Investing · 第一性原理

十条反直觉的投资真知
以及支撑它们的 155 年数据

投资领域流传着大量正确的废话。「长期持有」「分散投资」「控制成本」——每一条都对, 但几乎没有一条说清楚:它对到什么程度、在什么条件下失效、以及为什么明知如此仍有人做不到。 本文用 1871 年至今的月度数据,把这十条原则逐条量化。

10.51%名义年化 · 1926–2026
7.33%实际年化 · 已扣通胀
161876 年来 ≥20% 熊市
40.13当前 CAPE · 均值 17.44
00 · 序

聪明人在投资上不占优势

1720 年,牛顿持有南海公司股票。他在价格上涨约一倍后卖出,获利 7,000 英镑——相当于他担任皇家铸币厂厂长数年的薪水。随后股价继续飙升,他在更高点重新买入。泡沫破裂时,他损失了约 20,000 英镑。

据传他此后说过一句话:「我能计算天体的运动,却无法计算人类的疯狂。」 这句话是否出自他本人已不可考,但它指向一个被反复验证的事实—— 投资结果与智力水平的相关性,远低于大多数人的想象。

两百多年后,另一个案例给出了更锋利的证明。1998 年,长期资本管理公司(LTCM)在四个月内损失了 90% 的资本。 这家基金的董事会里有两位诺贝尔经济学奖得主,合伙人包括美联储前副主席。 他们的模型在数学上无可挑剔——错的是模型的假设:他们假设市场流动性永远充足, 而当俄罗斯国债违约的那一刻,流动性消失了。

两个案例的共同点不是愚蠢,而是智力无法修复的结构性缺陷: 牛顿不知道自己在参与一场博傻游戏,LTCM 不知道自己不知道什么。 前者败于对人性的误判,后者败于对模型的过度信任。

下面十条原则,每一条都符合这个模式。它们之所以被称为「真知」, 恰恰因为它们要求你违背本能行事;而它们之所以难以执行, 是因为违背本能的代价是即时的,收益是延迟的。

本文的方法

所有图表均由原始数据计算,代码与口径在文末附录中完整披露。 我尽量避免引用无法追溯来源的「研究表明」——每一条结论,你都可以在附录里找到它的算法。 对于统计上不稳健的地方,我会明确标注,而不是含糊带过。

先看一张图。它把 155 年的结果压缩成一条线:1871 年投入 1 美元, 分红全部再投资,扣除通胀后,到 2026 年值多少。

155 年的实际总回报:1 美元变成 445 万美元

1871-01 — 2026-09 · 对数刻度
扣除通胀后的实际购买力 名义价值(未扣通胀)
标普 500 含股息再投资,月度数据。纵轴为对数刻度——只有在对数刻度下, 「稳定的百分比增长」才会呈现为直线。这条线并不平滑:中间有三段长达十余年的横盘(1907–1920、1929–1954、1968–1982), 每一段在当时都被认为是「股票时代结束了」。
读图要点
  • 155 年 7.12% 的实际年化,是 445 万倍的累计回报——复利的力量来自时间,不是收益率。
  • 但这条线上任何一点,向前看都是不确定的;只有向后看,它才显得「必然」。
  • 三段长期横盘说明:「长期向上」是一个 30 年尺度的结论,不是 3 年尺度的。
01 · 时间

时间是唯一不需要天赋的杠杆

1926 年至 2026 年,标普 500 的年化回报是 10.51%。这个数字之所以重要,不是因为 10.51% 有多高, 而是因为它可以被任何一个不需要选股能力的人获得——前提是他愿意等足够久。

复利公式 FV = P × (1 + r)^n 里有两个变量:收益率 r 和年限 n。 大多数人的注意力都在 r 上——找更高的收益、更好的基金、更准的择时。 但 r 的提升是有限且不确定的,而 n 的延长是确定且免费的。

这张图把三种收益率放在同一张对数坐标上。注意 4% 和 10% 的差距在头十年几乎看不出来, 但到第 40 年,终值差了 9.6 倍。

同样的 40 年,不同的年化:终值相差 9.6 倍

1 万元本金 · 对数刻度
4% · 债券/保守配置 7% · 实际股票长期回报 10% · 名义股票长期回报
对数坐标下,等比增长呈现为直线,斜率即收益率。三条线的垂直距离始终不变,但绝对金额的差距在指数级扩大—— 这正是复利最反直觉的地方:差距不是「慢慢拉开」,而是「在最后几年突然拉开」。

