基金定投12-为什么你的基金组合越分散越亏？现代投资组合理论没告诉你的 3 件事，3 个公式看懂现代投资组合理论：如何用 0 成本把组合风险砍掉 40%

基金定投助手为什么你的基金定投总在追涨杀跌价值平均法定投引擎 综合估值模型动态再平衡仓位管理一个单文件 HTML 的免费定投工具-CSDN博客https://download.csdn.net/download/weitingfu/93339607?spm1011.2124.3001.6210黄金 100 字你是否遇到过这样的困惑明明买了好几只基金结果市场一跌账户里所有持仓一起绿分散了个寂寞网上搜到的方案要么让你多买几只要么让你相信长期却从来没人讲清楚分散到底是怎么起作用的。本文将从现代投资组合理论MPT的底层数学出发用公式、代码和示意图讲透低相关性资产组合为什么能免费降低风险以及这套理论在核心-卫星策略和动态仓位调整中的真实用法。一、先讲一个数学上免费的故事1952 年一个叫哈里·马科维茨的年轻人写了一篇博士论文题目叫《投资组合选择》。这篇论文只有十几页当时没几个人看得懂但它后来拿了诺贝尔经济学奖还顺手开创了一门学科——现代投资组合理论Modern Portfolio Theory简称 MPT。马科维茨到底发现了什么用一句话说在同样的预期收益下把资金分散到相关性足够低的资产上组合的风险可以显著下降而收益几乎不受损失。这句话听起来平平无奇。但请注意关键词——“同样的预期收益”。这意味着风险下降不是靠牺牲收益换来的而是白捡的。这就是为什么巴菲特那句广为流传的话被反复引用分散化是唯一免费的午餐。虽然巴菲特本人更偏爱集中持仓但他说这话时指的就是 MPT 这套数学逻辑。在开始讲公式之前先建立一个直觉。假设你手里有两家公司一家做雨伞一家做冰淇淋。晴天的时候冰淇淋卖得火爆雨伞滞销雨天的时候雨伞供不应求冰淇淋无人问津。如果你把全部身家押在冰淇淋公司上那么一个连续晴天的夏天你会赚翻但一个连续暴雨的夏天你会亏惨。反过来押雨伞公司也一样。但如果两家公司各买一半呢晴天的时候冰淇淋那边赚的钱刚好弥补雨伞那边的亏损雨天的时候雨伞赚的钱又填补了冰淇淋的窟窿。无论天气怎么变你的账户都稳稳当当。这个例子有点夸张但它把 MPT 最核心的思想讲清楚了组合的整体风险不取决于单只资产的风险有多大而取决于资产之间此消彼长的程度——也就是相关系数。二、组合风险的本质为什么 1 1 22.1 单一资产的风险怎么衡量要理解组合风险先得定义风险。在 MPT 的框架里风险 收益的不确定性 波动率通常用标准差σ来衡量。一只基金过去 5 年的年化收益是 10%标准差是 20%意思是它的收益大约 68% 的概率落在 -10% 到 30% 之间95% 的概率落在 -30% 到 50% 之间。标准差越大收益上蹿下跳得越厉害持有体验越刺激风险越高。这个定义当然有争议——比如有人会说波动不是风险永久亏损才是。但在数学框架里标准差是衡量不确定性的标准尺子先接受它后面我们再来挑战它。2.2 组合风险不是加权平均很多人以为组合的风险 各资产风险的加权平均。这个直觉错得离谱。如果组合风险真是加权平均那么买 10 只基金和买 1 只基金没有任何区别——反正都是平均。那分散化还有什么意义马科维茨的洞察正在于此组合的风险不仅取决于各资产的波动率还取决于它们之间的相关性。相关性越低组合风险越低于加权平均这就是 1 1 2 的数学来源。2.3 核心公式两资产组合方差以最简单的两只资产为例。组合的方差公式如下σ²(p) w₁²·σ₁² w₂²·σ₂² 2·w₁·w₂·ρ·σ₁·σ₂其中w₁、w₂ 是两只资产的权重w₁ w₂ 1σ₁、σ₂ 是两只资产的标准差ρ 是两只资产的相关系数介于 -1 和 1 之间注意看最后一项2·w₁·w₂·ρ·σ₁·σ₂。如果 ρ 是正数这一项给组合风险加码如果 ρ 是负数这一项给组合风险减码如果 ρ 0完全不相关这一项直接消失。相关系数越低组合风险越低——这就是整篇理论的钥匙。2.4 直观验证算一笔账假设两只资产波动率都是 20%各投 50%。如果 ρ 1完全正相关组合波动率 20%。和单只资产一模一样分散了个寂寞。