第三部分 · 收益、风险与投资评价 · 第 8 章

收益、风险与市场为什么难赢

一条收益曲线好不好,不能只看最后赚了多少。这一章先讲怎么量化收益和风险:年化、波动、最大回撤、夏普比率,让“赚钱的体验发生在时间里”这件事变得可测量;再讲资产配置和分散化,为什么不该把判断全押在一处;最后借有效市场、随机游走和行为偏差,解释一个残酷的现实——赚超额收益为什么这么难。

读完这一章,你会明白

• 收益率是复利链条,不能把涨跌简单相加。
• 年化、波动、最大回撤、夏普、胜率和盈亏比分别回答不同问题,不能互相替代。
• 资产配置先决定风险大方向,选股和择时是在这个框架里的局部决策。
• 分散化利用低相关风险来源降低组合波动,但不能消灭系统性风险。
• 有效市场不是说价格永远正确,而是说公开信息很难被低成本反复利用。

1. 最小的积木

收益率最朴素的定义是: 赚到的钱除以投入的钱。你用 10000 元买入,最后变成 10500 元,收益率就是 500 / 10000 = 5%。这个数字比“赚了 500 元”更可比,因为 500 元对于 10000 元本金和 100 万本金意义完全不同。

股票和基金里常用简单收益率: 本期收益率 = 本期结束净值 / 本期开始净值 - 1。如果昨天净值 1.00,今天净值 1.02,今天收益率就是 2%。如果明天从 1.02 跌到 1.01,明天收益率是 1.01 / 1.02 - 1,约等于 -0.98%。

注意收益率是相对变化,不是绝对变化。净值从 1.00 到 1.10 是涨 10%,从 1.10 跌回 1.00 不是跌 10%,而是跌约 9.09%。这就是为什么收益要按乘法链条理解,不能简单把涨跌点数加减。

累计收益描述从起点到终点总共赚了多少。假设第一天赚 10%,第二天亏 10%,很多新手会以为两天合计不赚不亏。实际不是。100 元第一天变成 110 元,第二天亏 10% 后变成 99 元,累计收益是 -1%。

原因是收益在本金上复利。每一天的收益都作用在前一天的新本金上。连续收益的计算是把每期的 1 + 收益率相乘,最后再减 1。两天就是 (1 + 10%) × (1 - 10%) - 1 = -1%。

这件事非常重要。高波动会拖累长期复利。一个策略大涨大跌,即使平均每天涨跌看着对称,长期也可能被波动损耗。投资体验不是每一天独立抽签后加总,而是本金不断变化的乘法过程。

2. 把不同时间长度拉到同一把尺子

年化收益是为了比较不同期限的投资。一个策略 3 个月赚 5%,另一个策略 2 年赚 20%,谁更高?不能直接比 5 和 20,因为时间不同。年化就是问: 如果按同样速度持续一年,大约相当于多少收益。

如果半年赚 10%,粗略线性年化会说一年约 20%。但更严谨的复利年化是 (1 + 10%) 的 2 次方减 1,约 21%。如果 3 个月赚 5%,复利年化是 (1.05 的 4 次方) - 1,约 21.55%。

年化收益很有用,但也容易骗人。一个策略只运行一周赚 2%,年化看起来可能非常夸张,但样本太短没有意义。年化不是魔法放大器,它只是比较工具。样本越短、波动越大,年化数字越不稳定。

3. 这条路颠不颠

波动率衡量收益率围绕平均值上下摆动的程度。收益每天都很接近,波动率低;今天涨 5%、明天跌 4%、后天涨 6%,波动率就高。波动率不是亏损本身,但它代表不确定性和持有过程的颠簸。

常见做法是先算日收益率的标准差,再年化。A 股一年大约 240 多个交易日,严谨回测可以按实际交易日数年化;行业报告里也常统一用 252 作为近似。比如按 252 口径,日波动 1%,年化波动大约是 1% × 根号 252,约 15.9%。

