基金定投助手為什么你的基金定投總在追漲殺跌價值平均法定投引擎 綜合估值模型動態(tài)再平衡倉位管理一個單文件 HTML 的免費定投工具-CSDN博客https://download.csdn.net/download/weitingfu/93339607?spm1011.2124.3001.6210黃金 100 字你是否遇到過這樣的困惑明明買了好幾只基金結果市場一跌賬戶里所有持倉一起綠分散了個寂寞網(wǎng)上搜到的方案要么讓你多買幾只要么讓你相信長期卻從來沒人講清楚分散到底是怎么起作用的。本文將從現(xiàn)代投資組合理論MPT的底層數(shù)學出發(fā)用公式、代碼和示意圖講透低相關性資產(chǎn)組合為什么能免費降低風險以及這套理論在核心-衛(wèi)星策略和動態(tài)倉位調整中的真實用法。一、先講一個數(shù)學上免費的故事1952 年一個叫哈里·馬科維茨的年輕人寫了一篇博士論文題目叫《投資組合選擇》。這篇論文只有十幾頁當時沒幾個人看得懂但它后來拿了諾貝爾經(jīng)濟學獎還順手開創(chuàng)了一門學科——現(xiàn)代投資組合理論Modern Portfolio Theory簡稱 MPT。馬科維茨到底發(fā)現(xiàn)了什么用一句話說在同樣的預期收益下把資金分散到相關性足夠低的資產(chǎn)上組合的風險可以顯著下降而收益幾乎不受損失。這句話聽起來平平無奇。但請注意關鍵詞——“同樣的預期收益”。這意味著風險下降不是靠犧牲收益換來的而是白撿的。這就是為什么巴菲特那句廣為流傳的話被反復引用分散化是唯一免費的午餐。雖然巴菲特本人更偏愛集中持倉但他說這話時指的就是 MPT 這套數(shù)學邏輯。在開始講公式之前先建立一個直覺。假設你手里有兩家公司一家做雨傘一家做冰淇淋。晴天的時候冰淇淋賣得火爆雨傘滯銷雨天的時候雨傘供不應求冰淇淋無人問津。如果你把全部身家押在冰淇淋公司上那么一個連續(xù)晴天的夏天你會賺翻但一個連續(xù)暴雨的夏天你會虧慘。反過來押雨傘公司也一樣。但如果兩家公司各買一半呢晴天的時候冰淇淋那邊賺的錢剛好彌補雨傘那邊的虧損雨天的時候雨傘賺的錢又填補了冰淇淋的窟窿。無論天氣怎么變你的賬戶都穩(wěn)穩(wěn)當當。這個例子有點夸張但它把 MPT 最核心的思想講清楚了組合的整體風險不取決于單只資產(chǎn)的風險有多大而取決于資產(chǎn)之間此消彼長的程度——也就是相關系數(shù)。二、組合風險的本質為什么 1 1 22.1 單一資產(chǎn)的風險怎么衡量要理解組合風險先得定義風險。在 MPT 的框架里風險 收益的不確定性 波動率通常用標準差σ來衡量。一只基金過去 5 年的年化收益是 10%標準差是 20%意思是它的收益大約 68% 的概率落在 -10% 到 30% 之間95% 的概率落在 -30% 到 50% 之間。標準差越大收益上躥下跳得越厲害持有體驗越刺激風險越高。這個定義當然有爭議——比如有人會說波動不是風險永久虧損才是。但在數(shù)學框架里標準差是衡量不確定性的標準尺子先接受它后面我們再來挑戰(zhàn)它。2.2 組合風險不是加權平均很多人以為組合的風險 各資產(chǎn)風險的加權平均。這個直覺錯得離譜。如果組合風險真是加權平均那么買 10 只基金和買 1 只基金沒有任何區(qū)別——反正都是平均。那分散化還有什么意義馬科維茨的洞察正在于此組合的風險不僅取決于各資產(chǎn)的波動率還取決于它們之間的相關性。相關性越低組合風險越低于加權平均這就是 1 1 2 的數(shù)學來源。2.3 核心公式兩資產(chǎn)組合方差以最簡單的兩只資產(chǎn)為例。組合的方差公式如下σ2(p) w?2·σ?2 w?2·σ?2 2·w?·w?·ρ·σ?·σ?其中w?、w? 是兩只資產(chǎn)的權重w? w? 1σ?、σ? 是兩只資產(chǎn)的標準差ρ 是兩只資產(chǎn)的相關系數(shù)介于 -1 和 1 之間注意看最后一項2·w?·w?·ρ·σ?