持有期:把「可能亏损」变成「几乎确定盈利」

我用 1871 年以来的 1,800 多个月度数据,计算了任意时点入场、持有 N 年的实际年化回报分布。 结果比任何说教都直接。

持有越久,亏损概率越低——但从未归零

1871–2026 · 全部滚动窗口
正收益概率 最差窗口的年化
柱状为各持有期「实际年化 > 0」的窗口占比,折线为该持有期最差窗口的年化收益。 持有 1 年,近三成窗口亏钱;持有 20 年,只有 0.1% 的窗口亏钱;持有 30 年,没有亏损窗口。

注意最后两行:持有 20 年,最差窗口的年化是 -0.23%(几乎打平); 持有 30 年,最差窗口是 +1.86%——即使在最不幸的时点入场, 30 年后也是正的实际回报。

这不是说未来一定如此。这是说:在已知的历史中,时间是把「可能亏损」转化为「几乎确定盈利」的唯一变量。 没有任何选股技巧、没有任何择时模型,能做到这一点。

但这个结论有一个致命前提

日经 225 在 1989 年 12 月见顶 38,915 点,直到 2024 年 2 月才重新站上这个位置——34 年零 2 个月。 如果一位日本投资者在 1989 年满仓入场,他需要活到 90 岁才能看到本金回本。

所以「长期持有」不是万能药。它成立的条件是:你持有的是一篮子会自我更新的企业, 而不是一个国家的某个指数点位。 标普 500 在 1957 年创立时的 500 家公司,到 2026 年只剩下约 50 家还在指数里。 正是这种「淘汰弱者、纳入强者」的机制,让它成为一台长期的复利机器—— 而日经的构成变化慢得多,泡沫顶部的估值也高得多(1989 年日经的市盈率超过 60 倍)。

换句话说:时间是好公司的朋友,是坏估值的敌人。 两者不能混为一谈。

复利的第一条规则是:永远不要不必要地打断它。
查理·芒格,2021 年 Daily Journal 股东大会
执行要点
  • 用「这笔钱多久不用」来决定资产配置,而不是用「我觉得它会涨」。
  • 任何 5 年内要动用的钱,不要放进权益市场——不是因为股票不好,是因为你的时间不够长。
  • 下跌时不要停止定投。那正是复利最便宜的时候。
02 · 成本

成本是唯一确定的负收益

你无法控制市场明年涨还是跌。但有一件事你 100% 可以控制:你为投资付了多少钱。 而这件事对最终结果的影响,比大多数人以为的大得多。

假设本金 100 万元,市场年化 7%,投资 40 年。唯一的变量是费率。 结果是:

  • 费率 0.03%(典型宽基 ETF):终值约 1,483 万元
  • 费率 1.00%(典型主动基金):终值约 1,029 万元
  • 费率 2.00%(含投顾费的主动基金):终值约 704 万元

最高与最低之间差 779 万元,是本金的 7.8 倍。 换个说法:2% 的费率吃掉了 52.5% 的终值。

为什么差距这么大?因为费率不是从「收益」里扣,而是从「本金 + 已累积收益」里扣。 它每年都在对一个越来越大的基数收费,效果等同于复利的反向运作。

费率每多 1%,40 年后少一半

100 万元本金 · 市场年化 7%
0.03% 0.50% 1.00% 2.00%
四条线在前 5 年几乎重合,第 15 年开始明显分离,第 40 年差距达到 2.1 倍。 费率的影响不是线性的,它随年限指数级放大——这就是为什么「每年只差 1%」是一个危险的错觉。

约翰·博格尔用一句话概括了这件事:「你得到的,是你没有付出的那部分。」 (You get what you don't pay for.)

这句话常被误读为「便宜没好货」的反讽。博格尔的原意恰恰相反: 在投资中,成本是从你的收益里直接扣除的,而收益本身是不确定的。 付出更高的成本,并不会带来更高的期望收益,只会带来更低的确定收益。

这不是理论推演。标普道琼斯 SPIVA 报告连续二十余年追踪主动基金的表现: 截至 2024 年底,过去 15 年里约 88% 的美国主动大盘股票基金跑输标普 500。 这不是因为基金经理不聪明——而是因为市场扣除成本后的总收益是零和,而成本让它是负和。

边界:主动管理什么时候有效

说「主动管理全是骗局」是不严谨的。在流动性差、信息不对称、定价效率低的市场 (小盘股、私募债、部分新兴市场),优秀的主动管理确实能创造超额收益—— 因为这些市场的「零和」还没有被套利者磨平。

但在流动性最好、被全球数万名分析师覆盖的美国大盘股市场, 主动管理的期望值在扣除费用后为负。这是一个结构性结论,不是对某些基金经理的否定。

还有一类成本常被忽略:换手带来的交易成本与税。 一只年换手率 100% 的基金,即使费率标称 0.5%,实际的买卖价差、冲击成本和资本利得税, 可能让真实成本再增加 0.5–1.5 个百分点。这些成本不出现在招募说明书里, 只出现在你的长期收益里。