如果 ρ 0不相关组合波动率 14.1%。风险下降了约 30%。如果 ρ -0.5负相关组合波动率 10%。风险直接砍半。如果 ρ -1完全负相关组合波动率 0。风险归零——当然这在现实中几乎不存在因为完全负相关的资产太罕见了。看见了吗两只波动率完全相同的资产仅仅因为相关性不同组合风险可以从 20% 降到 0。这就是免费午餐的数学本质风险下降靠的是相关性而不是牺牲收益。graph LR A[资产Abr/σ20%] -- C{相关系数 ρ} B[资产Bbr/σ20%] -- C C --|ρ1| D[组合σ20%br/无分散效果] C --|ρ0| E[组合σ14.1%br/风险降30%] C --|ρ-0.5| F[组合σ10%br/风险砍半] C --|ρ-1| G[组合σ0br/风险归零]2.5 有效前沿风险与收益的最佳交易区马科维茨的贡献不止于发现1 1 2他还画出了一张改变金融史的图——有效前沿Efficient Frontier。把市场上所有可能的资产组合都画在一张图上横轴是风险标准差纵轴是预期收益。你会发现这些点聚成一个类似子弹头的形状。在子弹头的左上边缘上每一个点都代表一个给定风险下收益最高的组合这条边缘曲线就叫有效前沿。有效前沿的意义在于它证明了收益和风险的交换不是无限自由的。在有效前沿之外你总能找到另一个组合要么同样的风险收益更高要么同样的收益风险更低。而免费午餐的完整表述是通过配置低相关性资产你可以从有效前沿的内部移动到边缘——风险下降、收益不变这个移动过程就是白赚的。graph LR A[任意组合br/风险高收益低] --|加入低相关性资产| B[有效前沿上br/风险低收益不变] C[单一资产br/风险收益比差] --|分散化| D[有效前沿上br/最优风险收益比]用大白话说单只基金就像一个只能打一个位置的单打选手组合则像一支能打配合的球队。单打选手再厉害也扛不住对方全场包夹球队配合默契每个人都能在适合自己的位置上发挥整体战斗力远超个人能力之和。到这里MPT 的两大支柱就齐了低相关性资产组合降低风险1 1 2有效前沿提供最优权重在降低风险的同时不牺牲收益。接下来我们聚焦第一个支柱的关键变量——相关系数。三、相关系数分散化的魔法数字3.1 什么是相关系数相关系数 ρ 衡量的是两只资产收益走势的同步程度取值在 -1 到 1 之间ρ 1完全同步涨一起涨跌一起跌比如同一行业的两只股票ρ 0完全无关走势各走各的比如股票和黄金有时接近ρ -1完全反向一个涨另一个必跌现实中几乎不存在实际操作中绝大多数资产之间的相关系数都在 0 到 1 之间。A 股和美股长期在 0.25 到 0.45 左右股票和债券在 0 到 0.30 左右A 股和港股偏高能达到 0.55 到 0.75详见 3.3 节的市场实测表。3.2 不同相关系数的实战意义相关系数 0.8 以上看起来买了好几只基金实际上等于买了一只。比如同时买沪深 300 指数基金、沪深 300 增强基金、某只重仓银行股的主动基金——这三者在下跌行情里几乎是复制粘贴分散效果约等于零。相关系数 0.3 到 0.5这是跨市场配置的典型区间。美股、A 股、港股虽然都叫股票但定价逻辑、资金结构、宏观周期不同步相关性中等偏低分散效果显著。相关系数 0 到 0.3股票和债券的典型区间。债市和股市的驱动因素不同股市暴跌时债券往往成为避风港组合回撤被明显压缩。相关系数为负这是黄金、商品类资产在某些阶段的特征。它们和股票的负相关性是全天候组合、风险平价策略的底层依托。3.3 相关系数的市场实测谁和谁真不熟光讲理论没感觉直接看实战中几类核心资产的相关系数区间基于近十年主要指数的月度收益率统计资产对典型相关系数分散效果沪深300 vs 中证5000.75-0.85弱同为A股宽基沪深300 vs 创业板500.65-0.80弱到中等风格有差异A股 vs 港股0.55-0.75中等基本面相关、资金不同A股 vs 美股0.25-0.45中等偏强宏观周期不同步美股 vs 港股0.30-0.50中等流动性由外资主导股票 vs 债券0.00-0.30强危机时股债跷跷板股票 vs 黄金-0.20 至 0.20强避险属性读这张表你能得到三个实战结论第一A 股内部假分散很严重。