Task #4 全天候 — Framework Synthesis v1 (work-in-progress)

---

🔴 Deviation Log — 我们 v0/v0+ 哪些做偏了 + 怎么改 (Kaite #2f50130f directive 2026-05-18)

(Centralized list, updated as I read more sources)

---

Author: @RayDario

Status: WIP — incremental update as I read more 桥水 + 林颖颖 articles

Replaces: linyy-synthesis-v0.md (initial 林颖颖 5-article quick read)

---

Source coverage tracking

Qian Risk Parity (Kaite forwarded 2026-05-17)

- [x] **Qian 2005** "Efficient Portfolios Through True Diversification" — read 2026-05-18 ✓

- [x] **Qian 2009** "Risk Parity: The Next Generation" — read 2026-05-18 ✓

- [ ] Qian book Risk Parity Fundamentals (6MB, 245 pages) — IN PROGRESS:

- [x] Ch 1 + Ch 2.1-2.2 (pp 1-60) — chunks 1+2 read 2026-05-18 ✓

- [x] Ch 2.3 + Ch 3.1-3.2 (pp 61-90) — chunk 3 read 2026-05-18 ✓

- [x] Ch 3.3 + Ch 4 全章 (pp 91-120) — chunk 4 read 2026-05-18 ✓

- [x] Ch 5 全章 (pp 121-150) — chunk 5 read 2026-05-18 ✓

- [x] Ch 6 全章 (pp 151-180) — chunk 6 read 2026-05-18 ✓

- [x] Ch 7 全章 + Ch 8 §8.0-8.1 头 (pp 181-210) — chunk 7 read 2026-05-18 ✓

- [x] Ch 8 §8.1-8.4 主体 (pp 211-240) — chunk 8 read 2026-05-18 ✓

- [x] Ch 8.4 收尾 + References + 封底 (pp 241-245) — chunk 9 read 2026-05-18 ✓

- **🎉 Qian Risk Parity Fundamentals 完整 245 pages 全读完 (2026-05-18)**

桥水官方 (Kaite forwarded reference list 2026-05-17 #mini-cypress:1e7f3849:25b8723c)

- [x] **The All Weather Story** (article on bridgewater.com) — read 2026-05-17 ✓

- [ ] The All Weather Strategy (策略入口页) — pending

- [ ] How we created the All Weather strategy (video 2016) — pending (video, may need text alternative)

- [ ] The All Weather Story PDF — pending (same content as article likely)

- [ ] Investing in a New World (2025-03) — pending

- [ ] Risk Parity Is About Balance (PDF) — pending

- [ ] (4 次级 + 1 待复核)

林颖颖 19 articles (Kaite forwarded 2026-05-16)

- [x] 02 QA-修正版 (read)

- [x] 05 QA第二弹 (read)

- [x] 07 风控与冲击应对 (read)

- [x] 14 风险预算与风险平价 (read)

- [x] 16 私募排排路演实录 (read, longest + most comprehensive)

- [x] 17 债券不行了怎么办 (read)

- [x] 09 AI第二期 低相关性 (quick read)

- [x] 15 AI第一期 不需择时 (quick read)

- [ ] 04 股债商高位 小年 (pending)

- [ ] 08 黄金走势 (pending)

- [ ] 12 业绩归因 (pending)

- [ ] 13 高光过去了吗 (pending)

- [ ] 06 / 11 / 19 / 01 / 18 / 03 / 10 (lower priority pending)

---

Key insights (synthesis from sources read so far)

A. Origin + Design Intent (桥水 + 林颖颖 consensus)

**桥水 All Weather (1996)**:

- Built for Dalio family trust → designed for超长期 longevity + simplicity (anyone could do it themselves)

- 25 年累积原则 from 1975 onwards (corporate hedging + pension assets)

- Co-architects: Ray Dalio + Bob Prince + Greg Jensen

**林颖颖 小红掌**:

- 长期主义投资 (与价值投资共通)

- "宏观价值投资" (vs零和博弈)

- 不追求 alpha, focus 长期 beta

- "享受涨潮, 不逐浪"

**Common ground**: 长期主义, 不依赖 alpha / timing, 多资产 risk-balanced 组合

A.1 Qian Risk Parity Foundation (2005 paper) — Real Validation

**Qian 2005 提出了 "risk parity" 这个术语 + 给出关键数学 validation**:

1. **"Risk Contribution ≈ Loss Contribution" 是 empirical fact, 不是理论**:

- 1983-2004 US data: 60/40 stocks/bonds 的 stocks risk contribution = 93%

- 实测 loss contribution: losses > 2% → stocks 96%, losses > 3% → stocks 100%+

- **结论**: 风险贡献是 损失贡献 的准确 indicator. 这 validate 了"n 不像" 不只是审美追求, 是 risk-control imperative

2. **Risk Parity 与 60/40 数据对比** (1983-2004 US):

**关键 insight**: 60/40 Sharpe 0.67 < 单纯 bonds 0.80 = 这是 poor diversification 的 telltale (组合 Sharpe < 任一 component)

Risk Parity Sharpe 0.87 > 任何 single asset = true diversification 体现

3. **Risk Parity 三种 leverage 版本** (Qian 2005 给的 institutional 应用):

- 1983-2004 三种都跑出 Sharpe ~1.1

- 对应 excess return: 4.5% / 11.3% / 22.6%

4. **Qian 关键 implementation 原则**:

- **"Bonds get leveraged, not stocks"** — leverage 用 futures, 加在低 risk 端 (债券), 不加在高 risk 端 (股票)

- 8 asset class universe: US大盘 / 小盘 / 国际 / EM / 政府债 / 公司债 / TIPS / 商品

- Mean-variance optimal 的条件: 各资产 Sharpe convergence + 低相关性

- 这两个 assumption 需要 verify, 但都"近似成立"

5. **核心算法 (Qian variance/covariance approach)**:

- 用方差 / 协方差 计算 risk contribution

- "size matters" — 用 variance 而非 std dev 衡量 (variance = 9× difference for 3× vol assets)

- 60/40 看似平衡 实际 stocks "eggs" 9 倍 size of bonds "eggs"

A.1b Qian 2009 "Next Generation" — Recursive Risk Parity

**最大的新 idea**: Risk parity 不只 apply at top level (股/债/商品), 还 apply **within** each asset class (recursive / fractal):

- Risk Parity **Commodity** Portfolio outperformed GSCI by **700 bp** — 因为 GSCI 70% weight + 95% risk 在 energy

- Risk Parity **Equity** Portfolio outperformed MSCI World by **250 bp** — 因为 MSCI 50% in US (over-concentrated)

- Risk Parity **Bond** Portfolio outperformed WGBI by **40 bp** — bond indices 同样 cap-weighted bias

**关键 implication**: Cap-weighted indices 都有 risk concentration 问题, risk parity 解 within asset class 也产生 alpha.

A.1b-2 Qian Book Chunk 1 (Pages 1-30, Chapter 1 Risk Parity Intro)

**Risk parity 4 stages of acceptance** (preface, J.B.S Haldane): rubbish → interesting but wrong → relevant in rare cases → "I told you so"

**Risk contribution = "kinematic" concept** vs **marginal contribution = "dynamic" concept**:

- Marginal contribution = partial derivative ∂σ_p/∂w_i (rate of change)

- Risk contribution = current contribution to total variance (not change)

- Academic critics (Sharpe 2002 / Chow-Kritzman 2001) initially confused this. Qian 2006 proved L_s/L ≈ p_s mathematically + empirically.

**Empirical validation (expanded data 1926-2004, S&P 500 + LT Gov Bond)**:

- Stocks risk contribution: 90.3% (theoretical)

- Stocks loss contribution: 88-102% (empirical, varies by loss bin)

- Tail loss > -8%: contribution > 100% due to fat tails (variance underestimates extreme loss)

**Three-asset example (40/40/20 stocks/bonds/commodities)**:

- Portfolio vol 8.82%

- Risk contribution: stocks 57%, commodities 37%, bonds 6%

- Lesson: "investing in alternatives does little to improve risk balance"

- 即 简单加 商品 不能解决 60/40 的 bond under-contribution 问题

**Naïve risk parity vs True risk parity (重要!)**:

- **Naïve RP** = inverse vol only, **ignores correlations**

- **True RP** = inverse vol + correlation adjustment via covariance matrix

- **两者只有 当所有 pairwise correlation 相等 时才 equivalent**

- **我们 v0 Stage 1 inverse vol = naïve risk parity, NOT true risk parity** ← deviation #1 confirmed by Qian textbook

**Risk Parity vs Mean-Variance Optimization**:

**Reverse Optimization (key tool for plausibility check)**:

- 给定 portfolio weights, 反推 implied expected returns

- 60/40 implies equity risk premium 14.8% over 2% bonds — **unrealistic** (historical ~4%)

- 60/40 因此 cannot be mean-variance optimal

- **应用到 mini-cypress**: 当前 v0+ funded 城投 53% NAV — reverse-optimize 出来的 implied 信用债 risk premium 极高, 一定 unrealistic → 直接证明 framework 有问题

