Modern Portfolio Theory
现代投资组合理论(Modern Portfolio Theory),简称MPT。这是金融经济学中的一个奠基石理论,由经济学家Harry Markowitz于1952年在他著名的博士论文中首次提出,并因此在1990年荣获诺贝尔经济学奖。从本质上讲,MPT是一套数学框架,它告诉我们投资的精髓并不在于挑选单个“最好”的资产,而在于如何将不同的资产“科学地”组合在一起。它的核心目标很简单:要么在承受同等风险水平的前提下,实现收益最大化;要么在追求同等收益水平的前提下,承受风险最小化。MPT用严谨的数学语言,将“别把鸡蛋放在一个篮子里”这句古老的谚语,升级成了一套可操作的、量化的投资策略,深刻地影响了过去几十年的机构投资和个人理财领域。
MPT的核心思想:进阶版的“别把鸡蛋放在一个篮子里”
我们都听过“别把鸡蛋放在一个篮子里”这句理财箴言。它的意思是,通过分散投资,可以避免因为某一项投资的失败而导致满盘皆输。MPT完全赞同这个观点,但它更进了一步,它会问:
- “应该放多少个鸡蛋?”
- “应该选什么样的篮子?”
- “这些篮子应该如何搭配?”
为了回答这些问题,MPT引入了三个关键的度量衡,就像是为我们的投资组合配了三件“神器”。
关键要素一:期望收益 (Expected Return)
这很好理解,就是我们预期一项资产在未来能给我们带来多少回报。它通常是基于历史数据和对未来的预测计算出来的。比如,我们分析一只股票过去五年的平均年回报率是10%,并结合对它所在行业和公司基本面的判断,我们可能会设定它的“期望收益”是8%-12%之间。 需要注意的是,这只是一个“期望”,是一个基于概率的预测,就像天气预报说明天有80%的概率下雨一样,它不等于明天一定会下雨。投资世界里,期望收益是我们航行时盯着的灯塔,但海面上总有风浪。
关键要素二:风险 (Risk),在MPT里特指“波动性”
在MPT的语境里,“风险”有一个非常具体的数学定义:波动性(Volatility),通常用一个叫做标准差(Standard Deviation)的统计学指标来衡量。
- 低标准差:意味着资产的价格走势像一艘在平静湖面上行驶的邮轮,四平八稳,回报率围绕着期望值小范围波动。比如,国债通常就是低波动性资产。
- 高标准差:意味着资产的价格走势像一艘在狂风巨浪里航行的小舢板,忽上忽下,回报率可能远远高于期望值,也可能远远低于期望值。比如,一些热门的科技股或加密货币。
把风险等同于波动性,是MPT最核心,也是后来受到最多争议的设定之一。但我们先记住这个设定,它是理解MPT魔法的关键钥匙。
关键要素三:相关性 (Correlation)
如果说期望收益和风险是构建投资组合的砖块,那么相关性就是将这些砖块粘合起来的水泥,也是MPT理论的真正魔法所在。 相关性描述的是两种资产价格变动的同步程度,其取值范围在-1到+1之间。
MPT的魔法酱汁:相关性
想象一下,你是一个同时卖雨伞和太阳镜的小贩,你的生意会如何?
- 完美正相关(+1):如果你卖的是雨伞和雨衣。下雨天,雨伞大卖,雨衣也大卖;大晴天,两者都无人问津。你的总收入波动会非常剧烈。把这两种商品放在一起,完全没有起到分散风险的作用。在投资中,两家同行业的龙头公司股票,比如可口可乐和百事可乐,它们的股价走势就倾向于正相关。
- 完美负相关(-1):这就是你同时卖雨札和太阳镜的情况。下雨天,雨伞生意火爆,太阳镜无人问津;大晴天,太阳镜供不应求,雨伞生意惨淡。神奇的是,无论晴天雨天,你的总收入都趋于稳定。这就是MPT梦寐以求的组合!一种资产下跌时,另一种资产恰好上涨,完美对冲了风险,让整个投资组合的波动性大大降低。在现实中,完美的负相关资产极难找到,但像股票和长期国债在某些时期会呈现出一定的负相关性。
- 不相关(0):如果你卖的是雨伞和电影票。下不下雨和人们想不想看电影,两者之间基本没什么关系。当你把这两种生意组合在一起时,也能有效地分散风险。因为一个生意的惨淡,不太可能和另一个生意的惨淡同时发生。
MPT的洞见在于:一个投资组合的整体风险,不仅仅取决于组合内每个资产自身的风险,更关键的是取决于这些资产之间的相关性。 只要资产之间的相关性不是完美的“+1”,那么将它们组合在一起,就能在不(或少量)牺牲期望收益的情况下,降低整个组合的风险。这,就是“分散化的免费午餐”。
效率前沿:寻找你的“金发姑娘”投资组合
好了,有了收益、风险和相关性这三件神器,Markowitz开始了他的数学魔法。他通过计算机模拟了成千上万种不同资产比例的投资组合,并将它们绘制在一张图上。 这张图的横坐标是风险(波动性),纵坐标是期望收益。图上布满了密密麻麻的点,每个点代表一种可能的投资组合。 很快,一个有趣的规律出现了:
- 对于任何一个给定的风险水平,总存在一个收益最高的投资组合。
- 对于任何一个给定的收益水平,总存在一个风险最低的投资组合。
把所有这些“最优”的投资组合连接起来,就形成了一条优美的弧线,这条线被称为效率前沿(Efficient Frontier)。  (此处为示意,实际辞典中应配图) 效率前沿上的每一个点,都是一个“金发姑娘”投资组合——它的风险和收益匹配得“刚刚好”。任何在这条线下方的组合都是“次优”的,因为你总可以在效率前沿上找到一个风险相同但收益更高,或者收益相同但风险更低的替代品。 一个理性的投资者,就应该根据自己的风险承受能力,在效率前沿上找到属于自己的那个点,并构建相应的投资组合。
MPT在现实世界的应用:听起来很美,用起来如何?