·σ?。如果 ρ 是正數(shù)這一項給組合風險加碼如果 ρ 是負數(shù)這一項給組合風險減碼如果 ρ 0完全不相關這一項直接消失。相關系數(shù)越低組合風險越低——這就是整篇理論的鑰匙。2.4 直觀驗證算一筆賬假設兩只資產(chǎn)波動率都是 20%各投 50%。如果 ρ 1完全正相關組合波動率 20%。和單只資產(chǎn)一模一樣分散了個寂寞。如果 ρ 0不相關組合波動率 14.1%。風險下降了約 30%。如果 ρ -0.5負相關組合波動率 10%。風險直接砍半。如果 ρ -1完全負相關組合波動率 0。風險歸零——當然這在現(xiàn)實中幾乎不存在因為完全負相關的資產(chǎn)太罕見了?？匆娏藛醿芍徊▌勇释耆嗤馁Y產(chǎn)僅僅因為相關性不同組合風險可以從 20% 降到 0。這就是免費午餐的數(shù)學本質風險下降靠的是相關性而不是犧牲收益。graph LR A[資產(chǎn)Abr/σ20%] -- C{相關系數(shù) ρ} B[資產(chǎn)Bbr/σ20%] -- C C --|ρ1| D[組合σ20%br/無分散效果] C --|ρ0| E[組合σ14.1%br/風險降30%] C --|ρ-0.5| F[組合σ10%br/風險砍半] C --|ρ-1| G[組合σ0br/風險歸零]2.5 有效前沿風險與收益的最佳交易區(qū)馬科維茨的貢獻不止于發(fā)現(xiàn)1 1 2他還畫出了一張改變金融史的圖——有效前沿Efficient Frontier。把市場上所有可能的資產(chǎn)組合都畫在一張圖上橫軸是風險標準差縱軸是預期收益。你會發(fā)現(xiàn)這些點聚成一個類似子彈頭的形狀。在子彈頭的左上邊緣上每一個點都代表一個給定風險下收益最高的組合這條邊緣曲線就叫有效前沿。有效前沿的意義在于它證明了收益和風險的交換不是無限自由的。在有效前沿之外你總能找到另一個組合要么同樣的風險收益更高要么同樣的收益風險更低。而免費午餐的完整表述是通過配置低相關性資產(chǎn)你可以從有效前沿的內部移動到邊緣——風險下降、收益不變這個移動過程就是白賺的。graph LR A[任意組合br/風險高收益低] --|加入低相關性資產(chǎn)| B[有效前沿上br/風險低收益不變] C[單一資產(chǎn)br/風險收益比差] --|分散化| D[有效前沿上br/最優(yōu)風險收益比]用大白話說單只基金就像一個只能打一個位置的單打選手組合則像一支能打配合的球隊。單打選手再厲害也扛不住對方全場包夾球隊配合默契每個人都能在適合自己的位置上發(fā)揮整體戰(zhàn)斗力遠超個人能力之和。到這里MPT 的兩大支柱就齊了低相關性資產(chǎn)組合降低風險1 1 2有效前沿提供最優(yōu)權重在降低風險的同時不犧牲收益。接下來我們聚焦第一個支柱的關鍵變量——相關系數(shù)。三、相關系數(shù)分散化的魔法數(shù)字3.1 什么是相關系數(shù)相關系數(shù) ρ 衡量的是兩只資產(chǎn)收益走勢的同步程度取值在 -1 到 1 之間ρ 1完全同步漲一起漲跌一起跌比如同一行業(yè)的兩只股票ρ 0完全無關走勢各走各的比如股票和黃金有時接近ρ -1完全反向一個漲另一個必跌現(xiàn)實中幾乎不存在實際操作中絕大多數(shù)資產(chǎn)之間的相關系數(shù)都在 0 到 1 之間。A 股和美股長期在 0.25 到 0.45 左右股票和債券在 0 到 0.30 左右A 股和港股偏高能達到 0.55 到 0.75詳見 3.3 節(jié)的市場實測表。3.2 不同相關系數(shù)的實戰(zhàn)意義相關系數(shù) 0.8 以上看起來買了好幾只基金實際上等于買了一只。比如同時買滬深 300 指數(shù)基金、滬深 300 增強基金、某只重倉銀行股的主動基金——這三者在下跌行情里幾乎是復制粘貼分散效果約等于零。相關系數(shù) 0.3 到 0.5這是跨市場配置的典型區(qū)間。