**Variance as risk measure**:

- OK for asset allocation portfolios (with judicious universe choice + diversification)

- NOT OK for hedge funds (heavy tail risk → use VaR / CVaR)

- 我们 mini-cypress 是 asset allocation, variance approach 合理

**2-asset risk parity 实例**:

- 25/75 stocks/bonds (unleveraged): 更好 Sharpe 但更低 return

- 50/150 levered (200% gross + -100% cash): 同 risk as 60/40, 更高 return ≈ Qian 2005 结论的 expanded confirmation

- 暗示: 真正 funded leverage 不是"cash zero redistribute", 是真的借 cash (short position) + 加杠杆买风险资产

A.1b-3 Qian Book Chunk 2 (Pages 31-60, Chapter 2 The "Colors" of Risk Premiums)

**核心 insight**: 3 primary risk premiums (RGB 类比):

- **Equity risk premium** — 股东对 corporate / economy 提供 capital 的 reward

- **Interest rate risk premium** — 持债人对 government/corporate 长期借款的 reward

- **Inflation risk "premium"** — 长期与 risk-free rate 趋近, 但 高通胀期 commodity / TIPS 是 real return preservation

**很多 "asset classes" 是 hybrid** (purple = blue + red):

- HY bonds = **equity in bond's clothing** (高 correlation to equities, 应 classified as 股权)

- Corporate bonds: significant 股权 exposure

- TIPS / 通胀债: 利率 + 通胀 exposure

- EM debt: 股权 + 利率

- 唯一"纯利率" exposure = 政府国债

**WARNING**: "naïve ERC portfolio is NOT necessarily risk parity"

- 例: 10-asset ERC (4 equity + 5 bond + 1 commodity) → mapping to risk premiums: 股权 65% / 利率 20% / 通胀 15% → 仍 equity-heavy

- Lesson: 应该按**底层 risk premium driver** classification, 不是按 nominal asset class

**应用 to mini-cypress**:

- ✅ 林颖颖 framework "4 regime layer risk parity" 本质上是想 hit 这个 — 4 regime 是 driver-based 分类的简化代理

- ⚠️ 但我们具体 universe (沪深300 / 中证500 / 城投 / 国债 / 黄金 / 商品 各种 ETF) 没显式 mapping to 3 risk premiums

- v0.1 spec 加: 每个候选 ETF 标明其主要 risk premium exposure (equity / rate / inflation), 然后 确保 3 primary 风险都覆盖

A.1b-4 Commodity Roll Yield (Chapter 2.2)

Qian 经典 dog math analogy: $10 买 → $15 卖 → $20 买 → $25 卖 = $10 profit. 是 "buy low sell high" 还是 "negative roll $5"?

- 数学等价: profit = price change + roll

- 实际: **roll yield 只在 price 不变 时 dominant**, 实际商品 returns 主要 driven by price changes

**Roll yield 不是 value metric**:

- 不是 income (商品无 dividend/coupon)

- 是 contango/backwardation 反映短期供需失衡

- 短期 (季节性) 频繁变号

- 跟随价格上涨可能 rise (and vice versa) — "value" 和 "momentum" 在 commodity 中变成同向

**Implication for mini-cypress**:

- 我们用 ETF (黄金 GLD / 有色 / 豆粕 / 能化 ETF) 不直接 expose roll yield (ETF 自己 handle)

- 但 ETF tracking error 反映 roll yield 损耗 — 长期 commodity ETF underperform spot 是已知问题

- v0.1 spec 加: backtest 商品 ETF 实际 NAV (含 tracking error), 不用 spot price 估算 (避免回测高估收益)

A.1b-5 Qian Book Chunk 3 (Pages 61-90, Ch 2.3 + Ch 3.1-3.2)

**Currency Risk Premium** (Ch 2.3):

- 货币 risk **没有 intrinsic risk premium**

- Carry trade = **factor risk premium** (like value/momentum), 不是 market premium

- Carry trade correlation with MSCI World hedged = **0.52** (高)

- Best practice: **应 hedge currency 在 risk parity portfolio** (除非 explicitly want carry exposure)

- 应用 我们: RMB sleeve 国内 only, 无 currency exposure; 境外 sleeve 上时 应 USD-denominated, 不 hedge (因为 用户已经 USD 本位)

**"Death of Interest Rate Risk Premium"** (Ch 3.1):

- 常见 bias: "yields too low, must rise" — usually wrong

- **Japan 例**: 1995 JGB 3% 看起来低, 今天 1% — yields can go lower

- **决定长期 yields 的是 economic fundamentals**: 真实增长 + 通胀 (core CPI)

- 当 cash 接近 zero → yield curve 自然陡 → 长债 vs cash 看起来 attractive

- **Yield curve slope (10Y vs cash)** 可预测 1-year forward bond excess return (correlation 0.3)

**应用 中国市场**:

- 中国 1Y deposit ~1.5%, 10Y 国债 ~1.5% — slope 几乎平!

- 不同于 美国 ZIRP 环境 (cash 0%, 10Y 3%, slope 陡)

- **中国债券 当前 absolute yield 低 + slope 平 → 不 attractive** (与林颖颖 "中国长债 duration 削减" 担忧一致)

- 这强化了 mini-cypress framework 需要扩 universe (信用 / 商品 / 海外, 不只是 国债)

**Duration vs Yield Volatility (Ch 3.2 — critical insight)**:

- **Duration ≠ risk**, bond return vol = **duration × yield volatility**

- 即使 duration 拉长, yield vol 可能 collapse → 净效果 bond vol 可能 DROP not RISE

- 美 ZIRP: 2Y/5Y UST yield vol 创历史新低 (Fed forward guidance 锁死短端)

- 10Y/30Y UST yield vol 中等 (仍 react to macro)

- "**2-year bond is the new 'cash'**" in ZIRP environment

**应用 中国市场**:

- 中国 PBoC 政策稳定 → yield vol 可能 lower than 历史

- 我们 framework Stage 1 直接用 60d historical vol, 自动 capture 这个 effect

- 但需要 verify: 当 中国 10Y/30Y 进入更低 vol regime, 它们在 risk parity 内的权重 应该相应调整 (60d vol decline → 反 vol weight 上升), framework 应自动 handle

**Risk Parity Treasury Exposure Dynamic Allocation** (Qian 建议):

- ZIRP 环境 front end (2y/5y) 效率低 → 应 shift to 10y/30y

- 长端 maintain equity hedge (negative correlation 仍存在)

- 应用 我们: v0.1 universe 应该加 长期 国债 (30Y T 主连) 而非依赖 短/中期国债 ETF

A.1c Risk Parity Foundation vs Dynamic (Qian 2009)

Qian 实际产品有 **2 个版本**:

- **Risk Parity Foundation**: constant risk allocation (monthly rebalance, 不预测 Sharpe), 我们 v0 类似这个

- **Risk Parity Dynamic**: 加 "proprietary models that forecast changes in relative Sharpe ratios of underlying assets"

- 长期 risk parity 均衡 + 中期 Sharpe forecast 调整

- 类似 林颖颖 "主观增强 capped 在 5%" 的 dynamic overlay

**Implication for mini-cypress**: v0/v1 用 Foundation 版本 (纯 static risk parity); v2 可以考虑加 simple Sharpe momentum / 估值 valuation tilts 作为 Dynamic overlay, 但要 capped (避免 over-fitting 到 Sharpe forecast)

A.1d Risk Parity vs Minimum Variance (Qian 2009 重要区分)

**Implication**: 我们 framework 是 risk parity (✓ 对方向), 不是 min var. 但 Stage 1 简单 inverse vol 实际上是 risk parity 的 simplified version. 真正 Qian-style 需要 用 covariance matrix.

A.1e Qian Book Ch 4 "See the Forest for the Trees" (chunk 4, pp 91-120, 2026-05-18)

**核心论点**: critics 攻击 risk parity 时盯着单一资产 (forecasting individual returns), 错过 portfolio-level 系统视角.

#### A.1e.1 Spear and Shield: Bonds and Commodities as Inflation Hedge (§4.1)

**Qian 关键论点 (反驳 "both bonds AND commodities have negative future returns" 这种 self-contradictory forecast)**:

- 通胀上行 → 利率上行 → 债负 / 商品正 (商品对冲通胀)

- 通胀下行/通缩 → 利率下行 → 债正 / 商品负

- **Bonds = "spear", Commodities = "shield"**, 同一个 underlying factor (future inflation) 反方向驱动 → **理论上不可能 simultaneously 都负** (除非别的更深层因素)

- 历史四个十年 (1970s/80s/90s/00s) 数据 confirm: 1970s 高通胀 → bonds underperformed, GSCI substantial excess; 80s/90s 反过来

**Implication for mini-cypress**:

- **能化 (Kaite point 6) 不只是 universe expansion, 是 framework 的 structural component** — 它和 长期 国债 / 30Y 国债 构成 inflation regime 对冲对

- 我们 universe 必须保证 "矛 + 盾" 都齐全, 不能 because "短期 commodity carry 负" 就 drop 商品 (Inker 2011 类型错误)

