受下注游戏20%的启发，我和Gemini讨论了一些股票投资中的持仓组合相关的问题

我问: 我们来讨论下股票投资中的持仓组合相关的问题吧 有没有数据支撑持有几只股票相对是最优解？类似凯利公式那样的20%这个精准的数字

Gemini回答：这是一个非常经典且硬核的投资问题。简单来说：投资界并没有一个像物理常数或凯利公式（Kelly Criterion）中那样绝对普适的“唯一精确数字”，但确实有大量实证数据和金融学模型给出了相对最优的区间。

关于持有多少只股票最优，学术界和实战派给出的答案是不一样的。我们可以从数据支撑、数学模型以及实际操作三个维度来拆解。

1. 学术界的数据支撑：15到30只（边际效应递减）

在现代投资组合理论（Modern Portfolio Theory）中，风险被分为两类：系统性风险（市场大盘的风险，比如宏观经济波动）和非系统性风险（单个公司的特定风险，比如某公司财报暴雷）。

分散投资只能消除非系统性风险。

• 早期经典数据（Elton & Gruber, 1977）： 他们的研究表明，当组合中包含 15到20只 随机挑选的、行业分散的股票时，可以消除大约 85% 到 90% 的非系统性风险。超过 20 只以后，风险下降的曲线变得非常平缓。
• 现代市场数据（Campbell, Lettau, Malkiel & Xu, 2001）： 由于现代上市公司个股的波动率（Idiosyncratic volatility）变大，后来的研究指出，为了达到过去 20 只股票的分散效果，现在的投资者可能需要持有 30到50只 股票。

结论： 如果纯粹从数学模型上追求“以最小的机会成本最大化消除非系统性风险”，数据支撑的最优解通常落在 15只到30只 之间。

2. 凯利公式视角的反思：高确定性下的“集中”

你提到了凯利公式。有趣的是，凯利公式的内核其实是反过度分散的。

凯利公式 (f^* = \frac{bp-q}{b}) 的核心思想是：你的下注比例应该与你的“赢面（Edge）”和“赔率（Odds）”严格成正比。
* 如果一个投资机会的确定性极高、赔率极好，凯利公式会计算出一个非常大的仓位建议（比如单只股票占总仓位的 20% 甚至 40%）。
* 在凯利公式的逻辑里，为了“凑数”而去买入自己理解不深、赢面不够大的股票，不仅会拉低整体收益率，还会增加真实风险。

3. 实战派的最优解：个人的“认知带宽”极限

虽然数学模型说 30 只股票能完美分散风险，但对于个人投资者而言，这通常是个灾难，也就是巴菲特和芒格常说的“恶性分散（Diworsification）”。

这里需要引入一个关键变量：你的投资策略是基于什么？

如果你采用的是深度的基本面分析——比如需要仔细拆解财报、紧盯核心业务数据、计算细分行业的 PEG 估值（特别是在科技、零售或新消费这样动态变化极快的赛道），那么你的“认知带宽”就是最大的限制因素。

• 精力极限： 一个人想要高频且深入地跟踪一家上市公司的基本面，了解它的竞争格局、利润率变化和管理层动向，同时跟踪超过 5到10只 股票是非常困难的。
• 实战最优解： 对于具备较强选股能力的投资者，5到15只 股票往往是实战中的最优解。你可以将资金集中在 3 到 5 个不同的行业里，每个行业挑选 1 到 2 家最具确定性的龙头或高成长公司。

总结：你的“20%”在哪里？

如果你在寻找一个类似凯利公式那样具有指导意义的“精确数字”，我们可以这样设定基准：

1. 单只股票的上限： 即使是极度看好的高确定性机会，单只股票的仓位一般不建议超过 20% - 25%（这正是为了防范无法预知的黑天鹅事件）。
2. 核心持仓数量： 最优解通常是 5到10只 股票。
3. 行业分散度： 这些股票应分布在 3到5个 不同的、相关性较低的行业中（例如，不要 8 只股票全都是港股的互联网科技公司）。

也就是说，“持有 8 只左右跨行业的、经过深度基本面研究的股票，单只最高仓位不超过 20%”，这是融合了现代组合理论（防范非系统风险）和凯利公式（重仓高赢面）后，最贴近实战的最优解。

我继续问： 帮我查一下过去五年时间里面优秀的个人投资大师公开资料，他们的持仓组合一般是怎么分布的，分别占比多少，有没有相似性，可以有哪些值得学习的地方？

Gemini回答：

这是一个非常棒的进阶问题。分析投资大师们的实际持仓数据（尤其是美国 SEC 规定的 13F 文件），往往比听他们公开演讲更能看清投资的本质。

通过追踪过去五年，特别是截至最新 2025 年底至 2026 年初 的公开披露数据，我们可以清晰地看到几位顶尖个人投资大师（或由他们绝对主导的基金）的持仓分布情况。

