引子
你和朋友同时看到一只股票跌了20%。你觉得这是机会，他觉得这是灾难。
谁对了？
其实你俩可能都没错——你们对风险的容忍度不一样，看到的东西自然不同。
六十多年前，Markowitz 把这种分歧写成了一个公式，后来拿了诺贝尔奖。
Markowitz与现代投资组合理论
1952年，还在芝加哥大学读博的 Harry Markowitz 在 The Journal of Finance 上发表了一篇14页的论文："Portfolio Selection"。这篇论文后来成为现代金融学的奠基之作，并让他在1990年获得了诺贝尔经济学奖。
Markowitz 想回答的问题其实不复杂：买一堆股票的时候，你到底在纠结什么？
他给出的答案是两个变量：
- Expected Return，E(r) —— 期望收益。你预期能赚多少。
- Standard Deviation，σ —— 标准差。收益的波动幅度。Markowitz 用它来定义"风险"。
Modern Portfolio Theory（现代投资组合理论，简称 MPT）从这里出发。它给"风险"换了个定义——不关心你最终赚没赚钱，只关心你的收益有多颠簸。一只股票可能让你赚30%，也可能让你亏20%——这个"不知道"本身，就是 Markowitz 说的风险。
有效前沿（Efficient Frontier）
如果我们把所有可能的投资组合画在一张图上——横轴是风险（σ），纵轴是期望收益E(r)——会出现一条弧线，Markowitz 把它叫做 Efficient Frontier（有效前沿）。
在这条线上的每一个点，都代表着一个"在给定风险水平下，能获得的最高收益"的最优组合。线的最左端，是风险最低的那个组合，叫做 Minimum Variance Portfolio（最小方差组合）。
图1：Efficient Frontier 示意图 — 有效前沿上方为最优组合区域
有效前沿告诉我们：同样的风险，优化组合可以赚更多；同样的收益目标，分散化可以让你少承受波动。分散化不能消灭风险，但它大概是最便宜的降低风险的办法。
效用函数：给"怕不怕"标个价
有效前沿上有无数个最优组合，投资者该选哪个？
看你多怕波动。Markowitz 用一个公式把这种怕的程度给量化了：
拆开看每一项：
- U —— 效用（Utility）。可以理解为你对一个投资方案的"综合满意度"。
- E(r) —— 期望收益。收益越高，你越满意，这很直观。
- σ² —— 方差（Variance）。波动的平方。波动越大，这项越大。
- A —— 风险厌恶系数。这是整个公式中最关键的变量——它决定了你"多害怕波动"。
- ½ —— 数学上的缩放常数，让公式在微积分推导中更方便，不影响经济含义。
说白了：收益让你高兴，波动让你难受，A 决定了你有多难受。
公式里别的都好理解，关键就是这个 A。A 不同，人就不同。
图2：不同A值的无差异曲线 — A决定了投资者在有效前沿上的最优选择位置
上图展示了三种投资者的无差异曲线（Indifference Curves）——同一条曲线上的所有点，对该投资者来说效用相同，"满意度"一样。
- 蓝色（A > 0，风险厌恶）：曲线向上弯曲。要让他接受更高的风险，必须给出明显更高的收益作为补偿。他的最优切点在有效前沿的左侧——低风险、适中收益。
- 灰色（A = 0，风险中性）：水平直线。不管风险多大，只要期望收益一样，他就觉得没区别。
- 红色（A < 0，风险喜爱）：曲线向下弯曲。他愿意为获得更多波动而接受更低的收益——波动本身就是快感。他的最优切点在有效前沿的右侧——高风险、高收益。
无差异曲线与有效前沿的切点，就是该投资者的最优组合。A 不同，切点不同，最优策略也完全不同。
同一只股票，三个效用值
假设有一只股票，期望收益 E(r) = 15%，标准差 σ = 30%。三个人看着同一组数据，但算出来的效用值完全不同。
赌徒老王
A = −2 · 风险喜爱老王觉得波动越大越有意思，别人觉得是风险的东西他觉得是机会。A 是负数，风险不扣分反而加分——效用比期望收益还高。
投资行为：高杠杆、追涨杀跌、偏好高波动资产。现实中大概在炒币或者做短线期权。
白领小李
A = 0 · 风险中性小李不关心波动率多少，只比较哪个期望收益高就买哪个。
投资行为：纯粹追求收益最大化，过程中的起伏全都无所谓。理论上的完美理性人。但现实里账户亏了40%谁都坐不住。
退休张阿姨
