在 20 世纪 90 年代初，桥水基金（Bridgewater Associates）的创始人 Ray Dalio 和他的合伙人 Bob Prince 首次提出了全天候（all weather）策略。该策略的初衷是构建一个投资组合使其在不同的经济环境中都能够有稳健的表现。自 1996 年开始，Dalio 使用该策略管理他的家族基金，进而推出了全天候基金。事实上，桥水的全天候基金在过去 20 多年内有着非凡的表现，这其中自然也包括 2008 年次贷危机和 2010 年的欧债危机。
如今，桥水已经成为世界上最大的对冲基金（AUM 约 1600 亿美元），而 Dalio 的全天候策略也早已享誉华尔街。虽然桥水版本的全天候策略的实施细节我们不得而知（那是人家的商业机密），但全天候的理念是完全公开的，Dalio 本人也在桥水的每日观察中对它进行了解读（Dalio et al. 2015）。
桥水认为，各类投资品（权益、债券、商品等）的收益率由未来的经济情况决定，而经济情况则主要由经济增长和通胀两大因素驱动。根据它们的变动，经济环境可分为四种情况 —— “经济上升”、“经济下降”、“通胀上升”、“通胀下降”，不同类投资品在不同经济环境中表现各异。
比如，权益类资产（股票）倾向于在经济增长时有好的表现；债券类资产在经济变弱或通胀下降时收益更好；而商品在经济上升或通胀上升时投资回报更好。上述四种经济情况下利好的投资品如下面这个四宫格所示。
当我们知道了在每种经济环境中应该投资哪种投资品之后，下面一个自然的问题就是：未来一段时间属于什么经济环境？对此，桥水给出的答案是：“不知道”也“不猜”！取而代之的是，桥水构建了一个适应于不同经济环境的投资组合，这便是“全天候”的含义。为此他们要求其“全天候”投资组合在这四种经济环境中有着同样的风险暴露。具体的，他们赋予每个经济情况 25% 的风险。可以理解为桥水在这四种经济环境中各构建一个子投资组合，每个子投资组合的风险相等且各占总投资组合的四分之一。总的投资组合就是这四个子投资组合的合集。
“全天候”的核心是将投资组合的风险平均的暴露在不同的经济环境中，从而对冲市场环境的风险，使得未来无论处于哪一种经济环境，该投资组合的风险都是可控的。后来业界使用风险平价（risk parity）这个术语来指代“将投资组合暴露于宏观经济环境中的风险平均分配到这四个经济环境中”这个理念。
值得一提的是，风险平价这个术语并不是桥水提出的，而是由 PanAgora 资产管理公司的 Dr. Edward Qian 于 2005 年提出（Qian 2005）。桥水“全天候”基金的优异表现使得风险平价这个词深入人心，而风险平价这个词也一针见血的诠释了“全天候”的核心。
看到这里，我们也许会问全天候策略在一些经济环境中配权益类资产而在另外的环境中配债券类资产，而债券类资产比权益类资产的风险低很多，那么如何做到风险平均分配呢？这个问题的答案便是“全天候”的另一个核心 —— 使用杠杆。低风险、低回报的资产（如债券）可以通过加杠杆提高风险以及回报；高风险、高回报的资产（如股票）可以通过去杠杆降低风险和回报。通过使用杠杆，使得经济四宫格中的各类资产对总的投资组合有相似的风险贡献。
此外，全天候策略要求这四个经济环境中的子投资组合有着近似的收益风险比（即夏普率）。这意味着在平均分配了风险后，每个环境中的子投资组合对总的投资组合有着相似的收益贡献。这四个子投资组合每一个适应一种经济环境，它们为了对冲掉宏观经济的风险而构建，因此表现存在一定的负相关。无论处于哪种经济环境，总会有一个适应于该环境的投资组合表现好，可谓“你方唱罢我登场”。随着时间的推移，由于存在风险溢价，“四宫格”中的子投资组合都会上涨，因此总的投资组合便可以穿越不同的经济环境而经久不衰。由于有效的对冲了风险，全天候投资组合较每个子投资组合有更小的波动和更高的收益风险比，因此长期来看它会取得比这些子组合更高的收益。
较传统的按资金分配投资品的组合，按风险分配的风险平价策略能在不同的经济环境中做到更有效的对冲。比如，传统的 60/40 投资组合将资金量的 60% 分配给股票，40% 分配给债券。但是，考虑到股票的风险是债券的 3 倍，该投资组合风险的 90% 事实上来自于股票。当经济环境不利于股票时，债券的收益显然无法和股票的亏损有效对冲。
2 等风险贡献投资组合由于全天候基金的大获成功，风险平价理念在投资界迅速普及，被其他对冲基金竞相模仿，形成了很多版本。这其中，最著名的版本当属等风险贡献投资组合（equally-weighted risk contributions portfolio，下文简称 EWRCP）。它使用投资组合（收益率）的波动率作为风险的代理指标，该方法以每个投资品对组合的波动率贡献相同为目标来确定最佳的配置权重。
该组合的数学模型如下。
上述最优化问题的输入就是 N 个投资品的协方差矩阵 Θ 以及给定的组合风险值 C。对其求解便得到最优的配置 w_i，使得每个投资品对该组合有着同样大小的风险贡献。
上述模型在数学上虽然简单，但是它背后的业务含义是什么呢？它又和我们熟悉的马科维茨均值方差最优化（MVO）问题有什么关联呢？不难看出（下图），在限定了投资组合的波动率之后，马科维茨的 MVO 问题就等价于最大化投资组合的夏普率。
可以证明，当投资品的夏普率相同，且收益率相互独立时（即协方差矩阵 Θ 是一个对角阵），上述风险平价最优化问题就等价于最大化投资组合的夏普率问题。这就给等风险贡献投资组合一个非常合理的业务解释 —— 它可以最大化投资组合的夏普率。
然而，如果夏普率不同且（或）投资品收益率之间不独立（即协方差矩阵 Θ 的非对角线元素非零）又会怎样呢？我们求解上述 EWRCP 模型得到的最优权重到底有没有意义呢？我们必须搞懂这个问题，因为在实际投资中，不同投资品之间的夏普率往往不同，且它们收益率之间存在一定的正相关或负相关。如果不弄清楚 EWRCP 模型背后的意义，拿来协方差矩阵就盲目的一通优化，得到的所谓“最优”风险平价投资组合往往一点业务含义都没有，该组合有时甚至会造成巨大的亏损（本文第六节的实证中会给出这样的例子）。
为了研究这个问题，在接下来的分析中，我们考察三个最优化问题。第一个便是上述 EWRCP 风险平价模型。在第二个模型中，考虑到不同投资品的夏普率不同，我们不把组合的风险平均的分配给这些投资品，而是按照每个投资品自身的夏普率的平方作为权重分配给这些投资品。我们把这种方法称为 Sharpe Ratio-Squared-weighted risk contributions portfolio，即 SSWRCP。在这个组合中，风险不再平均分配，而是正比于夏普率的平方。这是一种主动的风险预算（risk budgeting）。第三种模型是最大化投资组合夏普率组合（下称 MSP，maximum Sharpe ratio portfolio）。除了协方差矩阵外，后两种模型还需要投资品的期望收益率作为输入。
根据定义可知，当投资品的夏普率相同时，SSWRCP 简化为 EWRCP 问题。这三种模型的数学表达如下：
