资产相关性:为什么"分散"了还是一起跌

2026-07-28 · L0

分散的效果,不取决于你买了几样东西,而取决于这些东西是不是被同一件事推着走。 持有八只基金、五个行业、三个平台,如果它们背后是同一个风险来源,那你实际上只持有了一样东西,只是账户界面上被切成了八行。真正决定组合波动大小的,是资产之间的相关性,不是资产的数量。

我见过太多人对这件事失望:明明按照”鸡蛋别放一个篮子”的说法买了一堆不同名字的产品,结果一轮下跌来临,打开账户全线飘绿,没有一个扛住的。于是得出结论——“分散是骗人的”。这个结论下早了。不是分散没用,是那次分散根本没发生。

第一,相关性到底在说什么

相关性描述的是两样资产的涨跌节奏有多同步。量化出来是一个叫相关系数的数字,取值在 -1 到 +1 之间:

接近 +1:基本同涨同跌,一个跌另一个大概率也跌;
接近 0:各走各的,一个的表现几乎说明不了另一个;
接近 -1:跷跷板,一个跌另一个往往涨。

这里要先破一个常见误会:相关性说的是方向的同步程度,不是幅度的大小。两样东西可以高度相关,但一个跌 3% 另一个跌 30%。所以”相关性高”不等于”跌得一样多”,它的意思是”该跌的时候都会跌”。

另一个容易搞混的点:相关性不等于因果。两样资产同涨同跌,可能是彼此有关系,也可能只是都被第三个更底层的东西推着走——比如同一个宏观利率环境、同一轮资金面松紧。对投资者来说,后一种情况更值得警惕,因为那个”第三个东西”往往藏在你看不见的地方。

第二,为什么持有十只基金可能只等于持有一只

分散失效最常见的形态,是产品名字不一样,底层暴露一模一样。几种典型:

同源的权益暴露。买了五只基金,名字分别带着”成长""价值""精选""优选""领先”,但底层持仓有大量重叠,而且都是同一个市场的股票。市场整体下行时,它们会一起下行,风格差异只影响跌多跌少,不影响跌不跌。
同一个宏观驱动。有些看起来完全不同的东西,其实共用一个开关。比如高度依赖同一类下游需求的几个行业,需求一冷,链条上下游会一起冷,你以为自己配了”制造+材料+设备”,实际上是把同一个赌注下了三遍。
同一个平台或同一类信用。产品是不同的,但对手方、托管方、底层融资主体是同一批。这种风险平时完全看不出来,出事时是同时出。
加了杠杆的伪分散。用借来的钱同时持有多样东西,看起来更分散,但杠杆本身是一条把所有仓位串起来的绳子——任何一处被迫减仓,都可能引发全局减仓。

判断有没有真分散,有个很土但很有效的做法:拿一张纸,把你所有仓位列出来,在每一行后面写下”它靠什么赚钱、它怕什么”。 如果好几行写出来的答案是同一句话,那这几行在风险上就是一行。数量骗得了眼睛,骗不了这张纸。

第三,一个算例:相关性怎么改变组合的波动

光说概念不好体会,我们用假设数字算一遍。以下数字仅为示例,不代表任何真实资产的预期。

假设组合里只有两样资产,各占一半:

资产 A:权重 50%,年化波动率 20%;
资产 B:权重 50%,年化波动率 10%。

两资产组合的波动率算法是:先算 w₁²σ₁² + w₂²σ₂² + 2·w₁·w₂·ρ·σ₁·σ₂,再开平方根。ρ 就是相关系数。代入三种情况:

ρ = +1(完全同步):结果等于两者波动的加权平均,0.5×20% + 0.5×10% = 15%。这时候分散完全没有降低波动,你只是买了个”平均值”。
ρ = 0(互不相关):0.25×400 + 0.25×100 + 0 = 125,开根号约 11.18%。比 15% 明显低了。
ρ = -1(完全反向):|0.5×20% − 0.5×10%| = 5%。波动被大幅抵消。

注意看这三个数字的排列:同样的两样资产、同样的权重,只因为相关性不同,组合波动就在 5% 到 15% 之间来回移动。你调仓位调了半天,可能都不如资产之间是不是同源来得重要。 这也是为什么专业做配置的人聊天时不太谈”我买了几个品种”,更多在谈”我的风险敞口分布在哪几个来源上”。

顺带说一句:上面 ρ = 0 那一档,恰好就是”假设互不相关”算出来的结果。现实里两样资产的相关系数很少正好是 0,所以这个数字通常只能当参照,而不是答案。

第四,最扎心的一点:危机中相关性会一起上升

如果说这篇文章只能记住一句话,我希望是这句:平时低相关的资产,在最需要它低相关的时候,往往会变得高相关。

原因不神秘,大致是这样一条链:市场剧烈下跌 → 有人被追加保证金、有人被赎回 → 他们得卖东西换现金 → 卖什么?卖卖得掉的,而不是卖跌得多的。于是那些平时和股票关系不大、流动性还不错的资产,也会被拿出来变现,跟着一起跌。等到恐慌过去,它们又各回各的轨道。