沪深300、中证500、创业板50的相关性都在 0.65 以上买三只 A 股宽基基金分散效果约等于买一只。真正的分散必须跨风格、跨市场、跨资产。第二跨市场是性价比最高的分散方式。A股和美股相关性只有 0.25-0.45这意味着两边同时大跌的概率不高。这也是为什么研究报告反复强调美股 A 股 港股跨市场组合能实现年化 15% 以上、回撤 15% 以内的数学基础。第三债券和黄金是组合的压舱石。它们与股票的相关性接近零甚至为负市场恐慌时往往提供正收益或正保护。保守型组合里 40% 固收 5% 黄金就是在利用这种低相关性。3.4 ⚠️ 避坑警告相关系数不是固定的相关系数最大的坑是它不稳定。平时美股和 A 股相关系数可能只有 0.3但在全球性危机中比如 2008 年、2020 年 3 月几乎所有风险资产的相关性会一起飙升到 0.8 以上——因为大家都在同一个恐慌情绪里抛售。这就是金融学里常说的相关性危机时趋同correlations go to one in a crisis。 效率技巧判断两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们前十大重仓股的重叠度。重仓股重叠超过 50% 的两只基金相关系数通常不会低分散效果大打折扣。四、代码实战算给你看理论讲完了现在动手。用 Python 把相关系数和组合风险算出来。4.1 相关系数计算import numpy as np import pandas as pd # 模拟三只资产的月度收益率100个月 np.random.seed(42) months 100 # 共同冲击市场因子股票A、B都受它影响 → 两者相关性较高 shared np.random.normal(0, 1, months) # 各资产月度收益率均值 共同冲击贡献 个体波动 stock_a 0.008 0.030 * shared 0.026 * np.random.normal(0, 1, months) # 高波动股票 stock_b 0.008 0.025 * shared 0.016 * np.random.normal(0, 1, months) # 中波动股票 bond_c 0.004 0.012 * np.random.normal(0, 1, months) # 债券独立波动 df pd.DataFrame({股票A: stock_a, 股票B: stock_b, 债券: bond_c}) # 计算相关系数矩阵 corr_matrix df.corr() print(相关系数矩阵) print(corr_matrix.round(3))运行结果会显示股票 A 和股票 B 的相关性较高大约 0.6因为它们共享同一个市场因子而债券与两只股票的相关性接近 0 甚至为负。这正是核心-卫星 固收组合能降波动的数据基础。4.2 组合风险计算def portfolio_volatility(weights, cov_matrix): 计算组合波动率年化标准差 weights: 资产权重列表如 [0.5, 0.3, 0.2] cov_matrix: 资产的协方差矩阵年化 weights np.array(weights) # 组合方差 w^T · Σ · w variance weights cov_matrix weights.T return np.sqrt(variance) # 用上面的收益率数据构造年化协方差矩阵月度方差×12 cov_monthly df.cov() cov_annual cov_monthly * 12 # 方案一全仓股票A100% 高波动资产 w1 [1.0, 0.0, 0.0] vol1 portfolio_volatility(w1, cov_annual) # 方案二60%股票A 40%债券 w2 [0.6, 0.0, 0.4] vol2 portfolio_volatility(w2, cov_annual) # 方案三核心-卫星式40%股票A 20%股票B 40%债券 w3 [0.4, 0.2, 0.4] vol3 portfolio_volatility(w3, cov_annual) print(f方案一 全仓股票A 波动率: {vol1:.2%}) print(f方案二 股6债4 波动率: {vol2:.2%}) print(f方案三 核心卫星 波动率: {vol3:.2%})这个脚本会打印出三个方案的年化波动率。