3. 講義內容
3.1 分散化的理論基礎
現代投資組合理論（MPT）的核心洞見之一是：透過組合相關性低於 1 的資產，可以在不降低預期收益的前提下降低組合風險。組合的方差公式為：
公式：_p^2 = ∑_i w_i^2 _i^2 + ∑_i ∑_j i w_i w_j _ij _i _j
其中 \(_ij\) 為資產 \(i\) 與 \(j\) 的相關係數。當 \(_ij < 1\) 時，組合風險小於各資產風險的加權平均——這就是分散化的數學基礎。
3.2 相關性矩陣：正常 vs 危機時期
理解相關性趨同的一種直觀方式是对比正常時期與危機時期的相關性矩陣。以下展示一組虛擬的相關性矩陣數據（僅為教學示意）：
正常時期相關性矩陣：
| 股票 | 債券 | 黃金 | 新興市場 |
|---|
| 股票 | 1.00 | 0.15 | -0.10 | 0.65 |
| 債券 | 0.15 | 1.00 | 0.20 | 0.10 |
| 黃金 | -0.10 | 0.20 | 1.00 | 0.05 |
| 新興市場 | 0.65 | 0.10 | 0.05 | 1.00 |
危機時期相關性矩陣：
| 股票 | 債券 | 黃金 | 新興市場 |
|---|
| 股票 | 1.00 | 0.72 | 0.45 | 0.88 |
| 債券 | 0.72 | 1.00 | 0.58 | 0.75 |
| 黃金 | 0.45 | 0.58 | 1.00 | 0.62 |
| 新興市場 | 0.88 | 0.75 | 0.62 | 1.00 |
對比解讀：
- 股票與債券的相關性從 0.15 飆升至 0.72——傳統"避風港"失效
- 黃金與股票的相關性從 -0.10 上升至 0.45——黃金的分散化價值大幅削弱
- 新興市場與所有資產的相關性均上升——區域性風險變為全球性風險
- 整體矩陣趨向於"所有資產高度正相關"的狀態，分散化空間被壓縮
3.3 相關性趨同的定義
相關性趨同（Correlation Convergence）是指在市場劇烈下跌或極端壓力時期，原本低相關或負相關的資產之間相關性顯著上升，趨向於 1 的現象。這一現象的實務後果是：分散化在最需要的時候失效。
學術上，這一現象也被稱為"相關性不對稱性"（Asymmetric Correlation）或"尾部依賴"（Tail Dependence）。Longin & Solnik (2001) 與 Ang & Chen (2002) 的實證研究证实，全球主要資產類別在下行市場中的相關性顯著高於上行市場。
3.4 2008 年金融危機的相關性數據
2008 年全球金融危機是相關性趨同的經典案例。根據公開市場數據：
- 股票與高收益債券：MSCI 世界指數與 iBoxx 高收益債指數的相關性在 2008 年下半年升至 0.85 以上，遠高於正常時期的約 0.40–0.50。
- 股票與新興市場：MSCI 發達市場與 MSCI 新興市場指數的相關性在 2008 年 10 月達到 0.90+，幾乎完全同步下跌。
- 股票與國債（短暫）：在危機最嚴重階段（2008 年 9–10 月），由於流動性枯竭，股票與部分國債也出現了短暫的正相關——投資者抛售一切資產換取現金。
- 波動率同步上升：VIX 指數在 2008 年 11 月飆升至 80 以上，全球各市場的隱含波動率同步攀升，體現了"相關性 + 波動率"的雙重趨同。
3.5 2020 年 3 月疫情衝擊的相關性數據
2020 年 3 月新冠疫情引發的市場崩潰呈現了更為罕見的現象：
- 股債雙殺：2020 年 3 月的第一兩周，標普 500 與美國 10 年期國債的同時下跌——這是極其罕見的現象，因為國債通常在任何股市危機中提供正回報。
- 黃金也未能倖免：黃金在 2020 年 3 月 9 日至 18 日期間下跌了約 10%，因為投資者出售一切可變現資產以滿足保證金要求。
- 跨資產相關性極端化：根據 BIS 的研究報告，2020 年 3 月主要資產對之間的條件相關性上升至 0.7–0.9 的範圍，遠超正常時期水平。
- 美元流動性緊縮：美元指數（DXY）在 3 月中旬飆升，反映全球美元短缺，這是推動所有資產相關性趨同的核心機制。
3.6 2022 年通脹衝擊的相關性數據
2022 年提供了另一個重要案例——在通脹驅動的危機中，傳統的"避風港"資產失效：
- 股債相關性轉正：2022 年全年，標普 500 與彭博美國綜合債券指數的相關性持續為正（約 +0.4 至 +0.6），這是自 1990 年代以來罕見的現象。
- 60/40 組合的慘淡表現：2022 年成為 60/40 組合自 1931 年以來最差的年度表現之一，全年回報約 -16%。
- 驅動因素：央行被迫大幅加息以對抗通脹，導致債券價格下跌，同時高利率環境打壓股票估值——兩者受同一宏觀因子（利率上升）驅動。