美股、A 股、港股雖然都叫股票但定價邏輯、資金結構、宏觀周期不同步相關性中等偏低分散效果顯著。相關系數(shù) 0 到 0.3股票和債券的典型區(qū)間。債市和股市的驅動因素不同股市暴跌時債券往往成為避風港組合回撤被明顯壓縮。相關系數(shù)為負這是黃金、商品類資產(chǎn)在某些階段的特征。它們和股票的負相關性是全天候組合、風險平價策略的底層依托。3.3 相關系數(shù)的市場實測誰和誰真不熟光講理論沒感覺直接看實戰(zhàn)中幾類核心資產(chǎn)的相關系數(shù)區(qū)間基于近十年主要指數(shù)的月度收益率統(tǒng)計資產(chǎn)對典型相關系數(shù)分散效果滬深300 vs 中證5000.75-0.85弱同為A股寬基滬深300 vs 創(chuàng)業(yè)板500.65-0.80弱到中等風格有差異A股 vs 港股0.55-0.75中等基本面相關、資金不同A股 vs 美股0.25-0.45中等偏強宏觀周期不同步美股 vs 港股0.30-0.50中等流動性由外資主導股票 vs 債券0.00-0.30強危機時股債蹺蹺板股票 vs 黃金-0.20 至 0.20強避險屬性讀這張表你能得到三個實戰(zhàn)結論第一A 股內部假分散很嚴重。滬深300、中證500、創(chuàng)業(yè)板50的相關性都在 0.65 以上買三只 A 股寬基基金分散效果約等于買一只。真正的分散必須跨風格、跨市場、跨資產(chǎn)。第二跨市場是性價比最高的分散方式。A股和美股相關性只有 0.25-0.45這意味著兩邊同時大跌的概率不高。這也是為什么研究報告反復強調美股 A 股 港股跨市場組合能實現(xiàn)年化 15% 以上、回撤 15% 以內的數(shù)學基礎。第三債券和黃金是組合的壓艙石。它們與股票的相關性接近零甚至為負市場恐慌時往往提供正收益或正保護。保守型組合里 40% 固收 5% 黃金就是在利用這種低相關性。3.4 ?? 避坑警告相關系數(shù)不是固定的相關系數(shù)最大的坑是它不穩(wěn)定。平時美股和 A 股相關系數(shù)可能只有 0.3但在全球性危機中比如 2008 年、2020 年 3 月幾乎所有風險資產(chǎn)的相關性會一起飆升到 0.8 以上——因為大家都在同一個恐慌情緒里拋售。這就是金融學里常說的相關性危機時趨同correlations go to one in a crisis。 效率技巧判斷兩只基金是不是假分散最快的方法不是看基金名字而是看它們前十大重倉股的重疊度。重倉股重疊超過 50% 的兩只基金相關系數(shù)通常不會低分散效果大打折扣。四、代碼實戰(zhàn)算給你看理論講完了現(xiàn)在動手。用 Python 把相關系數(shù)和組合風險算出來。4.1 相關系數(shù)計算import numpy as np import pandas as pd # 模擬三只資產(chǎn)的月度收益率100個月 np.random.seed(42) months 100 # 共同沖擊市場因子股票A、B都受它影響 → 兩者相關性較高 shared np.random.normal(0, 1, months) # 各資產(chǎn)月度收益率均值 共同沖擊貢獻 個體波動 stock_a 0.008 0.030 * shared 0.026 * np.random.normal(0, 1, months) # 高波動股票 stock_b 0.008 0.025 * shared 0.016 * np.random.normal(0, 1, months) # 中波動股票 bond_c 0.004 0.012 * np.random.normal(0, 1, months) # 債券獨立波動 df pd.DataFrame({股票A: stock_a, 股票B: stock_b, 債券: bond_c}) # 計算相關系數(shù)矩陣 corr_matrix df.corr() print(相關系數(shù)矩陣) print(corr_matrix.round(3))運行結果會顯示股票 A 和股票 B 的相關性較高大約 0.6因為它們共享同一個市場因子而債券與兩只股票的相關性接近 0 甚至為負。