MPT理论的诞生,对整个投资行业产生了革命性的影响。
- 机器人投顾(Robo-advisors)的大脑:近年来兴起的机器人投顾服务,其后台的核心算法就是MPT。你填写一份风险偏好问卷,系统就会根据MPT模型,自动为你生成一个位于“效率前沿”上的全球化资产配置方案。
价值投资者的视角:MPT的“冰与火之歌”
作为一本以价值投资为核心理念的辞典,我们必须用批判的眼光来审视MPT。对于价值投资者来说,MPT就像一首“冰与火之歌”,既有其光芒四射的贡献,也有其令人不安的冰冷缺陷。
“火”:MPT的贡献与启示
- 宏观思维的引入:MPT最大的贡献,是迫使投资者从“选股”的微观思维,提升到“构建组合”的宏观思维。它强调了资产之间的协同效应,这一点是极其宝贵的。即便是最专注的价值投资者,也必须考虑整个投资组合的结构。
- 分散化的量化:价值投资的鼻祖Benjamin Graham也强调分散化,但他更多是基于经验和常识(例如,持有10-30只股票)。MPT则首次为分散化提供了严谨的数学证明,让人们能更精确地理解分散化是如何运作的。
“冰”:价值投资者的疑虑
价值投资者对MPT的批评主要集中在它的几个基本假设上。
- 疑虑一:风险 ≠ 波动性
这是最根本的分歧。在MPT眼中,一家优质公司的股票价格在一年内下跌了50%,它的“风险”就急剧增大了。但在价值投资巨匠Warren Buffett看来,如果这家公司的内在价值没有改变,那么价格的下跌反而意味着风险的减小和机会的出现。价值投资者认为,真正的风险是“资本的永久性损失”,而不是暂时的价格波动。将风险简单地等同于标准差,是MPT的“原罪”。
- 疑虑二:“垃圾输入,垃圾输出”
MPT模型需要输入三个关键数据:期望收益、波动性和相关性。而这些数据几乎全部依赖于历史数据。价值投资者认为,用后视镜来指导开车是极其危险的。金融市场的历史不会简单重复,过去五年的数据无法准确预测未来五年。特别是相关性,在市场平稳时可能很低,但在2008年金融危机那样的极端时刻,几乎所有资产(除了现金和顶级国债)的相关性都会趋向于“+1”,大家一起暴跌,MPT模型计算出的分散化效果会瞬间失灵。
- 疑虑三:对“可知”与“不可知”的混淆
MPT试图用精确的数学模型来驾驭一个充满不确定性的未来。而价值投资则承认未来的不可预测性,并将焦点放在当下可以把握的事情上:公司的内在价值和安全边际。巴菲特的名言是:“我宁要模糊的正确,也不要精确的错误。” MPT追求的是后者。
- 疑虑四:过度分散化的陷阱
为了追求数学上的最优解,MPT可能会推荐一个包含几十种甚至上百种资产的组合。巴菲特对此嗤之以鼻,他认为“分散化是防范无知的保护伞”,如果你对自己投资的公司有深刻的理解,那么持有少数几家卓越公司的集中投资组合,长期回报会远胜于一个过度分散的平庸组合。他将过度分散化称为“方舟式投资”——每种动物都来两只,最后得到的只是一个动物园,而非冠军赛马。
给普通投资者的实用启示
那么,作为一名普通的价值投资者,我们该如何看待和运用MPT呢?
- 拥抱其精神,而非滥用其工具
MPT的核心精神——资产配置和风险分散——是永恒正确的。我们应该将绝大部分资金配置在不同国家、不同类型的低成本指数基金上,这本身就是对MPT思想最简单、最有效的实践。
- 用价值投资的尺子去度量“风险”
不要因为市场波动而恐慌。当你持有的投资组合短期下跌时,问问自己:是组合里公司的基本面恶化了,还是仅仅是市场先生的情绪波动?用对内在价值的理解,来代替对价格波动的恐惧。
- 结合“核心-卫星”策略
一个可行的方案是:将大部分资产(例如70-80%)作为“核心”,投资于全球化的低成本指数基金,以此获得市场平均回报,并享受MPT带来的分散化好处。将其余的少量资产(20-30%)作为“卫星”,运用价值投资的原则,深入研究并集中投资于你真正理解并看好的少数几家公司,以期获得超额收益。 总而言之,现代投资组合理论(MPT)为我们描绘了一幅宏伟的投资地图,它用数学语言标明了风险与收益的疆界。而价值投资,则教会了我们如何在这片土地上勘探、挖掘,找到真正蕴藏价值的金矿。一个聪明的投资者,会手持MPT的地图,但脚踩价值投资的土地,稳步前行。