波动率有局限。它把上涨和下跌都看作波动,可投资者通常更讨厌下跌;它对极端尾部风险也可能不敏感。一个策略平时很稳,偶尔一次暴雷,普通波动率在暴雷前未必能提醒你。

4. 从高点跌到低点有多痛

最大回撤是投资者最容易理解、也最容易低估的指标。它衡量从历史高点到之后低点的最大跌幅。净值从 1.00 涨到 1.50,再跌到 1.05,回撤是 1.05 / 1.50 - 1 = -30%。

最大回撤回答的是: 如果你在最难受的时候打开账户,从曾经最高点亏了多少。它比波动率更贴近真实心理压力。一个策略年化 30%,最大回撤 60%,很多人根本坚持不到长期收益兑现。

回撤还有恢复时间。跌 50% 后,要涨 100% 才能回到原点。亏损越深,修复越难。所以风险控制不是保守的人才需要,而是复利能不能继续运行的前提。

夏普比率常被写成: (组合收益 - 无风险收益) / 组合波动率。它想回答一个问题: 你承担了一单位波动,换来了多少超过无风险收益的回报。夏普越高,代表在波动口径下收益质量越好。

举个简化例子。策略 A 年化收益 15%,无风险收益 3%,年化波动 12%,夏普约等于 (15% - 3%) / 12% = 1。策略 B 年化收益 25%,无风险收益 3%,年化波动 44%,夏普约 0.5。B 赚得更多,但单位波动换来的收益更差。

夏普不是万能指标。它假设波动能代表风险,对收益分布的偏态和尾部风险不够敏感。卖期权策略平时小赚、偶尔大亏,在暴雷前夏普可能很好看。看夏普必须同时看回撤、偏度、尾部损失、杠杆和策略逻辑。

5. 经常赢不等于长期赚

很多新手喜欢问策略胜率多少。胜率是赚钱交易次数占总交易次数的比例。胜率高听起来舒服,但不能单独决定策略好坏。一个策略 90% 的交易每次赚 1 元,10% 的交易每次亏 20 元,长期期望仍然是亏钱。

盈亏比描述平均盈利和平均亏损的比例。低胜率也可能赚钱,比如趋势跟踪策略可能经常小亏,但少数大行情赚很多。高胜率也可能亏钱,比如不断卖保险式的小赚大亏策略。

量化评价要看期望值: 胜率 × 平均盈利 - 亏损率 × 平均亏损,再扣交易成本。只看胜率就像只看模型准确率,不看类别不平衡和错误代价。金融里的错误代价常常不对称。

6. 先扣掉市场给你的那部分

如果你的组合满仓股票,市场大涨时赚钱并不稀奇。超额收益是相对基准多出来的部分。组合收益 18%,基准收益 12%,超额收益约 6%;组合收益 -5%,基准收益 -15%,超额收益约 10%。

量化策略尤其要区分绝对收益和超额收益。一个中证 1000 指数增强产品,客户通常关心它相对中证 1000 多赚多少,而不是只看绝对涨跌。因为买这个产品本来就承担了中小盘市场 Beta。

更进一步,还要看超额收益来自哪里。是选股能力? 行业偏离? 小市值暴露? 动量风格? 还是只是运气? 如果一个策略的超额收益完全来自长期重仓某个风格,当风格反转时就可能回吐。

7. 杠杆会同时放大收益和风险

杠杆是借钱或用保证金放大仓位。1 倍本金买 100 元资产,资产涨 10%,你赚 10 元;如果用 100 元本金控制 200 元资产,资产涨 10%,你赚 20 元,本金收益 20%。但资产跌 10%,你也亏 20%。

杠杆最危险的地方不是数学难,而是它会改变生存问题。没有杠杆时,资产下跌你可以等待;有杠杆时,下跌可能触发追加保证金、强平或风控止损,你可能在反弹前被迫离场。

所以比较策略时,不能只看收益率。一个无杠杆策略年化 12%,一个 3 倍杠杆策略年化 20%,后者未必更好。你要看波动、回撤、爆仓风险、融资成本和极端行情下能不能活下来。

8. 一张收益报告应该怎么读

看到一张量化回测或基金报告,可以按顺序问五个问题。第一,它的基准是什么? 第二,年化收益和累计收益是多少? 第三,最大回撤和波动率是多少? 第四,夏普和超额收益是否稳定? 第五,这些数字扣除了真实交易成本吗?

