第七部 當下與補遺
29 好公司很少，所以投資應該集中嗎？
「市場的長期財富由少數公司創造，所以研究後只持有最好的幾家，應該比買進整個市場更有效率。」這個推論有一個很吸引人的起點：好公司確實稀少，持有太多普通公司也確實會讓組合更接近市場。
但起點成立，不代表結論已經成立。集中投資可以放大超額報酬，也會以同樣倍率放大判斷錯誤。整個問題不在持股檔數，而在投資人能否事前辨認贏家、這份能力是否持續，以及現有紀錄能否把能力和運氣分開。
本文整理多種公開投資論述中反覆出現的推理形式，不評論任何特定個人、文章、基金或績效紀錄。例句、數字與情境均重新編寫。
29.1 集中是放大器，不是報酬來源
先把「研究後集中」寫成可檢驗的形式。設投資組合相對市場的主動權重為：
Grinold 的基本法則把主動管理的資訊比率近似寫成：
其中 IC 是預測值與後續實現結果的相關程度，BR 是每年彼此獨立的有效決策次數，IR 是每單位主動風險取得的期望超額報酬。組合的期望 alpha 可再寫成：
是主動風險，通常以相對基準的追蹤誤差衡量。集中投資直接拉高的是 ，不是 IC。於是有三種完全不同的情況：
所以「有可靠優勢的人應該集中」在理論上成立；「集中會產生優勢」則把因果方向倒過來了。集中只決定既有能力被放大多少，不決定能力的正負號。
29.2 持股愈少，廣度也愈低
基本法則還有 。如果長期只持有極少數公司，每年真正獨立的判斷次數可能接近一。即使單次判斷的 IC 很高，IR 仍會被很低的廣度限制。
「獨立」比「次數」更重要。持有五家同產業、同景氣循環、同一估值因子驅動的公司，並不等於五次獨立判斷。若決策錯誤高度相關，有效廣度可能仍接近一。
這使「集中加長期持有」同時面臨兩個問題：
- 組合把大量終端財富押在很少的判斷上。
- 樣本量太小，事後很難區分技能與運氣。
因此，經驗較少的人持股應更少，並不是基本法則的推論。若可驗證的 IC 隨經驗、流程與資料累積而提高，合理方向反而是讓主動風險隨證據逐步增加：
- 沒有可驗證優勢：以市場組合為核心，主動權重接近零。
- 正在建立研究流程：核心指數加小額主動部位，把它當成可承受的學費與量測樣本。
- IC 在樣本外持續為正：逐步提高 active share。
- 具長期、可重複且風險調整後的 alpha：高度集中才有充分理由。
這個順序允許初學者持有個股，同時把「學習」和「已證明具有優勢」分開定價。
29.3 集中改變分布寬度，不自動提高中心
比較兩個單期策略：
兩者的期望報酬相同：
但 B 同時更容易大勝與大輸。集中首先增加的是結果離散度；只有在 IC 為正時，分布中心才會跟著右移。
這也解釋了為什麼成功的集中投資故事很多。結果分布變寬後，右尾會出現極端贏家，左尾也會出現永久損失者；公開敘事通常只由仍在場上的右尾樣本產生。觀察到許多最富有的人曾高度集中，不能單獨識別集中策略的期望值，因為同一個機制也會製造最多的失敗者。
長期複利還會受到波動拖累：
在算術期望報酬相同時，提高波動會降低幾何報酬與終端財富的中位數。集中若沒有帶來足以補償的正 alpha，不只是「比較刺激」；它會使多數路徑的長期結果變差。
29.4 非系統性風險沒有必然溢酬
一個常見反駁是：既然集中承擔更多風險，市場應該為這些風險支付更高報酬。
證券市場線處理的是不可分散的系統性風險。單一公司的管理失誤、產品瑕疵、財報造假、專利失效或訴訟風險，可以透過持有更多公司大幅降低，因此市場沒有理由為每一項可分散風險支付溢酬。
CAPM 的表達是：
期望報酬由對市場風險的曝險 決定，不由總波動 決定。承擔更多公司特有風險，可以擴大結果範圍，卻不會自動增加期望報酬。若某種集中策略確實有較高期望報酬，來源必須是資訊優勢、承擔了被定價的系統風險，或利用了可持續的制度與行為摩擦；「因為比較危險」本身不夠。
29.5 少數股票創造市場財富，支持哪一邊？
