如果只买一只股票，哪怕仓位再低，你也把鸡蛋放进了同一个篮子
一、相关性矩阵：量化「同涨同跌」
1.1 什么是相关性
两只股票，今天都涨、明天都跌——这种步调一致性，用Pearson 相关系数 ρ来度量：
ρ = 1：完全正相关，你涨我也涨，幅度一样
ρ = -1：完全负相关，你涨我跌，像跷跷板
ρ = 0：完全不相关，各走各的
ρ > 0.7：高度相关，基本上同涨同跌
0.3 < ρ < 0.7：中度相关，大趋势一致但幅度不同
ρ < 0.3：低相关，分散效果好
1.2 五只标的
我选了美股科技圈的「四大天王」加上标普500指数：
| 代码 | 名称 | 角色 |
|---|---|---|
| SPY | 标普500 ETF | 基准，代表整个市场 |
| AAPL | 苹果 | 消费电子龙头 |
| MSFT | 微软 | 云计算+AI基建 |
| NVDA | 英伟达 | AI芯片之王 |
| TSLA | 特斯拉 | 电动车+机器人 |
1.3 相关性矩阵结果
对近一年的日收益率计算 Pearson 相关系数，得到如下矩阵：
| ρ | SPY | AAPL | MSFT | NVDA | TSLA |
|---|---|---|---|---|---|
| SPY | 1.000 | 0.437 | 0.349 | 0.657 | 0.616 |
| AAPL | 0.437 | 1.000 | 0.203 | 0.163 | 0.239 |
| MSFT | 0.349 | 0.203 | 1.000 | 0.281 | 0.191 |
| NVDA | 0.657 | 0.163 | 0.281 | 1.000 | 0.405 |
| TSLA | 0.616 | 0.239 | 0.191 | 0.405 | 1.000 |
1.4 读图：热力图告诉我们什么
看图说话，颜色越红（深）代表相关性越高：
NVDA 和 SPY 的 ρ = 0.657：英伟达跟大盘高度相关。这很合理——英伟达现在是标普500的权重股，它涨大盘往往也涨。
TSLA 和 SPY 的 ρ = 0.616：特斯拉也跟大盘高度相关。马斯克的一举一动都能影响市场情绪。
AAPL 和 MSFT 的 ρ = 0.203：苹果和微软的相关性很低！虽然都是科技巨头，但一个靠硬件+生态，一个靠云计算+企业软件，业务驱动因素不同。
NVDA 和 AAPL 的 ρ = 0.163：英伟达和苹果几乎「各走各的」。一个卖GPU给数据中心，一个卖iPhone给消费者，八竿子打不着。
ρ 高 = 强耦合，一个挂了另一个也危险；ρ 低 = 松耦合，可以独立扩容和容错。做组合就是要找「松耦合」的标的。
二、等权组合 vs 单票波动
2.1 等权组合怎么算
最简单的组合方式——等权（Equal Weight），每只股票的权重一样：
注意：SPY 是基准，不参与组合。组合是「四只科技股打包」，然后跟「整个市场（SPY）」比。
2.2 关键指标对比
| 指标 | SPY | AAPL | MSFT | NVDA | TSLA | 等权组合 |
|---|---|---|---|---|---|---|
| 总收益率 | +17.23% | +58.63% | -22.00% | +11.10% | -7.09% | +10.02% |
| 年化波动率 | 12.71% | 24.83% | 27.79% | 36.16% | 46.29% | 22.87% |
| 夏普比率 | 1.32 | 1.99 | -0.76 | 0.47 | 0.07 | 0.53 |
| 最大回撤 | -8.88% | -13.80% | -34.50% | -20.21% | -38.25% | -20.87% |
2.3 读图：风险-收益散点图
这张图把每只标的的「年化波动率」放在 X 轴，「总收益率」放在 Y 轴：
AAPL在左上角：收益最高（59%），波动中等（25%）——这一年的明星
TSLA在右下角：收益为负（-7%），波动最大（46%）——这一年的坑货
MSFT在左下角：收益最差（-22%），波动还不小（28%）——双杀
等权组合（绿色五角星）落在中间地带：波动率（23%）低于所有单票，收益率（10%）介于最高和最低之间
等权组合的波动率低于四只单票中的任何一只。这不是魔法，是数学——当 AAPL 涨、MSFT 跌的时候，它们的波动在一定程度上「抵消」了。