再进一步问: 样本有多长? 是否经历牛市、熊市和震荡市? 是否有样本外数据? 持仓集中吗? 换手率高吗? 最大亏损发生在什么市场环境? 策略逻辑在经济上说得通吗?

如果一个报告只给你一条向上的净值曲线,没有基准、回撤、成本、换手、容量和样本外表现,那它更像广告,不是研究。量化的第一层专业性,就是愿意把收益拆成风险、成本和比较基准来审视。

9. 不要把所有判断押在一个地方

投资里最容易犯的错,不是某一次买错股票,而是把自己的命运押在一个判断上。你可能看对公司,但买得太贵;你可能看对行业,但遇到流动性危机;你可能看对长期,但短期回撤把你赶出市场。资产配置和分散化的目的,不是让你每次都赚最多,而是让你在不确定世界里活得更久。

资产配置是决定不同资产类别占多少钱。股票、债券、现金、商品、黄金、REITs、海外资产,都可以是配置对象。它回答的是一个比选股更靠前的问题: 你的钱整体承受什么风险,希望从哪些来源获得收益。

一个全部买股票的组合,长期预期收益可能更高,但回撤也可能很大。一个大量持有现金和短债的组合,波动更低,但长期可能跑不赢通胀。资产配置就是在收益、风险、流动性和心理承受能力之间做取舍。

很多新手一上来就问买哪只股票,却没问自己能不能承受 30% 回撤、这笔钱多久不用、收入是否稳定、有没有房贷和家庭开支。个人投资首先是资产负债表管理,然后才是选股和策略。

10. 分散化不是买很多名字

分散化的核心是不要让组合被同一个风险因子打穿。买 30 只同一行业的股票,看起来数量很多,但如果行业政策变化,它们可能一起下跌。真正的分散化要看背后的风险来源是否不同。

举个例子。你买银行股、地产股、建筑股,名字不同,但它们可能都受信用周期和地产周期影响。你买新能源车、锂矿、电池、光伏,也可能都受同一个产业链景气影响。数量分散不等于风险分散。

组合管理里常说相关性。两类资产如果经常同涨同跌,分散效果有限;如果一类跌时另一类不跌甚至上涨,组合波动就可能降低。分散化真正利用的是相关性不完全相同。

11. 两条曲线是不是一起动

相关性衡量两个资产收益是否一起变化。相关性接近 1,表示它们经常同涨同跌;接近 0,表示关系不明显;接近 -1,表示一个涨时另一个常常跌。分散化希望组合里有一些相关性较低的资产。

假设资产 A 和 B 长期收益都不错,但 A 在经济繁荣时表现好,B 在经济放缓、利率下行时表现好。把它们放在一起,组合不一定每天都最强,但可能更平稳。平稳不是为了好看,而是为了降低被迫卖出的概率。

相关性也会变化。平时看起来分散的资产,在危机中可能一起下跌,因为投资者同时去杠杆、赎回基金、卖出流动性好的资产。历史相关性只能作为参考,不能当成永远不变的物理常数。

12. 股票和债券为什么常被放在一起

股票代表公司权益,更受盈利增长和风险偏好影响;债券代表合同现金流,更受利率、信用和通胀影响。在很多环境里,股票和高质量债券的风险来源不完全一样,所以常被一起配置。

当经济变差、央行降息时,股票可能因为盈利预期下降而承压,债券可能因为利率下行而上涨。这样债券能在某些时候缓冲股票回撤。但如果遇到高通胀和利率大幅上行,股票和债券也可能同时难受。

所以股债配置不是万能公式。它是一种常见风险平衡方法,但要结合宏观环境、利率水平、债券久期、信用质量和个人目标。买债券基金也不是无风险,前面讲过久期和信用风险会让债券净值波动。

