1. 课程导入与问题界定

在组合管理中，一个常见误区是：把资金分散到十几个不同行业的股票上，就认为已经实现了"分散化"。但真实情况往往相反——当市场进入系统性下跌阶段，银行、地产、建材、家电会同步走弱；当流动性宽松、风险偏好抬升时，科技、传媒、新能源又会一起上涨。行业数量增加了，风险却没有被有效稀释，因为行业之间并非彼此独立，而是通过产业链、资金流、政策周期和共同风险因子紧密耦合。本课程要研究的核心问题正是：如何度量行业之间的相关性，并在此基础上把资金分散做成一件"有依据、可检验、可执行"的事，而不是凭感觉摊大饼。

一、核心问题的三层拆解

把"行业间相关性与资金分散"落到可操作层面，可以拆成三个递进的问题。

第一层是度量问题：行业之间到底有多相关？相关性不是一句定性判断，而是一个可计算的数值。常用做法是取两个行业指数的日收益率序列，计算皮尔逊相关系数：

r_i,t = ln(P_i,t / P_i,t-1)          # 行业i第t日对数收益率
ρ(i,j) = cov(r_i, r_j) / (σ_i · σ_j)  # 行业i与j的相关系数，取值[-1, 1]

例如取某两个行业近 250 个交易日的日收益率，若算得 ρ = 0.78，说明二者高度同向；若 ρ = 0.15，则分散效果较好。这里必须强调一个参照约定：相关系数越接近 +1 表示同涨同跌越强，越接近 0 表示线性关联越弱，负值表示反向，全文与图示均按此约定理解。同时要意识到，相关性是时变的——平静期算出的低相关，在危机期可能迅速抬升，"分散失效"往往就发生在最需要分散的时刻。

第二层是结构问题：相关性从哪来？两个行业相关，可能因为同处一条产业链（如锂矿—电池—整车），可能因为共享同一驱动因子（如利率敏感型的银行与地产），也可能只是被同一波市场情绪裹挟。只看相关系数矩阵，无法区分"真因果"与"伪相关"。因此需要把行业放进一张关系网络里，识别哪些是产业链传导、哪些是共同因子暴露、哪些是资金轮动造成的短期联动。

第三层是决策问题：给定相关性结构，资金该怎么分？这才是研究的落点。若两个行业相关性高，同时重仓等于变相加杠杆；若相关性低甚至为负，适度搭配才能降低组合波动。资金分散的目标不是"行业数量多"，而是在可接受的风险预算下，让组合的整体波动和回撤可控。

二、学习目标与整体框架

围绕上述三层问题，本课程设定四个学习目标。第一，会算：能独立构造行业收益率序列、计算相关矩阵，并理解滚动窗口、样本区间对结果的影响。第二，会看：能从相关矩阵和行业关系网络中读出结构，判断哪些联动是产业链传导、哪些是共同因子驱动。第三，会分：能依据相关性结构设计资金分配方案，把"高相关不叠加、低相关可搭配"转化为具体的权重约束。第四，会验：能用组合波动率、最大回撤、分散化比率等指标检验分散是否真的生效，而不是只看行业个数。

课程整体框架按"认知—度量—结构—决策—验证"推进：先建立对相关性与分散的正确认知，再掌握度量工具，进而分析相关性的来源结构，然后落到资金分配方法，最后用回测与风险指标闭环验证。每一章都会围绕真实行业对象展开，避免停留在公式层面。

三、实战任务全景

本课程的实战任务是一条贯穿始终的主线：给定一组行业指数，完成从相关性度量到资金分散方案设计再到效果验证的完整流程。具体包括：选取 8～10 个代表性行业（如银行、地产、食品饮料、医药、电子、新能源、煤炭、传媒等），取近 3 年日收益率数据；计算全样本与滚动窗口相关矩阵；识别高相关行业簇；在风险预算约束下给出两套资金分配方案并对比其组合波动与回撤。任务不追求复杂模型，而追求每一步都有明确输入、可复现的计算过程和可判断的结果。