为什么要控制单票占比

账户 20 万，其中 10 万在一只股票上，占比 50%。这只跌 20%，账户少 2 万，组合整体回撤约 10%。同期另一只占比 10% 的标的也跌 20%，对组合的影响约 2%。同样的跌幅，两种体感。

另一种情形比较常见。账户里有 5 只股票，第一只就占了 60%，剩下 4 只分掉 40%。于是账户每天的涨跌，基本由那一只决定，另外 4 只的波动被盖住了。

复盘时容易觉得「我明明买了好几只」，但净值曲线的形状，和那一只几乎重合。

集中度的数学很直接：单票占比 × 该标的跌幅 = 对组合的贡献。以该标的下跌 30% 为例（示例数字，非预测）：占比 10% 时，影响组合约 3%；占比 30% 时，约 9%；占比 50% 时，约 15%。

同一个 30% 的下跌，三种情形下对账户的影响相差约 5 倍。

另一个可以算出来的量是波动。组合的波动幅度会随着持仓只数增加而下降，但下降的劲头会越来越小：从 1 只加到 5 只，降得最多；继续加，降幅一点点收窄。

有人做过统计，持仓只数加到某一水平之后，曲线就接近躺平了——组合的波动趋近于市场整体的波动，不再由某一只股票主导。这条曲线在不同市场、不同时期长得不一样。

也就是说：单票占 50% 的组合，净值走势和那一只高度接近；持仓只数与权重都分散开之后，组合波动更接近指数。两者的差别不只是波动大小，收益的来源也一起变了。

行为金融里有一条被反复观察到的倾向：过度自信。多数人对自己的研究结论，会给出高于实际的把握。

集中持仓常常就是这种「我知道得比别人多」的感觉的产物——某只股票在账户里的权重越高，这个感觉的分量就越大。

第二条是熟悉度偏差：人们倾向于给自己熟悉的名字更高权重——本地公司、自己所在行业的公司、朋友提过的公司。熟悉感容易被当成信息优势，但它和后面的涨跌之间没有稳定的关系。

第三条是确认偏误：买入之后，人会不自觉地只找支持自己的信息，忽略反面证据。持仓占比越高，这种搜索的动机越强，因为承认判断有误的成本变大了。权重越高，判断反而越难被修正。

三条叠加，就成了「越看好越买、越买越只看到好」的循环。

高集中度：判断正确时收益被放大——占比 50% 的标的涨 30%，组合受益约 15%。代价是单次误判的影响同样被放大，净值主要由一只标的决定，持有过程的注意力也压在单一变量上。

它对应的情形是：对少数几只标的研究得足够深，并且能承受净值的大幅起落。

中等集中度：权重分散在若干只标的上，单只对净值的决定作用被削弱，单次判断错误对组合的影响随之变小。代价是判断正确时收益被摊薄，需要跟踪的标的变多，研究与复盘的时间成本上升。

它对应的情形是：标的数量与自己的跟踪能力匹配，对每一只都能说清买它的理由。

低集中度：持仓只数继续增加，单只权重很小，组合波动趋近于市场整体波动。代价是收益趋近于指数，选股带来的那点差异被稀释，跟踪成本继续上升，多数标的只停留在「知道代码」。

至于「到底该拿多少只」，已有研究的结论不一样：有人认为约 10 只就能分散掉大部分个股风险；有人按「多买一只带来的改善，已经抵不过多花的那一份成本和精力」重算，给出的数字是 30—40 只；后面的研究认为还要更多。

这些是研究的结论，不是可以直接照搬到自己账户上的数字。不同市场、不同时期算出来的结果本来就不一样。

三种集中度对应三种取舍，没有一种在所有情形下都成立。能说清的一点是：单票占比是一个能被记下来、能用数字表示的量；写下来之后，它就从感觉变成了可以对照的线。