这个现象带来两个很实际的推论:

不要用平静期的相关性,去估计动荡期的保护效果。 历史相关系数是个平均值,它把风平浪静的日子和惊涛骇浪的日子混在一起算了,而你真正关心的只有后者。
现金和短久期的防守型资产有它不可替代的位置。 它们的作用不是提高收益,而是在所有东西都被同时抛售时,让你不必成为被迫卖出的那个人。分散能减轻痛苦,但只有留出余地才能让你不被清场。

至于具体该留多少、配什么类别,这取决于你的现金流稳定程度、这笔钱多久要用、以及你自己能扛多大回撤,没有统一答案,也不该有人替你拍板。

第五,把相关性纳入决策的四个可操作动作

概念要落到手上,才有用。给你四个不需要任何数据源就能做的动作:

按风险来源归类,而不是按产品归类。 把持仓重新分组:权益类、利率债类、信用类、商品类、现金类、境外资产。分完之后看每一组的占比,你会发现真实的集中度往往比想象中高得多。
做”一句话压力测试”。 想一个具体场景,比如”如果某个宏观变量朝不利方向走一年”,然后逐行标注:哪些仓位会受伤、哪些不受影响、哪些反而受益。如果第三类是空的,说明你的组合没有任何对冲,只有”跌得多”和”跌得少”的区别。
警惕”新品种”带来的虚假安慰。 一个你不熟悉的新类别,不会仅仅因为名字陌生就和你原有仓位低相关。先弄清它靠什么赚钱,再判断它和你已有的东西共不共用一个驱动。
定期再平衡,让相关性变化不至于失控。 相关性和权重都会随时间漂移。半年或一年回看一次,把明显跑偏的比例调回来,是普通人能做到的、最省力的一种纠偏。关于频率的取舍,可以参考《再平衡多久做一次比较合适》。

第六,用工具粗估一遍,顺便看清工具的局限

理解了原理,可以动手把自己的配置量化一下。本站的资产配置模拟器可以让你自由增删资产行,给每一类填写权重、预期收益率、波动率三个数字,它会算出权重合计是否为 100%(不到 100% 会提示需要调整)、组合的预期收益,以及组合的波动率,并用饼图和横条把收益与波动放在一起对比。

但我要特别提醒一点,这也是我选它来配这篇文章的原因:这个模拟器用的是”无相关假设”,也就是上面算例里 ρ = 0 的那一档——它把各资产加权后的波动做平方和再开方,并没有把资产之间的相关系数考虑进去。所以:

如果你填的几类资产在现实中高度同涨同跌,工具算出来的波动会偏低,别被这个数字安慰到;
如果它们确实有一定的对冲关系,工具算出来的波动又可能偏高。

正确的用法是把它当成一把粗尺子:比较”股票权重从 60% 降到 40%“这类调整带来的方向性变化,而不是把小数点后两位当成对未来的预测。工具页面本身也写明了这是教育演示的简化模型,这点它没藏着。

第七,诚实说说这套思路的边界

相关性框架不是万能的,有几个地方它帮不上忙:

它衡量的是波动,不是永久性损失。 一样资产可以波动很小,却在某天彻底归零;也可以波动很大,长期却向上。分散能平滑曲线,但救不了一个本身就有问题的标的。
相关系数是历史统计量,不是资产的固有属性。 它会随宏观环境、资金结构、参与者行为而变,把某个历史数字当成常数用,迟早会吃亏。
过度分散有代价。 摊得太开,组合会越来越像市场平均,同时你要跟踪的东西却成倍增加,交易和管理成本也上去了。对多数人来说,几个真正不同源的大类,比几十个名字不同的产品更实用。
本金规模很小的时候,先别急着精细化。 这个阶段决定结果的通常是储蓄率和现金流,不是配置的小数点。

小结

分散不是”买得多”,而是”赌注不重复”。相关性决定了分散能兑现多少效果:同样的两样资产,相关系数从 +1 变到 -1,组合波动能差出好几倍。危机时相关性会一起上升,这是分散最脆弱的时刻,也是留出现金和防守仓位的意义所在。判断自己有没有真分散,用那张纸问每一行”它靠什么赚钱、它怕什么”就够了。工具能帮你把感觉换成数字,但要记住它算的是简化模型,只适合看方向,不适合看精度。

本文为投资教育内容,不构成任何投资建议。投资有风险,决策需谨慎。