协方差矩阵是什么

不用手工设。Ledoit-Wolf 方法会根据样本量和资产数量自动算出使估计误差最小的 $\delta$——资产多、样本短时收缩得更狠，样本充足时自然接近样本矩阵。手工调这个参数通常只是把一次拟合变成了一次调参。

定义#

协方差矩阵记录一组资产两两之间的共同波动幅度。对角线上是每个资产自己的方差，非对角线上是两个资产的协方差——正值代表倾向同涨同跌，负值代表反向，零代表没有线性关系。

它是几乎所有组合风险计算的输入：组合方差要用它算，最小方差组合、风险归因、对冲比例都建在它上面。麻烦也出在这里——它不是观测到的，而是估出来的，而估计误差会被优化器放大成离谱的权重。

\mathrm{Cov}(X, Y) = E\big[(X - E[X])(Y - E[Y])\big], \qquad \sigma_p^2 = w^{\top} \Sigma\, w

其中 $\Sigma$ 是 $N \times N$ 的协方差矩阵， $w$ 是权重向量。Ledoit-Wolf 收缩估计把不稳定的样本矩阵往一个结构简单的目标矩阵拉：

\hat{\Sigma}_{\text{shrunk}} = \delta F + (1 - \delta) S

$S$ 是样本协方差矩阵， $F$ 是结构化的目标矩阵， $\delta \in [0,1]$ 是收缩强度，由数据自动定出，本质是在偏差和方差之间取平衡。

两个资产，年化波动分别是 20% 和 30%，相关系数 0.4。协方差 $= 0.20 \times 0.30 \times 0.4 = 0.024$ 。

等权组合的方差 $= 0.5^2 \times 0.04 + 0.5^2 \times 0.09 + 2 \times 0.5 \times 0.5 \times 0.024 = 0.01 + 0.0225 + 0.012 = 0.0445$ ，波动率 $\approx 21.1\%$ 。

再看维度问题：50 个资产的协方差矩阵有 $50 \times 51 / 2 = 1275$ 个待估参数。若只用 250 个交易日的数据，等于拿 250 行样本去定 1275 个数——矩阵必然不稳定，某些方向的方差会被估成接近零，优化器就会往那些方向猛压仓位。

相关系数就是协方差除以两个标准差，把量纲去掉后压进 −1 到 1 之间，方便横向比较。协方差保留了幅度信息，所以组合风险计算用协方差；判断「关系强不强」时看相关系数更直观。

因为它把协方差矩阵当成了真值。样本估计里那些偶然出现的低方差方向，在优化器眼里是免费的风险削减机会，于是仓位被推到极限；换一段样本，权重又翻天覆地。收缩估计正是为了抑制这个现象。

不用手工设。Ledoit-Wolf 方法会根据样本量和资产数量自动算出使估计误差最小的 $\delta$ ——资产多、样本短时收缩得更狠，样本充足时自然接近样本矩阵。手工调这个参数通常只是把一次拟合变成了一次调参。