配置類股時，要少放跟其他產業連動最緊的那幾類嗎？美國產業與類股 ETF 回測：波動只比平均分配低 0.15 到 0.59 個百分點

手上有一筆錢要分到幾個類股，一個直覺的想法是：跟其他產業同漲同跌最厲害的那幾類，碰到大跌時最拖累整體，少放一點應該比較穩。學術文獻把這類產業叫做相關網路裡的「中心」產業。Rihtamo、Saarinen、Nyberg、Virta 在 2026 年《Quantitative Finance》的論文〈When does centrality matter in portfolio choice?〉推導出，在某些條件下，壓低波動的最佳配置會少放這些中心產業。

我們拿美國的產業資料把這件事拆成兩個問題來算：

1. 以壓低波動為目標算出來的配置（下面叫「最小波動組合」），是不是真的少放連動最緊的產業？
2. 不想跑整套最佳化的人，直接照「連動越緊、權重越低」分配（下面叫「反連動權重」），波動能降多少？

先講結論：

•  最小波動組合確實少放連動最緊的產業，三組樣本、兩種視窗共 6 格都成立。  連動程度排名和權重排名的相關，月平均落在 −0.26 到 −0.45，在統計上很穩。
•  這個傾向有一大塊在只有估計雜訊時也會出現。  我們模擬一個各產業連動程度完全相同、照理不該有任何傾向的市場，算出來的相關仍有 −0.12 到 −0.24。美國 49 產業的觀測值有 72% 到 87% 可由雜訊重現，類股 ETF 是 27% 到 58%。
•  反連動權重比平均分配穩，但只穩一點點。  6 格的樣本外年化波動都比平均分配低，幅度 0.15 到 0.59 個百分點；最小波動組合低 3.12 到 6.44 個百分點。反連動權重只拿到最小波動組合降幅的 4.6% 到 9.4%。
•  對讀者的意思：  想把類股配置的波動壓下來，花力氣算「誰跟誰連動最緊」再反向配置，省下的年化波動最多 0.59 個百分點。要明顯降低波動，得用最小波動組合這類直接以波動為目標的方法，代價是調整頻繁，可放空的版本還要放空。

「連動最緊」怎麼算

每個月月底，拿過去 126 個交易日（約半年）或 252 個交易日（約一年）的每日報酬，算出每兩個產業之間的相關係數。一個產業跟很多產業都高度相關，而且跟它相關的那些產業彼此也很相關，它的「連動程度」分數就高。分數最高的，就是跟整個市場綁最緊的產業。

隔月第一個交易日依這些分數調整權重，持有一整個月，月底再重算。每個月的權重只用到前一個月最後一天以前的資料。

樣本有三組：

• 美國 49 產業（市值加權），評估期 1993-01 至 2026-09，共 405 個月、8,494 個交易日。
• 9 檔類股 ETF，2000-01 至 2026-10，322 個月、6,748 個交易日。
• 11 檔類股 ETF（多了不動產和通訊服務），2019-07 至 2026-10，88 個月、1,845 個交易日。

三組樣本乘上兩種視窗，一共 6 格。

第一個問題：最小波動組合有沒有少放連動最緊的產業

表中數字是「連動程度排名」和「最小波動組合權重排名」的相關，負數代表連動越緊、分到的權重越低，越接近零代表兩者越沒有關係。

只看「實際資料」那一欄，6 格全是負的。對照「只有雜訊時」那一欄，美國 49 產業的兩個數字幾乎貼在一起。整份研究裡，我們最希望讀者帶走的就是這一欄。

我們用每組樣本的平均相關係數和各產業自己的波動，模擬出一個所有產業連動程度都一樣的市場，每格重複 500 次。照理說，這種市場裡連動程度和權重之間不該有任何關係，算出來卻還是負的。原因出在同一段資料被拿來算兩件事：某個產業的相關係數剛好被高估，它的連動分數就偏高，最小波動組合也會因為同一份高估少給它權重。兩邊共用同一份估計誤差，負相關就自己長出來了。

所以「6 格都是負的」只說明這個傾向在資料裡看得到，說明不了產業之間真的有結構差異。類股 ETF 的實際值離雜訊基準比較遠，美國 49 產業只多出一點點。我們用的雜訊模擬是常態分布、波動固定的簡化版本，真實報酬有肥尾、波動也會群聚，估計誤差可能更大，實際上能歸給結構的部分只會更少。

