标签： #组合构建

「买前 50 大市值不就等于买指数了吗？」——Top-50 覆盖 56.7% 指数权重，听起来够了，实测年化跟踪误差 10.93%。300 只成分股、5 年日频因子结构模拟给出的分解：朴素 Top-K 的误差大头不是漏掉的小票的特质波动，是行业暴露的系统性歪斜——最大行业权重偏差 10.94 个百分点，等于每天拿着一个未对冲的行业赌注。行业分层抽样只做一件事：层内配额 ∝ 层权重、层权重钉死等于指数，同样 50 只票 TE 从 10.93% 降到 7.10%；再叠加市值维度做二维分层，降到 4.66%——一只票都没多买，误差砍掉 57%。蒙特卡洛 50 次重抽特质噪音：朴素 10.94%±0.10% vs 分层 7.13%±0.05%，优势是结构性的不是运气。含成本净口径下的完整权衡也摊开了：二维分层 5 年换手 2.83 倍（朴素的 2.7 倍），年化净落后从朴素的 -507bp 收窄到 -152bp——分层多付的成本远小于它省下的误差。三盆冷水：模拟的因子结构是已知的而真实世界要先估协方差、成分股调整的换手冲击未建模、K<30 时二维分层的格子会比票还多（中阶）

「信号该持有多久」不是拍脑袋的参数，而是由 alpha 半衰期和交易成本共同决定的最优化问题。用 200 只股票、2000 天、真实半衰期 8 天的受控模拟实测：IC 从 1 天滞后的 1.65% 指数衰减，日频调仓年化单边换手 145.7 倍——零成本下 Sharpe 3.05，单边 60bp 直接砍到 -5.52。最优持有期随成本单调右移：10bp 时 3 天、30bp 时 10 天、60bp 时 40 天。更重要的发现有两个：一是降换手的两条路不等价，EMA 平滑信号在每个成本水平都优于机械拉长持有期（30bp 下 1.28 vs 0.94），因为平滑保留了「每天用最新信息、只是慢慢挪仓」的自由度；二是半衰期本身很难估准——单样本点估计 11.9 天 vs 真值 8 天，20 个种子的估计散布 5.4~16.7 天，而只对正 IC 点取对数回归会把估计推到 16.2 天，这是一个不报错的选择偏差。诚实边界：模拟中信号衰减是干净的指数，真实 alpha 衰减常是快慢两段混合；成本模型只有比例费率，没有市场冲击（中阶）。

「我持有 6 类资产，够分散了吧」——这是资产配置里最贵的一句错话。25 年月频实测：一个名义上持有 6 类资产、单资产最大权重仅 35% 的组合，权重 HHI 只有 0.235 看着很分散，但因子方差分解摊开来，51.8% 的波动全部来自同一个增长因子、通胀因子只占 3.5%——它不是分散组合，是加了债券装饰的股票。真正的诊断工具是把每个资产回归到「增长意外/通胀意外」两轴：股票 (+2.96, -1.29)、黄金 (+0.04, +2.39)、大宗商品 (+2.02, +2.99)、国债 (-0.70, -1.52)，这张地图立刻告诉你谁和谁其实是同一笔押注。四象限矩阵给出残酷事实：没有任何资产在四个象限都活着——股票在滞胀 -35.9%、大宗商品在通缩衰退 -37.7%、黄金在金发姑娘 -19.9%。按因子暴露而非资产名称配权后，通胀敞口从 -0.0138 压到 +0.0003、最差象限从 -24.5% 收敛到 -3.6%、四象限极差从 61.0pp 砍到 15.6pp、Sharpe 从 0.64 升到 1.00，样本外 (后 15 年持有前 10 年估的权重) Sharpe 0.82 vs 60/40 的 0.41。三盆冷水：beta 在漂（黄金增长 beta 信噪比仅 0.51）、因子平衡砍右尾也砍左尾、两因子解释力有天花板（R² 最高 0.66）（中阶）