执行要点
  • 核心仓位优先选费率低于 0.2% 的宽基指数基金。
  • 看费率时,看「总持有成本」而不是「管理费」——换手率、买卖价差、税都要算进去。
  • 每年检查一次费率。通胀会让一切涨价,但费率应该逐年下降。
03 · 风险

波动不是风险,永久性损失才是

学术界用标准差定义风险。这个定义在数学上优雅,在实践中危险—— 因为它把「价格上涨」和「价格下跌」同等对待。而对真实的人来说,只有下跌是风险。

亏损与回本之间不是线性关系,是双曲线关系。跌 10% 需要涨 11.1% 回本, 跌 50% 需要涨 100%,跌 80% 需要涨 400%。这条曲线解释了为什么「避免大亏」 的优先级高于「追求大赚」。

亏损与回本的不对称:跌得越深,爬得越慢

回本所需涨幅 = 1/(1-亏损) - 1
横轴为亏损幅度,纵轴为回本所需涨幅。曲线在 -50% 之后急剧陡峭: 从 -50% 到 -90%,亏损只多了 40 个百分点,回本所需涨幅却从 100% 涨到 900%。 这就是「永久性损失」的数学定义——不是账面浮亏,而是你再也爬不回来的那个深度。

一个具体的例子。策略 A 的四年收益是 +20%、-50%、+20%、-50%; 策略 B 是 +8%、+8%、+8%、+8%。

策略 A 的算术平均收益是 -15%,策略 B 是 +8%—— 看起来 B 好一点。但真实的资金曲线是: A 四年后剩 36%(累计 -64%),B 剩 136%(累计 +36%)。 A 的几何平均收益是 -22.6%,比算术平均还低 7.6 个百分点。

这个差额有一个名字:波动拖累(volatility drag)。 它不是手续费,不是税,而是波动本身对复利的侵蚀。

同样的平均收益,波动越大,实际复利越低

算术年化固定 10% · 几何 ≈ μ − σ²/2
横轴为年化波动率,纵轴为几何(实际复利)收益。波动 50% 的资产, 在算术收益 10% 的假设下,几何收益是 -2.5%——它的平均收益是正的,但你的钱在缩水。 这条曲线也是「杠杆危险」的数学解释:2 倍杠杆不会让收益翻倍,而是让波动翻倍,然后按 σ² 吃掉你的复利。

所以「风险」的正确定义不是「价格会波动」,而是「本金遭受无法恢复的损失的概率」。 这个定义有两个直接推论:

  • 波动本身不是风险,但如果波动大到让你在底部卖出,它就变成了风险。
  • 杠杆是最危险的风险放大器,因为它把「暂时的波动」变成「永久的出局」。

塔勒布把这个思想推到了极致:不要问一件事发生的概率有多大,要问它发生时你还能不能活下来。 一个 99% 概率赚 10%、1% 概率亏 100% 的策略,期望值是正的(+8.9%), 但重复 100 次之后,你的存活概率是 36%。

如果你不能承受 50% 的回撤,你就不配拿到 10% 的年化。 这两件事是同一枚硬币的两面,而不是可以分别选择的选项。
对巴菲特「波动与收益同源」思想的概括
执行要点
  • 用「最大可承受回撤」倒推仓位,而不是用「我想赚多少」。
  • 任何可能让你在底部卖出的仓位,都太大了——无论它的期望收益多高。
  • 杠杆放大的是波动,不是收益。在 σ² 面前,杠杆是负和游戏。
04 · 分散

分散是唯一免费的午餐

1952 年,哈里·马科维茨发表了一篇 14 页的论文,用数学证明了「不要把鸡蛋放在一个篮子里」。 四十年后他因此获得诺贝尔经济学奖。他的贡献不是提出了分散, 而是证明了分散可以在不降低预期收益的前提下降低波动。

这在金融学里是罕见的「免费」。正常情况下,你想要更高收益,就必须承担更高风险。 但分散化打破了这个交换——它让你的组合在同样的收益下,承担更少的波动。

我用 1926–2026 的月度数据,计算了从 100% 股票到 100% 债券的 11 种配置。 结果如下:

股债配置:收益与波动的权衡曲线

1926–2026 · 年度再平衡 · 对数收益
各配置点(标注股票占比) 夏普比率最高点
横轴为年化波动率,纵轴为年化收益。曲线的向左上方凸出说明分散有效—— 从 100% 股票降到 60/40,收益少了 20%,波动却少了 37%。 夏普比率在 50/50 附近达到峰值 0.52,高于纯股票的 0.46。 左下端的弯钩不是绘图错误:100% 债券组合的波动率(5.83%)反而高于 90/10 组合(5.55%), 因为少量股票与债券的低相关性降低了整体波动——这正是分散化最纯粹的证据。

