把 AI 风险分散到 AI 之外

2026-09-18·理念与方法论·约 5 分钟

一、一句没人反对的话，落到执行就断了

J.P. Morgan Asset Management 在前几天的一篇配置札记里给了一个判断：这一轮 AI 资本开支的规模与推进速度都超过以往任何一次科技投入周期，超额机会、极端估值、剧烈波动和大范围颠覆会同时出现；而历史上科技潮的早期领先者常被颠覆，最终的结局分岔极大，有的行业长期混战整合，有的迅速收敛到一家独大。由此它给出两条并列的动作：在 AI 内部做分散，以及在 AI 之外做分散。

这句话不好反驳。但它到不了执行层。AI 内部具体指什么，算力、模型、应用，还是往下再拆到电力、光模块、数据中心融资？AI 之外又指什么，债券、黄金、商品？如果答案是「把更多名字写进配置表」，那它默认了一件事：名字多就等于分散。这件事恰恰是最该被检验的。

二、名义八个资产，有效资产数 2.79

我在组合侧做过多轮实测。数据是全市场 ETF 日行情，从两千多只里按上市年限和成交额筛出可投池，再按名称去重，最后落在几百只标的、六百多个交易日上。做法本身没有新意，有价值的是把「分散」折算成一个数之后看到的形状。

一个典型的「多资产」组合，名义上装着八个资产：沪深300、中证500、创业板指，加上海外权益、商品、债券。把它们的两两相关性算出来，宽基之间的读数落在 0.90 到 0.91。按有效资产数的口径折算，这个名义八资产的组合，实际的独立风险源只有 2.79 个（口径：2018 年 1 月至 2026 年 9 月，2092 个交易日）。

这个数字比任何定性描述都有用。它说的是：配置表上写了八个格子，市场给你的独立赌注不到三个。

三、加资产不等于降波

顺着这个口径往下追，会碰到一件反直觉的事。

沪深300 单独一只，年化波动 18.66%。按「多买几只宽基更分散」的直觉，加上中证500 和创业板50 变成三只等权，波动应该更低。实测结果相反，升到 26.09%，比单只高了七个多百分点。

这不是数据出错。沪深300 里银行、非银、白酒占比高，本身就是低波资产；把它拆成三只等权，等于主动把仓位挪向波动更高的那一端。把权益腿从那三只宽基换成十二个细分行业等权，波动只从 26.09% 降到 23.55%；一直扩到全部 A 股行业与主题共 253 只等权，波动 20.99%，有效资产数从 1.10 升到 1.79（口径：2023 年 10 月 31 日至 2026 年 9 月 4 日，已跳过 60 个交易日的波动率暖机期）。

两百多只标的，换来的独立风险源不到 1.8 个。拆细确实压低了相关性，但压低的是相关性，不是波动。

四、上界公式：权重乘类内波动跨度

到这里需要一个能算的判据，否则每次都要把回测重跑一遍。把组合骨架固定成权益三成、商品一成、债券六成，每次只换其中一条腿，就会得到一个很干净的量：

空间上界等于该腿的组合权重乘以该腿内部的波动率跨度。

三个大类的读数如下。

（表为只换单腿的组合级极差；口径：2023 年 10 月 31 日至 2026 年 9 月 4 日。）

一句话解释这张表：债券的权重最大但跨度最小，商品的跨度大但权重最小，只有权益是两项都不弱的。所以「优化空间」在配置层面几乎等价于「权益内部的重新分配」。

五、上界用不满的那一类，换的是久期

上界是天花板，实测极差是真正拿到了多少。这两列放在一起看，才是这条判据最有用之处。

债券的上界是 3.91 个百分点，实测极差只有 0.78 个百分点，用掉五分之一。原因是类内平均相关 0.61：换一只债基，改变的是久期暴露，不是风险来源。久期是同一个东西的不同刻度，在刻度上来回换，组合面对的风险因子没有变。

权益的类内相关同为 0.56，但九个方向之间由产业周期、政策、利率敏感度、外需这些彼此独立的因素驱动，换构成能真正换掉风险源。商品的问题在覆盖太窄：国内商品 ETF 只有贵金属、能源化工、工业品三个方向，贵金属 11 只的波动率区间只有 21.51% 到 22.01%，28 只商品 ETF 覆盖的独立风险源不超过三个。

六、把这条公式套回 AI

回到开头那两条动作。它们其实是同一个上界问题。

AI 内部的分散能起多大作用，取决于三件事算出来各是多少：AI 相关暴露在组合里占多大权重；算力、模型、应用、电力、数据中心融资这些子方向各自的波动率跨度有多大；以及它们之间的平均相关是 0.56 还是 0.90。

如果这几个子方向的相关性像宽基一样落在 0.9 附近，那配十个名字还是二十个名字，有效风险源都只有一个，AI 内部的分散就停在名义上。反过来，如果它们确实由独立因素驱动，那杠杆是实在的，而且会比权益那一栏更大，因为 AI 相关暴露在一个真实组合里的权重往往远不止三成。

AI 之外的分散同理，判据是相关性够不够低，不是资产类别够不够多。实测里标普500 与沪深300 的相关是 0.16，原油与沪深300 是 −0.23，这两个读数才是它们值钱的地方；原油的波动率是 54%，所以配比必须压到很小。把「AI 之外」理解成「多买几个低相关的资产类别」，方向是对的，执行上仍然要过同一道计算。

七、落到可操作的三步

第一步是把暴露算清楚。列一份真金白银的暴露表：AI 相关的权益、AI 相关的信用、给 AI 基建放款的敞口，各自占多少，先算权重再谈分散。这一步做完，通常会发现「AI 之外」没有你以为的那么多，因为不少看着无关的资产，收入端连着同一条资本开支。

第二步是给每个子方向算两两相关，算完再决定要不要加名字。这一步的产出是一个有效资产数，配置表的长度在这里帮不上忙。加名字之前先问一句：加上它，有效资产数从多少变到多少。如果不动，这个名字只增加了后续的解释成本。

第三步是把「权重乘类内波动跨度」当筛选器用。它告诉你哪条腿值得花时间：同样是一周的研究工时，投在类内跨度大、权重也高的那条腿上，回报可以是投在另一条腿上的五倍。

文中观点仅为个人实践观察，不构成任何投资建议。