你的组合看着分散，其实只有1.28个独立赌注
——十年数据算出来的有效独立赌注数（ENB），以及为什么数量不等于分散
目 录
风险提示：风险提示：本文为个人独立研究记录，全部数据基于公开指数日线自行测算，不构成投资建议、不推荐任何具体投资品种、不预测市场走势。历史统计结果不代表未来表现。文中出现的指数名称仅为计算口径的说明，不构成任何产品推荐。决策请独立判断。
十年前，表弟问我一个很朴素的问题：钱不多，是不是多买几只股票更安全？
我当时给的答案是"是"——分散总没错。这个答案在常识层面完全成立，在数学层面却只对了一半。
半年前，我把这十一年拉出来重新算了一遍。结论有点扎心：很多被叫做"分散"的组合，拆开看只有一到两个独立赌注。买五只A股指数，等效独立赌注数是 1.28。
这篇文章我想把这件事算清楚，并且给你一个可以自己动手的方法——不是让你相信我，是让你下次能自己验证。
一、常识没撒谎，但它只说了一半
先给常识一个公道。分散确实有用。
我取 2015 年 1 月到 2026 年 10 月的公开指数日线，9 类资产、2706 个共同交易日。等权买入 A 股一族，逐个加入，看组合年化波动怎么走：
| 组合 | 年化波动 | 相对上一行 |
|---|---|---|
| 沪深300 单只 | 21.45% | — |
| + 中证500 | 19.93% | −1.51pp |
| + 中证银行 | 18.53% | −1.40pp |
| + 创业板指 | 18.96% | +0.43pp |
| + 中证红利 | 17.67% | −1.29pp |
看第一列：从 1 只到 5 只，波动从 21.45% 降到 17.67%。降了 3.78 个百分点。分散是有效的，这一点没有疑问。
但请看第三列的第 4 行。加入创业板指之后，组合波动不降反升，从 18.53% 涨到 18.96%。
这不是我算错。我换样本区间重算了四遍：全样本 +0.43pp、2015—2018 年 +0.11pp、2023—2026 年 +1.53pp、近三年 +1.84pp。只有 2019—2022 年那一段是 −0.08pp，基本持平。五个区间里四个方向一致，且越靠近当下，幅度越大。
原因不难理解：创业板指自身年化波动 31.83%，是这五只里最高的，而它跟沪深300的相关性高达 0.806。你以为你加了一只"不同风格"的资产，实际上你加进来的是一只波动更大、和原有持仓绑得更紧的资产。
我把这个现象叫假分散——数量增加了，风险没有真正被拆开，反而多了一份。
二、一个能自己算的数字：有效独立赌注数
"买了很多是不是等于分散"这种问题，靠感觉回答不了，得靠一个数。
学界有个现成的工具，叫有效独立赌注数（Effective Number of Bets，Meucci 2010）。思路不复杂：先算出你所有持仓两两之间的相关系数矩阵，再反推你的组合实际相当于几个互相独立的风险源。这个概念不是我发明的，我在这里标注出处。
公式我说人话版。设你有 N 只资产、权重 w，两两相关系数构成矩阵 R，那么：
N_eff = 1 / (w'Rw)
其中 w'Rw 就是组合的"加权相关性水平"。这个数越接近 N，说明分散得越真；越接近 1，说明你其实只有 1 个赌注。
拿刚才那五只 A 股族算：
| 组合 | 名义持仓数 | N_eff | 达成率 |
|---|---|---|---|
| 5 只 A 股族 | 5 | 1.28 | 26% |
| 加 1 只海外权益 | 6 | 1.65 | 27% |
| 全部 9 类资产 | 9 | 2.35 | 26% |
看清楚第一行：名义上你有 5 个赌注，实际只相当于 1.28 个。 剩下 3.72 个是同一个赌注的复印件。
