引言：真正的分散

错误分散：

  • 买10只科技股
  • 暴跌时：全部暴跌（相关性=0.9）

正确分散：

  • 多策略、多资产、低相关性
  • 某策略亏损时，其他策略稳定或盈利

目标：构建全天候组合

第一部分：相关性基础

定义

相关系数（ρ）：

ρ = -1 至 +1

+1：完全正相关（同涨同跌）
0：无相关
-1：完全负相关（一涨一跌）

分散效果：

ρ = 0.9：分散效果弱
ρ = 0.3：分散效果好
ρ = -0.5：分散效果极佳

A股案例

高相关（无效分散）：

  • 10只白酒股：ρ = 0.85
  • 2021年调整：全部-20%
  • 组合：-20%（无分散）

低相关（有效分散）：

  • 白酒 + 医药 + 银行 + 黄金：ρ平均 = 0.3
  • 白酒-20%，医药-5%，银行+3%，黄金+8%
  • 组合：-3.5%（显著缓冲）

第二部分：四类策略

策略1：价值策略

特征：

  • 低估值（PE<30%分位）
  • 稳定盈利（ROE>15%）
  • 长期持有

相关性：

  • 与市场：ρ = 0.6
  • 表现：熊市抗跌，牛市跑输

适用：核心持仓

策略2：动量策略

特征：

  • 追随趋势
  • 相对强度（涨幅前20%）
  • 中期持有（3-6个月）

相关性：

  • 与市场：ρ = 0.8
  • 表现：牛市强，熊市弱

适用：牛市加仓

策略3：均值回归策略

特征：

  • 超跌反弹
  • RSI<30触发
  • 短期持有（1-3个月）

相关性：

  • 与动量：ρ = -0.4（负相关）
  • 表现：震荡市好，趋势市差

适用：震荡市

策略4：对冲策略

特征：

  • 期权、期货对冲
  • 或黄金、美债等避险资产
  • 系统性风险保护

相关性：

  • 与股票：ρ = -0.3至-0.6
  • 表现：股灾时盈利

适用：风险对冲

第三部分：组合构建

黄金配比

全天候组合：

价值策略：40%（核心）
动量策略：20%（进攻）
均值回归：15%（震荡）
对冲策略：15%（保护）
现金：10%（灵活）

相关性矩阵：

价值动量均值回归对冲
价值1.00.50.3-0.2
动量0.51.0-0.4-0.3
均值0.3-0.41.00.1
对冲-0.2-0.30.11.0

效果：

  • 平均相关性：0.15（低）
  • 组合波动率：降低30-40%

动态调整

根据市场环境调整：

牛市：

价值：30%（↓）
动量：35%（↑）
均值：10%（↓）
对冲：10%（↓）
现金：15%

熊市：

价值：50%（↑）
动量：10%（↓）
均值：20%（↑）
对冲：20%（↑）

震荡市：

价值：35%
动量：15%
均值：25%（↑）
对冲：15%
现金：10%

第四部分：实战案例

案例：陈华的多策略实践

2020年初设置：

策略配置：

  1. 价值策略（40%）：

    • 银行股（低估）：20%
    • 消费龙头：20%

  2. 动量策略（20%）：

    • 医药（趋势强）：10%
    • 科技（突破）：10%

  3. 均值回归（15%）：

    • 超跌白酒：8%
    • 超跌地产：7%

  4. 对冲（15%）：

    • 黄金ETF：10%
    • 国债：5%

  5. 现金：10%

2020年3月（股灾）：

各策略表现：

  • 价值：-12%（抗跌）
  • 动量：-25%（趋势破坏）
  • 均值回归：+5%（超跌反弹）
  • 对冲：+15%（黄金大涨）

组合总计：

= 40%×(-12%) + 20%×(-25%) + 15%×5% + 15%×15% + 10%×0%
= -4.8% - 5% + 0.75% + 2.25% + 0%
= -6.8%

对比：

  • 沪深300：-10.5%
  • 单一价值策略：-12%
  • 多策略优势：缓冲明显

2020年下半年（复苏）：

调整配置（转为偏牛市）：

  • 价值：30%（↓）
  • 动量：35%（↑）
  • 均值：10%（↓）
  • 对冲：10%（↓）
  • 现金：15%（↑）

表现：

  • 动量策略发力：+45%
  • 组合：+28%
  • 沪深300：+25%

2020全年：

  • 组合：+19%
  • 沪深300：+12%
  • 最大回撤：-8%（vs沪深300：-13%）
  • 夏普比率：2.1（优秀）

2020-2024总结（5年）：

  • 年化：+16%
  • 最大回撤：-12%
  • 胜率：68%
  • 陈华：“多策略让我在不同市场环境下都有应对”

第五部分：实践工具

相关性计算

Excel公式：

=CORREL(策略A收益率, 策略B收益率)

数据：过去1年月度收益率

Python：

import pandas as pd
import numpy as np

# 计算相关性矩阵
correlation_matrix = returns_df.corr()

组合优化

目标函数：

最大化：夏普比率 = (收益率 - 无风险利率) / 波动率

约束：
- 单一策略≤40%
- 现金≥5%
- 总权重=100%

监控表格

每月更新：

日期：2024-XX-XX

策略表现（当月）：
- 价值：+X%（权重Y%）
- 动量：+X%（权重Y%）
- 均值：+X%（权重Y%）
- 对冲：+X%（权重Y%）

组合收益：+X%
基准（沪深300）：+Y%
超额收益：+Z%

相关性检查：
- 策略间平均相关性：?
- 是否需要调整？

第六部分：常见错误

错误1：伪分散

案例：

  • 买5只白酒、5只医药
  • 以为分散了
  • 实际：行业相关性高（ρ=0.7-0.8）

改进：

  • 跨行业、跨资产、跨策略

错误2：过度复杂

案例：

  • 10个策略，每个5%
  • 管理混乱
  • 交易成本高

改进：

  • 3-5个主策略即可
  • 简单>复杂

错误3：静态配置

案例：

  • 设定后从不调整
  • 市场环境变化→组合失效

改进：

  • 季度评估
  • 根据市场环境动态调整

结语

核心洞察：

  • 真正分散=低相关性
  • 多策略>多股票
  • 全天候应对

实践要点：

  1. 构建4类策略（价值、动量、均值回归、对冲）
  2. 控制相关性（<0.3）
  3. 根据市场环境动态调整
  4. 简单>复杂（3-5个策略）

下一步：

  • 8月11日：再平衡的心理挑战

Ray Dalio：

“Don’t put all your eggs in one basket. And make sure the baskets are different.”

参考文献

  1. Dalio, R. (2017). Principles. Simon & Schuster.
  2. Asness, C., Moskowitz, T., & Pedersen, L. H. (2013). Value and Momentum Everywhere. Journal of Finance, 68(3), 929-985.
  3. Markowitz, H. (1952). Portfolio Selection. Journal of Finance, 7(1), 77-91.