Bessembinder 對美國股票長期報酬的研究顯示，市場財富創造高度集中於極少數公司，多數個股在其上市期間沒有打敗短期國庫券。這是集中與分散爭論裡最重要的實證事實之一。
它可以支持兩個方向相反的敘述：
- 贏家很少，因此應研究並集中持有贏家。
- 贏家很少，因此若不能事前辨識，就應廣泛持有，避免錯過它們。
差別全部落在事前辨識能力。用簡化例子表示：假設 1,000 家公司裡有 40 家長期財富創造者，投資人沒有事前辨識能力，隨機挑選 5 家。至少命中一家贏家的機率是：
也就是約五分之四的機率一個都沒選到。持有整個市場則必然包含所有贏家，而且市值加權會讓成功公司隨市值成長自動取得更高權重。
「贏家稀少」不是集中策略的充分條件。還需要一個分類器，而且分類器必須能在當時可取得的資訊下，把未來贏家和看起來同樣優秀、後來卻失敗的公司分開。
事後回看大型成功企業，護城河、成長與產業地位似乎都很清楚；但在每一個歷史截點，同樣能找到當時具備這些特徵、後來卻衰退的龍頭。困難不在辨認好產品或好公司，而在市場價格已反映大量公開資訊時，仍能正確估計尚未反映的現金流與風險。
29.6 十幾檔足以降低波動，推不出少數持股報酬更高
Evans 與 Archer（1968）研究持股數增加時，組合報酬離散程度如何下降。它支持的是：
而且邊際效果遞減：從一檔增加到十檔的改善，通常遠大於從九十檔增加到一百檔。
但「十幾檔已消除大部分個別波動」推不出：
第一式談風險收斂，第二式談選股能力與期望報酬，需要完全不同的證據。引用一份研究證明前者，再把它當成後者的依據，是論證層級的錯置。
另外，「足夠分散」取決於量尺。若只看單期報酬標準差，十幾檔可能已消除相當比例的個別波動；若看偏態、厚尾、下市風險與數十年終端財富分布，接近市場結果所需的持股數會高得多。相關性也使名目檔數高估有效分散：十幾家同產業公司可能只有少數共同風險來源。
29.7 能力圈是合理概念，但不是可直接觀察的參數
只在理解範圍內下注是合理原則。困難是「能力圈」沒有事前儀表，也不能由投入時間直接量出來：
理解產品、技術與產業結構，對分析企業很重要；投資判斷還要回答價格問題：市場已預期多少成長、利潤率能維持多久、折現率如何設定、競爭優勢何時衰退、目前價格隱含何種現金流路徑。
資訊優勢要求的是比邊際定價者更準確，不是比一般消費者知道得更多。大量閱讀也可能同時增加真實知識與熟悉度偏誤，兩者在主觀感受上很難區分。
能力圈較可靠的定義不應是「熟悉哪些公司」，而應是一套可追蹤的預測流程：事前記錄估值假設、關鍵變數、機率與失效條件，定期比較預測和結果，並把未持有但曾研究的公司也留在樣本中。只檢視實際買進的成功案例，會受到選擇偏誤污染。
29.8 個人的成功紀錄不能直接外推成普遍處方
一位成功投資人通常不是從全體投資人中隨機抽出。他可能具有特定產業背景、研究時間、資訊網絡、風險承受度、資本規模與行為紀律。因此：
這是外部效度問題，與紀錄真偽無關。即使一項紀錄完全正確，也只能證明「這位投資人在這組條件下取得這個結果」，不能單獨識別究竟是策略、技能、因子曝險、運氣或其他不可移植條件造成。
要把個案變成一般建議，至少需要說明：選樣方式、失敗者是否被納入、策略在其他投資人與其他期間是否重現、風險與因子調整後是否仍有 alpha，以及執行條件能否複製。
29.9 紀錄很長，也未必足以區分技能和運氣
設年化 alpha 為 、追蹤誤差為 、紀錄長度為 ，最簡化的 t 值為：
若要求 95% 信賴水準，近似所需年數為：
集中組合通常有較高追蹤誤差，因此需要更長紀錄才能證明同樣大小的 alpha。追蹤誤差加倍，所需年數增加到四倍；alpha 減半，所需年數也增加到四倍。
真實檢定還比這條式子困難：報酬不一定獨立同分布，因子曝險會隨時間改變，績效可能有偏態與厚尾，同時觀察大量投資人會產生多重檢定，而且公開可見的紀錄常有存活者偏誤。長期高報酬值得研究，但不能只憑一個年化數字完成歸因。