- 当前 v0+ funded baseline 黄金 21% / 豆粕 9% / 红利 16% / 沪深300 23% / 中证500 22% / 城投 ≈ R1 之外 — 长债 absence 是 critical gap (城投 不是 long duration government bond, can't 真正 hedge 通缩 regime)

#### A.1e.2 NNN Probability: Triple-Negative is Rare (§4.2)

**Qian 用 S&P 500 + 10Y UST + GSCI 1970-2012 monthly returns** 算 4 个 outcome (NNN/NNP/NPP/PPP, excess over T-bills 36-month rolling):

- NNN (三全负) probability: monthly ~10% → 12月 ~4% → 36月 ~2% → 后期保持 ~2%, 10年+ 才彻底消失

- PPP (三全正) probability: monthly ~20% → 10年 ~60% (monotonically increase)

- 至少 1 负的 probability: 3年 ~70%, 8年 ~50% — **single-asset downside risk 非常高** (highlights diversification value)

**NNN 历史发生时段**: 几乎全部集中在 **1970s + 1980s 初** (两次石油冲击, 通胀 spike 4% → 9% → 12%), 之后 inflation 控制 + 长 disinflation → NNN 罕见

**Implication for mini-cypress**:

- **真正的 framework 风险 = 高通胀 shock 持续** (不是 single-asset 下跌)

- 我们 v0 缺 inflation-linked bonds (中国无 TIPS market) → 增加 商品 sleeve depth 是唯一对冲手段, **能化 + 农产品 + 黄金 多元化必要**

- 中国 当前低通胀 (2025 CPI ~0%), NNN 短期概率低 — 但 2026+ 全球能源/食品/工资 if 上涨, framework 必须 ready

- 我们应该 add **NNN-style stress test** 到 IC pack: "假设 同时 股 / 债 / 商品 都跑输 cash 3 个月, 组合表现?" (这是 critics 最常问的问题)

#### A.1e.3 Defense Against Inflation Shocks (§4.2.4-4.2.7) — 3 Tools

Qian 提了 3 个 defense:

1. **Dynamic Risk Allocation (§4.2.5)**: 通胀持续高时, 把 risk budget tactical shift 到 real assets (商品 / TIPS), reduce nominal bonds + equities. **1970s 回测显示 dynamic risk allocation benefit "quite large"** (具体数 in Ch 6)

2. **Deleveraging (§4.2.6)**: 所有 risk premium 都负时, cash 反而 yield 高 (rising short-term rates) → 减 leverage, 让 cash return dominate, "active 决策 based on a systematic process"

3. **Additional Inflation Exposures (§4.2.7)**:

- Equity 内部 tilt 到 commodity-related stocks (能源 / 材料 / 工业)

- Nominal bond 内部 tilt 到 short end (less duration loss in rising-rate environment)

**Implication for mini-cypress (与 林颖颖 主观增强 capped 5% 思路 align)**:

- v0/v1 是 Foundation static risk parity ✓

- v2 加 **inflation overlay**: 当 国内 CPI yoy > 3% 持续 2Q → tactical reduce 国债 sleeve weight, boost 商品 sleeve, capped at total tilt ≤ 5% NAV

- v2 加 **deleveraging trigger**: 当 SHIBOR 3M > 4% (近 ZIRP exit signal) AND 组合 60d vol > 1.5x target → 减 funded leverage 比例 50%

- v0.1 Layer 2 spec 应该 highlight: "static framework, dynamic overlay deferred to v2", 而不是假装我们 cover 了 inflation shock

#### A.1e.4 RORO (Risk On Risk Off) Phenomenon (§4.3) — CRITICAL FOR 信用债 ALLOCATION

**Qian 观察 post-2008**:

- "All risky assets correlate to 1" (略夸张但 directionally true)

- **Stock/Bond correlation = -0.58** (post-2008 最负值), 替代了 1980s 的 +0.4 正相关

- **Stock/Commodity correlation = +0.71** (post-2008 最正, 历史首次 sustained 高位)

- Bond/Commodity correlation = -0.53

**关键 corporate bond insight**:

- Pre-2000: Corporate bond/Treasury correlation = +0.9 (corp 行为像 govt bond)

- Post-2008: Corporate bond/Treasury correlation drops to **+0.28** (corp 行为像 equity!)

- Pre-2000: Corp credit spread/S&P 500 correlation = slightly negative

- Post-2008: Corp credit spread/S&P 500 correlation = **significantly positive** (corp 紧跟股市 ups/downs)

- **结论**: post-2008 corporate bonds = "equity in bond's clothing" (与 chunk 2 HY 类似 conclusion, 但这次 extend 到 investment-grade corporates)

**Qian 实证 (§4.3.10)**: 同样 40/160 risk parity 结构, 一个用 80%US treasury+80% WGBI, 一个用 40%T+40%WGBI+80% corporate — 后者 post-2008 vol **显著高于** 前者 (corporate 加重 equity 风险贡献)

**Implication for mini-cypress (RORO 对我们 universe 的直接拷问)**:

- **城投债 / 政金债 / 信用债 在 risk-off 时, 行为更像 govt bond 还是 corporate bond?**

- 中国 2018 信用违约潮 / 2020 永煤事件 / 2024 地方债重组 — 几次 stress 期间 城投/信用 价格表现 vs 沪深300 vs 国债, 必须查 (添加到 JimSimons 数据 to-do)

- 如果 城投/信用 in stress 表现像 equity → 当前 Layer 1 把 城投 留在 R1 sleeve 是正确的 (它 share equity-correlated 通胀/增长 driver)

- 但 risk contribution 计算 必须 **用 stress-period covariance** (而非全 sample average covariance), 否则 systematic underestimate 信用 sleeve 的 真实 risk

- Layer 2 Stage 1 covariance matrix 应考虑 **regime-conditional covariance** (R1 复苏期 信用 ~ 国债 0.5; R3 滞胀期 信用 ~ 沪深300 0.7) — 这是 RORO 校准

**也回答 Kaite #point 1 framework rethink** (信用债 是 R1 重要 representative):

- 体量 + 政策支持 ✓ (Kaite 的 macro argument 对)

- RORO 视角下 信用 也确实 = "growth-sensitive bond", 自然属 R1 (复苏=信贷扩张) ✓

- 但 Stage 1 ERC 时, 要用 conditional vol/cov, 不要 naive 全样本平均 (否则信用又会 over-weight)

#### A.1e.5 Rising Rates Conundrum (§4.4) — RP 不一定亏

**Qian 2006-2011 RP 实证**: 5 episodes of rising rates (avg +92 bp 10Y), RP 平均年化 **+7.5%** (S&P +28.7%, US WGBI -2.8%, RP +7.5%)

- **Bond math 错觉**: r = -D × Δy 只对 instantaneous parallel shock 成立

- 真实场景: 利率变化 over weeks/months/years, **forward yield curve 已经 price in 部分加息预期** → 实际 rate 加幅小于 forward 预期时, bond 仍可正收益

- 例子: 5Y 0.5%, 10Y 1.75%, 5x5 forward = 3.02%. 持有 10Y zero-coupon bond 5年, 5年后 5Y rate up to 3.5% (300bp ↑) 都不亏

**Qian 关键论点**:

- 即使 bonds 跑负, 其他 sleeve (equity / commodity) 会贡献正 — total portfolio 不会 mirror bond 一个 asset class

- "Risk parity is NOT a levered bond portfolio" — 这是 critics 最大误解

- **Dynamic Risk Allocation flexibility** 必要 (Ch 4.4.3): flat 或 inverted yield curve + rate spike (1994-style) 时, tactical reduce bond sleeve

**Implication for mini-cypress**:

- 国内 当前 10Y 1.5% / 5Y 1.5% / 1Y 1.5% (基本 flat) → forward curve **没有 price in 加息** → 一旦 PBoC 转鹰 / 通胀回归, bond sleeve 会真正受伤 (没有 forward buffer)

- 这与 chunk 3 #20 我的 deviation log 已经记录的 "国债 carry 缺失" 一致, 现在用 Qian 的 framework 强化了论据

- v0.1 Layer 2 应该:

- 加 **国债期限利差 monitor**: 10Y-1Y < 30bp 持续 2 月 → flag 为 1994-style risk

- 当 flag 触发, 不立刻 cut bond sleeve (避免主观择时), 但 IC level alert

- 弥补的方式不是 cut 国债, 而是 universe 加 商品 (能化 / 黄金) + 海外资产 (后期 USD sleeve) 提供 diversification

#### A.1e.6 GMO Critic Rebuttal (§4.5) — Side Note

**Qian 反驳 GMO**: 用 GMO 自己的 7年 return forecast (2013) 跑组合, risk parity 仍 outperform 60/40 +86 bp.

**Implication**: 主要 takeaway 是, risk parity 不是依赖 high forecasts, 而是 **diversification 本身就有 value** (rebalancing premium + risk-budgeted compounding). 我们 v0+ funded Sharpe 1.04 < Qian benchmark 1.1 — Diff 主要是 universe + leverage 实施差异, 不是 framework 错.