看两组数字的对比。从 100% 股票降到 60/40:

  • 年化收益:10.51% → 8.41%,少了 20%
  • 年化波动:15.37% → 9.64%,少了 37%
  • 最大回撤:-81.9% → -61.2%,少了 25%

你用 20% 的收益,换来了 37% 的波动削减。 这就是「免费午餐」的确切含义:风险调整后的收益提高了,而不是简单地「牺牲收益换安全」。

夏普比率是衡量这个交换的标尺——每承担一单位波动,能换来多少超额收益。 它在 50/50 达到峰值 0.52, 高于纯股票的 0.46。 这意味着:在 1926–2026 的历史中,一个从不选股、只做股债配比的投资者, 比一个满仓股票、承受了 60% 更多波动的投资者,拿到了更好的风险调整收益。

但分散会在最需要它的时候失效

2008 年 9 月至 10 月,标普 500 下跌 25%。同期新兴市场股票跌 30%,高收益债跌 20%, REITs 跌 35%,大宗商品跌 40%。相关性在尾部趋近于 1。

这引出一个更精确的定义:真正的分散不是「持有许多资产」, 而是「持有对同一风险因子暴露不同的资产」。 十只科技股不是分散,是加杠杆。

这也是为什么国债在组合中有特殊地位:它的主要风险因子是利率,而不是经济增长。 当增长恐慌来临时,央行降息,利率下行,国债上涨—— 这是 2008 年、2020 年真实发生过的事,也是 2022 年没有发生的事 (那一年是通胀恐慌,股债同跌)。

没有任何一种资产在所有环境下都对冲。 分散的作用不是消除亏损,而是让亏损的来源不同步。

执行要点
  • 先定股债比例,再选具体标的。顺序反了,就会被产品推销牵着走。
  • 权益部分要跨市场、跨行业。集中在单一主题(哪怕是「AI」)不叫分散。
  • 每年再平衡一次。这本身就是被规则强制的低买高卖。
05 · 估值

估值不预测明年,但能解释十年

如果有人告诉你「我知道市场明年会怎么走」,你可以直接结束对话。 但如果有人告诉你「我知道未来十年大概率会怎样」,你应该听下去—— 这两件事的可预测性,差了整整一个数量级。

周期调整市盈率(CAPE),又称席勒市盈率:用标普 500 的当前价格, 除以过去十年经通胀调整的平均盈利。相比单年市盈率,它平滑了经济周期的波动, 避免在盈利低谷时「市盈率虚高」的假信号。

我用 1871–2016 年的 1,629 个月度观测,计算了每个时点的 CAPE 与随后十年实际年化回报的关系。

CAPE 越高,未来十年的实际回报越低

n = 1,629 · 相关系数 −0.483
单月观测 分箱均值
横轴为 CAPE,纵轴为随后十年的实际年化回报。散点是 1,629 个月度观测, 金色方块是按 CAPE 分箱后的均值。趋势清晰,但离散度极大—— 在同一个 CAPE 水平上,未来十年的结果可以相差 15 个百分点。

按 CAPE 分箱后的均值,整体呈现明显的下降趋势——但不是严格单调, 25–30 这一档因样本较少(n=109)而略有反弹:

  • CAPE < 10:未来十年实际年化 +11.30%(n=225)
  • CAPE 10–15:+7.64%(n=462)
  • CAPE 15–20:+6.05%(n=516)
  • CAPE 20–25:+4.58%(n=260)
  • CAPE 25–30:+5.87%(n=109)
  • CAPE 30–35:+1.28%(n=23)
  • CAPE 35–45:−2.59%(n=34)

但要诚实:相关系数 −0.483 意味着 CAPE 只能解释未来十年回报方差的约 23%。剩下 77% 来自你无法预知的东西——技术革命、战争、政策转向、疫情。

CAPE 是所有单一指标里最强的长期预测变量之一,但它仍然只能解释不到四分之一的方差。 任何声称「CAPE 能精确预测回报」的说法,都是在滥用数据。

当前的位置

2026 年 10 月 30 日,CAPE 为 40.13。 历史均值 17.44,中位数 16.13,历史最高 44.19(1999 年 12 月)。 当前值处于历史第 98 百分位以上。

落在 35–45 这一档的历史样本只有 34 个月度观测,平均未来十年实际年化 −2.59%。 但必须指出:这 34 个观测高度重叠(集中在 1929、1999–2000、2021 附近), 独立的「十年期」样本不足 5 个。统计意义有限。