為什麼美國 49 產業特別弱？這是看過結果之後才加做的探索，只能當成線索：在美國 49 產業裡，連動最緊的產業剛好偏向波動比較低的產業，兩者的排名相關在兩種視窗分別是 0.14 和 0.16。最小波動組合一方面因為連動緊少給權重，另一方面又因為波動低把權重加回去，兩股力量互相抵銷。類股 ETF 裡這個重疊幾乎不存在（−0.07 到 0.01 之間）。

第二個問題：直接照連動程度反向分配，波動降多少

前四欄是樣本外年化波動；換手是一年下來權重變動的總和，以組合規模的倍數計。

反連動權重跟平均分配比，6 格的波動都比較低，差距在統計上站得住。問題在幅度：美國 49 產業 126 日那一格，平均分配 18.02%，反連動權重 17.43%，只少了 0.59 個百分點，已經是 6 格裡最多的。同一格的最小波動組合是 11.74%，少了 6.28 個百分點。

反連動權重跟最小波動組合比，4 格明顯比較高；11 檔類股 ETF 的 2 格分不出差別，那組只有 88 個月，資料太短，差距沒有達到事先設定的門檻，不能讀成兩者一樣穩。

反連動權重的好處是動得少，一年換手 0.49 到 0.98 倍，平均分配是 0.31 到 0.42 倍。最小波動組合（可放空）一年換手 2.99 到 17.65 倍，美國 49 產業那兩格的總曝險平均是組合規模的 3.20 和 3.18 倍，代表要同時做多和放空一大堆產業。

報酬不是這份研究要比的東西，沒有做檢定，報酬也沒有扣掉無風險利率。不過讀者應該知道：美國 49 產業 126 日那一格，每次調整扣 10 個基點的交易成本之後，年化報酬依序是最小波動（可放空）7.21%、最小波動（不放空）9.43%、反連動權重 11.31%、平均分配 12.09%。波動最低的組合，平均報酬也最低。

那該用什麼

•  只想要簡單、低換手：  平均分配就好。反連動權重跟它的波動差距最多 0.59 個百分點，多算一套連動網路，換來的東西很少。
•  想明顯壓低波動：  直接以波動為目標的最小波動組合效果大得多。不放空的版本年化波動 12.67% 到 15.62%，也明顯低於平均分配，而且不用放空；這一組比較沒有事先登記，只能當描述。
•  想看「最小波動組合少放哪些產業」來判斷誰是風險中心：  小心解讀。這個傾向有很大一塊是估計誤差自己造出來的，在美國 49 產業裡尤其明顯。

市場劇烈波動時會不會不一樣？我們把前一個月平均恐慌指數高於歷史第 80 百分位的月份挑出來另外看（百分位只用當時以前的資料算），6 格裡 5 格看不出差別，1 格（11 檔類股 ETF、126 日）在高波動月份變弱；那一格的高波動月份只有 18 個，結果很脆弱。

這次沒有算的事

•  原始論文只讀到摘要。  連動程度的算法對齊的是同一系列文獻的常見做法，沒有逐字核對原文，原文推導的成立條件也沒有計算。
•  雜訊基準是簡化版本。  保留肥尾與波動群聚、只拿掉產業間差異的更真實模擬，這次沒有做。
•  沒有比較其他簡單規則。  反連動權重比平均分配穩，可能只是偏向低相關或低波動的產業；照波動反向分配、照相關反向分配這些對照組沒有事先登記，所以沒有測，不能說這點優勢屬於「連動程度」本身。
•  類股 ETF 樣本不長。  11 檔那組只有 88 個月；9 檔那組歷經兩次產業分類調整（不動產與通訊服務獨立成類）。
•  成本只算線性的 10 個基點。  沒有計入市場衝擊與放空成本。

這是描述過去資料的研究，不是投資建議。

資料與方法

• 資料：美國 49 產業日報酬取自 Kenneth R. French 資料庫（市值加權）；類股 ETF 為 SPDR 系列，用含息調整後價格；恐慌指數為 Cboe 官方 VIX 日資料。
• 權重：最小波動組合用收縮法估計的共變異數矩陣，主規格允許放空；反連動權重是把連動分數取倒數後正規化，權重全為正；平均分配每月調回等權。
• 樣本外：每月第一個交易日調整，月中權重隨價格漂移，月底再重算；6 格的波動比較都經過多重比較校正。
• 文中每個數字都由腳本從原始結果檔讀出，兩張圖也由同一支腳本重畫。

懶人包圖組