13. 涨多了卖一点,跌多了补一点

再平衡是把组合权重调回目标比例。假设你目标是 60% 股票、40% 债券。股票大涨后变成 75%,债券变成 25%,你可以卖出一部分股票、买入债券,让组合回到 60/40。

再平衡的好处是控制风险。股票涨多后,组合风险会自动上升;不再平衡,你实际承担的股票风险越来越大。再平衡会迫使你在上涨资产上兑现一部分,在下跌资产上补一些,这有时能形成低买高卖效果。

但再平衡也有成本。频繁调仓会产生交易费用和税费,在趋势很强时过早卖出上涨资产也可能降低收益。常见做法是按时间再平衡,比如季度或年度;或者按阈值再平衡,比如偏离目标 5 个百分点再动。

14. 每类风险分到多少额度

传统配置常按金额分配,比如 60% 股票、40% 债券。但金额占比不等于风险占比。如果股票年化波动 20%,债券年化波动 5%,60/40 组合的大部分波动仍然来自股票。

风险预算关注的是每类资产或策略贡献了多少风险。一个看似均衡的组合,可能 90% 的风险都来自股票;一个看似股票占比不高的组合,如果加了杠杆,风险也可能很大。

量化组合管理会更精确地计算波动、相关性、边际风险贡献和风险暴露。新手不必一开始就做复杂优化,但要明白: 钱的比例只是表面,风险的来源才是关键。

不同人的资产配置不应该一样。一个 25 岁、有稳定收入、短期不用钱的人,可以承受更高股票波动;一个 60 岁、准备退休、主要靠资产支出的人,需要更重视现金流和回撤控制。

生命周期配置的直觉是: 人年轻时未来劳动收入像一只隐形债券,可以承担更多权益风险;年龄增长后,未来劳动收入减少,资产本身要承担生活支出,组合就应更稳。

但这不是机械按年龄套表。职业稳定性、家庭负担、房产杠杆、健康支出、风险承受能力都会改变配置。一个收入高度依赖互联网股票期权的人,再重仓科技股,其实是在把工作和投资押在同一风险上。

15. 分散化能降低非系统风险,不能消灭系统风险

单家公司造假、单个行业政策变化、单只股票流动性枯竭,这些风险可以通过分散化降低,叫非系统风险。市场整体下跌、金融危机、利率大幅上行、战争和全球流动性冲击,这些风险很难靠买更多股票消除,叫系统风险。

如果你只持有一只股票,既承担公司自身风险,也承担市场风险。持有几十只不同行业股票后,公司个别风险会下降,但市场整体下跌时,大多数股票仍然会跌。分散化不是防弹衣,它只是减少单点故障。

这也是为什么组合里会考虑债券、现金、黄金、商品、海外资产或对冲策略。不同资产对系统风险的反应不同,可以让组合在多种环境里都有生存空间。

16. 量化里的组合优化不是公式崇拜

量化组合优化会把预期收益、风险、相关性、交易成本、行业暴露、风格暴露、个股上限、换手约束放进一个问题里,求出一组目标权重。看起来很数学,但本质还是在做取舍: 想多赚一点,愿意多承担多少偏离和成本。

最经典的均值方差优化用预期收益、方差和协方差矩阵寻找有效组合。问题是,预期收益很难估准,协方差也会变。输入稍微错一点,输出权重可能差很多。实际行业里会加很多约束,让组合不要对不可靠预测过度敏感。

个人做量化时,可以先从简单规则开始: 单只股票不超过多少,行业不超过多少,现金留多少,每次调仓不超过多少换手,亏损到某个程度暂停检查。规则朴素,但比毫无限制地相信模型输出更可靠。

17. 配置不是一次性决定

资产配置会随着市场和个人状态变化。收入变了、家庭支出变了、目标变了、估值变了、利率变了,配置都可能需要调整。但调整不等于每天追热点,而是定期检查原来的假设是否还成立。

一个可执行的配置计划应写清楚: 目标收益和风险是什么,各类资产目标权重是多少,再平衡规则是什么,什么情况下允许改变长期配置,什么情况下只是短期噪音。没有规则,人很容易在上涨时变激进,在下跌时变保守。

