P2A-C4 · Portfolio construction¶
核心一句话
Position sizing 比 stock picking 更重要 — 90% 个人投资者输在 sizing, 不输在 picking。
通用投资模型 — 任何行业都用
P2A-C4 (Part 2.A 第 4 章). 学完这一章, 你能给 5-10 只票 portfolio 做合理 sizing, 不再 all-in 单只票。
1. 问题: 你 5 只票各 20% — 大错¶
散户常见 portfolio: - 5 只票各 20% (平均 sizing — 不区分 high / low conviction) - 或 1 只票 50%+ (all-in, 极不集中) - 或 30+ 只票各 3% (over-diversified, 跟 ETF 没差别)
3 种都错: - 平均 sizing 不利用 conviction (你 high conviction 票应该更大) - All-in 风险过大 (单只票出问题, 整 portfolio 受损) - Over-diversified 超过 marginal benefit (>15 只票 risk 降不动)
→ Sizing 决定: position 大小 ∝ conviction × payoff ÷ risk.
2. 解决方案: 3 种 sizing framework¶
| Framework | 怎么 size | 适合 |
|---|---|---|
| Kelly Criterion | size = (edge × payoff) / risk | 数学派, 不实用 (过 aggressive) |
| Concentration (Buffett) | top 5 占 80%+ | 高 conviction, 长期 hold |
| Risk Parity (Bridgewater) | 每只票 contribute 相同 risk | 平衡 sector |
实际推荐: modified Buffett 集中: - top 5 持仓占 60-80% - 单只 max 15-20% - starter position 1-3% - core position 5-10% - max conviction 10-15%
3. 工作原理: 3 framework 详解 + AI portfolio 应用¶
3.1 Kelly Criterion (数学最优)¶
公式:
f* = (p × b - q) / b
f* = optimal 仓位 (% of capital)
p = 赢概率
b = 赢的 payoff (赢 $1 + 赢的 ratio)
q = 输概率 = 1 - p
例: 你认为 NVDA 1 年: - 60% 概率 +30% - 40% 概率 -20%
Kelly: f = (0.6 × 1.5 - 0.4) / 1.5 = 0.33 = 33% 仓位*
为什么不实用: - 过 aggressive (单只 33% 不 risk-tolerant) - p / b 估算误差大 (你怎么知道 60% / 30%?) - 实际推荐用 Half Kelly (16-17%) 或 Quarter Kelly (8%)
3.2 Concentration (Buffett)¶
Buffett portfolio (Berkshire 公开 13F): - AAPL ~40% (在 trim 之前) - BAC ~10% - KO ~8% - AXP ~7% - 其他 ~30% 分散
top 5 占 75-80%.
Munger 名言 (1990s 演讲):
"Diversification is for people who don't know what they are doing."
Buffett 框架: - High conviction (5 步全过, P3-C2) → core 10-15% - Medium conviction → 5-10% - Speculative → < 3%
优点: 利用 conviction, 长期 outperform 风险: 单只票出问题, hit 严重 (eg. AAPL 2024 -20% → Berkshire -8%)
3.3 Risk Parity (Bridgewater)¶
Dalio framework: - 不按 dollar size, 按 risk contribution 平衡 - 每个 position 贡献相同 portfolio volatility - 用 leverage 让低 vol assets (bonds) 跟 high vol (stocks) 平衡
实际计算需: - 每只票 standard deviation - correlation matrix - 复杂, 个人投资者难做
简化版: 给 high vol AI 票 (NVDA / CRWV) 小 size, 给 low vol (MSFT / GOOGL) 大 size.
