在資產配置的相關方法中，站在風險角度進行資產配置的風險平價（Risk Parity）較為知名。而風險預算（Risk Budgeting），其實與風險平價類似，都是從風險的角度進行資產配置，但是不同的是，RP是給每類資產分配同樣的風險權重，而RB的目標是最大化單位風險的收益（maximize return per unit of risk），從而達到最優的風險預算（optimal risk budget）。

量化投資的價值就在于提高單位風險的收益，機構常通過風險預算進行策略或資產的配置，從概念來看，風險預算是指將投資組合的風險進行度量和分解，根據事先設定的目標波動率，將風險配置于不同的策略類別，使風險水平整體保持在可承受的預算范圍內，通過對風險的跟蹤與監控，進行子策略倉位分配及風險配置的動態再平衡。

資產配置通過分散化改善投資組合的風險收益特征，以獲得更好的收益表現。量化投資中的基礎性問題，就是計算投資組合的風險。一般來說，風險管理會降低量化策略的盈利，但是同時也可以降低策略收益的波動性，以及重大損失發生的可能性。控制風險規模的方式主要有兩大類，即硬性約束和懲罰。

明汯投資總經理裘慧明曾將傳統資產配置與風險預算進行對比，在他看來，傳統的資產分配側重于將資本分配至不同資產類別，而風險預算則聚焦將風險分配到子策略或不同資產類別，關注邊際風險與權重，其主要目標是平衡投資組合中的風險，使之符合投資者的風險承受能力、風險偏好等。

他指出，風險預算的分配通常采用兩種方法：自上而下法（Top-Down Approach）和自下而上法（Bottom-Up Approach）。具體而言，自上而下法指的是，在投資組合層面確定總體風險預算，根據各資產、策略或部門對投資組合風險和收益狀況的預期貢獻，將單個風險預算進行分配。自下而上法則是先在資產、策略或部門層面確定單個風險預算，再將其匯總形成整體風險預算，這種方法可以更細致地了解投資組合中的風險驅動因素。

裘慧明畢業于美國賓夕法尼亞大學，獲得物理學博士、碩士學位，投資經驗超過20年，2014年創立上海明汯投資，現任明汯投資總經理。明汯投資借助機器學習、深度學習等前沿科學技術，開發全頻率、全維度、全覆蓋的策略模型，在實踐中將人工智能模型與傳統量化模型有機結合，是國內首批管理規模突破500億的量化機構。

《電鰻快報》