它能告诉你的只有一件事:当前定价隐含的长期期望回报很低。 它不能告诉你什么时候均值回归,也不能告诉你这次是否不同。 霍华德·马克斯的比喻在这里最贴切——

钟摆永远不会停在中间。它从一端摆向另一端,在中间停留的时间最短。 但没有人知道它这一轮会摆多远,也没有人知道它什么时候回头。
霍华德·马克斯《周期》,意译
执行要点
  • 估值用来调整预期,不是调整时点。CAPE 高时,降低收益预期,而不是清仓。
  • 高估值环境下,定投比一次性投入更有意义——它让你在下跌时自动买得更多。
  • 不要用估值做短期择时。历史上 CAPE 可以在高位停留 5 年以上。
06 · 周期

熊市是入场费,不是意外

1876 年至今,标普 500 经历了 16 次跌幅超过 20% 的熊市,平均每 9.4 年一次。 如果你打算投资 30 年,你大概率会经历 3 次。这不是「可能」,是「必然」。

下面这张图列出 1929 年以来的 9 次重大熊市:跌幅有多深,以及用多少个月才回到前高。 注意两个极端——

1929 年以来的 9 次熊市:跌幅与恢复时间

峰值至谷底跌幅 · 恢复至前高所需月数
跌幅(左轴) 恢复月数(右轴)
红柱为跌幅,蓝柱为恢复至前高所需月数。两者没有稳定关系—— 2020 年跌 33.9%,6 个月就恢复;1929 年跌 81.9%,用了 15 年 4 个月。 深度取决于下跌的原因,恢复速度取决于政策反应。

1929 年的熊市用了 184 个月(15 年 4 个月)才恢复名义本金; 2020 年的熊市只用了 6 个月。 前者的原因是结构性泡沫 + 政策失误(美联储紧缩、贸易保护), 后者是外生冲击 + 史无前例的货币与财政刺激。

但有一个规律是稳定的:每一次熊市,在当时看起来都像是「这次不一样」。

  • 1929 年:「永久性繁荣的终结。」
  • 1973 年:「石油要枯竭了。」
  • 2000 年:「互联网改变一切,旧估值方法失效。」
  • 2008 年:「金融体系要崩溃了。」
  • 2020 年:「全球停摆,经济不会恢复。」

事后看,它们都是周期;事前看,它们都是末日。 「这次不一样」(This time is different)之所以是投资中最昂贵的五个字, 是因为它在每一次危机中听起来都很有道理。

平均跌幅 40%,平均恢复 4.4 年

1929 年以来的 9 次熊市,平均跌幅 −39.9%, 平均恢复时间 52.3 个月(4.4 年)。

这两个数字应该直接写进你的资产配置里。如果你的组合在下跌 40% 时, 会让你失眠、赎回、或者影响生活,那么你的权益仓位就是错的—— 不是因为收益不够高,而是因为它的风险超出了你的承受能力。

反过来,如果你能平静地接受账户腰斩,那么熊市对你来说不是风险,是打折。 这个区别,决定了同样一场危机,对一个人是灾难,对另一个人是机会。

我们倾向于从过去的数据中学习,但历史最有价值的部分, 恰恰是那些从未发生过的事。
纳西姆·塔勒布《黑天鹅》,意译
执行要点
  • 提前写下「如果市场跌 30%,我会怎么做」,然后在跌 30% 时照做,不要临场判断。
  • 不要试图预测熊市。预测的准确率太低,而准备的代价很小。
  • 熊市中的定投,是唯一被反复验证的「抄底」方式——因为它不需要你判断底部。
07 · 行为

你最大的对手是自己

这一章的数据最令人不安,因为它衡量的不是市场的效率,而是人的缺陷。 而这个缺陷,恰恰是可以用规则修补的。

3.8 万亿美元消失在择时里

Morningstar 每年发布《Mind the Gap》报告,比较「基金本身的回报」和「投资者的实际回报」。 后者按资金加权计算,反映真实的申购赎回时点。

2026 年 8 月发布的报告显示:截至 2025 年 12 月 31 日的十年间, 美国共同基金与 ETF 的加权平均总回报是 9.9%, 而投资者的实际收益是 8.7%。 缺口 1.2 个百分点,相当于基金总回报的 12%。

换算成金额:如果 2016 年初的 13.6 万亿美元资产原封不动地复利增长, 十年后应该是 35 万亿美元。实际是 29.7 万亿美元。 约 3.8 万亿美元消失在申购和赎回的时点选择上。

3.8 万亿美元。这不是一个抽象的数字,它是无数人在错误的时间做了看起来正确的事。

错过最好的 50 天,30 年白干

我用 1996 年 10 月至 2026 年 10 月的 7,546 个交易日做了另一个测算: 如果你全程持有标普 500,年化 8.25%,30 年 10.75 倍。

然后假设你「不幸地」错过了表现最好的若干天:

错过最好的 N 个交易日,收益如何崩塌

1996-10 — 2026-10 · 7,546 个交易日
横轴为「错过的表现最好的交易日数量」,纵轴为 30 年的年化收益与终值倍数。 错过最好的 10 天(占全部交易日的 0.13%),终值从 10.75 倍降到 4.79 倍; 错过最好的 50 天(0.66%),终值 0.78 倍——30 年白干。 没有人能提前知道哪 50 天是那 50 天,这就是问题所在。

这组数字常被误读为「所以要一直满仓」。它真正的含义是: 市场的大部分涨幅集中在极少数几天,而这几天往往紧挨着最糟糕的日子。 2020 年 3 月,标普 500 在 20 个交易日内跌 34%,随后又在 6 个月内涨回。 试图「先卖出避险、再买回来」的人,必须同时做对两件事:躲过下跌,以及赶上反弹。 做对的概率,远低于大多数人的自信。

损失厌恶:为什么你会在底部卖出

卡尼曼与特沃斯基的研究给出了解释:损失的痛苦,大约是等量收益带来的快乐的 2 到 2.5 倍。

这个不对称性有一个直接的后果:在下跌 20% 时,你感受到的痛苦, 需要上涨 40–50% 才能抵消。而市场不会配合你的感受。 于是「卖出止损」在心理上变成了止痛药——它终止了痛苦,也终止了复利。

更麻烦的是近因效应:你会把最近的经验外推为未来。 连涨三年后,你觉得风险很低;刚经历暴跌,你觉得股市是赌场。 这两种判断,都与接下来的实际回报无关,甚至负相关。

投资者的主要问题——甚至是他最大的敌人——很可能就是他自己。
本杰明·格雷厄姆《聪明的投资者》

定投的真正价值,不在收益

一个常被误解的问题:定投和一次性投入,哪个更好?

我用 1871–2026 的数据做了 1,737 个滚动窗口:同样一笔钱, 一次性投入 vs 分 12 个月等额投入,同样持有 10 年。

一次性投入 vs 分 12 个月投入:1,737 个窗口

持有 10 年 · 实际总回报
每个点是一个滚动窗口,横轴为一次性投入的 10 年收益,纵轴为分批投入的收益。 66.0% 的点落在对角线之上,即一次性投入胜出; 中位数 96.7% vs 90.7%,优势 6.3 个百分点。 这与 Vanguard 2012 年的研究高度一致(美国 66%、全球 64%)。

结论很明确:一次性投入在约三分之二的窗口里胜出。 原因很简单——市场大部分时间在上涨,所以更早入场平均而言更好。

那么定投的意义是什么?不是收益更高,而是让你在下跌时还愿意继续。

它是一种承诺装置(commitment device):用事先设定的规则,替代临场判断。 对于一个容易在底部卖出的人来说,定投的 34% 劣势, 远比一次恐慌性清仓的代价小。

这就是行为金融学最实用的一个结论:好的投资方案,不是期望收益最高的方案, 而是你能坚持到底的方案。

执行要点
  • 把投资纪律写下来,签上名字和日期。文字比记忆更能约束人。
  • 每年最多查看账户 4 次。看得越频繁,你看到的「下跌」越多,而长期趋势越不可见。
  • 用自动扣款代替手动买入。把「决定」变成「默认」。
  • 在下跌时,把问题从「要不要卖」换成「要不要多买」。
08 · 通胀

通胀是沉默的税

如果你的投资年化 3%,通胀也是 3%,你的实际收益是零。 但你的账户余额在增长,你会觉得自己在赚钱。 这就是通胀最危险的地方:它不发出任何通知。

1990 年 1 月,美国 CPI 为 127.4;2026 年 9 月,为 336.94。 36 年间累计上涨 164.5%,年化 2.75%。

这意味着:1990 年的 100 元,购买力相当于今天的 264.5 元。 反过来——你今天拿 100 元,只买得到 1990 年 37.8 元的东西。

1990 年的 100 元,今天还值多少

美国 CPI-U · 1990-01 — 2026-09
红线为名义价值(永远是 100 元),绿线为实际购买力。 36 年后,100 元只剩 37.8 元的购买力,年均流失 2.75%。 注意这条线是「平滑下滑」的——这正是它容易被忽视的原因: 没有哪一年跌得特别多,但每一年都在跌。

用 72 法则:年化 3% 的通胀,24 年让购买力减半。 一个 30 岁的人,到 54 岁时,他放在活期账户里的钱会失去一半的购买力—— 而这期间,账户余额一分没少。

这就是为什么「现金是安全资产」是一个危险的错觉。 它在名义上是安全的(不会跌),在实际购买力上是确定亏损的(每年 −2% 到 −3%)。 真正的「无风险利率」,是名义利率减去通胀——过去十几年,它经常是负的。