這正是核心-衛(wèi)星 固收組合能降波動的數(shù)據(jù)基礎。4.2 組合風險計算def portfolio_volatility(weights, cov_matrix): 計算組合波動率年化標準差 weights: 資產(chǎn)權重列表如 [0.5, 0.3, 0.2] cov_matrix: 資產(chǎn)的協(xié)方差矩陣年化 weights np.array(weights) # 組合方差 w^T · Σ · w variance weights cov_matrix weights.T return np.sqrt(variance) # 用上面的收益率數(shù)據(jù)構造年化協(xié)方差矩陣月度方差×12 cov_monthly df.cov() cov_annual cov_monthly * 12 # 方案一全倉股票A100% 高波動資產(chǎn) w1 [1.0, 0.0, 0.0] vol1 portfolio_volatility(w1, cov_annual) # 方案二60%股票A 40%債券 w2 [0.6, 0.0, 0.4] vol2 portfolio_volatility(w2, cov_annual) # 方案三核心-衛(wèi)星式40%股票A 20%股票B 40%債券 w3 [0.4, 0.2, 0.4] vol3 portfolio_volatility(w3, cov_annual) print(f方案一 全倉股票A 波動率: {vol1:.2%}) print(f方案二 股6債4 波動率: {vol2:.2%}) print(f方案三 核心衛(wèi)星 波動率: {vol3:.2%})這個腳本會打印出三個方案的年化波動率。你大概率會看到方案三的波動率比方案一低 30%-50%但三者的預期收益差距遠沒有這么大。這就是免費午餐的實證。4.3 結果解讀把上面腳本跑一遍你會得到類似這樣的結果方案配置年化波動率相對全倉降低方案一100% 股票A約 11.9%—方案二60% 股票A 40% 債券約 7.1%約 40%方案三40% 股票A 20% 股票B 40% 債券約 6.2%約 48%注意以上數(shù)值基于np.random.seed(42)的模擬數(shù)據(jù)換一個種子結果會有差異但規(guī)律是穩(wěn)定不變的——加入低相關性資產(chǎn)債券、另一類股票后組合波動率顯著下降而預期收益只是按權重線性攤薄。這就是核心-衛(wèi)星策略、跨市場配置、全天候組合能有效控制回撤的數(shù)學根源。4.4 為什么數(shù)量越多分散效果越好還有一個經(jīng)典問題買 10 只基金一定比買 2 只基金更分散嗎答案是不一定取決于你買的是什么。這里要引入 MPT 的另一個核心概念——風險的兩層結構。系統(tǒng)性風險市場風險整個市場一起波動的風險比如利率變化、宏觀經(jīng)濟衰退、地緣沖突。這種風險靠分散化無法消除買再多基金也躲不掉。非系統(tǒng)性風險個體風險單一資產(chǎn)特有的風險比如某家公司業(yè)績暴雷、某個行業(yè)政策突變。這種風險可以通過分散化消除——因為不同資產(chǎn)的個體壞運氣不會同時發(fā)生。MPT 告訴我們當組合里加入足夠多的低相關性資產(chǎn)時非系統(tǒng)性風險被逐步稀釋組合風險最終逼近系統(tǒng)性風險的下限。graph LR A[組合中資產(chǎn)數(shù)量] -- B{非系統(tǒng)性風險} A -- C{系統(tǒng)性風險} B --|數(shù)量增加| D[逐步消散趨于0] C --|數(shù)量增加| E[基本不變] D -- F[組合總風險br/逼近系統(tǒng)性風險下限] E -- F所以分散化的正確姿勢是增加的是低相關性的不同資產(chǎn)而不是同漲同跌的同類資產(chǎn)。