仅凭“分散买股票”这一描述，无法判断组合是否真正分散。“买了很多只”不等于“分散”，如果这些股票同属一个行业或处于同一产业链上下游，风险敞口可能高度重叠，分散效果会被明显削弱。要判断“行业挨得太近”是否构成问题，需要先明确你持有的是哪些行业、这些行业之间的相关性有多高，以及你买入这些股票时依据的是同一套逻辑还是不同逻辑。

伪分散：数量多不等于风险分散

分散投资的本质是降低组合对单一风险因素的暴露。如果买入的十只股票分属不同公司，但都依赖同一个行业景气度（比如都是白酒、都是创新药、都是半导体设备），那么它们的股价波动往往同涨同跌。此时组合的“分散”只是名义上的，实际承担的是同一个行业风险。

识别“伪分散”可以从两个维度入手：

  • 行业归属：看这些公司的主营业务是否集中在同一申万或证监会行业分类下。分类相同不代表完全同质，但至少说明它们面对相似的供需周期和监管环境。
  • 产业链位置：即使行业分类不同，如果一家是上游原材料、一家是中游制造、一家是下游应用，它们之间仍可能高度联动。上游涨价会压缩中游利润，下游需求变化会反向传导，这种“上下游挨得近”同样会削弱分散效果。

需要核对的公开信息是：你持有的每只股票的定期报告中的主营业务构成，以及行业分类代码。如果多数股票的分类代码前几位相同，或主营业务描述高度重叠，就属于典型的行业集中。

行业集中如何影响组合风险

行业集中对组合的影响不是线性的，而是取决于该行业自身的波动特征以及组合内其他行业的相关性。关键概念是相关性：两只股票的相关性越高，同时下跌的概率越大，组合的波动率就越难被平滑。

需要区分两种情形：

  • 行业内部集中：如果组合中多数仓位集中在同一个行业，那么该行业一旦出现政策调整、技术路线变化或需求下滑，组合净值会同步承压。此时分散的只是个股层面的“非系统性风险”，行业层面的“系统性风险”并未被分散。
  • 跨行业但高相关：如果组合覆盖了多个行业，但这些行业受同一宏观变量驱动（比如利率、汇率、大宗商品价格），那么它们之间的相关性可能仍然很高。例如，地产、建材、家电分属不同行业，但都受地产周期影响，这种“表面分散、实质集中”同样需要警惕。

要评估相关性，可以查看这些股票过去一段时间的价格走势是否经常同向波动，或者查阅券商研究报告中对行业间联动关系的分析。但需要注意，历史相关性不代表未来相关性，行业间的联动关系会随宏观环境变化而改变。

如何评估组合的真实分散程度

评估组合是否真正分散，需要核对以下公开信息，而不是凭感觉判断：

  • 行业分类代码：查看每只股票的行业分类，统计各行业占组合的权重比例。如果单一行业占比过高，说明分散度不足。
  • 主营业务收入构成：即使行业分类不同，也要看具体业务是否重叠。比如两家公司分属“医药商业”和“医疗器械”，但都依赖同一家医院的采购，实际风险敞口可能接近。
  • 前十大股东和机构持仓：如果组合中多只股票的前十大股东高度重合，说明市场对它们的定价逻辑可能趋同，这也会影响分散效果。
  • 历史波动相关性：可以自行计算或查看第三方工具提供的相关系数。相关系数接近1说明同涨同跌，接近0说明关联度低，接近-1说明存在对冲效果。但这一指标只能作为参考，不能作为未来表现的保证。

需要特别说明的是，分散投资的目标不是消除所有波动，而是让组合的波动来源多样化。如果组合中不同行业的股票在不同经济环境下表现各异，那么组合的整体波动可能被平滑；如果所有行业都在同一环境下同向波动，分散效果就会大打折扣。

结论的适用边界

“行业挨得太近”是否构成问题，取决于你的投资目标和风险承受能力。如果你追求的是相对稳健的长期回报，行业集中度过高意味着组合波动可能超出预期；如果你本身就对某个行业有深入研究，主动集中也并非错误，但这属于“主动承担行业风险”，而不是“分散投资”。

判断边界在于：你买入这些股票时，依据的是同一个行业逻辑，还是不同的独立逻辑。如果是前者，无论买多少只，本质上都是对同一个判断下注；如果是后者，即使行业相近，也可能因为公司基本面差异而实现一定程度的分散。

常见问题

行业分类相同，但公司规模差异很大，还算分散吗？

行业分类相同意味着它们面对相似的行业周期和监管环境，但公司规模、市场份额、成本结构不同，会导致个股表现存在差异。这种差异属于个股层面的分散，但行业层面的系统性风险仍然存在。如果行业整体下行，规模不同的公司可能跌幅不同，但很难完全对冲。

持有不同行业的股票，但都受利率影响，算分散吗？

这属于“跨行业但高相关”的情形。如果这些行业都依赖融资成本或估值对利率敏感，那么利率变化时它们可能同步波动。要判断是否分散，需要看这些行业是否还受其他独立因素驱动。如果所有行业都只受利率一个变量影响，分散效果有限。

如何判断两只股票的相关性高不高？

最直接的方法是查看它们过去一段时间的价格走势是否经常同向波动，或者使用第三方金融数据工具查看相关系数。但需要注意，历史相关性会随市场环境变化，不能简单外推。更可靠的方法是分析两家公司的业务模式、客户群体和成本结构，判断它们是否受同一风险因素驱动。