令人惊讶的是，他们的数据几乎都在印证你之前提到的“集中”与“20%”这个概念。

1. 顶尖大师的持仓分布数据（截至最新披露）

为了对比，我们选取了三位风格迥异但都极其成功的价值/基本面投资大师：沃伦·巴菲特（伯克希尔·哈撒韦）、比尔·阿克曼（潘兴广场）以及在亚洲和中美市场极具影响力的李录（喜马拉雅资本）。

| 投资大师 (基金) | 投资风格特征 | 前五大重仓股及其占比 | 前五大总占比 | 总持仓数量 |
| :--- | :--- | :--- | :--- | :--- |
| 沃伦·巴菲特<br>(Berkshire Hathaway) | 护城河、现金流、大盘蓝筹 | 苹果 (22.6%)<br>美国运通 (20.5%)<br>美国银行 (10.4%)<br>可口可乐 (10.2%)<br>雪佛龙 (7.2%) | ~70.9% | 40余只 (但长尾极小) |
| 比尔·阿克曼<br>(Pershing Square) | 高度集中、积极主导、科技与消费 | Brookfield (18.2%)<br>Uber (15.9%)<br>亚马逊 (14.3%)<br>Alphabet/谷歌 (12.5%)<br>Meta (11.4%) | ~72.2% | 约 11 只 |
| 李录<br>(Himalaya Capital) | 深度基本面、中美科技与金融 | Alphabet A类 (22.3%)<br>Alphabet C类 (21.6%)<br>美国银行 (16.1%)<br>拼多多 (14.6%)<br>伯克希尔B (12.6%) | ~87.2% | 仅 9 只 (美股账户) |

*(注：李录对谷歌两类股票的总合并持仓甚至达到了惊人的 43.9%。)*

---

2. 他们持仓组合的核心相似性

从这些硬核数据中，我们可以总结出几个极其一致的规律：

• 头重脚轻的“极度集中”： 无论他们的总资金体量是 150 亿美元还是 2700 亿美元，他们前五大重仓股的占比统统超过了 70%。这意味着他们绝大部分的收益和风险都系于这屈指可数的几家公司。
• 单一标的“20%”的共识上限： 你之前提到的 20% 并非空穴来风。巴菲特对苹果和美国运通的单只持仓都在 20% 到 22% 之间；阿克曼的最大仓位在 18% 左右；李录单一公司（谷歌）的持仓更是远超 20%。这说明，20% 左右确实是顶尖大师在面对具有极高确定性机会时，敢于下注的一个实战锚点。
• 跨越科技与消费零售： 他们的重仓股高度集中在商业模式极其清晰、具有垄断属性的科技股（如谷歌、苹果、亚马逊）和具有强大用户粘性的消费/金融服务网络（如运通、Uber、拼多多）中。

---

3. 最值得个人投资者学习的地方

第一，用极度深度的认知，换取极度集中的底气
大师们之所以敢把 20% 的身家压在一家公司上，是因为他们对这家公司的理解超越了市场上的绝大多数人。当我们在运用 PEG 估值模型，或者深入拆解像美团、泡泡玛特、小米这类科技与消费零售公司的基本面和财报时，其实就是在做和这些大师一样的工作：摸清公司的商业护城河和真实增长率。只有这种级别的深度研究，才能支撑起单只股票 15% 或 20% 的重仓配置。买得少、买得精、买得重，是获取超额收益的核心。

第二，承认“绝佳机会是极其罕见的”
阿克曼常年只持有 10 只左右的股票。这种策略背后的逻辑是：世界上并没有那么多好公司值得你投资，每年能找到一两个估值和基本面双杀的“击球区”就已经非常幸运了。个人投资者往往为了“买股票而买股票”，而大师们则是在没有好标的的时候选择按兵不动，一旦出现高确定性目标就重拳出击。

第三，长情但并不盲目
虽然他们被称为长期主义者，但过去五年他们也进行了战术上的动态调整。例如，巴菲特在 2024 到 2025 年间明显削减了苹果和美国银行的仓位以锁定利润和控制过度集中的风险；阿克曼也大幅调整了持仓，将重仓转向了 AI 基础设施相关的科技巨头。这说明他们的集中是建立在估值合理的基础上的，一旦公司估值透支了未来的成长性，他们也会毫不犹豫地调整。

如果让你借鉴这种“前五大重仓占比超过 70%”的大师策略来审视你目前的自选股或者研究清单，你觉得哪 1 到 2 家公司的基本面和 PEG 数据，最能给你信心将其作为 20% 的核心底仓？