量化研究者也一样。策略组合不是堆很多看起来赚钱的模型,而是管理不同收益来源之间的相关性、容量、回撤和失效风险。资产配置思维是以后理解多策略平台的基础。

18. 为什么赚钱这么难

学量化之前,必须先接受一个不舒服的事实: 市场里有很多聪明人、很多资金、很多机器和很多信息源。你看到的新闻,别人可能也看到了;你想到的简单规律,别人可能早就测试过。有效市场和随机游走不是为了劝你放弃研究,而是提醒你: 任何赚钱方法都要解释优势从哪里来,为什么没有被竞争者消灭。

有效市场假说的核心不是说价格永远正确,而是说市场价格会快速反映可获得的信息。如果所有人都能看到同一条消息,并且有足够资金愿意交易,这条消息的影响很可能很快进入价格。你不能指望靠公开、简单、人人都知道的信息稳定捡钱。

举个例子。一家公司发布业绩预告,利润大幅超预期。如果这个消息公开、明确、可信,股价可能很快上涨。你看到新闻后再慢慢下单,不一定还能赚到这条消息的主要收益,因为价格已经被先反应的人推上去了。

有效市场不是信仰,而是一种竞争视角。市场越开放、流动性越好、参与者越专业、交易成本越低,公开信息被反映进价格的速度通常越快。越不透明、越受限制、越小众的市场,信息摩擦和错误定价可能更多,但交易成本和风险也更大。

这里有个绕不开的争论。如果市场真的很难战胜,那沃伦·巴菲特怎么解释?他掌管的伯克希尔,几十年年化回报约 20%,长期远远跑赢大盘,把最初的每一块钱变成了几万块。有效市场的支持者会说:几万个投资人里,总会有几个纯靠运气连赢几十年,就像几万人不断抛硬币,总有人能连出很多次正面。巴菲特本人却不这么看,他反驳说,如果这些赢家大多来自同一个村子(他指的是师承价值投资的一批人),那就不太可能只是运气。

这场争论至今没有标准答案,但它给你两个都要记住的教训:第一,战胜市场极其困难,绝大多数人做不到,所以别轻易觉得自己是例外;第二,极少数人可能真有可持续的优势,但那需要罕见的方法、纪律和耐心。量化想做的,正是用数据和纪律去争取那一点点别人没有的、可重复的优势——同时清醒地知道,自己更可能是那个抛硬币的普通人。

19. 弱式、半强式和强式

有效市场常分三层。弱式有效说历史价格和成交量里的信息已经反映在价格里,所以简单看过去走势很难稳定赚钱。半强式有效说公开信息也已经反映在价格里,例如财报、公告、新闻和公开研究。强式有效说连内部信息都反映了,现实中这个要求过强。

这三层不是考试名词,而是帮你判断策略难度。只用历史 K 线做一个很简单的规则,是在挑战弱式有效;用公开财报数据做选股,是在挑战半强式有效;如果依靠未公开内幕信息,那不仅不是普通投资能力,还可能违法。

量化研究大多在弱式和半强式之间工作: 使用价格、成交量、财务、公告、分析师、另类数据等公开或合规数据,寻找还没有完全被市场消化的信息。但越多人使用同类数据和模型,机会越容易被挤压。

20. 随机游走不是说价格没有原因

随机游走常被误解成“价格乱走,没有原因”。更准确地说,如果新信息本身难以预测,价格对新信息的反应也会显得难以预测。今天的价格已经包含市场当前知道的东西,明天价格变化主要来自明天新出现的信息和情绪。

假设所有人都知道一家公司明年利润会增长 20%,这个预期今天就会进入价格。明天股价继续上涨,通常不是因为这条已知信息本身,而是因为出现了比 20% 更好的新预期,或者市场愿意给更高估值。

所以随机游走提醒我们: 预测价格变化比解释已经发生的价格变化难得多。事后讲故事很容易,事前下注很难。量化研究必须用严格样本外测试区分“事后解释”与“事前可用信号”。