我做了区间稳健性检验——分四个子区间重算，5 只 A 股族的 N_eff 分别是 1.15、1.32、1.52、1.95。全部低于名义值 5，全部在 2 以内。这个结论不依赖某一年。
顺便说一句，有人会问：那 N_eff 到底是学界什么级别的东西？它是 Meucci（2010）提出的正规指标，风险管理实务里有应用。但它没有通用的「及格线」——ENB 多少算够，取决于你投的是什么、能承受什么。所以我这篇不给阈值，只给一个基准：你现在是几，比上次多了还是少了。
至于「假分散」最常从哪儿来，是同质化。这件事你不用信我：把手上那几只产品的持仓表摊开，看前十大重仓股重了几只，就知道了。
我的判断是：家庭账户的"分散"，目标不该是 N_eff 等于持仓数，而该是先看清你现在到底是几。 你现在只有 1.28，那第一个任务是把它变成 2，不是变成 5。
三、平常看不出差别的那几个点，全在最该起作用的那天没了
上面那些数字有个共同毛病：它们是十年平均。平均值是最会骗人的统计量——它把最该报警的日子平均掉了。
所以我换了个口径：只取沪深300 跌幅最大的那些交易日，看其他资产在同一天做了什么。
| 样本 | 中证500 同跌 | 中证红利 同跌 | 中证银行 同跌 |
|---|---|---|---|
| 跌幅前 10 日 | 10/10 | 10/10 | 10/10 |
| 跌幅前 20 日 | 20/20 | 20/20 | 20/20 |
| 跌幅前 50 日 | 50/50 | 49/50 | 48/50 |
20/20。不是"大概率同跌"，是每一次都同跌。
同一个日子，把两个组合放一起比：
- A 股族 5 只等权：平均单日 −6.92%，最差 −8.75%
- 同期黄金：平均单日 −0.29%，最差 −1.87%
- 差额：6.63 个百分点
这就是假分散的代价。平时你看到的是"我有五只，它们走势不完全一样"；到了真正需要它们不一样的那天，五只一起走。
而这一天恰恰是你情绪最差、最可能做出错误决策的一天。分散的真实作用从来不是让净值曲线好看，是让你在最难看的那天还能照着计划执行。
顺便说句公道话：黄金在这 20 天里也跌了 9 天，平均还是 −0.29%。它不是免疫，只是跌得少。任何资产都救不了你，但有些资产能让你的判断不失效。
四、相关性不是常数，是会漂移的变量
上面第三层其实还藏着一个更麻烦的问题。
我按年度拆开算沪深300 和黄金的相关系数：2015 年 0.015、2016 年 −0.164、2017 年 0.029、2018 年 0.125、2019 年 −0.076、2020 年 0.174、2026 年 0.238。
同一个资产对，同一段历史里，相关性在正负之间来回摆。
这意味着什么？意味着"我的组合很分散"这个判断，是有保质期的。你在 2016 年算出的搭配，到 2026 年可能已经漂走了——2026 年这一对的相关性是 +0.238，比 2016 年的 −0.164 高出 0.4，是这 12 年里的最高值。
所以"资产配置"如果只做一次，它就是一张过期的地图。真正要做的不是配置一次，而是定期复检：一年一次，把你的持仓重新算一遍相关系数，看 N_eff 是升了还是降了。
需要说清楚的是，相关性漂移不只发生在黄金上。标普500 和纳斯达克全样本相关性高达 0.949——这两位在很多人眼里是"两个东西"，实际是同一个赌注的两种叫法。
五、所以今天该做什么
如果你只想带走三件事：
第一，把"我买了几只"换成"我实际上有几个独立赌注"。 不需要复杂的工具，用任何一个能算相关系数的表格都行，把你的持仓两两算一遍。数字会自己说话。
第二，先加低相关，再加数量。 我实测过，把 25% 放到与 A 股族平均相关性只有 0.06 的那类资产上，组合年化波动从 17.67% 降到 14.05%，降 3.62 个百分点。而同等数量、同样分散的 A 股内部加仓，只换来 3.78 个百分点里的一部分，且随你加得越多越边际递减。
