最小相关算法

原理

分散投资的核心不是“买得多”，而是“买得不一样”：两个资产相关性越低，放在一起越能互相抵消波动。经典做法是用均值方差或最小方差优化器求权重，但优化器对输入非常敏感，协方差矩阵估计稍有误差，权重就可能集中到一两个资产上，还会频繁大幅换仓。

Varadi、Kapler 和 Bee 在 2012 年公开的白皮书里提出“最小相关算法”，想用一套不需要优化器的启发式步骤，得到接近最优分散的权重。思路是：先算出资产两两之间的相关系数，再把每个相关系数和所有相关系数的平均水平比较，换算成“比平均更不相关的程度”（0 到 1 之间）；每个资产在这张调整后的表里的平均值，代表它整体上和别人有多不同步。接着按这个平均值排名，和别人最同步的资产排名权重最大——这一步让算法重点考虑“对谁最需要被分散”；用排名权重加权后，和那些高相关资产最不同步的资产就会拿到最多的钱。最后再按波动率倒数调整一次，避免高波动资产占用过多风险。

这套方法计算简单、权重平滑。它想检验的是：在大类资产层面，主动“奖励低相关”的配置，能否比简单的等权或波动率倒数配置更好。基准为同一资产池等权组合，另附同样回看期的波动率倒数配置作对照。