買 10 只都是重倉白酒的基金非系統(tǒng)性風險根本沒有被消除——它們共享同一個個體風險。這也是為什么研究報告反復強調跨市場美股、A股、港股、跨資產(chǎn)股票、債券、黃金的組合才能真正逼近系統(tǒng)性風險的下限。而單一市場里買再多基金也只是在同一片池塘里游泳。五、從理論到實戰(zhàn)核心-衛(wèi)星的底層邏輯5.1 為什么核心-衛(wèi)星能降低波動回顧前面第 08 篇講過的核心-衛(wèi)星策略核心倉位50%-70%配寬基指數(shù)或固收衛(wèi)星倉位30%-50%配行業(yè)主題或主動基金。這個架構為什么有效用 MPT 的話說就是核心資產(chǎn)的波動率低寬基指數(shù)分散了幾十上百只股票的非系統(tǒng)性風險衛(wèi)星資產(chǎn)和核心資產(chǎn)的相關性中等偏低行業(yè)主題基金和寬基指數(shù)的驅動邏輯不同兩者組合后組合整體風險顯著低于全衛(wèi)星配置。舉個具體例子。核心選滬深 300 指數(shù)基金衛(wèi)星選新能源主題基金。平時兩者相關性可能在 0.6-0.7畢竟新能源也是 A 股的一部分但新能源的波動率遠高于滬深 300行業(yè)基金的波動率可能是寬基的 1.5 倍以上。如果全倉新能源回撤輕松超過 40%但 60% 核心 40% 衛(wèi)星組合回撤會被壓縮到 25% 左右——因為核心資產(chǎn)在新能源暴跌時提供了緩沖。5.2 再平衡把免費午餐吃到嘴里的方式理論上的分散化還需要一個執(zhí)行機制來兌現(xiàn)這就是再平衡第 09 篇講過。再平衡的底層邏輯也很 MPT資產(chǎn)價格波動會讓權重偏離目標定期把權重調回來本質上是在高拋低吸——賣出漲多的資產(chǎn)買入跌多的資產(chǎn)讓組合始終保持在風險收益最優(yōu)的權重附近?；販y數(shù)據(jù)也驗證了這一點。華鑫證券的數(shù)據(jù)顯示采用月度再平衡的中美核心資產(chǎn)組合2015 年初至 2025 年底年化回報 33.89%較各指數(shù)等權組合超額收益高出 12.31 個百分點最大回撤控制在 18.23% 以內。為什么再平衡能增厚收益因為市場長期存在均值回歸的傾向漲多了的資產(chǎn)容易回調跌多了的資產(chǎn)容易修復。再平衡強制你在高位賣出、低位買入等于把均值回歸的收益裝進了口袋。5.3 動態(tài)倉位調整概率加權后的正向決策到這里有人會問那動態(tài)倉位調整第 10、11 篇的估值分位、均線趨勢、波動率自適應和 MPT 有什么關系關系非常大。動態(tài)倉位調整的本質是依靠均值回歸或趨勢延續(xù)的概率模型把組合的風險收益比調整到最優(yōu)區(qū)間。這可以理解為帶信號的再平衡普通再平衡是固定時間觸發(fā)動態(tài)調整是當某個概率信號出現(xiàn)時觸發(fā)。兩者的目標一致——讓組合始終待在風險可控、收益合理的區(qū)域。5.4 估值分位的底層支撐均值回歸估值分位策略為什么有效因為它建立在均值回歸原理之上。統(tǒng)計數(shù)據(jù)表明指數(shù)估值水平在 90% 以上的時間里都在歷史均值的一個標準差區(qū)間內波動。也就是說估值絕大多數(shù)時間是有錨的——極度高估或極度低估都是短期的、會被糾正的異常狀態(tài)。所以當 PE 分位低于 20% 時加大定投本質是在估值大概率要回歸均值這個概率判斷上下注當 PE 分位高于 70% 時降低倉位本質是在估值大概率要回歸均值這個判斷上防守。注意措辭是概率判斷不是確定性判斷。這就是為什么動態(tài)調整策略從來不說抄底而說積累份額——它是在概率優(yōu)勢的方向上行動而不是預測精確的底部。