第三，给你的组合设一个年检日。 每年固定一天，重新算相关系数、看 N_eff。这一天你要回答的问题只有一个："我的赌注数量，是变多了还是变少了？"
如果变少了，说明你无意中买入了一个新的相关性集中——可能是行业轮动，可能是某次追热点顺手加的。找出它。
至于要不要真的调整、调多少，取决于你的判断和你的风险承受能力——我这个专栏不给具体比例建议。但我自己的做法是：先砍掉那些"我以为它算分散"的部分，再考虑加新的。 顺序反了，你会越调越集中。
今日行动清单
- 列出你的全部投资持仓（不含应急金、保障金和自住房）
- 两两算相关系数，或者用公开指数做近似
- 算一次 N_eff，写在纸上。这个数字就是你现在的真实分散度
- 对照我上面的表：如果 N_eff 不到持仓数的一半，你的分散是假的
- 在日历上标一个日期——一年后的今天，重做第 2、3 步
金句墙
买了很多，不等于分散了很多。
五只 A 股指数，等效独立赌注数是 1.28——名义上的五个赌注，实际是一个半。
平常看不出差别的那几个点，全在最该起作用的那天没了。
「资产配置」如果只做一次，它就是一张过期的地图。
分散的真实作用不是让净值曲线好看，是让你在最难看的那天还能照着计划执行。
常见问题（FAQ）
那我到底该买几只？
这个问题本身问错了。该问的是「我有几个独立赌注」，而不是「我买了几个」。数量只是名义值，N_eff 才是实际值。一个 3 只、但两两不相关的组合，好过 8 只同涨同跌的。目标不是凑数量，是让 N_eff 真实增长。
算相关系数需要历史数据，我不会算怎么办？
可以用公开指数做近似——每只持仓找一只对应的公开指数，取同一段时间的日收益率，两两算相关系数。这篇文章里所有数字都是这么做的。需要提醒的是，相关系数对样本区间敏感，所以算一次不够，要固定一个区间长期比较，看趋势而不是看单点。
海外资产和黄金真的有用吗？
我只能说相关性低这个事实：在我测算的区间里，它们与 A 股族的平均相关性分别在 0.13 和 0.06 附近，远低于 A 股内部的 0.43—0.89（这五只 A 股资产两两相关性的中位数是 0.80）。但低相关不等于无风险，也不等于一定赚钱。我自己更看重的是第四层那个发现——相关性会漂移，2026 年沪深300 与黄金的相关性就升到了 12 年最高的 0.238。所以我的结论不是「配了就安全」，而是「配了要定期复检」。
N_eff 和相关矩阵这些名词会不会太专业？
概念不复杂，你可以只记住一句：问自己「这几样东西会不会在同一天一起跌」。如果答案是「会」，那你的分散是假的。名字不重要，这个问题最重要。
数据来源：本文全部统计基于公开指数日线数据（沪深300、中证500、中证银行、创业板指、中证红利、恒生指数、标普500、纳斯达克、黄金现货），取 2015-01-01 至 2026-10-22 区间的 2706 个共同交易日，由作者独立测算。相关系数为日收益率皮尔逊相关系数；组合波动按协方差矩阵法计算并年化（252 交易日）；N_eff 按 1/(w'Rw) 计算，等权权重。指数名称仅作为计算口径说明，不构成任何产品推荐。
方法出处：有效独立赌注数（Effective Number of Bets）概念由 Attilio Meucci（2010）提出；本文使用其等权简化形式，所有测算为作者基于公开数据的独立整理，非引用第三方研究成果。
站内术语对表：本文的「N_eff / 有效独立赌注数」对应网站方法论中的风险分散度（见五格家庭财务结构图与家庭资产配置测算器）；本文的「假分散」对应应急金/保障金分层中的同层集中问题——钱分在不同账户里叫分层，钱分散在同类资产里叫假分散。L2 应急金与 L3 保障金的分层逻辑，同样适用于投资端的资产分层。