3.7 趨同的驅動機制
相關性趨同並非隨機現象，而是由多重機制共同驅動：
| 機制 | 說明 | 典型案例 |
|---|
| 流動性枯竭 | 危機時投資者競相出售一切可變現資產，導致各類資產同步下跌 | 2008 年 9 月雷曼倒閉後 |
| 風險平價去槓桿 | 風險平價策略在波動率上升時被動減倉，引發跨資產拋售 | 2020 年 3 月 |
| 保證金追繳（Margin Call） | 槓桿投資者被迫平倉，波及所有持倉資產 | 2008 年與 2020 年均出現 |
| 風險偏好驟降 | 避險情緒上升，資金同時撤出風險資產，湧入安全資產 | 2022 年通脹衝擊 |
| 共同因子暴露 | 所有風險資產共享一個"市場因子"，該因子在危機時主導價格 | 所有危機事件 |
3.8 對資產配置的啟示
相關性趨同對資產配置者提出根本性挑戰：
- 歷史相關性不可靠：基於正常時期歷史數據估算的相關性矩陣，在危機中嚴重低估實際相關性。
- 需要尾部風險框架：應使用條件風險價值（Conditional VaR, CVaR）或壓力測試替代傳統的均值-方差框架。
- 真正的分散化資產：在危機中仍能保持低相關或負相關的資產極少（如某些避險國險國債、黃金在特定情境下）。
- 動態配置的必要性：靜態的 SAA 無法應對相關性結構的變化，需要動態或狀態依賴的配置框架。
- 情景分析：通過壓力測試模擬危機時期的相關性矩陣，提前評估組合的脆弱性。
4. 核心概念與機制
相關性趨同的機制可拆解為三個層次：
- 統計層面：相關係數在尾部區域的不對稱性——下行相關（Downside Correlation）遠高於上行相關（Upside Correlation）。
- 行為層面：恐慌情緒導致投資者行為趨同——"現金為王"心態下所有風險資產被同時拋售。
- 結構層面：現代金融體系的槓桿與量化策略（如風險平價、CTA）創造了新的相關性傳導渠道——這些策略在正常時期降低相關性，但在危機時放大相關性。
條件風險價值（Conditional VaR, CVaR）也稱為期望短缺（Expected Shortfall），衡量的是在 VaR 閾值被突破後的平均損失：
公式：CVaR_ = E[L L > VaR)_]
CVaR 考慮了尾部損失的嚴重程度，比 VaR 更能反映相關性趨同帶來的極端風險。CVaR 滿足一致性風險度量（Coherent Risk Measure）的所有公理，包括次可加性（Sub-additivity），這使其在評估組合尾部風險時比 VaR 更為可靠。
5. 實例演算
僅為數理演示
假設一個四資產組合（虛構教學示意）：
| 參數 | 正常時期 | 危機時期 |
|---|
| 股票波動率 | 15% | 30% |
| 債券波動率 | 5% | 10% |
| 黃金波動率 | 15% | 22% |
| 股票-債券相關係數 | 0.2 | 0.8 |
| 股票-黃金相關係數 | -0.1 | 0.5 |
| 債券-黃金相關係數 | 0.05 | 0.6 |
| 股票權重 | 40% | 40% |
| 債券權重 | 35% | 35% |
| 黃金權重 | 25% | 25% |
第一步：正常時期組合波動率
利用相關性矩陣與波動率向量計算：
公式：_p^正常 ≈ 9.8%
（詳細計算涉及協方差矩陣的矩陣乘法，此處給出結果。分散化效果顯著：組合波動率低於任何單一資產的波動率。）
第二步：危機時期組合波動率
所有相關性大幅上升後：
公式：_p^危機 ≈ 20.1%
第三步：對比分析
- 正常時期：組合波動率 9.8%，低於股票的 15%，分散化效果顯著
- 危機時期：組合波動率飆升至 20.1%，幾乎等於股票的波動率（30%）的 2/3，分散化效果大幅削弱
- 關鍵變化：相關性從 -0.1 升至 0.5（股票-黃金），從 0.2 升至 0.8（股票-債券），使得原本有效的對沖關係幾乎瓦解
第四步：風險貢獻變化
正常時期：黃金提供了重要的分散化價值，其負相關性降低了組合風險。 危機時期：黃金不再是"避風港"，反而與股票和債券同步下跌。這正是 2008 年金融危機與 2020 年 3 月投資者經歷的真實情形。
第五步：CVaR 估算（簡化）
假設在 95% 置信水平下：
- 正常時期 VaR ≈ 16.1%（1.645 × 9.8%）
- 危機時期 VaR ≈ 33.1%（1.645 × 20.1%）
CVaR（尾部條件期望）進一步放大：危機時期的 CVaR 可能達到 VaR 的 1.2–1.5 倍，體現了相關性趨同對尾部風險的放大效應。
6. 真實案例
A｜情境示範（虛構場景，教學用途）
某配置者根據過去 10 年的歷史數據構建了一個分散化組合，股票與債券的歷史相關係數為 0.1。該配置者認為組合已充分分散。2008 年金融危機爆發後，股票與債券的相關性從 0.1 飆升至 0.7，組合的實際風險遠超模型預測。教訓：基於正常時期相關性構建的分散化假設，在危機中可能完全失效。教學用途，不構成投資建議。
