指数进行选择）。
20% 是基于移动平均和符合条件的先验高状态协方差矩阵模拟出的协方差冲击路径。

组合构建与验证

研究评估了八种基准配置规则（等权重、60/40、反向波动率、风险平价、GMV、最大多样化、FRP-MV 和 MV-ENB6），这些规则处于受限的可行集内（仅限做多、ETF 权重上限 60%、资产类别上限）。

验证： 将随后的 63 天内实现的路径平均 ENB 与使用 检查损失 (check loss)（针对 EaR）和 识别矩 (identification moments)（针对 CES）进行的先验预测进行对比。
校准： 使用概率积分变换 (PIT) 和 Kolmogorov-Smirnov (KS) 距离来评估先验场景分布与实现的留存 ENB 之间的匹配程度。

3. 主要结果

多样化崩溃与压力

压力影响： 当广义金融压力指数（如 NFCI, ANFVI）显示压力时，压力留存 ENB 会显著下降。高压力状态与有效注码减少、跨资产依赖性增强以及对冲关系减弱相关。
机制： 留存多样化的下降是由平均相关性和下行相关性的上升、股债相关性上升（削弱了久期对冲）以及吸收比率上升（即前几个主成分解释了更多的方差）驱动的。

组合比较

FRP-MV vs. GMV： 因子风险平价最小方差 (FRP-MV) 组合实现了比全球最小方差 (GMV) 组合更高的当前 ENB (10.58 vs. 7.81)。然而，在压力尾部，FRP-MV 保留的有效注码较少（CES 为 3.99，而 GMV 为 4.18），并且表现出显著更高的脆弱性（6.59 对比 3.63）。这表明，最大化当前 ENB 并不保证在不利状态下的稳健性。
排名： 具有更高 CES 和 EaR（表示更好的留存多样化）的组合，其后续的下行风险一致性地较低。

对下行风险的预测能力

风险降低： 在匹配的可行组合中（控制了当前 ENB、波动率、久期和资产权重），处于 CES 或 EaR 前 1/3 的组合经历的未来损失明显更低。具体而言，高留存组合的下行风险（以 VaR 损失、预期缺口、下行波动率和最大回撤衡量）比低留存组合低约 9% 至 10%。
预测准确性：
- EaR： 压力 EaR 基准实现的检查损失为 0.1109，比滚动块自助法 (Rolling Block-Bootstrap) 基准 (0.1579) 提高了 29.8%。
- CES： 压力 CES 展示了最低的平均绝对识别矩 (0.9605)，表明其在下尾部校准方面优于点协方差和滚动基准。
- 分布拟合： 压力场景分布比点协方差或滚动块自助法分布能更紧密地追踪实现的留存 ENB 全分布，其 KS 距离为 0.070，而滚动块自助法为 0.134。

4. 意义与主张

本文声称确立了留存多样化 (retained diversification) 作为后续下行风险的一种有效的先验诊断工具。其主要贡献在于：

重新定义多样化风险： 它将关注点从静态多样化（形成时）转向了多样化崩溃风险，量化了在不利依赖状态下能存活多少个有效注码。
卓越的诊断工具： 它引入了 EaR 和 CES 作为总结留存多样化下尾部的指标，提供了比当前协方差 ENB 更准确的组合脆弱性表征。
解耦当前 ENB 与留存 ENB： 结果显示，组合在形成时可能表现出高度多样化（高当前 ENB），但在压力下却拥有低留存多样化（低 CES），这一点从 FRP-MV 与 GMV 的比较中得到了证实。
预测有效性： 研究提供了经验证据，证明较高的先验留存 ENB（以 CES 或 EaR 衡量）可以预测更低的实现下行风险（VaR、ES、回撤），即使在控制了标准风险因子的情况下也是如此。
场景建模： 它证明了由先验信息和高状态历史路径构建的压力场景分布，在留存多样化的校准和分布拟合方面，优于标准的滚动窗口或点协方差方法。

作者得出结论，留存 ENB 衡量了形成日配置的“脆弱性”，将不利状态下潜在多样化的丧失直接与随后的组合损失幅度联系起来。