29.10 報酬率算法與基準必須先對齊
評估主動紀錄前，至少要分清時間加權報酬與資金加權報酬。
資金加權報酬必須使用每筆現金流的實際時點，求解：
其中 是各筆現金流距基準日的時間。把全年投入一律視為年末投入，會抹除資金實際參與市場的期間；偏差方向取決於投入時點與報酬路徑，不能預設一定高估或低估。這類計算較接近 XIRR，而不是只用年初、年末資產和全年淨投入組成一個比率。
若要衡量投資決策本身，時間加權報酬會把外部現金流切成子期間，再以幾何方式串接，避免投入金額由投資人生活現金流決定時扭曲經理人的績效。
基準也必須使用可比口徑。若投資組合報酬包含股息與再投資，基準應使用總報酬指數，而不是只看價格指數：
長期間裡，漏掉股息及其再投資會造成複利級的差異。除此之外，基準還應匹配市場、幣別、風格、規模與風險。高成長或高科技組合只和寬基市場比較，可能把因子曝險算成 alpha。
所以精確的說法應是：未經第三方驗證、現金流時點與基準口徑尚未完全揭露的數字，是自述績效，不等於依一致標準計算、可重建且風險調整後的紀錄。數字未必錯，但證據只能放在自述那一層。
29.11 一套不預設能力存在的配置順序
集中投資與指數投資可以放進同一套模型；資訊狀態不同，解才會走向不同配置，無須把它們當成兩套互斥信仰。
沒有可驗證優勢時，市場組合是不需要估計個股 alpha 的起點。若希望研究與實作，可以配置小額主動衛星，事前保存假設與未入選樣本，並用風險調整後、樣本外的結果檢查 IC。證據逐步增加，主動風險才逐步增加。
核心判斷可以寫成：
好公司很少，而且市場財富確實由極少數超級贏家創造。如果具有可靠且可持續的事前辨識能力，集中投資會把這份能力放大成較高的期望超額報酬；如果沒有這種能力，正因為贏家稀少，集中反而大幅提高錯過它們與遭遇永久資本損失的機率。
集中本身沒有理論上的原罪。真正需要證明的是分類器有沒有預測力，以及這件事能否在下注之前知道。
29.12 再平衡是另一個問題
集中投資的討論常會延伸到「賣出贏家、買進落後者是否不合理」。這裡要把個股選擇和資產配置分開。
若公司基本面惡化，仍機械式賣出好公司去攤平壞公司，確實可能是錯的；但股債或資產類別再平衡處理的是風險曝險漂移。原本選定的權重 ，會因價格變動偏離：
把權重拉回目標，不需要預測落後資產即將反彈。它只確認目前承擔的風險仍是原先同意的水準。再平衡不保證提高終端財富，且會產生交易、稅務與心力成本；這些限制支持低頻、門檻式及利用新資金調整，不足以推出永不再平衡。
再平衡是否有報酬效果，取決於資產的波動、相關性與期望報酬差距。其近似溢酬可寫成：
若相關性低，組合變異數低於成分變異數的加權平均，可能產生 volatility harvesting；若一方期望報酬長期明顯較高，持續減碼它也可能降低期望終端財富。再平衡買到的首先是較穩定的風險路徑，不是保證較高的報酬。
29.13 這套分析的限制
Grinold 基本法則是假設下的近似，IC 與 BR 在實務上很難穩定估計，相關決策也會讓名目廣度高估有效廣度。
Bessembinder 的結論描述歷史個股報酬分布，不代表未來贏家公司比例固定。簡化的超幾何例子只用來呈現「贏家稀少且無辨識能力」時的落空風險。
t 檢定公式假設 alpha 與追蹤誤差穩定，且報酬近似獨立。厚尾、偏態、因子輪動、策略改變、多重檢定與存活者偏誤都會使實際證據門檻更高。
集中可能適合具控制權的企業經營者、可影響結果的創業者，或確有可驗證資訊優勢的投資人。這些條件不能直接移植到只能被動持有少數上市股票的一般投資人。
本文能得到的結論仍然很窄：持股少不是 alpha 的來源；它是對 alpha 已經存在的一次槓桿。證據不足時，先限制放大倍率，比先相信分類器更容易存活到下一次判斷。