B｜真實歷史案例（公開歷史資料，教學用途，不構成投資建議）
2008 年全球金融危機期間，股票、高收益債券、新興市場資產與大宗商品之間的相關性急劇上升。標普 500 指數與雷曼兄弟相關的信用違約互換指數的相關性接近歷史極值。2020 年 3 月新冠疫情衝擊初期，罕見地出現了股票與國債同時下跌的局面——投資者抛售一切資產以換取現金（"現金為王"），國債的避險屬性暫時失效。2022 年，受通脹與央行加息影響，股票與債券再次出現罕見的正相關，傳統的 60/40 組合經歷了數十年來最差的年度表現之一。資料來源：Longin & Solnik (2001), Journal of Finance; Ang & Chen (2002), Journal of Financial Economics; IMF Global Financial Stability Reports; BIS Quarterly Review. 以上內容屬金融史教學引用，不指向任何當前證券，不構成任何買賣判斷。
7. 常見錯誤
- 假設歷史相關性在危機中仍然有效——相關性在尾部區域的結構性變化是常態而非常態例外
- 將"過去未發生"等同於"不會發生"——相關性趨同是一種尾部風險，歷史樣本期的覆蓋可能不足
- 認為增加資產數量就能解決分散化問題——如果所有資產共享同一個系統性因子，增加數量效果有限
- 忽視流動性風險——危機時即使理論上可以分散，流動性枯竭使再平衡無法執行
- 將國債無條件視為避險資產——在通脹驅動的危機中，國債也可能與股票同跌
- 忽視動態相關性——靜態相關性矩陣無法捕捉狀態依賴的相關性結構變化
8. 術語表
| 英文 | 中文 | 解釋 |
|---|
| Correlation Convergence | 相關性趨同 | 危機時期不同資產之間的相關性顯著上升，趨向於 1 |
| Diversification | 分散化 | 透過組合低相關資產降低整體風險的策略 |
| Downside Correlation | 下行相關性 | 市場下跌時資產間的相關性，通常高於上行相關性 |
| Tail Dependence | 尾部依賴 | 極端市場條件下資產收益率的聯合分佈特徵 |
| Conditional VaR (CVaR) | 條件風險價值 | 在 VaR 閾值被突破後的平均損失，又稱期望短缺（Expected Shortfall） |
| Value at Risk (VaR) | 風險價值 | 在給定置信水平下，某一段時間內可能的最大損失 |
| Liquidity Crunch | 流動性枯竭 | 市場深度急劇下降，投資者難以以合理價格買賣資產 |
| Margin Call | 保證金追繳 | 槓桿投資者因資產價值下跌而被要求追加保證金 |
| Correlation Matrix | 相關性矩陣 | 描述多個資產之間兩兩相關係數的對稱矩陣 |
| Coherent Risk Measure | 一致性風險度量 | 滿足次可加性、正齊次性、單調性和平移不變性的風險度量 |
10. 延伸閱讀
- Longin, F. & Solnik, B. (2001). "Extreme Correlation of International Equity Markets." Journal of Finance, 56(2), 649–676.
- Ang, A. & Chen, J. (2002). "Asymmetric Correlations of Equity Portfolios." Journal of Financial Economics, 63(3), 443–494.
- Altay, C. & Genest, M. (2019). "Correlation and Dependence in Risk Management." Journal of Risk Finance.
- BIS Quarterly Review (2020). "Coronavirus Covid-19-related market strains."
- IMF Global Financial Stability Report (2022). "Risk Diversification in Turbulent Times."
- 上一課：17.1.3 風險平價與另類配置框架
本課內容僅供教育用途，不構成任何投資建議、證券買賣建議或收益承諾。
免責聲明：本講義內容僅供教學與學術討論之用，不構成任何形式的投資建議、證券推薦或收益承諾。文中提及的歷史案例與數據僅供說明理論概念，投資者應根據自身情況獨立判斷，必要時諮詢專業顧問。投資有風險，入市需謹慎。$
$