graph TD A[PE分位lt;20%] --|估值大概率回歸均值| B[上調權益配置10%-15%] C[PE分位gt;70%] --|估值大概率回歸均值| D[下調權益配置10%-15%] E[PE分位20%-70%] --|保持不動| F[正常定投節(jié)奏] B -- G[組合風險收益比br/保持在最優(yōu)區(qū)間] D -- G F -- G5.5 均線趨勢的底層支撐趨勢延續(xù)均線趨勢策略250 日均線的底層支撐是另一條原理——趨勢延續(xù)性在沒有突發(fā)基本面利空的情況下指數(shù)短期不會跌破長期均線一旦有效跌破往往意味著趨勢發(fā)生了實質性變化。這個原理和均值回歸矛盾嗎不矛盾。兩者適用的時間尺度不同均值回歸描述的是估值圍繞價值中樞波動的長期規(guī)律以年計趨勢延續(xù)描述的是價格沿趨勢方向運動的短期慣性以月計動態(tài)倉位調整的高手恰恰是同時使用這兩把尺子估值分位管貴不貴長期均線趨勢管趨勢變沒變中期波動率自適應管風浪大不大短期。三把尺子各司其職組合的風險收益比始終被校準在概率最優(yōu)的位置。六、免費午餐的邊界MPT 的三個假設講完 MPT 有多好必須講講它有多脆弱。免費午餐不是無條件發(fā)放的它建立在一組嚴格的假設之上。6.1 假設一收益服從正態(tài)分布其實不是MPT 的數(shù)學推導假設資產(chǎn)收益服從正態(tài)分布——均值附近概率高極端值概率極低。但真實市場有肥尾極端暴跌比如單日跌 8% 以上發(fā)生的概率遠高于正態(tài)分布模型的預測。2008 年、2015 年 A 股、2020 年 3 月都屬于典型的尾部事件。這意味著什么意味著 MPT 算出來的組合風險在正常行情下是準的在極端行情下會嚴重低估真實風險。舉個直觀的數(shù)字例子。按正態(tài)分布的假設標準普爾 500 指數(shù)單日下跌超過 5% 的概率應該低到每 300 年才發(fā)生一次。但真實數(shù)據(jù)里1987 年黑色星期一單日暴跌 20%、2008 年雷曼倒閉后連續(xù)多日跌 5%、2020 年 3 月疫情恐慌中四次熔斷——這些300 年一遇的事件十年里就能遇上好幾回。graph LR A[正態(tài)分布假設br/尾部極薄] -- B[尾部事件概率被低估] C[真實市場分布br/肥尾明顯] -- D[極端暴跌頻繁出現(xiàn)] B -- E[組合風險被低估] D -- E E -- F[需要額外風控手段]這就是肥尾的含義真實收益分布的尾部比正態(tài)分布預測的厚得多。數(shù)學上正態(tài)分布給極端值分配的概率微乎其微現(xiàn)實中極端值出現(xiàn)的頻率遠高于模型預測。肥尾對定投者的啟示不是MPT 沒用而是MPT 要搭配風控用正常市場里低相關性組合的降波動效果真實有效極端危機里組合回撤可能比模型預測的更猛所以控制單資產(chǎn)配置上限、保留固收緩沖、設置回撤止損紀律是對肥尾風險的現(xiàn)實對沖。這也解釋了為什么第 17 篇要講最大回撤止損法、第 20 篇要講 A 股 20% 回撤兜底規(guī)則——它們不是 MPT 的敵人而是 MPT 的補丁。6.2 假設二相關系數(shù)是穩(wěn)定的其實會變如前面警告的相關系數(shù)在危機時會趨同。平時分散得很好的組合危機中可能集體下跌——分散化的保護效果大打折扣。6.3 假設三投資者是理性的其實不是MPT 假設投資者理性地根據(jù)風險和收益做決策。但真實世界里追漲殺跌、恐慌割肉、鴕鳥心態(tài)才是常態(tài)。理論再漂亮執(zhí)行不了等于零。6.4 ?? 避坑警告別把低相關當成零相關很多新手看到股債 6:4 組合歷史回撤只有 15%“就以為債券永遠能對沖股票。但 2022 年全球市場出現(xiàn)了罕見的股債雙殺”——美股跌、美債也跌因為通脹迫使美聯(lián)儲暴力加息。這說明相關性不是永久屬性而是隨宏觀環(huán)境漂移的。