4. AI portfolio 实战 — 5-10 只票 sample¶
4.1 5 只票 conservative (60% AI, 40% diversification)¶
Core (60%):
- MSFT 15% (low vol AI + cloud)
- GOOGL 12% (low vol AI + Search)
- NVDA 10% (high vol AI core, smaller due risk)
- AAPL 10% (Buffett 类持仓)
- AVGO 8% (AI infrastructure + 多元)
Diversification (40%):
- BRK.B 10% (Buffett, 现金 hoard exposure)
- KO 5% (defensive)
- XLE 5% (energy hedge)
- BND 10% (bond)
- Cash 10%
4.2 10 只票 aggressive (80% AI, 20% diversification)¶
AI core (60%):
- NVDA 12% / MSFT 12% / GOOGL 10% / AVGO 8% / AAPL 8% / TSM 5% / META 5%
AI ramp (20%):
- ANET 5% / CRWV 3% / CEG 5% / VRT 4% / COHR 3%
Diversification (20%):
- BRK.B 8% / BND 7% / Cash 5%
4.3 单只 max + sector cap¶
Buffett-style 上限: - 单只 max 15-20% - 同 sector (eg. AI infra) max 50% - 同 supplier 链 (eg. NVDA + SK Hynix + COHR + ASML 都受 NVDA capex 影响) max 40%
→ 避免单点失效全 portfolio 受伤.
5. Sizing 跟 conviction 关系¶
| Conviction (P3 工具评分) | Sizing |
|---|---|
| 5/5 (Buffett 全过 + 3 PM bull + Anti 全 ok) | 10-15% |
| ⅘ | 5-10% |
| ⅗ | 3-5% |
| ⅖ | 1-3% starter |
| ⅕ | 不投 / 极小 trade |
例: - MSFT (P3 评 4.5/5) → 10-12% - NVDA (P3 评 3.5/5, Buffett 不过) → 5-8% - OpenAI 一级 (不公开投不到) → N/A - CEG (P3 评 ⅘) → 5-8%
6. 调仓节奏 (P3-C1 Step 3 教过)¶
- 不一次性 all-in — starter → ramp → core 6-12 周
- 季度 rebalance — 涨跌让 sizing 漂, 季度调整
- Thesis 失效 → trim 50% → 1-2 月内清 (P3-C1 Step 5)
7. 试一下: 给你 5-10 只票做 sizing¶
任务 (~1 hr):
| 票 | P3 评分 | 我的 conviction | Sizing |
|---|---|---|---|
| ___ | ?/5 | high/med/low | __% |
| ___ | ?/5 | __% | |
| ___ | ?/5 | __% | |
| ___ | ?/5 | __% | |
| ___ | ?/5 | __% | |
| 现金 | __% |
Self-check (3 项符合 → 进 P2A-C5):
- 你 top 5 总 size 60-80% (不平均, 利用 conviction)
- 单只 max ≤ 15-20% (防单点失效)
- 现金 + 防御 ≥ 15-20% (留 dry powder)
8. 接下来¶
Sizing 是技术. 但你最大对手不是市场, 是你自己. 行为偏差让你 over-size / panic 卖 / FOMO 买.
→ P2A-C5 · 行为金融 — 你最容易踩的 6 个偏差。
9. 深入 (optional): Kelly 半值 / max drawdown / 撤回 mental model¶
点开看 3 个 sizing 深度
Half Kelly 实际计算: - 完整 Kelly 假设你 100% 知道 p / b - 实际 p / b 是 estimate, 误差 ±20% - Half Kelly = 一半 size, 给 robustness - 即使 Kelly 显示 33%, 用 16% 才稳
Max drawdown 思考: - 你 portfolio 历史 worst 1 年下跌多少? - 心理上能接受 -30%? -50%? -70%? - 不能接受 -50% → 不该 100% AI 集中 - 加 20% bond / 现金 → -50% 变 -35%
Munger 撤回 mental model: - 一个 down -50% 仓位需要 +100% 才回本 - 一个 down -75% 仓位需要 +300% 才回本 - 下行不对称 — 大 drawdown 比小 drawdown 致命 - → sizing 时preemptively avoid catastrophic loss