3. 持仓集中度的量化刻画

判断一个组合是否“过度集中”，仅凭“前十大重仓占比高”这类模糊印象远远不够。我们需要可计算、可比较、可追踪的指标，把“集中”这一主观感受转化为具体数值。本节围绕三个层层递进的工具展开：持仓占比、赫芬达尔指数（HHI）与有效持仓数量，并进一步把“单一主题暴露度”从个股维度扩展到主题维度，最后用一个真实结构的组合完成一次完整测算。

一、持仓占比：最直观的起点

持仓占比是最基础的集中度度量，即某一持仓市值占组合总市值的比例：

w_i = 持仓 i 的市值 / 组合总市值
前 N 大持仓占比 = Σ(i=1..N) w_i

它直观、易得，但存在明显局限：只看前几大持仓，会忽略“剩余部分是否也很集中”。例如两个组合前三大占比都是 45%，但一个剩余 55% 分散在 50 只股票上，另一个剩余 55% 只由 5 只股票构成，两者的真实集中风险截然不同。因此占比需要与整体分布指标配合使用。

二、赫芬达尔指数：把整个分布纳入计算

赫芬达尔指数（HHI）将所有权重平方后求和，权重越集中，平方项放大越明显：

HHI = Σ w_i²   （w_i 为小数权重，Σw_i = 1）

HHI 的取值范围是 1/n 到 1。全部资金押注单一标的时 HHI=1；n 只标的等权时 HHI=1/n。它同时反映持仓数量与权重分布的不均衡程度，是衡量集中度最常用的单一数字。实务中常把 HHI 乘以 10000 用整数表示，便于比较。

三、有效持仓数量：把 HHI 翻译成“等效几只股票”

HHI 的倒数即有效持仓数量（Effective Number of Holdings，ENH）：

ENH = 1 / HHI

它的含义是：当前这个权重分布，在集中度上等价于多少只等权持仓。若组合持有 40 只股票但 ENH 只有 8，说明资金实际高度集中在少数标的上，“名义分散、实质集中”。ENH 是向非专业读者解释集中度时最有效的语言。

四、单一主题暴露度：从个股集中到主题集中

现代组合的风险往往不来自单只股票，而来自同一驱动因素下的一篮子标的。例如同时持有光伏组件、逆变器、储能电池三家龙头，个股占比都不高，但一旦行业政策或景气度逆转，三者会同步下跌。因此需要计算主题暴露度：

主题暴露度 = Σ（属于该主题的持仓权重）

关键在于主题划分规则必须事先明确、可复核。常见做法是建立“持仓—主题”映射表，允许一只标的归入多个主题（如某公司同时属于“AI 算力”和“半导体国产化”），但要在报告中说明重叠情况，避免把重叠部分重复计入“总主题暴露”而造成误判。主题暴露度与 HHI 结合，才能同时看清“个股层面”和“驱动因素层面”的集中风险。

五、真实组合集中度测算任务

下面以一个假设的 8 只持仓组合完成完整测算，数据为教学示例，非实际持仓。组合权重为：A 30%、B 20%、C 15%、D 10%、E 8%、F 7%、G 5%、H 5%。

持仓	权重 w_i	w_i²	所属主题
A	30%	0.0900	新能源
B	20%	0.0400	新能源
C	15%	0.0225	新能源
D	10%	0.0100	消费
E	8%	0.0064	消费
F	7%	0.0049	医药
G	5%	0.0025	医药
H	5%	0.0025	金融

计算过程：HHI = 0.0900 + 0.0400 + 0.0225 + 0.0100 + 0.0064 + 0.0049 + 0.0025 + 0.0025 = 0.1788；ENH = 1 / 0.1788 ≈ 5.59。前三大占比 = 30% + 20% + 15% = 65%。主题暴露度：新能源 65%、消费 18%、医药 12%、金融 5%。

六、测算时的三个易错点

• 权重口径不一致：计算 HHI 时必须使用小数权重且总和为 1，若混用百分比数值，HHI 会被放大 10000 倍，ENH 则缩小 10000 倍，结论完全失真。
• 主题映射重叠未披露：一只标的归入多个主题时，各主题暴露度之和可能超过 100%，报告需注明“存在重叠”，不能简单相加当作总风险。
• 只看时点、不看变化：集中度是动态的，价格上涨会自然推高权重。应定期重算 HHI 与 ENH，观察趋势而非单点数值，才能发现“被动集中”的积累。

把三个指标串起来使用，就能形成一套可复用的集中度体检流程：先用持仓占比快速定位头部，再用 HHI 和 ENH 判断整体分布是否健康，最后用主题暴露度识别真正的风险驱动因素。三者互为补充，缺一不可。