仅凭“多买几种股票”这一表述，无法用历史数据证明它“有用”——因为“有用”本身没有被定义，题述信息也没有给出任何可核验的持股清单、时间区间或比较基准。历史回测能做的，是在明确口径后比较不同组合在同一段历史里的波动、回撤等统计特征；它不能证明分散持股在未来一定有效，也不能替任何人决定该持有多少只股票。
“分散有没有用”先要拆成可检验的问题
“多买几种股票有用”至少包含几层不同含义，混在一起就无法验证：
- 风险层面：增加持股数量后，组合的波动率、最大回撤等指标是否比集中持股更小。这是历史数据相对容易观察的部分。
- 收益层面：增加持股数量后，组合的累计收益、年化收益是否更高。收益受个股选择影响极大，持股数量本身并不直接决定收益高低。
- 风险调整后层面：单位风险所对应的收益是否改善。这需要同时看收益和风险两个维度，而不是只看其中一个。
- 成本与可操作性层面：交易费用、跟踪难度、研究覆盖能力是否随持股数量上升而恶化。这部分往往不在价格回测里，却会影响真实结果。
如果“有用”指的是“更能赚钱”，历史回测通常给不出稳定答案；如果指的是“波动更平滑”，回测可以提供参考，但结论高度依赖样本区间和股票池。
回测分散效果时，哪些设定会改变结论
历史回测不是把数据丢进软件就自动得出真理，以下设定会直接决定结果长什么样：
- 股票池的构成：从全部 A 股里随机抽，还是从同一行业里抽，还是从自己曾经关注的股票里抽，得到的分散效果差别很大。同一行业内的股票往往同涨同跌，增加数量未必降低组合波动。
- 比较基准的选择：是和“只买一只股票”比，还是和“只买同一行业若干只”比，还是和某个宽基指数比。基准不同，“有用”的结论可能相反。
- 时间区间的选取：不同历史阶段的市场结构、行业轮动、波动水平并不相同。区间起点和终点稍微移动，回撤和波动的对比结果就可能变化。
- 权重分配方式：等权重、市值权重还是其他方式，会影响组合对单只股票的暴露程度，进而影响波动和回撤。
- 是否考虑交易成本和调仓：真实持有多种股票涉及买入、卖出、再平衡，这些都会侵蚀收益，而很多简化回测并不计入。
这些设定没有唯一正确答案，但必须在看结果之前说清楚。否则“回测证明分散有用”只是一句没有边界的话。
需要核对的公开事实与区分作用
要判断一份“分散持股回测”的结论是否值得参考，可以核对以下公开信息：
- 回测所用的股票池和筛选规则：是否事先固定，还是根据历史表现事后挑选。事后挑选会系统性高估效果。
- 样本区间是否覆盖不同市场环境：只覆盖单边上涨或单边下跌的区间，结论的适用性会受限。
- 波动和回撤的计算口径：用日频、周频还是月频数据，最大回撤从哪个高点算起，不同口径的数字不可直接比较。
- 是否披露交易成本和换手假设：没有成本假设的回测，和真实可执行结果之间可能存在明显差距。
- 是否做了样本外检验：在同一段历史上反复调整参数直到结果好看，属于数据挖掘；样本外表现才是更有区分力的证据。
这些信息的作用是帮助区分：一个“分散有效”的结论，究竟来自持股数量本身，还是来自股票池选择、区间选择或参数调整。
结论的适用边界
历史回测能说明的是：在特定股票池、特定区间、特定权重和成本假设下，不同持股数量的组合曾表现出怎样的波动和回撤差异。它不能说明：
- 同样的持股数量在未来会带来同样的风险收益特征；
- 持股数量越多就一定越好，或越少就一定越差；
- 某一种持股数量适合所有人。
分散持股的效果还取决于这些股票之间的相关性。如果新增的股票和原有持仓高度同向变动，数量增加对组合波动的改善可能有限；如果相关性低，效果可能更明显。而相关性本身也是随时间变化的，历史相关性不等于未来相关性。
因此，回测更适合用来理解“在什么条件下、哪类指标可能改善”，而不是用来得出“应该买几只”的固定答案。持股数量的选择还涉及个人资金规模、研究覆盖能力、交易成本和风险承受意愿，这些都不在历史价格数据里。
常见问题
历史回测显示持股越多波动越低，这能说明分散一定有用吗？
只能说明在该回测设定的股票池和区间内，持股数量与组合波动之间存在统计上的关联。波动降低不等于收益改善，也不等于未来同样成立。需要核对股票池是否随机、区间是否覆盖不同市场环境，才能判断这个关联有多少参考价值。
为什么同一份分散持股回测，换一段区间结果可能完全不同？
因为不同历史阶段的市场结构、行业相关性和波动水平并不相同。持股数量对组合的影响，很大程度上通过股票之间的相关性传导，而相关性会随市场环境变化。所以区间选择本身就是结论的一部分，而不是无关紧要的背景。
回测里没有计入交易成本，会影响对分散效果的判断吗？
会。持有更多股票通常意味着更多买入、卖出和再平衡操作，这些都会产生费用和摩擦。如果回测省略了这些成本，展示的收益和风险特征可能比真实可执行的结果更乐观。核对回测是否披露成本假设，是判断其参考价值的一项基本工作。