A.1f Qian Book Ch 5 "Peculiarity of Risk Parity Portfolios" (chunk 5, pp 121-150, 2026-05-18)

**核心论点**: RP 与传统 portfolio 在 leverage / rebalancing / benchmarking / participation 4 方面"特殊", 但每条都是 feature 不是 bug.

#### A.1f.1 Who is Afraid of Leverage (§5.1) — Leverage 的 implicit vs explicit

**Qian 论点**:

- 现代经济本身就是 leveraged (fractional reserve banking M2/base 倍数, 企业债, 居民债)

- 典型 institutional portfolio (含 PE/RE/HF/equity 隐含杠杆) 实际 leverage ratio ≈ 235% — 已经远超 RP 的 200%

- 60/40 portfolio 实际 implied leverage ≈ 160% (equity 本身 2:1 corporate leverage)

- **关键区别**: traditional portfolio leverage = **risk concentration** (主要放大 growth risk); RP leverage = **risk diversification** (用 leverage 把低 vol 资产 (债) 提到与高 vol (股) 同水平)

- → "应该担心 60/40 的隐性 leverage 多于 RP 的显性 leverage"

**Implication for mini-cypress**:

- Kaite 提的 "真正 funded leverage via ETF 融资融券" (point 4) 完全符合 Qian 的 design intent

- v0+ funded baseline 当前 effective leverage = 1.23x (5.77/4.68 vol ratio), 远低于 Qian 的 200-300%

- v0.1 Layer 2 可以 explicitly target 1.5-2.0x leverage (via 国债期货 or ETF 融资融券), pushing vol from 4.68% → 7-9% (达到 Kaite 6-12% target lower bound)

- **IC pack v1 必须明确 frame leverage** 给非专业 audience: "我们的 leverage 是用 derivatives 给 国债 加杠杆, 不是给股票加杠杆 — 后者才是 2008 crisis 的成因"

#### A.1f.2 Diversification Return: Rebalancing Math (§5.2) — KEY MATHEMATICAL INSIGHT

**Qian 数学结果 (核心公式)**:

对 2-asset portfolio (weights $w_1, w_2$, vols $\sigma_1, \sigma_2$, correlation $\rho$):

$$e_v = 0.5 \cdot (w_1 \sigma_1^2 + w_2 \sigma_2^2 - \sigma_p^2)$$

其中 $\sigma_p^2 = w_1^2 \sigma_1^2 + w_2^2 \sigma_2^2 + 2\rho w_1 w_2 \sigma_1 \sigma_2$

**长期 unleveraged**: diversification return **总是非负**, low correlation → 高 diversification return.

**Leveraged portfolio (核心 insight)**:

- Bottom-up (sleeve 内多资产 rebalance) = 仍然 mean-reverting, **加 leverage 后 diversification return 放大**

- Top-down (总组合 leverage 维持) = **trend-following** (赚钱要加 leverage, 亏钱要减 leverage / stop-loss) → 产生**负** diversification return

- 净效果 = bottom-up positive − top-down negative

- 若 correlation low (e.g. 国债 / 股 -0.5), bottom-up 主导 → leveraged RP diversification return 仍正 (例: 20/80 portfolio leverage 到 278% 仍然 +0.77%)

- 若 correlation high (e.g. 信用债 / 股 +0.5), top-down 主导 → leveraged RP diversification return 接近 0 甚至负 (例: 同 leverage 仅 0.08%)

**Inverse / leveraged ETF 警告 (§5.2.4)**:

- -3X / 3X 单资产 ETF: 年化 slippage **-21.3% / -11.3%** (volatility decay)

- Cap-weighted index (S&P 500) 也没有 rebalance → 同理 缺 diversification return → equal-weighted index 长期 跑赢 cap-weighted

**Implication for mini-cypress (CRITICAL — 改变我们对 信用债 的 sleeve 内权重思路)**:

- 信用债与 沪深300 correlation ≈ +0.5 → 高 leverage 时 top-down trend-following 损耗 严重

- 这反过来 confirm: 不应在 R1 sleeve 内 inverse vol 让 城投 over-weight (城投 vol 低 → over-weight → high correlation 导致 leveraged 后 diversification 接近 0)

- **改进**: Layer 2 Stage 1 ERC 应优先确保 sleeve 内**低-correlation pair** (e.g. 沪深300 + 国债 cross-sleeve 是好的; 沪深300 + 城投 cross 是 bad due to higher correlation)

- 这是 deviation log #22 (regime-conditional cov) 的 mathematical foundation

- 对 v0.1 IC pack: 明确说"Stage 4 funded leverage 不能无限加杠杆, leverage 上限受 sleeve 内 correlation 限制 (Qian: 2-asset 200% 大致是 上限)"

- **不上 inverse / -X ETF**: 我们之前没用过, Qian 进一步 reinforce 不要碰

#### A.1f.3 Benchmarking RP (§5.3) — 我们应该用什么 benchmark?

**Qian 比较 4 种 benchmark**:

1. **Cash + (e.g. cash+5%)**: long-run OK, 但 ZIRP 时 cash+5% = 5% 已不够; tracking error 太大 (10%); short-term meaningless

2. **Sharpe ratio (e.g. 0.5)**: 假设 3 个 risk premium 不 correlated + 各 Sharpe 0.3 → RP Sharpe ≈ √3 × 0.3 ≈ 0.5. Long-run 有效, 但短期 (5年 window) 仍剧烈波动

3. **60/40 (MSCI World + WGBI)**: 大家用习惯了, 但 tracking error 6-10%, 单年 deviation 可能 15%+, fundamentally mismatched

4. **Proposed RP Benchmark (Qian)**: 25% GSCI + 33% MSCI + 142% WGBI = 200% notional, inverse-vol weighting based on assumed vols (20%/15%/3.5%). 1983-2014 跑出 11% 年化 / Sharpe 0.79 vs 60/40 0.35 / IR 0.5 / tracking error 6.3%

**Qian benchmark 跑负的 3 个年份: 1994 / 2001 / 2008** — 都是 multiple asset classes 同时跑出负 Sharpe (1994 bonds 大跌, 2001 + 2008 股 + 商品 同负).

**Implication for mini-cypress** (CRITICAL — 解决 Kaite 的 "回测 < M2 framework underbeta" 问题):

- 当前我们用 沪深300 / 60/40 (简单中国版) 做 benchmark — 都不合适, 因为我们组合本身已是 risk-balanced

- 应该建 **"Naïve Chinese RP Benchmark"** 作为 Task #4 内部 benchmark:

- 大约 25% 商品 (黄金 + 豆粕 等权) + 33% 股 (沪深300 + 中证500 等权) + 142% 债 (10Y 国债 + 国债期货 leverage)

- 这成为 v0+/v0.1 实际跑的 portfolio 对比 baseline

- Kaite point 2 "M2 benchmark": M2 增速 = 5%+ 用作 absolute return benchmark, 但与 Sharpe benchmark 是 complementary, 不是替代

- IC pack v1 应包含 **3 个 benchmark 同时报**: (a) M2 增长, (b) Naïve Chinese RP, (c) 上证 / 沪深 300 单资产 — transparent show我们超 哪一个 跑得过, 哪一个 跑不过

#### A.1f.4 Upside Participation & Downside Protection (§5.4) — RP 实证

**Qian 定义 PRD (Participation Ratio Difference)**:

- Upside participation: average strategy return when index > 0 / average index return when > 0

- Downside participation: same when index < 0

- PRD = P+ − P− (positive PRD = upside participation > downside participation = good)

**Qian 9 asset class 实证 (1995-2013)**:

- 9 个 RP-style asset-internal portfolios PRD 平均 +0.13 (8 个正, 1 个负 = JGB-dominated WGBI ex US, 受日本 deflation exception 影响)

- 平均 alpha 26 bps/月 ≈ 3.1%/年 (excess return)

**Multi-asset 实证**:

- 60/40 baseline: 8.99% vol, 0.46 Sharpe

- RPMA I (cap-weighted indices, top-down RP only): 9.24% vol, 0.87 Sharpe (excess +3.9%/yr)

- RPMA II (bottom-up RP within asset class + top-down RP): 8.94% vol, **1.06 Sharpe** (excess +5.3%/yr)

- RPMA II DRA (II + dynamic risk allocation overlay): 8.67% vol, **1.33 Sharpe** (excess +7.3%/yr)

- DRA 加 200 bps 比 II 单独 — 这是 Qian Ch 4 我之前看的 "Dynamic Risk Allocation" 在 multi-asset 层面的实证 magnitude

**Implication for mini-cypress (告诉我们 v0.1 + v2 升级幅度的预期)**:

- 当前 v0+ funded ≈ RPMA I level (cap-weighted ETF, top-down only) → Sharpe 1.04

- Layer 2 加 sleeve 内 ERC (= bottom-up RP) → 预期 Sharpe 升到 ~1.1-1.2 (RPMA II level), magnitude 与我们 deviation log #10 期望 "hit 1.1" 一致

- v2 加 Dynamic Risk Allocation overlay → 预期 再 +0.2-0.3 Sharpe (RPMA II DRA), 但要 capped 防 overfit

- IC pack v1 可以 explicitly project "v0+ → v0.1 → v2 Sharpe roadmap": 1.04 → 1.10-1.20 → 1.25-1.35

**Qian 反对 trend-following / stop-loss 的 explicit 论点 (§5.4.2)**:

- Stop-loss 长期 detract value, "since stopped working in last several years" (相比 RP 自带的 downside protection)

- 这与我们 Task #5 v0.1 移除 -8% 单笔止损 → 三轴退出 的决策 align (但 Task #5 是 stock-picking 不是 RP, 不直接 transfer; 不过 backed-by-Qian's 数据 让 framework 更一致)

A.1g Qian Book Ch 6 "History Lessons" (chunk 6, pp 151-180, 2026-05-18)

**核心论点**: RP 失败 case 历史分两类: 短期 (rate shock / risk panic, 几月内 recover) 与长期 (deflation / hyperinflation regime). 通过 4 个 case study (1994 / 2013 taper / Japan / 1970s inflation) 解构 weakness + defense.