A = 4 · 风险厌恶张阿姨的效用是负数。虽然这只股票期望收益是正的（15%），但30%的波动对她来说太过痛苦，痛苦程度（18%）远远超过了收益带来的快乐（15%）。对她来说，这只股票还不如不买。
投资行为：偏好低波动、稳定分红、债券类资产。她用的是退休金，输不起，也不想体验过山车。
同一只股票，三个效用值：24%、15%、−3%。
A 没有对错之分，它反映的是一个人的处境、心理和钱的性质。用退休金炒高波动股，问题往往不在于选错了标的，而在于 A 值和资金性质不匹配——后者通常更危险。
优化的力量
回到张阿姨的例子。她的效用是 −3%，所以她应该远离股市，安安稳稳买国债？
不一定。Markowitz 要说的其实是：高波动的资产你可以继续拿，但换一种组合方式持有，整体波动能降下来很多。
意思是：股票可以不换，但持有的方式要变。分散化就是最常见的做法。
为什么分散化能降低风险？
直觉上很好理解：如果你只持有一只股票，你的命运完全绑定在这家公司上。但如果你持有十只、二十只来自不同行业的股票，其中一只暴跌的冲击就会被其他股票的表现稀释。
Markowitz 用数学证明了这个直觉是对的。关键概念是协方差（Covariance）——两只资产收益之间的关联程度。
- 如果两只股票涨跌高度同步（正相关），分散化的效果很弱——它们本质上是"同一只股票的复制品"。
- 如果两只股票涨跌无关甚至相反（低相关或负相关），组合的整体波动就会显著下降——一只跌的时候，另一只可能在涨，彼此对冲。
Markowitz 用数学证明了：只要资产之间的相关性不到 1（ρ < 1），组合的风险就一定比单个资产风险的加权平均要低。分散化为什么被叫做"免费午餐"，原因就在这里。
回到张阿姨。假设她把那只 σ = 30% 的股票换成一个经过优化的组合——期望收益 13%，但通过分散化把波动压到了 σ = 14%。她的效用变成：
同一个张阿姨，同一个 A = 4，但通过优化组合结构（分散化），她从"宁愿不买"变成了"值得投资"。风险偏好不用变，变的是组合结构。
图3：组合优化前后对比 — 分散化将投资者从低效区域推向有效前沿
上图展示了这个过程：红点是集中持仓（高风险、低效用），蓝点是分散化后的最优组合（更低风险、更高效用）。绿色箭头是分散化的路径，两条虚线分别是优化前后的无差异曲线——蓝色的那条更高，意味着更高的满意度。
这里容易搞混：沿着同一条无差异曲线移动，算不上优化。
看图中那条红色虚线（优化前的无差异曲线）。如果你沿着这条线从左往右走——承受更多的风险、获得更高的收益——你的效用并没有变。你只是在同一个"满意度等级"上换了一个位置：多冒了风险，多赚了收益，但两者刚好抵消。这就像在平地上走路，虽然你换了位置，但海拔没变。你还是在同一个系统里打转。
系统优化，就是跳到一条更高的无差异曲线上——从红色虚线跳到蓝色虚线。靠什么跳？靠改变组合结构（比如分散化），在同样甚至更低的风险下拿到更高的收益。效用真的变高了，不是在同一个层面挪位置，是整体上了一个台阶。
有效前沿就是你能达到的上限。优化的意义在于推高这个上限，而不是在原来的效用水平上左右腾挪。
σ定义风险：优势与局限
用标准差定义风险，让"风险"第一次变成了可以量化和优化的东西——1952年这是个大突破。当然，这个定义也有它的毛病。
优势
- 将风险量化，使投资组合优化成为可能
- 分散化的数学基础——通过协方差矩阵，精确计算资产之间的相互影响
- 提供了一个通用的、机构级别的决策框架，至今仍是CFA教材的核心内容
局限
- σ 对上涨和下跌一视同仁——赚钱的波动也被算作"风险"
- 假设收益服从正态分布——现实中尾部风险（黑天鹅事件）被系统性低估
- 假设投资者只关心均值和方差——但真实的人对损失和收益的感受是不对称的
亏1万和赚1万，感受一样吗？
回到我们的效用函数：
注意一个细节：σ² 是方差，偏差的平方。不管收益是高于预期（赚了）还是低于预期（亏了），平方之后都是正数。这个公式把盈亏视为完全对称——"超预期赚10%"和"超预期亏10%"在公式眼里一模一样。
但这和你的直觉一致吗？
想象一下：你在路上捡到了1万块钱。开心。然后第二天，你丢了1万块钱。痛苦。
绝大多数人会说：不一样。丢1万块的痛苦，远远大于捡到1万块的快乐。心理学实验反复证实了这一点——损失带来的负面感受，大约是等额收益正面感受的 2 到 2.5 倍。
Markowitz 的框架好用、能算，但有个盲区：亏钱的感受比赚钱痛得多，而公式对这件事视而不见。
如果有个公式能把亏钱算得更重、赚钱算得更轻——那它会是什么样？
三十年后，Kahneman 给出了答案。