21. 市场不完美,但不完美不等于好赚钱

市场当然会犯错。泡沫、恐慌、流动性冲击、机构约束、投资者情绪、监管变化,都会让价格偏离长期价值。但从“市场会错”到“我能赚钱”,中间差了很远。你要知道错在哪里,多久修正,用什么工具表达观点,期间能不能承受回撤。

比如你认为一只股票被低估,但市场可能两年后才认可。两年里它可能继续跌,公司基本面可能变坏,你的资金可能等不了。低估不是收益到账,只是一个可能的机会。机会能不能变成收益,取决于时间、风险和执行。

这也是很多价值投资和量化因子都会遇到的问题: 长期有效不代表每个月有效。一个策略如果连续一年跑输,你怎么判断是暂时失效、永久失效,还是自己原来就过拟合? 这比写一个回测难得多。

22. 人不是理性机器

行为金融研究投资者常见偏差。过度自信让人高估自己的判断;损失厌恶让人不愿止损;锚定效应让人盯着买入价;羊群效应让人追热门;近因效应让人把最近发生的事看得过重。

这些偏差能解释很多市场现象。上涨后资金追入,下跌后恐慌卖出;好公司跌了没人敢买,热门概念涨了大家抢;亏损股票不愿卖,盈利股票太早卖。这些都不是金融公式,而是人性在账户里的表现。

但行为偏差也不是免费提款机。大家都知道散户爱追涨杀跌,并不代表你随便反着做就能赚钱。反向策略可能长期有效,也可能被趋势行情打穿。每一个行为解释都必须落到数据、成本和风险上。

23. 异常收益为什么会消失

市场上经常有人发现某个规律: 低估值股票长期更好,小市值股票有溢价,公告后价格会延续,过去上涨的股票继续上涨。这些规律被称为异象或因子。问题是,一旦规律被大量资金发现并交易,它的收益可能下降。

原因很直接。假设大家发现某类股票便宜且未来容易上涨,资金会提前买入,把价格推高。价格被推高后,未来收益空间变小。竞争越充分,简单机会越难保留。

有些收益不会完全消失,因为它们背后有风险补偿、行为偏差或制度约束。例如小盘股可能长期有更高风险,价值股可能长期承受基本面压力,动量策略可能在反转时大亏。能长期存在的收益,通常要么不好拿,要么很难坚持,要么容量有限。

24. 信息优势、分析优势和执行优势

量化赚钱大致可以来自三类优势。第一是信息优势,你比别人更早、更准、更完整地获得数据。第二是分析优势,同样数据你能更好地提取信号。第三是执行优势,同样信号你能以更低成本、更低冲击、更稳定风控完成交易。

个人投资者很难和机构比信息速度和交易基础设施,但可以在范围选择上避开最拥挤的战场。比如不从高频盘口开始,而是先做日频数据清洗、指数配置、简单因子、基金分析和风险控制。

机构量化也不是只靠模型。数据采购、清洗、特征工程、组合优化、交易执行、监控、合规、硬件和团队流程,都是优势的一部分。一个模型分数高,如果成交成本太高或上线不稳定,仍然赚不到钱。

25. 套利和无风险套利不是一回事

套利这个词经常被滥用。严格的无风险套利是同一现金流在不同市场价格不一致,可以锁定收益且没有风险。现实中的很多“套利”其实是相对价值交易,有基差风险、流动性风险、模型风险和执行风险。

比如 ETF 折溢价套利看起来清楚: 价格高于净值就卖 ETF、买底层资产。但真实执行里有申赎门槛、成分股停牌、涨跌停、交易成本、价格波动和时间差。价差看起来存在,不代表个人可以无风险拿走。

量化里要少说“无风险”,多问风险藏在哪里。很多灾难都来自把小概率风险当成不存在,用高杠杆反复赚小钱,直到一次极端行情把多年收益抹掉。

26. 市场有效性怎样指导个人学习

对个人来说,有效市场最有价值的提醒是保持谦逊。你看到一个简单规律,先假设别人也看过。你觉得一个策略好,先问为什么它没有被套利掉。你觉得自己比市场聪明,先拿基准和样本外数据检验。

