你买的是中国,还是这家公司:单只中概股与 KWEB 的风险分解

答案摘要 - 你做多 BABA,是在表达对中国的看法,还是对阿里巴巴这家公司的看法?把 12 只中概股的日收益对 KWEB 回归,答案是「两者都有,但比例差得很远」。平均 R² 是 0.54 —— 一个交易日里,单只中概股的波动大约一半只是中国因子,另一半才是公司自己。但均值掩盖了区间:JD 0.74、BABA 0.72 基本就是中国的代理;YUMC 0.35、XPEV 0.40、LI 0.40、NIO 0.41 主要是在赌这家公司。分散化的效果比想象中弱:KWEB 年化波动 46.7%,12 只单名的平均是 58.0% —— 持有一篮子只省下 11.4 个百分点,约 20%。最反直觉的一条在尾部:在 KWEB 表现最差的 10% 交易日里,相关性反而下降(BABA 从 0.85 掉到 0.58),但12 只标的当天平均全部下跌,区间 −2.29% 到 −5.67% —— 相关性下降不等于有保护,只是大家一起跌的幅度更分散而已。顺带一提:KWEB 对 SPY 的 R² 只有 0.15,你在美股时段承担的风险,并不是美股风险。

「买 BABA 还是买 KWEB」是这个市场上最常见的仓位问题。它通常被当成一个偏好问题来讨论 —— 集中还是分散、进攻还是稳健。它其实是一个可以量化的问题。

方法

对每只标的,用 2021 年 1 月以来的日收益对 KWEB 的日收益做最小二乘回归。R² 就是该标的当日波动中被「中国因子」解释的比例,残差部分是真正属于这家公司的风险。窗口 1,414 个交易日。

结果一:一半是中国,但区间很宽

标的	年化波动	对 KWEB 的 beta	R²(中国因子)	公司自身波动(年化)
JD	52.5%	0.97	0.74	26.7%
BABA	50.3%	0.91	0.72	26.5%
PDD	67.2%	1.17	0.66	39.1%
BIDU	53.4%	0.93	0.66	31.0%
BEKE	72.6%	1.21	0.60	45.9%
NTES	43.7%	0.68	0.53	30.0%
TME	60.6%	0.94	0.52	41.8%
TCOM	48.0%	0.73	0.51	33.7%
NIO	70.9%	0.97	0.41	54.5%
LI	63.5%	0.86	0.40	49.2%
XPEV	77.9%	1.05	0.40	60.4%
YUMC	36.0%	0.45	0.35	29.0%

两组标的的性质完全不同:

• 电商与平台(JD、BABA、PDD、BIDU):R² 0.66-0.74。这些名字基本就是中国互联网这个 beta 的表达方式。你在 BABA 上的看法如果不是对中国的看法,那它有 72% 的时间会被中国的看法盖过去。
• 造车新势力与消费(NIO、LI、XPEV、YUMC):R² 0.35-0.41。XPEV 的公司自身年化波动是 60.4% —— 比整个 KWEB 篮子的总波动还高。持有 XPEV 主要是在做一家公司,中国因子只是背景噪音的一部分。

beta 也值得看一眼:BEKE 1.21、PDD 1.17 是放大的中国;YUMC 0.45、NTES 0.68 是打了折的中国。

结果二:分散化省下的没你想的多

• KWEB 年化波动:46.7%
• 12 只单名年化波动的平均:58.0%
• 差:11.4 个百分点,约低 20%

一个由 12 只以上标的组成的篮子,只把波动降低了五分之一。教科书上的分散化在相关性低的时候很有效,而这些名字彼此的相关性并不低 —— 平均 R² 0.54 就是在说这件事。你不能靠持有更多只中概股来把中国风险分散掉,因为中国风险正是它们共同的那部分。

这与我们在 A 股休市期间中概股离散度的塌缩里看到的是同一枚硬币的两面:当共同因子主导时,单名之间的差异会被压缩。

结果三:尾部才是真问题

直觉上,分散化最该在最糟的日子发挥作用。取 KWEB 表现最差的 10% 交易日(141 天,KWEB 当天平均 −4.80%),看看这些日子里发生了什么:

标的	全样本相关性	最差 10% 日相关性	这些日子的平均收益
BABA	0.85	0.58	−4.40%
JD	0.86	0.63	−4.58%
PDD	0.81	0.57	−5.67%
BIDU	0.81	0.60	−4.27%
BEKE	0.77	0.53	−5.60%
NTES	0.73	0.51	−3.27%
TME	0.72	0.39	−4.81%
TCOM	0.71	0.63	−3.50%
NIO	0.64	0.44	−5.12%
LI	0.63	0.48	−4.45%
XPEV	0.63	0.40	−5.22%
YUMC	0.59	0.50	−2.29%

相关性确实下降了 —— 每一只都下降。但没有一只因此躲过下跌:12 只标的在这些日子里平均全部是负的,最好的 YUMC 也有 −2.29%,最差的 PDD 是 −5.67%。

这是一个容易读反的结果。相关性下降通常被理解为「分散化在起作用」,但这里它意味着的是:在系统性下跌的日子里,大家跌的幅度更分散了,方向没有分散。把相关系数当成保护的度量,在尾部会给你错误的安全感。

结果四:这不是美股风险

KWEB 对 SPY 的回归:beta 1.07,但 R² 只有 0.15。也就是说,中概股篮子在美股时段交易、用美元计价、走美国的清算体系,但它 85% 的波动与美股大盘无关。

对同时持有美股和中概股的账户,这是好消息也是坏消息:它确实是一个独立的风险来源(有分散价值),但也意味着你不能用美股的对冲工具去管它 —— SPY 或 QQQ 的空头对中概股的下跌基本没有覆盖。

怎么用

• **先问自己在表达什么看法。**如果你的观点是「中国互联网被低估了」,那么买 KWEB 比买 BABA 更诚实,而且波动更低。如果你的观点是关于某家公司的具体事情,选一只 R² 低的标的,你的看法才不会被 beta 淹没。
• **不要用「多买几只」来管中国风险。**12 只的篮子只降低 20% 的波动。要降低中国敞口,只能降低中国敞口。
• **单独给尾部做压力测试。**用平时的相关性矩阵算出来的组合风险,在 KWEB 最差的日子里会低估实际回撤,因为那些日子所有标的同向。
• **别指望美股对冲。**R² 0.15 意味着 SPY 空头对这个篮子几乎无效。

我们在中概股波动手册里讨论过这些名字之间的资金轮动,这篇是它的风险面。

方法与限制

数据为 Alpaca 合并行情(SIP)日线,已做拆股与分红调整,窗口 2021-01-01 至 2026-08-21,每只标的 1,414 个交易日。回归为单因子最小二乘,因子取 KWEB 的日收益;R² 因此是「被 KWEB 解释的比例」,不是被某个正式的中国因子模型解释的比例 —— KWEB 本身也包含这些成分股,存在自我解释成分,对权重大的名字(BABA、PDD、JD)会让 R² 偏高。年化按 √252。「最差 10% 日」按 KWEB 当日收益排序取前 141 天。窗口内中概股整体下跌,所有平均收益数字都带有这个方向的印记。样本为 12 只流动性较好的美国上市中概股,不代表全部中概股。