分散≠多买:先看清是不是一家人
先破误解:多买几只 ≠ 分散。同一行业、同一风格,买再多也是一篮子风险——它们一起涨一起跌,篮子整体不会因此变稳。真正决定分散效果的不是数量,而是相关性:两个资产「是不是一家人」,一起涨跌=高相关,各走各的=低相关。
那分散化到底怎么用?别把鸡蛋放一个篮子,但要按相关性聪明地放:按资产类别(股票/债券/存款)、行业、地域错开,再配合定期再平衡,才是真分散。
MangoForge 用一个数把它算出来:有效分散度 N_eff,相当于你的篮子里真正独立的蛋有几只。10 只同行业基金,N_eff 可能约等于 1——名义上 10 只,实际上还是 1 个篮子。
但它也有边界:危机时刻相关性会趋近 1(2008 年实证:平时各走各的资产,在系统性下跌里一起崩),分散效果大打折扣。所以看分散度要结合压力场景,不能只看日常矩阵。
- 底部导航「更多」→ 进入「持仓关联度」(/correlation)。
- 一键带入 /health 快照,或手动添加持仓,进入报告页。
- 看 Pearson 相关系数矩阵(色阶蓝→白→红),窗口 6m/1y/2y/3y 可切换实时重算。
- 重点看「重复持仓组 corr>0.8」警示与「有效分散度 N_eff」:如果实际独立蛋很少,就该换掉重叠持仓。
- 怎么用:按资产类别/行业/地域错开;定期用 /correlation 看矩阵、N_eff 与重复组,把 corr>0.8 的重叠持仓当成一个篮子处理。
- 边界:数量≠分散——10 只科技股 ≈ 1 只科技股;低相关≠一定好——还要看预期收益与权重配比,低相关但收益差的资产不值得重仓。
- 何时失效:危机时刻相关性趋近 1(2008 实证),日常分散效果大打折扣;所以分散度要结合压力测试场景看,不能只看日常矩阵。
- 先意识到它们大概率是「一家人」:同涨同跌,买两只 ≈ 买一只。
- 去数有效分散度 N_eff:如果篮子实际只有 2-3 只独立蛋,说明名义持仓多、实际分散少。
- 下一步:把重复持仓减配或换掉,换成不同行业/类别的低相关资产,再回来跑一次矩阵对比。