低相關性資產(chǎn)組合能降低一般風險但不能消滅系統(tǒng)性風險。任何宣稱能穩(wěn)賺不賠的組合都是在騙你。 效率技巧看一個組合到底分散得怎么樣不要只看歷史收益曲線要看壓力測試——把 2008 年、2015 年、2018 年、2020 年、2022 年這幾段極端行情單獨拉出來看組合回撤分別是多少。能扛住極端行情的組合才是真正分散的組合。6.5 2008 年式極端行情免費午餐到底縮水多少用 2008 年金融危機作為壓力測試樣本把三類組合的表現(xiàn)對比一下組合2008 年表現(xiàn)免費午餐狀態(tài)全倉標普500下跌約 37%沒有免費午餐60% 股票 40% 債券下跌約 20%-25%部分有效全球配置 債券 黃金下跌約 10%-15%明顯有效注意2008 年幾乎所有股票資產(chǎn)的相關性都飆升到了 0.8 以上股票之間的分散化確實失效了。但跨資產(chǎn)的分散沒有完全失效——美國長期國債當年上漲約 20%黃金先跌后漲全年基本持平它們對沖了部分股票虧損。所以對第 12 篇開頭的那個問題——核心-衛(wèi)星組合在 2008 年式極端行情里免費午餐還成立嗎答案是成立但分量變少了。股票內部的分散效果大打折扣而跨資產(chǎn)債券、黃金的保護仍然在線。這也是為什么保守型方案要堅持配置 40% 固收 5% 黃金而不是全倉寬基指數(shù)就算分散。換一個角度即使免費午餐在極端行情里縮水有午餐吃總比餓著強。全倉股票的投資者在 2008 年可能直接崩潰離場而配置了債券和黃金的投資者更有機會扛過寒冬等來 2009-2010 年的修復行情——能活下來本身就是最大的復利。七、總結把 MPT 裝進口袋用一張圖總結本文的核心邏輯graph TB subgraph MPT[現(xiàn)代投資組合理論] A[組合風險 lt; 加權平均風險] -- B[關鍵變量相關系數(shù)] B -- C[低相關性資產(chǎn)組合br/免費降低風險] end subgraph 應用[實戰(zhàn)應用] C -- D[核心-衛(wèi)星策略] C -- E[再平衡機制] C -- F[跨市場配置] end subgraph 動態(tài)[動態(tài)調整] G[均值回歸br/估值分位支撐] -- H[概率加權正向決策] I[趨勢延續(xù)br/均線趨勢支撐] -- H H -- J[組合風險收益比br/保持最優(yōu)] end D -- K[定投落地] E -- K F -- K J -- K給你留一份行動清單先算相關系數(shù)再談分散構建組合前用代碼算出各資產(chǎn)兩兩相關系數(shù)相關性超過 0.8 的資產(chǎn)本質是同一類別指望它們互相保護。跨市場、跨資產(chǎn)是降波動的核武器美股 A 股 港股 債券 黃金相關系數(shù)中等偏低組合回撤能被顯著壓縮。再平衡是兌現(xiàn)免費午餐的勺子沒有再平衡的分散化只是躺平的分散化。動態(tài)調整是概率游戲不是預測游戲估值分位和均線趨勢都是在大概率正確的方向上行動接受偶爾犯錯長期堅持才有效。永遠留一手應對肥尾MPT 的免費午餐在正常市場有效在極端危機中會縮水?？刂茊钨Y產(chǎn)上限、保留固收緩沖、嚴格遵守紀律是應對未知風險的終極手段?！舅伎碱}】MPT 假設資產(chǎn)收益服從正態(tài)分布但真實市場存在肥尾風險——2008 年式的極端行情中所有資產(chǎn)相關性同時飆升組合的免費午餐瞬間縮水。你覺得核心-衛(wèi)星組合在這種極端行情里理論上的免費午餐還成立嗎如果成立它靠什么成立如果不成立你會用什么手段補上這個缺口歡迎在評論區(qū)展開討論。【系列文章預告】下一篇我們聊聊回撤的數(shù)學殺傷力為什么跌 50% 需要漲 100% 才能回本這一條數(shù)學鐵律將直接解釋為什么控制回撤比追求高收益更重要。敬請關注。標簽現(xiàn)代投資組合理論MPT資產(chǎn)相關性風險分散原理均值回歸倉位管理基金定投本系列文章僅供學習參考不構成投資建議。