2.4 代码视角：这就像是「负载均衡」
作为一个写过后端的人，我把等权组合类比成Round-Robin 负载均衡：
单票满仓= 所有请求打到一个实例上，实例挂了全完
等权组合= 请求均匀分到四个实例，一个实例挂了还有三个扛着
低相关性= 实例之间的故障不传染，不会一起挂
当然，真实的负载均衡会按性能加权（类比市值加权），但等权是最简单的起点。
三、组合净值曲线：和 SPY 同台竞技
3.1 净值曲线长什么样
这张图把近一年的净值走势全画出来了：
灰色粗线= SPY（标普500），稳稳当当从 1 涨到 1.17
绿色粗线= 等权组合，波动比单票小，但也没跑赢 SPY
四条虚线= 单票净值，上蹿下跳像心电图
3.2 看图说话
谁最稳？SPY。作为整个市场，它平滑了所有个股的极端波动。
谁最疯？TSLA（黄色虚线）。从 1 冲到 1.5，又跌回 0.9，坐了一趟过山车。
组合的表现？绿色线比所有虚线都平滑，但最终收益（10%）不如 SPY（17%）。
⚠️这一年，「科技股四大天王」的等权组合没有跑赢大盘。说明什么？说明这一年大盘里的其他板块（比如金融、能源、医药）涨得更好，或者这四只科技股的内部撕裂太严重（MSFT 和 TSLA 拖了后腿）。
3.3 组合没跑赢大盘，还要组合吗？
要。因为：
过去不代表未来。上一年跑输，不代表下一年跑输。
组合的目的不是「跑赢」，而是「在可接受的风险下获取合理收益」。如果你2025年7月全仓了 MSFT，现在亏 22%；全仓 TSLA，亏 7%。组合至少让你赚了 10%。
夏普比率的角度：虽然组合收益不如 SPY，但组合是在「科技股」这个赛道内部做的分散。如果你坚信科技股的长期逻辑，组合比单票安全得多。
四、波动率的另一种视角
4.1 直方图：谁更「离散」
把每天的收益率画成直方图：
TSLA（橙色）：分布最宽，从 -15% 到 +8% 都有，像一盘散沙
NVDA（紫色）：分布次之，尾巴也比较长
等权组合（绿色）：分布最集中，像一根针——大部分日子的涨跌都在 ±3% 以内
4.2 箱线图：离群值与波动范围
（对应图4b：箱线图）
箱线图的箱体宽度代表「中间50%的数据范围」：
TSLA 箱体最宽：日常波动就很大
等权组合箱体最窄：日常波动被四只股票的涨跌「对冲」掉了
TSLA 的离群值最多：有很多天涨跌超过 ±5%，组合几乎没有这种极端日子
把箱线图类比成P50-P99 延迟分布。单票就像一个没有限流的微服务，延迟抖动巨大；组合就像加了熔断和降级，P99 延迟被压下来了。虽然平均延迟（平均收益）没提升，但系统的稳定性（可持有性）大幅改善。
五、本章小结
5.1 相关性的本质
相关性不是因果关系，它是「一起波动的统计规律」。两只股票 ρ 高，可能是因为：
它们都在同一个指数里（被动资金一起买卖）
它们受同样的宏观因素影响（利率、汇率、地缘政治）
它们有产业链上下游关系（NVDA 的 GPU 卖给谁？很多是 AAPL 和 MSFT 的数据中心）
5.2 分散化的数学直觉
为什么组合能降低波动？核心公式：
当 ρ < 1 时，组合方差小于各股票方差的加权平均。ρ 越低，「分散红利」越大。
用代码的话说：组合的标准差不是单票标准差的平均值，而是它们的「协方差矩阵的平方根」。只要股票之间不是完全同步，组合就能「削峰填谷」。
5.3 等权组合的局限
等权虽然简单，但不是最优的：
没有考虑相关性差异——AAPL 和 MSFT 的 ρ 只有 0.2，应该给它们更高权重；NVDA 和 TSLA 的 ρ 有 0.4，权重应该更低
没有考虑波动率差异——TSLA 波动那么大，应该少配一点
没有动态调整——涨得多的股票权重会自然变大，需要定期再平衡
下一章可以探索：均值-方差优化（Markowitz），用数学找到「给定收益下风险最小」的权重配置。
5.4 一点建议
相关性是组合的基石——不懂相关性就谈分散化，等于不懂网络拓扑就谈微服务架构
低相关 ≠ 负收益——MSFT 这一年跌了 22%，但它和 AAPL 的低相关性确实帮助了组合降低波动
不要只看组合收益——组合的收益往往是「平庸的」，但它的价值在于「可持有性」
SPY 是免费的午餐——如果你不知道怎么配权重，买 SPY 就是买整个市场，天然分散
再平衡很重要——等权组合如果不定期调仓，涨得多的股票会自然占据更高权重，分散效果会退化
作业后续再补一下，近期考试。。。
 agent和组件)