标签： #组合管理

TLH 被当成「白捡的税后 alpha」，但 20 年 × 600 路径 × 40 标的的受控模拟给出一个不舒服的账本：同一次运行，行业常用的未清算口径报 15.77 bp/年，诚实的清算口径只有 10.89 bp——虚高 1.45 倍，因为省下的税以成本基准下降记在账上，清算日一次性讨回。两条安慰剂锁死机制：零波动世界收割次数精确为 0、增益精确 0.0000 bp；零税率世界转负 −1.64 bp。最反直觉的是 μ 从 0% 升到 13%，增益从 89.16 塌到 1.48 bp（60 倍）——牛市里无亏可收，而 σ 从 8% 到 40% 增益从 0.85 涨到 43.16 bp：它是波动率的函数，不是收益率的函数。燃料会耗尽：前 3 年吃掉 63.3% 的实现亏损，3 年期 57.38 bp 到 30 年期只剩 7.68 bp。税率档差是永久豁免的唯一来源：35%/20% 给 11.43 bp，20%/20% 只剩 3.27 bp、15%/20% 塌到 0.72 bp。12 宇宙 CV=0.131（高阶）

「把组合波动锁死在 10%」听起来是纯风控改进，25 年 4 资产受控模拟（无条件波动与相关结构由构造给定）却给出不舒服的账本：波动命中率从 71.9% 提到 98.6%，Sharpe 却从 0.883 掉到 0.775——而这 −0.108 里只有 −0.006 是策略本身的，其余全是换手买单。决定性对照是常数杠杆：把 ERC 一次性放大到同样 10.7% 波动，Sharpe 精确等于 0.883410（杠杆不改变 Sharpe，引擎自洽性验证），零成本下 0.8828 vs 0.8884、真实增量仅 −0.0056。收获不在 Sharpe 而在回撤：−17.72% vs −20.01%，改善 2.28pp。两条安慰剂锁死机制：时间置换 −0.1276、同方差世界 −0.0964，与真实世界 −0.1088 几乎无差——收益根本不来自波动可预测性（预测 R² 仅 0.1785）。最实用的修复是无交易带：偏离不足 15% 就不动，换手降 66%、Sharpe 回到 0.8654、命中率仍有 97.0%

教科书说再平衡能白赚「分散化收益」，公式 0.5(w'σ² − w'Σw) 在 4 资产 30% 波动零相关下算出 3.38pp/年。但这个数字对标的根本不是买入持有——受控模拟 400 条路径显示，对标成分股几何均值确实拿到 3.37pp（与理论完美吻合），对标买入持有却只剩 0.86pp，中位数 1.32pp，标准差 1.95pp，5% 分位 −3.19pp，四分之一路径为负。三个杀手逐一量化：资产预期收益差异 ±4% 时溢价归零、±15% 时 −8.20pp 且 120 条路径无一为正；相关系数 0.9 时只剩 0.02pp；每日再平衡在 25bp 成本下转负 −0.19pp，而每年再平衡还有 0.78pp——频率越高越怕成本。最实用的结论来自阈值检验：±10% 阈值一年只调 0.9 次却拿到 0.87pp，高于月度日历的 0.76pp，也高于 ±1% 阈值的 0.50pp（一年调 61 次）。再平衡溢价不是免费午餐，是一份做空动量的头寸（中阶）

组合是集合不是序列，但 DeepSets 的「逐资产编码+对称池化」有个盲区：池化前每个资产互相看不见，成对交互（拥挤度、相似持仓共振）只能靠编码器隐式凑。Set Transformer（ICML 2019）把交互焊进结构：SAB 让集合内元素两两做注意力，PMA 用可学习种子向量做注意力池化，ISAB 用 m 个诱导点把 O(K²) 注意力砍成 O(K·m)。纯 numpy 从零实现 SAB+PMA（手写 einsum 反向传播，梯度校验 1e-9 级），在组合拥挤度聚合任务上实测：SetTransformer R²=0.843 > DeepSets-mean 0.831 ≈ 统计聚合+Ridge 0.830——成对交互任务上有真实但温和的优势；注意力矩阵与真实相似度结构吻合，置换偏移 1.4e-15；ISAB 实测 K=2048 时提速 55 倍。但诚实翻车：n=300 小样本下 SetTransformer 过拟合（train 0.92 / test 0.53），被 DeepSets（0.80）反杀——注意力参数多，先吃数据。拆穿注意力必胜/池化都一样/诱导点无损/交互自动学会/直接上实盘五类陷阱（中阶）。

再平衡是组合管理的双刃剑：它控制风险，却也在税与交易摩擦里悄悄流血。本文用 lot 记账 + 税务感知模拟，量化月度朴素再平衡相对无摩擦上界被偷走的 1.23% 年化收益，并给出阈值带与税务感知两套可落地的止血方案。