名义与实际的鸿沟

1926–2026 年,标普 500 名义年化 10.51%,实际年化 7.33%。 差 3.18 个百分点,是通胀的长期成本。

100 年下来,1 元名义上变成约 22,000 元,实际购买力只相当于 1,180 元。 差了 18 倍。

这不是说名义收益是幻觉。这是说:你必须用实际购买力来衡量投资成败, 而不是用账户余额。 一个「十年翻倍」的投资,如果同期通胀累计 80%,实际只赚了 11%。

什么资产能跑赢通胀

长期看,能稳定跑赢通胀的资产只有三类:

  • 权益:企业可以把涨价转嫁给客户,所以盈利名义值随通胀上升。
  • 实物资产:房地产、大宗商品,价格本身随通胀调整(但有周期和流动性成本)。
  • 通胀挂钩债券:本金随 CPI 调整,是唯一「合约保证」跑平通胀的工具。

反过来,长期名义债券、现金、以及大部分固定收益产品, 在通胀上行期是确定的实际亏损。2022 年就是最近的例子: 全球债券指数下跌 16%,是过去 50 年最差的年份之一——因为通胀从 2% 冲到 9%。

执行要点
  • 用实际收益率(扣除通胀)比较投资品,而不是名义收益率。
  • 长期资金必须配置能跑赢通胀的资产。全部放在存款里,是一种「确定亏损」的选择。
  • 目标不是「不亏本金」,是「不亏购买力」。这两个目标在通胀环境下完全不同。
09 · 边界

集中是能力的结果,不是勇气的表现

巴菲特说过「分散化是对无知的保护」。这句话常被引用为「应该集中投资」的依据。 但很少有人注意到它紧跟着的条件从句。

原话是:「Diversification is protection against ignorance. It makes little sense if you know what you are doing.」 ——分散化是对无知的保护。如果你知道自己在做什么,它就没那么必要。

注意那个 if。这不是鼓励,是门槛。

凯利公式给出的答案

1956 年,约翰·凯利在贝尔实验室提出了一个公式,用于计算正期望赌局中的最优下注比例:

f* = (b·p − q) / b

其中 f* 是最优仓位,b 是赔率(赢时赚多少倍),p 是胜率,q = 1 − p。 举例:一个机会 60% 概率翻倍、40% 概率归零, f* = (1×0.6 − 0.4) / 1 = 20%。

这个公式的洞察是:仓位取决于「优势」,而优势取决于「你知道别人不知道的东西」。

如果你没有信息优势、分析优势或时间优势,那么你的 p 就等于市场平均的 p。 凯利公式给出的最优仓位,就是「市场组合」——也就是分散持有全部资产。

所以普通人应该分散,不是因为分散更安全,而是因为在没有优势的情况下, 分散是唯一数学上正确的选择。

反过来,集中投资在数学上要求你有可验证的优势。 巴菲特有:保险浮存金带来的低成本杠杆、六十年积累的商业判断、 以及声誉带来的独特交易机会(高盛优先股、日本商社)。 这些东西,绝大多数人复制不了。

把「集中」当成勇气,是投资中最常见的认知错位。 它把「没有优势却敢下重注」误认为「有信念」。

过度分散同样有害

这里有一个真实的张力:分散会稀释收益。 持有 50 只基金不是分散,是「主动管理费的平均化」—— 你付了 50 份费用,得到了一个接近指数的组合,还多了管理复杂度。

更精确的原则是:在风险因子层面分散,在标的层面集中。

  • 因子层面:股票、债券、实物资产、地域、货币,这些要分散。
  • 标的层面:每个因子用 1–2 只低成本工具,不要买 10 只跟踪同一指数的 ETF。

一个可执行的检验方法:如果你说不出组合里每只产品分别对冲什么风险, 那你的分散就是无效的。

像我们这样的人,长期优势来自于始终努力不犯傻, 而不是努力变得非常聪明。这很值得注意。
查理·芒格,1989 年演讲
执行要点
  • 先问自己:我的优势是什么?如果答不上来,就分散。
  • 分散到「风险因子」层面,不是「产品数量」层面。
  • 核心仓位用宽基指数,卫星仓位才考虑集中——并且给卫星仓位设上限(如 20%)。
10 · 执行

一份可以贴在墙上的备忘录

前面九章讲的是「知道」。这一章讲「做到」。 这两件事之间的距离,比大多数人想象的长。

第一组:先修地基(在投资之前)

  1. 建立 6–12 个月生活开支的应急金。放在货币基金或短债,不要放股市。这笔钱的作用不是赚钱,是让你在失业或急病时不必卖出投资。
  2. 配置保障型保险。医疗、重疾、定期寿险,保额覆盖 5–10 年收入。保险是转移风险的工具,不是投资品——不要买带理财功能的保险。
  3. 还清利率高于 8% 的负债。还债的确定收益,高于大多数投资的期望收益。信用卡分期的实际年化常在 15% 以上,这是最确定的「投资机会」。

