我的第一个金融项目：当多元化未能实现分散
发布: (2026年1月20日 GMT+8 08:53)
4 min read
原文: Dev.to
Source: Dev.to
Code and Readme with more financial and technical details is located here
动机
最近，在阅读了几本有趣的书籍后，我对金融领域产生了浓厚的兴趣。正如任何优秀的程序员会告诉你的，学习的最佳方式是深入一个问题并跌跌撞撞地尝试多次。
在柬埔寨长大时，我经常注意到媒体对柬埔寨政治和经济的报道与实际情况之间存在巨大的差异。许多重要且可能具有突破性的事件往往没有成为新闻。当我关注 NagaCorp Ltd 等股票时，我开始思考在信息极其有限的情况下，市场的效率会下降多少，以及风险在多大程度上得到了准确反映。
假设
高风险和低风险国家指数的ETF在风险调整后收益上没有统计显著差异。
我选择ETF是因为手动对单只股票进行分组会引入存活者偏差等问题，并且需要考虑所选期间内国家分类的变动。
数据与方法论
- 金融数据已经清洗完毕，我可以直接创建几个 Pandas DataFrame，进行对齐并开始分析。
- 我比较了跟踪以下指数的ETF的表现：
- S&P 500（发达市场基准）
- 新兴市场
- 前沿市场
- 我同时考察了绝对回报和风险调整后的指标，重点关注市场压力时期。
发现
- S&P 500 的年化收益约比前沿市场和新兴市场高出 10 %。
- 与 S&P 500 的相关性为中等（新兴市场 0.70，前沿市场 0.61），表面上看似有一定的独立性。
- 然而，在 S&P 500 最差的 10 个月中，新兴市场和前沿市场都遭受了严重亏损——约为 85‑91 % 的 S&P 500 损失幅度。
- 当 S&P 500 下跌时，前沿市场往往跌得更惨，导致原本的多元化收益在关键时刻几乎消失。
收获
- 基于此分析，我会将大部分投资集中在成熟市场。
- 该项目凸显了在市场下跌期间，多元化收益可能是幻觉。
- 同时也再次强调了明确的问题陈述以及探索最佳解答路径的重要性，而不是仅仅依赖高层次的指标。
如果你对更深入的金融分析感兴趣，欢迎查看上面的 GitHub 仓库或给我留言！