Thierry Roncalli
法国资产管理人，法国 Evry 大学访问教授。2000 年代中期在 SGAM Alternative Investments 做量化研究，2010 年前后在 Lyxor Asset Management 研究部任量化研究主管，2016 年起在 Amundi Asset Management 量化研究部。研究主线是风险预算 (risk budgeting) 家族：从 ERC 组合的数学性质出发，推广到一般风险预算、加入预期收益、加入约束，并一路做到可大规模落地的数值算法。已出版专著 Introduction to Risk Parity and Budgeting (Chapman & Hall/CRC, 2013)。
在本 wiki 的论文
- Maillard, Roncalli & Teiletche 2009 — 等风险贡献组合的性质 — 与 Maillard、Teiletche 合作，给出 ERC 的严格定义与核心定理：ERC 波动率介于最小方差组合与等权组合之间，ERC 等价于「加了分散化约束的最小方差组合」
- Bruder & Roncalli 2012 — 用风险预算方法管理风险暴露 — 把 ERC 推广成可自定义风险预算 b_i 的 RB 组合，给出存在唯一性与波动率排序，并落到风险平价基金、战略资产配置、股票指数化、主权债指数化四个应用
- Roncalli & Weisang 2012 — 超越风险平价 — 讲义：非高斯风险测度（VaR/ES）下的风险贡献，以及按风险因子而非按资产做风险预算；给出「等权 ≠ 等风险」的反例
- Bruder, Richard, Gaussel & Roncalli 2013 — 组合配置的正则化 — 综述：MVO 为什么不稳定（信息矩阵 I=\hat\Sigma^{-1} 放大噪声因子），以及两代稳定化手段
- Griveau-Billion, Richard & Roncalli 2013 — 高维风险平价组合的快速算法 — 把 RB 问题写成带对数障碍的二次函数最小化，用机器学习的循环坐标下降 (CCD) 求解
- Roncalli 2014 — 把预期收益引入风险平价组合 — 用广义标准差风险测度把预期收益放进风险平价；同时明确写出风险平价「只管风险不管业绩、更接近被动管理」这一批评
- Richard & Roncalli 2019 — 带约束的风险预算组合 — 加约束后事前风险预算不再等于事后风险贡献；给出 ADMM / CCD / 近端算子 / Dykstra 一整套求解器与「缩放谜题」
方法论取向
一条主线：把「风险平价」从口号变成可证明、可计算、可落地的框架。 他的写作习惯有三个可辨认的特征：
- 先定义、再证明、再落地。每个概念都先给出严格的数学表述（欧拉分解、风险贡献、风险预算），然后给存在唯一性定理与波动率排序，最后才给实证。这与 MVO 一系「先讲效用函数再讲效果」的写法不同。
- 用「风险最小化」统一 MVO 与风险预算。在 2014 年那篇里，MVO 目标函数被改写成最小化风险测度 R(x)=-x^\top(\mu-r)+c\sqrt{x^\top\Sigma x}；在 2019 年那篇里，RB 组合被表述为「带（软）风险预算约束的最小风险组合」。在他手里，风险预算与均值-方差是同一条轴上的两个位置。
- 对「看起来更高级」的扩展保持怀疑。他在 2014 年明确说非高斯扩展（CDaR 等）「一般不产生更好的结果，且在大资产池上有计算问题」；在 2013 年的正则化综述里批评重采样与鲁棒优化「并未显著改善 Markowitz 组合」。他偏好的是能证明性质、能大规模算、且不引入无法估计的新参数的方法。
另一个特点：理论与工程同等认真。 2013 年把 CCD 从机器学习搬进组合优化，2019 年把 ADMM、近端算子、Dykstra 算法搬进来，并明确说明传统约束优化算法（SQP、信赖域、内点法）在这里都找不到解。
相关
- Risk Parity · 风险预算与风险平价 · ERC 组合性质 — 他建立的概念体系
- 高维风险平价算法 — 他的求解算法
- Jean-Charles Richard · Benjamin Bruder · Guillaume Weisang — 长期合作者
- Coherent Risk Measures · ADMM 算法 — 他引用的理论工具