#### A.1g.1 1994 Bond Crash Case Study (§6.1)

**Fed 行为**: 1993 维持 3% 全年, 1994 unexpectedly 加息 6 次, 累计 +250 bps (Fed funds 3% → 5.5%)

**Yield curve dynamics**: 10Y 从 5.5% → 7.8%; 短期更剧烈 (front end +260 bps, long end +200 bps); 曲线从 bear steepening → flattening (10/3m spread 250 → 350 → 200 bps)

**Bond returns 1994** (Citigroup UST sub-indices):

- Cash +4.2%

- 1-3Y +0.5% / 3-7Y -3.1% / 7-10Y -5.7% / 20Y+ -8.2% / 全 index -3.4%

- 但 **risk-adjusted** (Sharpe): 20Y+ -1.38 (BEST), 短端 -2.28 (WORST) — 因为曲线 flattening, 长端 duration-adjusted 受伤更轻

**多资产 1994 returns**: MSCI World -2.2% / WGBI -3.7% / DJ-UBS +16.6% (商品 BIG winner due to Fed preemptive rate hike against growth)

**Risk parity 1994 returns**:

- 60/40 (MSCI World 60% + WGBI 40%): -2.7%

- Static RP (25% DJ-UBS + 33% MSCI + 142% WGBI): -5.9% (MORE 亏 than 60/40)

- vs 2008: 60/40 -22.9%, RP -14.0% (RP 显著 better)

**Key insight (反直觉)**: 1994 短期 rate shock 中, RP 跑输 60/40, 但 magnitude 远小 (1 standard deviation 之内). 商品 +16.6% 大幅 offset 国债 -8% 的部分损失. **下一年 12 个月 +15.1% recovery**.

**Implication for mini-cypress**:

- 我们当前 universe 无 商品(能化 / 黄金) 充分 weight → 一旦 央行 unexpectedly 转鹰, 国债 sleeve loss 没有 商品 offset → 比 Qian 1994 更脆弱

- Kaite point 6 (能化加入 universe) 在 1994 类型 stress 中是 critical defense

- Layer 2 universe 必须保证 商品 sleeve risk contribution ≥ 25% (Qian benchmark 是 1/3), 否则 1994-style shock 没有 hedge

- **逆向操作 lesson** (§6.1.1.2 Qian): bear flattening 中, 把 risk allocation 从 short-end shift 到 long-end + 同时整体 reduce bond exposure → 实证降低 1994 损失幅度. 这是 Dynamic Risk Allocation 在 yield curve flat 时的具体 action

#### A.1g.2 2013 Taper Tantrum (§6.2)

**事件**: 2013 May-June Bernanke hints QE3 tapering → bond yields 飙升, equity + commodity 同时下跌, **3 asset class 全跌 = NNN scenario** (chunk 4 §4.2 罕见的 monthly 10% probability event)

**RP 1994 / 2004 / 2009 / 2013 historical episodes**:

**Qian 论点: rising risk premium 自带 mean-reversion**:

- 大跌 = 各资产 risk premium 同时被 repriced 上升

- → 后续 expected return 自然上升 (rebalance back to fair value)

- 这是 RP framework 自然的 "短期 stress = 中期 opportunity" 特性

**For our framework**:

- v0+ funded baseline OOS-A (24H1 stress) +5.85% / MDD -1.78% — already 显示 RP 在 short-term stress 期 resilience

- 但缺乏 "rapid recovery" 之后的 explicit 配置加码 trigger

- v2 Dynamic Risk Allocation 可以 explicitly model: 短期 NNN-style stress 触发 (3-month rolling Sharpe < -1) → tactical 加 5-10% leverage 期待 mean-reversion. 这与 林颖颖 "波动率泡沫化触发减仓" 反方向, 是 "stress 后逆向加仓" 的 mirror

#### A.1g.3 Japan Deflation Analog (§6.4) — Stock/Bond Correlation Flip

**Qian 核心 observation**:

- Pre-2000 US: stock/bond correlation = **持续正** (~0.3-0.5)

- Post-2000 US: stock/bond correlation = **持续负**

- Pre-1990 Japan: positive

- Post-1991 Japan: **持续负 二十年**

- 原因: low growth + low inflation environment 中, growth surprises 主导 asset moves (stock 反应 growth, bond 反应 growth 反方向); high inflation 中, 通胀 surprise 主导 (stock + bond 同方向)

**Japan 1996-2011 实证**:

- 60/40 Japan (MSCI Japan + WGBI Japan): return 0.98%, vol 10.62%

- RP Japan (45% equity + 135% bond, leverage 1.8x): return **6.83%**, vol 8.23%

**Implication for mini-cypress (CRITICAL — 中国当前环境与 Japan 相似度)**:

- 中国 2024-25: CPI ~0%, GDP 4-5%, 房地产去杠杆, "通缩三角" 担忧 — 与 Japan 1990s 中期相似

- 中国 stock/bond correlation 我们必须 measure: 如果近 3 年持续 negative → 与 Qian Japan analog 一致 → RP framework 应得到 **超额 alpha** (不是 underbeta!)

- **重新 frame Kaite "回测 < M2 = framework underbeta" 的判断**:

- M2 增长 5%+ 是 nominal credit expansion, 但 nominal asset returns 在 low inflation 环境 自然低于 M2 (real return 才是 关键 metric)

- 我们 v0+ funded 5.36-6.01% nominal = 5%+ real (CPI ~0%) — Japan RP 6.83% nominal 也 类似 magnitude

- **可能不是 framework underbeta, 而是 macroeconomic regime 限制 (low growth + low inflation = low return everywhere)**

- Layer 2 universe 加 商品 + 长债 + 海外 (USD sleeve when activated) 弥补一部分, 但不要追求 8-12% 太 aggressive

- IC pack v1 应该明确: "中国当前 似 Japan 1995-2000 早期 → RP framework 预期 6-9% real return, not 12%+"

#### A.1g.4 1970s Inflation Hedge (§6.5) — 反 deflation 的 case study

**1970s US 数据**: CPI 7.4% 平均 (两次石油冲击 spike >10%), Cash 6.5%, S&P 500 5.9% (REAL NEG -1.5%), US Bond 6.7% (REAL NEG -0.7%), GSCI **21.2%** (大 winner), TIPS proxy 10.4%

**RP 1970s 跑出来**:

- RPF (Risk Parity Foundation 静态): **+10.5%/年**

- RPD (Risk Parity Dynamic 加 risk allocation overlay): **+11.7%/年**

- 60/40: 仅 6.5%/年 (低于 CPI 7.4% = 负 real return)

- 商品 + TIPS 联合 inflation hedging 是关键

**RPF 1970s 详细 年度返回** (Qian Table 6.9):

- 1974 仅 -3.1% (最差年, 但远 less worse than 60/40 -14.3% 同年)

- 1977 -3.9% (第二差年, 与 60/40 相同 -3.9% 同年)

- 其他 8 年 全部正, 范围 +3.5% 到 +21.2%

- **RPF MDD < 60/40 MDD by very wide margin throughout the decade**

**4-decade 实证 (1970-2009)**:

**RPF 4 decades real return**: 3.1% / 9.2% / 9.3% / 1.8% — **每个 decade 都正 real return**, 而 60/40 1970s + 2000s 都负 real

**Implication for mini-cypress (压舱石 evidence)**:

- 这是 Kaite point 2 "framework 应能 catch M2 + GDP" 的实证支撑 — RP 在 4 个完全不同 regime 都 hit positive real return

- 我们目标设置: **mini-cypress Task #4 全天候应能在任何 regime 下 跑赢 CPI + cash rate** (real return positive)

- 当前 v0+ funded 5.77% real (CPI 0%) = +5.77% real, 实际上 已经 hit 这个 standard ✓

- 但只在 disinflationary regime 实测, 没在 hyperinflation 或 stagflation 实测

- **TIPS 缺位问题** (中国无真正 TIPS market) → 商品 sleeve 必须 over-weight 弥补; 这与 Kaite 加 能化 point 6 一致

- v2 Dynamic Risk Allocation: 1970s 实证 +1.2% 年化超 static (RPF 10.5 → RPD 11.7) — 这是我们 v2 升级的 magnitude expectation, 与 chunk 5 §5.4.5 multi-asset DRA +200 bps 一致

A.1h Qian Book Ch 7 "Wild West of Risk Parity" (chunk 7, pp 181-206, 2026-05-18)

**核心论点**: "RP" 是 open term, 不同 manager 实现差异巨大 (style analysis 7 managers, 3 个根本不是 RP). Stop-loss 对 RP 整体没价值, 只对单 commodity 有.