第二组:定框架

  1. 用「最大可承受回撤」倒推股债比例。能忍受 −20% 就配 40% 权益;能忍受 −50% 才配 100%。不要用「我想赚多少」来定,要用「我能亏多少」。
  2. 权益部分,80% 以上用低成本宽基指数。费率低于 0.2%,跟踪误差小于 0.5%。剩下 20% 可以配置你真正理解的行业或市场。
  3. 债券部分以高信用等级、中短久期为主。它的作用是对冲衰退,不是追求收益。想要高收益的债券,本质是在承担权益风险。

第三组:定纪律

  1. 每年再平衡一次,或偏离目标比例 5 个百分点时触发。再平衡是被规则强制的低买高卖,不需要判断。
  2. 用自动扣款定投。把「决定」变成「默认」。金额可以小,但不能断。
  3. 每年最多查看账户 4 次。看得越频繁,你看到的「下跌」越多,而长期趋势越不可见。

第四组:定预案

  1. 写下「如果市场下跌 30%,我会______」。填空,签字,贴在显眼处。等到真的跌 30% 时,照做,不要重新思考。
  2. 写下「如果市场上涨 50%,我不会______」。通常是「不会加杠杆」「不会把应急金投进去」「不会辞掉工作去全职炒股」。

这份清单没有任何一条需要预测市场。这正是它的价值所在。

投资的大部分收益,来自少数几个正确的决定,加上大量「不做傻事」的克制。 而「不做傻事」之所以困难,是因为傻事在当时看起来都很有道理—— 它们通常披着「这次不一样」「别人都在赚」「再不上车就晚了」的外衣。

所以最后一条,也是最重要的一条: 当你觉得某个决定「必须马上做」的时候,那大概率是一个不该做的决定。

如果只记三件事
  • 时间:把持有期拉长到 10 年以上,亏损概率从 30% 降到 11%。
  • 成本:费率每降 1%,40 年后多出 40% 的终值。这是唯一确定的事。
  • 行为:不要打断复利。市场最好的 50 天,决定了你 30 年的全部收益。

数据与方法

本文所有图表由 Python 脚本从原始数据计算生成,未使用任何第三方图表库或 CDN。 以下披露完整的口径、拼接方式与已知局限,以便读者复核或复现。

数据来源
  • 价格与股息:Robert Shiller 长期股市数据集,1871-01 至 2026-09,月度
  • 通胀:Shiller CPI(至 2023-09)+ 美国劳工统计局 CPI-U 系列 CUUR0000SA0(2023-10 至 2026-09)
  • 日线:Yahoo Finance ^GSPC,1996-10-31 至 2026-10-30,7,546 个交易日
  • 长期利率:Shiller 长期利率序列(10 年期国债收益率)
  • CAPE:Shiller PE10(至 2023-09);当前值 40.13 取自 multpl.com,2026-10-30
计算口径
  • 总回报:月度价格变动 ×(1 + 年化股息率/12),股息率取上月末股息/价格,缺失时用 1.9%
  • 实际回报:名义总回报 ÷ 当月 CPI 同比
  • 债券回报:月度票息(上月收益率/12)+ 久期效应(−7.5 × 收益率变动),修正久期取 7.5
  • 组合回报:按目标权重月度加权,未计再平衡成本
  • 熊市:峰谷法,回撤 ≥20%;1996 年后用日线收盘价,之前用月度数据
  • 定投:同样本金,分 12 个月等额投入 vs 一次性投入,持有 120 个月
已知局限
  • 债券回报为近似模型,未考虑信用利差与凸性,长期债券的实际表现会偏离
  • 未计入交易成本、税费、申购赎回费,因此实际差距会比图表显示的更大
  • 1871–1925 年的数据质量低于现代,早期样本的可靠性有限
  • CAPE 分箱的样本高度重叠(月度观测自相关),独立观测数远小于样本数
  • 全部为美国市场数据,不能直接外推到 A 股或其他市场
参考文献
  • Shiller, R. Irrational Exuberance, 3rd ed.
  • Bogle, J. Common Sense on Mutual Funds
  • Kahneman, D. Thinking, Fast and Slow
  • Marks, H. Mastering the Market Cycle
  • Taleb, N. The Black Swan
  • Markowitz, H. "Portfolio Selection", Journal of Finance, 1952
  • Vanguard, "Dollar-Cost Averaging Just Means Taking Risk Later", 2012
  • Morningstar, "Mind the Gap 2026", 2026-08
  • S&P Dow Jones Indices, SPIVA U.S. Scorecard