你大概率会看到方案三的波动率比方案一低 30%-50%但三者的预期收益差距远没有这么大。这就是免费午餐的实证。4.3 结果解读把上面脚本跑一遍你会得到类似这样的结果方案配置年化波动率相对全仓降低方案一100% 股票A约 11.9%—方案二60% 股票A 40% 债券约 7.1%约 40%方案三40% 股票A 20% 股票B 40% 债券约 6.2%约 48%注意以上数值基于np.random.seed(42)的模拟数据换一个种子结果会有差异但规律是稳定不变的——加入低相关性资产债券、另一类股票后组合波动率显著下降而预期收益只是按权重线性摊薄。这就是核心-卫星策略、跨市场配置、全天候组合能有效控制回撤的数学根源。4.4 为什么数量越多分散效果越好还有一个经典问题买 10 只基金一定比买 2 只基金更分散吗答案是不一定取决于你买的是什么。这里要引入 MPT 的另一个核心概念——风险的两层结构。系统性风险市场风险整个市场一起波动的风险比如利率变化、宏观经济衰退、地缘冲突。这种风险靠分散化无法消除买再多基金也躲不掉。非系统性风险个体风险单一资产特有的风险比如某家公司业绩暴雷、某个行业政策突变。这种风险可以通过分散化消除——因为不同资产的个体坏运气不会同时发生。MPT 告诉我们当组合里加入足够多的低相关性资产时非系统性风险被逐步稀释组合风险最终逼近系统性风险的下限。graph LR A[组合中资产数量] -- B{非系统性风险} A -- C{系统性风险} B --|数量增加| D[逐步消散趋于0] C --|数量增加| E[基本不变] D -- F[组合总风险br/逼近系统性风险下限] E -- F所以分散化的正确姿势是增加的是低相关性的不同资产而不是同涨同跌的同类资产。买 10 只都是重仓白酒的基金非系统性风险根本没有被消除——它们共享同一个个体风险。这也是为什么研究报告反复强调跨市场美股、A股、港股、跨资产股票、债券、黄金的组合才能真正逼近系统性风险的下限。而单一市场里买再多基金也只是在同一片池塘里游泳。五、从理论到实战核心-卫星的底层逻辑5.1 为什么核心-卫星能降低波动回顾前面第 08 篇讲过的核心-卫星策略核心仓位50%-70%配宽基指数或固收卫星仓位30%-50%配行业主题或主动基金。这个架构为什么有效用 MPT 的话说就是核心资产的波动率低宽基指数分散了几十上百只股票的非系统性风险卫星资产和核心资产的相关性中等偏低行业主题基金和宽基指数的驱动逻辑不同两者组合后组合整体风险显著低于全卫星配置。举个具体例子。核心选沪深 300 指数基金卫星选新能源主题基金。平时两者相关性可能在 0.6-0.7毕竟新能源也是 A 股的一部分但新能源的波动率远高于沪深 300行业基金的波动率可能是宽基的 1.5 倍以上。如果全仓新能源回撤轻松超过 40%但 60% 核心 40% 卫星组合回撤会被压缩到 25% 左右——因为核心资产在新能源暴跌时提供了缓冲。5.2 再平衡把免费午餐吃到嘴里的方式理论上的分散化还需要一个执行机制来兑现这就是再平衡第 09 篇讲过。再平衡的底层逻辑也很 MPT资产价格波动会让权重偏离目标定期把权重调回来本质上是在高抛低吸——卖出涨多的资产买入跌多的资产让组合始终保持在风险收益最优的权重附近。回测数据也验证了这一点。华鑫证券的数据显示采用月度再平衡的中美核心资产组合2015 年初至 2025 年底年化回报 33.89%较各指数等权组合超额收益高出 12.31 个百分点最大回撤控制在 18.23% 以内。为什么再平衡能增厚收益因为市场长期存在均值回归的倾向涨多了的资产容易回调跌多了的资产容易修复。