#### A.1h.1 Style Analysis 框架 (§7.1-7.2)

**Qian 用 return-based style regression** (Sharpe 1988 扩展到 leverage) 拆解 7 个 self-labeled RP managers:

- 3 个 manager (F, G, A) 风险过 concentrated 在 equity / inflation (=RoR equity-biased)

- 1 个 manager (B) 风险过 concentrated 在 interest rate (RoR off-biased)

- 3 个 manager (C, D, E) truly balanced (equity / rate / inflation 各 20-40%)

- 这 6 个 manager 的 effective asset weights average: 16% 商品 + 174% 债 + 34% 股 = 224% leverage

- Out-of-sample 1 年验证: predicted vs actual correlation 0.36, May/June 2013 drawdown 阶段 prediction 极其准确 (R² 0.88)

**Key contrasts** (Qian "什么不是 RP"):

- ❌ "等权资产配置" 不是 RP (4 股 + 1 债 ERC → 80/20 stock/bond risk)

- ❌ "股票债券各占 50% risk" 也不一定是 RP (如果债是 HY 或 credit, 实际是 equity 风险)

- ❌ "高 leverage + 高 fixed-income notional weight" 不一定是 RP (manager F: 188% leverage + 65% equity notional = 还是 equity-biased)

- ✓ RP = balanced risk contribution across **3 primary risk premiums**: equity / interest rate / inflation

**Implication for mini-cypress (诊断我们 v0+ funded 是否真 RP)**:

- 当前 v0+ funded risk contribution: 沪深300 22.63% + 中证500 21.89% + 黄金 21.08% + 红利 15.62% + 豆粕 9.05% + 其他 ≈ 9.7%

- 拆到 3 primary risk premium:

- **Equity risk**: 沪深300 22.63 + 中证500 21.89 + 红利 15.62 = **60.14%**

- **Rate risk**: 城投 (~10%) + 政金/国债 (剩余 ~9.7%) ≈ **~10-20%** (需要 JimSimons 精确算)

- **Inflation risk**: 黄金 21.08 + 豆粕 9.05 = **30.13%**

- → 实际是 **60/10-20/30 = equity-biased**, 不是真 RP! (类似 Qian manager F)

- 这是 deviation log #22 (regime-conditional cov) + #26 (sleeve correlation cap) 的 root cause: Stage 1 inverse vol + 4 regime ERC 实际并没产生 3 primary risk premium 的 balanced contribution

- **Layer 2 必须加 "3 primary risk premium check"** 作为 sanity test: 跑出来 portfolio 后, 用 sector-level risk decomposition verify equity/rate/inflation 各 25-40% (Qian 7 manager average benchmark)

- 这与 Kaite point 1 (信用债 是 R1 representative) 一致 — 信用债 应被 explicitly 标为 partial rate / partial equity (post-2008 RORO), 不是纯 rate

- Layer 2 universe 加 长期国债 (30Y 国债 / 国债期货 funded leverage) 显著 boost rate sleeve risk contribution

#### A.1h.2 Stop-Loss 对 RP 无效 (§7.3) — 直接 validation 我们 Task #5 决策

**Qian autocorrelation 实证 (1973-2013 monthly returns)**:

**Qian 结论**: stop-loss 只对 positive autocorrelation (trending) 资产 work. 多资产 RP 由于 cross-correlation (股跌 → 债涨 → 组合 mean-revert) 自带 mean-reverting → stop-loss 反而 destroy value (会切掉 mean-reversion 的 recovery upside).

**For Task #5 直接 validation**:

- Task #5 是 stock-picking 不是 RP, 但 stock AC(1) 仅 +0.04 (weak trending), 即使 commodity-style stop-loss 也不一定 work

- 我们 v0.1 移除 -8% 硬止损, 改 三轴退出 (基本面 + ATR + 趋势) — Qian 数据支持这个方向 (硬止损 stop-loss 在非 trending asset 不 work; 三轴 = 基本面 evidence-based, 不是 vol-based stop-loss)

- Task #5 v1.2 stress test 0 exposure 是 M-filter 触发, 而不是个股 stop-loss — 这是 systemic 而非 mechanical, fundamentally 不同于 Qian 批评的 stop-loss

**For Task #4 RP 直接 validation**:

- 我们 v0+ funded baseline 没用 stop-loss ✓ (Qian 数据支持)

- 林颖颖 "波动率泡沫化触发减仓" 是组合层 vol-based, 不是 single asset stop-loss → 与 Qian 一致

- 不要被 Tony / Kaite 之后 (假设) 提的 "组合 -10% 硬止损" 诱惑 — 我们应坚持 vol-based 危机熔断 (deviation #25), 不加 absolute drawdown stop-loss

#### A.1h.3 RP 的 self-fraud 隐患 — 商业激励 vs framework integrity (§7.1.5)

**Qian 警告**: 一些 manager 故意做 "in name only RP" — 用 RP 标签 + 高 leverage + 高 fixed-income notional 包装 实际 equity-biased portfolio, 因为 "balanced risk parity" 标签 商业上更好卖.

**Self-check for mini-cypress**:

- 我们 mandate 是 internal 资金管理 + 未来对外募集, 不在 marketing pressure 下

- 但 **IC pack v1 应该 contain "RP 真实性 audit"**: 拆 risk contribution 到 3 primary premium, transparently report % distribution, 如果 < 20% in any one premium 标 caveat

- 这是 governance integrity, 不是 marketing — 让 Kaite / Tony 看到我们是真 RP, 而不是 "高 leverage 国债 + 几个股票"

A.1i Qian Book Ch 8 §8.0-8.1 头 (chunk 7 末, pp 207-210, 2026-05-18)

**主题**: RP 不仅是 asset allocation framework, 同时 applicable 到 equity / fixed-income / commodity 内部 portfolio construction (= chunk 5 §5.4 RPMA II 的 bottom-up RP 详细展开).

**Cap-weighted index 的 risk concentration 数据 (Qian)**:

- MSCI World: US 占 >50%, Japan + UK 是 next major; 大量小国家 risk allocation ~0

- S&P 500: cyclical sectors (CS, SC, EN, FI, IN, TEC, MAT, CM) = 80% risk; defensive (HE, AI, TEL, UTL) = 20%

- WGBI: US + Japan + 欧洲几国 dominate; Japan 在 WGBI 是 largest weight, 但 risk contribution 第二 (US 第一, JGB vol 低)

- Barclays UST index: 风险集中在 20Y+ maturity bucket; 10-20Y 几乎 0

- GSCI: **能源 sector 占 >95% risk contribution**!

**Implication for mini-cypress**:

- 当前 v0+ universe 中 沪深300 / 中证500 都是 cap-weighted — 内部 financial 行业 / 大盘 + 周期 集中, 也有 Qian 描述的 sector risk concentration

- 中国版 sector risk decomposition 应该是 Layer 2 一个 monitoring 维度

- 商品 sleeve 当前 黄金 + 豆粕 是有限多元化, 加 能化 (Kaite point 6) 后才接近 "balanced commodity sleeve" (能源 = inflation hedge representative)

- 长期国债 (Barclays 实证: 20Y+ dominate risk) 在中国市场 是 10Y + 30Y 国债期货 — 与我们 Layer 2 universe 扩展 (10Y + 30Y + 国债期货 leverage) 方向一致

- v2 future: 考虑用 "等权大盘 ETF" 替代 沪深300 (减 internal financial concentration), 但 v0/v1 不动

A.1j Qian Book Ch 8 主体 "RP Everywhere" (chunk 8, pp 211-240, 2026-05-18)

**核心论点**: RP 不仅是 asset allocation framework, 同时 applicable 到 (a) equity 内部 (sector / country / stock), (b) fixed-income 内部 (term + credit spread balanced), (c) commodity 内部 (sector balanced), (d) hedge fund replication, (e) pension plan asset allocation.