去噪（denoise）治采样噪声，去调（detone）治市场模式——后者是聚类场景里真正的杀手。N=40 四板块模拟（λ1 占迹 56%）实测：市场模式让所有股票对的相关都抬到 0.5 上下，簇内-簇间相关间距只剩 0.048，single/average linkage 聚类 ARI 直接归零（链式合并全灭）；去调把第一特征成分整个剥掉后间距不变但均值归零，single linkage ARI 从 0.002 复活到 1.000。最反直觉的实测坑：板块特征值（约 2.0）恰好骑在 MP 上界 1.96 附近，标准 MP 去噪把板块信号当噪声压平，去噪+去调后 ARI 反而从 0.99 跌到 0.31——教科书流程『先去噪再去调』在信号贴边时是自毁操作。弱板块对照（尖峰数 1.0）更极端：去噪+去调 ARI −0.03 vs 只去调 0.89。诚实边界：去调后矩阵奇异（少一个秩）不能直接进优化器求逆，只服务聚类/距离场景；市场模式个数 k 的选择在多因子市场里不显然；Tracy-Widom 涨落让贴边特征值成灰色地带。

Fan-Liao-Mincheva（2013）的 POET 把高维协方差拆成『低秩因子部分 + 稀疏残差部分』：PCA 提前 K 个主成分吃掉公共风险，残差协方差做自适应软阈值恢复块结构。N=100/T=252（c=0.4）实测最反直觉的结论：协方差本身的 Frobenius 误差各方法几乎分不出胜负（样本 0.45 vs POET 0.47），POET 的主战场在逆矩阵——精度矩阵谱范数误差样本协方差 197 vs POET 22，差 9 倍，T=126 时更是 2144 vs 24 的灾难现场；GMV 组合真实波动率 25.2% vs 13.8%。残差软阈值把非零占比从 91% 压回 13%（真实 9%），行业块结构肉眼可见地恢复。两个工程陷阱：特征值比值法选 K 会被市场因子霸屏（K̂=1），需排除首峰看次峰；纯因子模型（残差取对角）短窗口和 POET 打平但长窗口被反超——它到 T=1008 还带着 0.39 的结构偏差不收敛。诚实边界：残差稀疏性是假设不是事实；阈值常数需交叉验证；K 选错在 Frobenius 口径几乎无感但精度矩阵口径放大。

皮尔逊相关的每一项都是幅度乘积，一个 −8σ 崩盘日就能把全矩阵平均抬高 +0.122；Gerber 统计量只问『两资产是否同时越过 ±0.5σ 阈值』，数崩盘日只算 1 票——同一污染实验漂移仅 −0.007，稳健性差 17 倍。N=20 四板块 t(4) 肥尾模拟实测：GMV 组合真实波动率 Gerber(2022 定义) T=63 时 16.21% vs 样本 18.28%，与 LW 收缩打平；但最重要的发现是分母陷阱——原始定义 g=(nc−nd)/(nc+nd) 把 60% 的『安静样本』全扔掉导致相关系统性高估、矩阵非 PSD，GMV 波动率爆炸到 213%，Gerber-Markowitz-Sargen 2022 版分母改成 T−双双静止数后才能用。阈值 c 的权衡：干净数据 c 越小越好（退化成符号相关也无妨），叠加微观结构噪声后小 c 被重创 +79%、大 c 只 +10%。诚实边界：扔掉幅度信息在正态世界是纯损失；PSD 需事后投影修复；c 是新的自由参数且无解析选法。

动量因子不是一次性开关，而是一块每天都在融化的冰。本文用边际 IC 画出信号从 0.012 逐日腐烂到零的衰减曲线，再把它翻译成最扎心的实盘问题：调仓越勤越能吃到峰值 alpha，却被换手成本反噬——模拟里毛夏普在 2 天持有期最高，净夏普却在 10 天持有期见顶(3.0)，短线高频反成净值杀手。

Smart Beta 站在被动指数与主动选股之间：用透明、规则化的方式把久经考验的因子溢价（价值、动量、低波、质量）装进组合。本文拆解因子动物园的来源、最小方差等组合构建方法、因子相关性与分散化前提，并复盘因子拥挤、换手成本等真实陷阱，附完整 Python 构建与回测代码。