再平衡强制你在高位卖出、低位买入等于把均值回归的收益装进了口袋。5.3 动态仓位调整概率加权后的正向决策到这里有人会问那动态仓位调整第 10、11 篇的估值分位、均线趋势、波动率自适应和 MPT 有什么关系关系非常大。动态仓位调整的本质是依靠均值回归或趋势延续的概率模型把组合的风险收益比调整到最优区间。这可以理解为带信号的再平衡普通再平衡是固定时间触发动态调整是当某个概率信号出现时触发。两者的目标一致——让组合始终待在风险可控、收益合理的区域。5.4 估值分位的底层支撑均值回归估值分位策略为什么有效因为它建立在均值回归原理之上。统计数据表明指数估值水平在 90% 以上的时间里都在历史均值的一个标准差区间内波动。也就是说估值绝大多数时间是有锚的——极度高估或极度低估都是短期的、会被纠正的异常状态。所以当 PE 分位低于 20% 时加大定投本质是在估值大概率要回归均值这个概率判断上下注当 PE 分位高于 70% 时降低仓位本质是在估值大概率要回归均值这个判断上防守。注意措辞是概率判断不是确定性判断。这就是为什么动态调整策略从来不说抄底而说积累份额——它是在概率优势的方向上行动而不是预测精确的底部。graph TD A[PE分位lt;20%] --|估值大概率回归均值| B[上调权益配置10%-15%] C[PE分位gt;70%] --|估值大概率回归均值| D[下调权益配置10%-15%] E[PE分位20%-70%] --|保持不动| F[正常定投节奏] B -- G[组合风险收益比br/保持在最优区间] D -- G F -- G5.5 均线趋势的底层支撑趋势延续均线趋势策略250 日均线的底层支撑是另一条原理——趋势延续性在没有突发基本面利空的情况下指数短期不会跌破长期均线一旦有效跌破往往意味着趋势发生了实质性变化。这个原理和均值回归矛盾吗不矛盾。两者适用的时间尺度不同均值回归描述的是估值围绕价值中枢波动的长期规律以年计趋势延续描述的是价格沿趋势方向运动的短期惯性以月计动态仓位调整的高手恰恰是同时使用这两把尺子估值分位管贵不贵长期均线趋势管趋势变没变中期波动率自适应管风浪大不大短期。三把尺子各司其职组合的风险收益比始终被校准在概率最优的位置。六、免费午餐的边界MPT 的三个假设讲完 MPT 有多好必须讲讲它有多脆弱。免费午餐不是无条件发放的它建立在一组严格的假设之上。6.1 假设一收益服从正态分布其实不是MPT 的数学推导假设资产收益服从正态分布——均值附近概率高极端值概率极低。但真实市场有肥尾极端暴跌比如单日跌 8% 以上发生的概率远高于正态分布模型的预测。2008 年、2015 年 A 股、2020 年 3 月都属于典型的尾部事件。这意味着什么意味着 MPT 算出来的组合风险在正常行情下是准的在极端行情下会严重低估真实风险。举个直观的数字例子。按正态分布的假设标准普尔 500 指数单日下跌超过 5% 的概率应该低到每 300 年才发生一次。但真实数据里1987 年黑色星期一单日暴跌 20%、2008 年雷曼倒闭后连续多日跌 5%、2020 年 3 月疫情恐慌中四次熔断——这些300 年一遇的事件十年里就能遇上好几回。graph LR A[正态分布假设br/尾部极薄] -- B[尾部事件概率被低估] C[真实市场分布br/肥尾明显] -- D[极端暴跌频繁出现] B -- E[组合风险被低估] D -- E E -- F[需要额外风控手段]这就是肥尾的含义真实收益分布的尾部比正态分布预测的厚得多。数学上正态分布给极端值分配的概率微乎其微现实中极端值出现的频率远高于模型预测。肥尾对定投者的启示不是MPT 没用而是MPT 要搭配风控用正常市场里低相关性组合的降波动效果真实有效极端危机里组合回撤可能比模型预测的更猛所以控制单资产配置上限、保留固收缓冲、设置回撤止损纪律是对肥尾风险的现实对冲。这也解释了为什么第 17 篇要讲最大回撤止损法、第 20 篇要讲 A 股 20% 回撤兜底规则——它们不是 MPT 的敌人而是 MPT 的补丁。6.2 假设二相关系数是稳定的其实会变如前面警告的相关系数在危机时会趋同。