#### A.1j.1 Equity Sector RP — "Go the Distance" (§8.1)

**Qian risk decomposition of cap-weighted equity indices**:

- MSCI World: US + UK + Japan = 70% risk

- S&P 500: cyclical sectors (FIN/TEC/IND) 80% risk (defensive 20%)

- Top 15% holdings of MSCI World = 60% total risk (个股集中度极高)

**Empirical attribution of Equity RP value added (1995-2012)**:

**Key insight**: Sector RP 贡献最大 (53% of total), 因为 sector concentration 与 cyclical/defensive 系统性 dimension 重合 (= equity portfolio 与 broader business cycle directional risk)

- 国家 RP 贡献 second (30%) — 与 country-specific shocks

- 个股 RP 贡献 third — 与 idiosyncratic risk reduction

**Implication for mini-cypress** (主要 影响 Task #5 不 Task #4, 但 cross-checkable):

- Task #5 v1.2 行业 cap 30% 是 sector-level concentration control — Qian 数据支持 sector dimension 是最重要的 risk-balance

- 但 Task #5 是 stock picking (alpha), Qian Ch 8.1 是 equity beta capture — 不同 mandate

- Task #4 v0+ funded 股 sleeve 用的 沪深300 / 中证500 / 红利 (3 个 ETF) — 等于已经做了**部分** sector RP (红利 is defensive tilt), 但内部 financials / 周期 集中还是存在 → v2 universe 加 "等权大盘" 或 sector-balanced ETF (XSHE 制造 / 消费 / TMT) 可以进一步 +1-1.5% 年化

- Task #6 ETF 轮动 (待启动) 应该 explicitly 用 Qian sector RP 数据 set 11 行业 universe baseline (vs SPDR 11 sectors)

#### A.1j.2 Reach for Yield via RP (§8.2)

**Qian 数学**:

- Term spread (国债 10Y - 短期) ≈ cyclical hedge (经济弱时 spread 扩 + 国债涨)

- Credit spread (信用 - 国债) ≈ growth correlated (经济强时 spread 收 + 信用涨)

- 10Y vs 信用 correlation = **-0.53** (post-2008 数据); 信用 / HY / EM 互相 +0.85 / +0.65

**Qian 关键反直觉**: 10Y bond Sharpe 0.63 > 30Y bond Sharpe 0.48 (1993-2013)

- 同 yield 提升, 10Y 2x leverage 比 30Y 单倍 更高 risk-adjusted return

- → "low duration leveraged" > "high duration unleveraged"

**5 portfolio 对比** (从 risk parity baseline 加 yield):

**Implication for mini-cypress (Task #4 信用债 sleeve 启示)**:

- 当前 v0+ funded 城投 / 政金 / 信用 几乎都在 中等 credit, 没有 真正 HY (中国 HY 很少 retail-accessible)

- 不需要 reach for yield 追 HY — 我们目标 hit 6-12% nominal, 当前 v0+ 5.77% 已接近 target

- 反而 应该 boost 长期 国债 (30Y 国债 / 国债期货) 与 信用 一起 ERC → 类似 Qian Risk Parity baseline portfolio (Sharpe 0.88), 而不是 Portfolio C/H/E (all-credit)

- 这是 deviation #33 (3 primary risk premium check) 的 yield-side 实施: rate sleeve = 长 + 短 govt + 信用 ERC, 不是 just 城投 dominant

- **Yield enhancement via leverage (Risk Parity L) > Yield enhancement via 降信用** ← 这是 IC pack v1 应明确 frame 的 governance principle

#### A.1j.3 RP vs Global Macro Hedge Fund (§8.3)

**Qian 实证 (HFR GM Hedge Fund Index 1994-2012)**:

- GM Hedge Fund Index: excess return 5.54%, vol 6.33%, Sharpe 0.88

- 把 GM Index regression 拆 3 beta + alpha:

- β3 portfolio (WGBI + MSCI + DJUBS): Sharpe 0.75

- α3 portfolio (residual): Sharpe 0.56

- **β > α** → 多数 GM hedge fund "alpha" 实际上是 beta exposure

- 5 beta 扩展 (加 SML + EM): R² 提升 25% → 32%, α 几乎消失

**Same-risk-target 对比**:

- GM Hedge Fund: 5.54% / 6.33% / 0.88

- Levered β3 (无 alpha 复制): 4.73% / 6.33% / 0.75

- Levered β5: 4.93% / 6.33% / 0.78

- **RP3 (risk parity 3 beta)**: **5.88% / 6.33% / 0.93** (BEST!)

- RP5: 5.39% / 6.33% / 0.85

**Conclusion**: 用 RP 思路构建 beta portfolio (RP3 Sharpe 0.93) 比 GM Hedge Fund index (0.88) 还高, 且无 hedge fund fee (2% + 20%)

**Implication for mini-cypress**:

- 内部 frame: 我们 全天候 = 真正的 GM-like alternative strategy, 不是 traditional asset allocation

- 当 Task #8 组合层 IC pack 时, 可 frame: "Task #4 全天候 占 35% NAV ≈ 给 mini-cypress 一个 internal GM strategy without fee"

- 长期可考虑加 systematic factors (currency carry, value, slope) 提升 Sharpe — 但 v0/v1 keep 简单, 这是 v3+ enhancement

#### A.1j.4 Pension Liabilities + RP (§8.4) — 非 mini-cypress 直接 mandate, but 校准 framework intent

**Qian 论点**:

- Public pension: 用 7-8% expected return 作 discount rate → liability assumption assumes 100% RP-level Sharpe is achievable → underfunding 普遍

- Corporate pension (PPA 2006): 用 corporate bond yield 作 discount rate → realistic, forces liability matching

- 100% RP 适合 public pension (替代 60/40 equity-heavy)

- Corporate: 用 liability matching + surplus portfolio (surplus 部分用 RP)

**Implication for mini-cypress** (informational, not directly applicable):

- mini-cypress 非 pension 结构, 但 dual-currency 60% RMB / 40% USD 类似 "liability matching" (维持人民币本位 + USD 资产 hedge 货币)

- 长期 (Phase 2+) 全公司 portfolio 应考虑: RMB 自营盘 = surplus (用 RP framework); 未来对外募集 = liability matching (受人 minimum return commitment 影响)

- 这是 Task #8 组合层 IC review pack 的 governance framing 启示

A.1k Qian Book 完整阅读 总结 (245/245 pages, 2026-05-18)

**8 chapters + references 完整覆盖**:

**对 mini-cypress framework 的 net 贡献**:

- Deviation log 从 16 → **35 entries** (新增 19 entries 主要来自 Qian)

- Framework reset (Kaite #point 1-8) 中 5 个 point 找到 Qian 数据支撑:

- point 2 "M2 benchmark" → Ch 6.4 Japan analog 表明 macro regime 限制 ≠ framework 缺陷

- point 4 "真正 funded leverage via 融资融券" → Ch 5.1 + Ch 8.2 用 derivatives 给低 vol 加 leverage 是 Qian 推荐 implementation

- point 6 "能化 加入 universe" → Ch 4.1 Spear & Shield + Ch 6.5 1970s inflation 实证 商品 sleeve 是关键 inflation hedge

- point 7 "顶层设计型 framework" → Ch 5 + Ch 6 系统性 framework 论述

- point 8 "6 framework questions" → 整本书是这些 question 的 systematic answer

- 6 Framework Questions 答案 全部 refined (Q1-Q6, 后面 section)

- Layer 2 spec v0.1 现可 immediately 起草, 不需要等 桥水 / 林颖颖 additional reading

A.2 Implications for mini-cypress (Qian 2005 + 2009 校准我们 v0/v0+ 哪些做对了 / 哪些做偏了)

**做对的**:

- Risk parity 作为 framework choice ✓

- 4 regime 层 ERC (Stage 2) 方向对 ✓

- Vol-based risk metric (与 Qian variance/covariance approach 一致, 虽然简化) ✓

**做偏的**:

- **Stage 1 inverse vol 不等于 Qian 的 risk parity** — Qian 用 variance/covariance optimization, 不是简单 inverse vol. 当 vol distribution 极度不均时 (e.g. 城投 1% vs 沪深300 22%), inverse vol 会过度 overweight low vol, 而真正 Qian-style risk parity 会平衡 marginal risk contribution

- **Stage 4 funded leverage 实施方式错** — Qian 是用 futures 加 leverage 在低 risk side (bonds), 我们是 zero out cash 然后 redistribute → 不一样的 effect. 我们的方式 inadvertently 让 城投 (低 vol bond-like) 拿到过多权重

- **Universe size 太小** — Qian 8 类 (含 TIPS / 国际 / EM); 我们 v0 只 4 regime × 2-3 资产 = ~10 ETF, 缺多元化

- **缺真正 leverage benchmark** — Qian 三种 leverage 跑出 Sharpe 1.1 across the board; 我们 v0+ funded 跑出 1.04 — 接近但不及

**指向 Layer 2 spec 改动**:

1. **Stage 1 改为 真正 Qian-style ERC** (variance/covariance based marginal risk contribution = equal), 不是 inverse vol

2. **Stage 4 leverage 实施重设**: 用 futures (国债期货 T / TF / TS 主连) 加 leverage 在低 vol 资产 (国债), 不是 cash zero redistribute. ETF 质押率 也是可行选项 (per Kaite point 4)

3. **Universe 扩展**: 加 中国 TIPS proxy (没有真正 TIPS, 但可用 国债 + 黄金 组合 fake 通胀 hedge), 国际 (港股通) / EM (港股通本身偏 EM characteristic), 商品细分 (能化 / 农产品 / 黄金 各属不同 driver)