这不是让你放弃,而是让你把精力放在更可能有价值的地方。第一,学会低成本指数化投资,拿到不依赖预测的市场 Beta。第二,用小资金或模拟盘做量化研究,训练数据和风险意识。第三,逐步寻找自己真正理解且能执行的优势。

很多人亏钱不是因为市场太有效,而是因为没有基本纪律: 追涨杀跌、重仓单票、听消息、借钱交易、不记录决策、不复盘。把这些错误减少,往往比寻找神奇模型更有意义。

27. 怀疑,验证,再怀疑

量化不是相信市场有效,也不是相信市场无效。量化的态度是: 提出一个可检验的假设,用历史数据验证,防止未来函数和过拟合,再用样本外、模拟盘和小规模实盘继续验证。

一个合格研究问题应该能回答: 信号为什么可能存在? 使用的数据当时是否可见? 扣成本后还有没有收益? 它在哪些市场环境里失效? 容量多大? 如果很多人使用,收益会不会下降?

这章的结论很朴素: 市场不完美,但很难打败。正因为难,量化才需要统计、工程、金融直觉和风险管理一起上。只靠一个指标、一个故事或一个神秘模型,都不够。

小结

这一章的正文不是让你记住几个孤立名词,而是要把它们放回同一条因果链里。读完后,先用自己的话复述下面几条判断,再顺着“小节回看”检查是否能解释每一步。

• 收益率是复利链条,不能把涨跌简单相加。
• 年化、波动、最大回撤、夏普、胜率和盈亏比分别回答不同问题,不能互相替代。
• 资产配置先决定风险大方向,选股和择时是在这个框架里的局部决策。
• 分散化利用低相关风险来源降低组合波动,但不能消灭系统性风险。
• 有效市场不是说价格永远正确,而是说公开信息很难被低成本反复利用。

小节回看

• 1. 最小的积木
• 2. 把不同时间长度拉到同一把尺子
• 3. 这条路颠不颠
• 4. 从高点跌到低点有多痛
• 5. 经常赢不等于长期赚
• 6. 先扣掉市场给你的那部分
• 7. 杠杆会同时放大收益和风险
• 8. 一张收益报告应该怎么读
• 9. 不要把所有判断押在一个地方
• 10. 分散化不是买很多名字
• 11. 两条曲线是不是一起动
• 12. 股票和债券为什么常被放在一起
• 13. 涨多了卖一点,跌多了补一点
• 14. 每类风险分到多少额度
• 15. 分散化能降低非系统风险,不能消灭系统风险
• 16. 量化里的组合优化不是公式崇拜
• 17. 配置不是一次性决定
• 18. 为什么赚钱这么难
• 19. 弱式、半强式和强式
• 20. 随机游走不是说价格没有原因
• 21. 市场不完美,但不完美不等于好赚钱
• 22. 人不是理性机器
• 23. 异常收益为什么会消失
• 24. 信息优势、分析优势和执行优势
• 25. 套利和无风险套利不是一回事
• 26. 市场有效性怎样指导个人学习
• 27. 怀疑,验证,再怀疑

自测

100 元先涨 10% 再跌 10%,最后是多少钱?

先变成 110 元,再跌到 99 元,累计收益是 -1%。

最大回撤为什么比单日波动更贴近投资体验?

它衡量从历史高点跌到后续低点的最大损失,对应投资者最难受的持有阶段。

买很多股票为什么不一定真正分散?

如果这些股票暴露在同一行业、同一风格或同一宏观风险上,它们可能一起下跌。

再平衡解决什么问题?

它把组合权重拉回目标比例,防止涨多的资产自动占用过高风险。

有效市场假说为什么不等于市场永远正确?

它强调信息会快速进入价格,但价格仍可能因情绪、限制和新信息变化而偏离价值。

随机游走想提醒投资者什么?

如果当前信息已进价格,未来价格变化主要来自难预测的新信息,所以预测比解释难。