平时分散得很好的组合危机中可能集体下跌——分散化的保护效果大打折扣。6.3 假设三投资者是理性的其实不是MPT 假设投资者理性地根据风险和收益做决策。但真实世界里追涨杀跌、恐慌割肉、鸵鸟心态才是常态。理论再漂亮执行不了等于零。6.4 ⚠️ 避坑警告别把低相关当成零相关很多新手看到股债 6:4 组合历史回撤只有 15%“就以为债券永远能对冲股票。但 2022 年全球市场出现了罕见的股债双杀”——美股跌、美债也跌因为通胀迫使美联储暴力加息。这说明相关性不是永久属性而是随宏观环境漂移的。低相关性资产组合能降低一般风险但不能消灭系统性风险。任何宣称能稳赚不赔的组合都是在骗你。 效率技巧看一个组合到底分散得怎么样不要只看历史收益曲线要看压力测试——把 2008 年、2015 年、2018 年、2020 年、2022 年这几段极端行情单独拉出来看组合回撤分别是多少。能扛住极端行情的组合才是真正分散的组合。6.5 2008 年式极端行情免费午餐到底缩水多少用 2008 年金融危机作为压力测试样本把三类组合的表现对比一下组合2008 年表现免费午餐状态全仓标普500下跌约 37%没有免费午餐60% 股票 40% 债券下跌约 20%-25%部分有效全球配置 债券 黄金下跌约 10%-15%明显有效注意2008 年几乎所有股票资产的相关性都飙升到了 0.8 以上股票之间的分散化确实失效了。但跨资产的分散没有完全失效——美国长期国债当年上涨约 20%黄金先跌后涨全年基本持平它们对冲了部分股票亏损。所以对第 12 篇开头的那个问题——核心-卫星组合在 2008 年式极端行情里免费午餐还成立吗答案是成立但分量变少了。股票内部的分散效果大打折扣而跨资产债券、黄金的保护仍然在线。这也是为什么保守型方案要坚持配置 40% 固收 5% 黄金而不是全仓宽基指数就算分散。换一个角度即使免费午餐在极端行情里缩水有午餐吃总比饿着强。全仓股票的投资者在 2008 年可能直接崩溃离场而配置了债券和黄金的投资者更有机会扛过寒冬等来 2009-2010 年的修复行情——能活下来本身就是最大的复利。七、总结把 MPT 装进口袋用一张图总结本文的核心逻辑graph TB subgraph MPT[现代投资组合理论] A[组合风险 lt; 加权平均风险] -- B[关键变量相关系数] B -- C[低相关性资产组合br/免费降低风险] end subgraph 应用[实战应用] C -- D[核心-卫星策略] C -- E[再平衡机制] C -- F[跨市场配置] end subgraph 动态[动态调整] G[均值回归br/估值分位支撑] -- H[概率加权正向决策] I[趋势延续br/均线趋势支撑] -- H H -- J[组合风险收益比br/保持最优] end D -- K[定投落地] E -- K F -- K J -- K给你留一份行动清单先算相关系数再谈分散构建组合前用代码算出各资产两两相关系数相关性超过 0.8 的资产本质是同一类别指望它们互相保护。跨市场、跨资产是降波动的核武器美股 A 股 港股 债券 黄金相关系数中等偏低组合回撤能被显著压缩。再平衡是兑现免费午餐的勺子没有再平衡的分散化只是躺平的分散化。动态调整是概率游戏不是预测游戏估值分位和均线趋势都是在大概率正确的方向上行动接受偶尔犯错长期坚持才有效。永远留一手应对肥尾MPT 的免费午餐在正常市场有效在极端危机中会缩水。控制单资产上限、保留固收缓冲、严格遵守纪律是应对未知风险的终极手段。【思考题】MPT 假设资产收益服从正态分布但真实市场存在肥尾风险——2008 年式的极端行情中所有资产相关性同时飙升组合的免费午餐瞬间缩水。你觉得核心-卫星组合在这种极端行情里理论上的免费午餐还成立吗如果成立它靠什么成立如果不成立你会用什么手段补上这个缺口欢迎在评论区展开讨论。【系列文章预告】下一篇我们聊聊回撤的数学杀伤力为什么跌 50% 需要涨 100% 才能回本这一条数学铁律将直接解释为什么控制回撤比追求高收益更重要。敬请关注。标签现代投资组合理论MPT资产相关性风险分散原理均值回归仓位管理基金定投本系列文章仅供学习参考不构成投资建议。