4. **配置目标**: 跑出 IS Sharpe ~ 1.0+ (Qian benchmark) 而非满足于 0.83-1.04

B. Core Mathematical Framework

**桥水 Return = Cash + Beta + Alpha** (foundational separation)

- 全天候 focus on Beta side

- Beta sources = 4 economic quadrants

- 假设: long-term Betas > Cash ("how a capitalist system works")

**风险定义 (KEY)**:

- 桥水: "exposure to unpriced economic shifts" (driver-based, NOT vol-only)

- 林颖颖: "底层 driver 抽象, 不重不漏, 影响相当"

- **v0 mistake**: 我们 用 60d 历史 vol 作为 risk proxy — 这是 simplified version, 不是真正的 driver-based risk

**4 Quadrant Framework**:

- (Growth × Inflation) × (Rising × Falling) = 4 boxes

- 假设: Investors are always discounting future conditions, **equal odds across 4 scenarios**

- → Equal risk parity 4 ways

C. Asset Selection Principles (Kaite reframe + 林颖颖)

**"水果新不新鲜" 优先于 拼盘**:

- 选对 long-term 上涨 资产 > 复杂对冲 (林颖颖)

- 桥水: "all the asset classes in the boxes would rise over time" — 假设主要大类资产长期 > Cash

**Long-term sharpe convergence** (Kaite explicitly cited):

- 主要大类资产长期 sharpe 大致相近

- 4 象限平等贡献 → 名义 GDP + 金融体系扩张 = "广义增长+通胀" 收益

- **当前 v0 回测 < M2 增长** → framework 没 capture full beta of broad liquidity expansion (这是 critical issue!)

**Asset universe**:

- 桥水原版: 全球股票 / 长债 / 通胀挂钩债 / 商品 / 黄金

- 国内 化: 需要 国内可交易代理 + **能化 不能漏** (Kaite) + 信用债 / 城投 是国内重要大类 + 中证1000/创业板/科创50 中小盘

- 林颖颖 强调: "选 long-term 跑赢 现金 的资产" + 中国市场: 股 / 债 / 商品 / 黄金 都满足

**"Outside-regime cash buffer" 思路**:

- 桥水: cash 不是 regime asset, 用于 funding leverage

- v0 我们误把 短债/货基 当 R4 → 已纠正 (Layer 1)

- **不能扩展到 城投 / 政金** (Kaite walked back Idea C extension): 信用债 是 R1 重要 representative

D. Risk Parity 真正落地 (vs 我们 v0 简化)

**桥水**: low-risk × leverage = high-risk equivalent return; equal risk allocation across scenarios

**林颖颖**: "对冲红利" vs "对冲税"; long-only with leverage > short hedging

**v0 mistakes**:

- 简化为"60d 历史 vol" inverse weighting (low-vol 资产 over-weight, 单券 dominate sleeve)

- 没用真正 funded leverage (Stage 4 cash 零化 是 partial workaround)

- 4 regime sleeve 是用 historical correlation 简化, 不是真正 driver-based

**应该改 (v0.1)**:

- Stage 1: sleeve 内 ERC (不是 inverse vol) — 防止单资产 dominate

- Stage 4: 真正 funded leverage via 融资融券 (考虑 ETF 质押率 + cost) (Kaite point 4)

- 增加 inflation-linked / 信用 / 长期 duration 资产 representation

- 验证: 回测 hit M2 benchmark, 否则 framework underbeta

E. 调仓 + 危机模式

**桥水**:

- "Someone's part-time job to rebalance from time to time" — 频率不公开

- 通过 environmental balance 抵御 crisis (无 explicit crisis mode in 公开材料)

- "weathered them all" through history

**林颖颖**:

- 月度调仓 (慢变量)

- 波动率泡沫化触发减仓 (内生模型, 不主观)

- 危机模式 = 广义流动性快速大幅收缩, 基金经理"接管方向盘"

**v0.1 should补**:

- 偏离再平衡 (业界 practice + 林颖颖含蓄)

- 风险熔断 (组合 vol > 1.2x target / 月度 DD > 8%)

- 危机模式 hardcoded trigger (信用利差 / 央行 / M2) + Kaite 手动接管

F. Performance characteristics (公开信息)

- 桥水 不公开具体 sharpe / vol / MDD (narrative not prospectus)

- 公开 hint: "weathered all crises" since 1996

- 林颖颖 小红掌: 合规约束不公开具体数, 但暗示 8-12% 年化目标 + 适度 vol

**v0+ funded baseline 5.36-6.01% / vol 4.68-5.77% / Sharpe 1.04-1.15 / MDD -10.7-12.8%** — 数字层面 acceptable, 但 vol underused (target 6-8%), 收益 < M2 (5%+ recent years), 可能 framework underbeta

---

6 Framework Questions — System Answers (WIP, will refine after more reading)

Q1: 选什么资产? (Universe)

**Principle**: 长期 > Cash + 覆盖 4 regime + 体量大 + 政策支持 + 可理解 + "不重不漏"

**v0.1 candidate buckets** (与 JimSimons asset-pool-design-v0.1 协调):

- **股权增长 (R1/R2)**: 沪深300 + 中证500 + 中证1000 + 创业板 + 科创50 + 红利 (defensive subset)

- **久期 (R4)**: 10Y 国债 + 30Y 国债 (PIT 新加入) + 政金债

- **信用/Carry (R1)**: 城投 + 政金 + 高等级信用 (体量大 + 政策支持)

- **商品 (R2/R3)**: 黄金 + 有色 + **能化 (159981) (Kaite point 6 add)** + 农产品 (豆粕 + extend)

- **现金/抵押品 (outside-regime)**: 短债 + 货基 (used for funding leverage, not regime allocation)

Q2: 风险定义?

**v0**: 60d 历史 vol (简化) — KNOWN limitation

**v0.1**: + 多 vol window (60/120/252/EWMA) sensitivity + sleeve-internal ERC (vs inverse vol) + transparent disclosure of remaining limitation

**v1 future**: driver-based risk (更接近桥水 + 林颖颖 本意) — 需要 multi-factor risk model, 重 engineering

Q3: 经济场景框架?

**v0**: 美林时钟 4 象限 (增长 × 通胀) 复合 z-score vs 12M MA

**v0.1**: 保持 4 象限, 加 流动性维度作为 SEPARATE 危机 trigger (not 4 regime 第 3 轴, 不超 framework 复杂度)

Q4: 资产配比?

**v0**: Stage 1 (sleeve 内 inverse vol) + Stage 2 (regime 间 ERC) + Stage 3 (vol scaling) + Stage 4 (cash zero-redistribute, BROKEN)

**v0.1**:

- Stage 1 改为 **sleeve 内 ERC** (防止 single asset dominate)

- Stage 2 保持 regime 间 ERC

- Stage 3 vol scaling 到 target

- Stage 4 改为 **真正 funded leverage via ETF 融资融券** (Kaite point 4, evaluate 实操可行性)

- (no more cash-zero-redistribute)

Q5: 调仓 + 偏离再平衡 + 风险熔断

- 月度全部重算 (慢变量基础)

- 偏离再平衡 trigger: 单资产 deviation > 5% NAV → 即时

- 风险熔断: 组合 60d vol > 1.2x target → 减权 0.85x; 月度 DD > 8% → 减仓 30%

- 不日内, 不周度

Q6: 危机模式

**定义** (林颖颖 + Qian Ch 4 NNN):

- 林颖颖: 广义流动性快速大幅收缩 (deflationary 危机)

- Qian: NNN scenario = 股/债/商品 同时跑输 cash (inflationary 危机, 1970s类型)

- **mini-cypress framework 必须 cover 双向**

**Trigger signals (deflationary side, 林颖颖)**:

- M2 增速 < 0 (3 月连续)

- 央行连续加息 ≥ 50 bp

- 信用利差 (转债 yield - 国债) 20 日走阔 > 50 bp

- 全球流动性同步紧缩 (Fed / ECB / PBoC)

**Trigger signals (inflationary side, Qian Ch 4)**:

- 国内 CPI yoy > 3% 持续 2 个季度

- 国债 10Y-1Y < 30 bp 持续 2 月 (flat curve = 1994 style risk)

- 商品 sleeve (能化 / 黄金) 3 月 sharpe > 2 (commodity-led rally signal)

**Response**:

- 模型自动 (deflationary): 仓位减至 50% NAV, 现金缓冲 ↑

- 模型自动 (inflationary, v2): tactical risk budget shift 商品 +5% / 国债 -5%, capped ≤ 5% total tilt

- 人工: Kaite 接管, decide 加减杠杆 + 资产配置调整

- 不做空 (林颖颖原则)

---

Pending work for v0.1 / Brief v1 / IC Pack v1

- Read 桥水官方 剩 5 必留 (尤其 Risk Parity Is About Balance PDF — 最技术性)

- Read 林颖颖 剩 11 articles (尤其 04 当前 view, 08 黄金, 12 业绩归因)

- 与 JimSimons asset-pool-design-v0.1 合并 → Layer 2 final spec v0.1

- IC Pack v1 update (Ask 1 改为 "v0.1 evaluation" not "approve deploy")