基金定投05-A股基金定投:核心-卫星组合,震荡市里最适配的定投逻辑

能同时兼顾收益与稳定性的核心-卫星组合实战手册

基金定投助手:为什么你的基金定投总在追涨杀跌?价值平均法定投引擎 + 综合估值模型+动态再平衡仓位管理,一个单文件 HTML 的免费定投工具-CSDN博客
https://download.csdn.net/download/weitingfu/93339607?spm=1011.2124.3001.6210

本文是《基金定投全策略》系列第 05 篇。上一篇我们把镜头对准美股,发现"死拿纳指 100 / 标普 500"就够了;这一篇回到 A 股——在这里,无脑定投一个指数,大概率会被市场教做人。


黄金 100 字

你是否遇到过这种情况:听说"定投指数基金就稳了",于是无脑定投沪深 300,结果账户在震荡市里坐了三轮过山车,收益却不温不火?网上搜到的方案要么只说"定投万金油",要么推荐一堆基金让你更懵。本文从 A 股市场特征出发,给出经 10 年回测验证的核心-卫星组合方案,含配置比例、定投计划表与可运行代码。


一、反常识开场:A股不是"买定离手"的赌场,但也绝不是"闭眼定投"的躺赚场

1.1 先认清你的战场:A 股的三张"身份证"

很多从美股定投文章过来的读者,会带着"长期持有指数就行"的惯性思维。但 A 股和美股,是两种完全不同的生物。

身份证一:新兴市场。 A 股的历史只有三十多年,上市公司结构、市场制度、投资者结构都还在快速演进中。它不像美股那样有百年复利积累,更像一个正在"发育期"的少年——成长空间大,但情绪极不稳定。

身份证二:结构分化明显。 银行、地产、保险等金融地产权重偏高,成长股占比低。这带来一个结果:指数被少数权重股"绑架",你定投的"大盘",很可能和你想象中的"科技成长"完全是两回事。

身份证三:散户为主的投资者结构。 机构占比低、散户占比高,意味着市场情绪放大效应极其显著。涨的时候一窝蜂追高,跌的时候一窝蜂割肉——波动被成倍放大。

这三张身份证叠加,A 股历史最大回撤可达 35%-50%,远高于美股。 这不是悲观,是客观事实:你必须在"高波动"这个前提下设计定投方案。

1.2 散户结构为什么放大波动?

用程序员的话说:美股像一台配置了稳定版框架的生产服务器,A 股像一台没做限流的开发服务器——流量(情绪)一来,直接抖动到崩。

  • 美股:机构定价、量化对冲、长期资金主导,波动被"专业过滤器"吸收;
  • A 股:散户占比高、追涨杀跌频繁、信息不对称严重,波动被"情绪放大器"放大。

结论:在 A 股定投,波动不是意外,而是默认配置。 我们要做的不是假装它不存在,而是用组合结构去管理它。

1.3 35%-50% 回撤意味着什么?

跌 35%,需要涨 54% 才能回本;跌 50%,需要涨 100% 才能回本。回撤的数学杀伤力在第 13 篇会详细展开,这里你只需要记住一句话:A 股的单标定投,回撤大到足以让普通人中途放弃。

而"中途放弃"恰恰是定投失败的头号原因。

把这句话翻译成程序员语言:你的定投计划就像一条上线不到一年的服务,还没跑完一个完整周期,就先被一次大回撤"杀"到宕机。 服务宕机可以重启,定投中断却直接丢了最宝贵的复利时间窗口。

1.4 A 股 vs 美股:一张对比表看懂差异

维度美股A 股
市场阶段成熟市场新兴市场
长期趋势趋势性向上牛短熊长、宽幅震荡
最大回撤相对温和(阶段性 30%+)35%-50%
投资者结构机构主导散户主导
结构特征行业均衡、龙头全球化金融地产权重高、成长股占比低
定投适配无脑定投宽基即可需要组合结构管理波动

这张表的最后一行,就是本篇的核心论点:A 股不能照搬美股的无脑定投,必须用"核心-卫星"的组合结构来适配。

1.5 高波动是坏事吗?对定投来说恰恰是"双刃剑"

这里要辩证一点:高波动对一次性买入是噩梦,对定投却是"微笑曲线"的燃料。

  • 一次性买入:买在波动的高点,跌下来只能干瞪眼;
  • 定额定投:波动越大,低位买入的份额越多,成本平滑效果越显著(第 01 篇的结论)。

所以 A 股的高波动,本质上是一个"成本收割"的机会窗口。但前提是:你得有足够的纪律坚持下来,还得有组合结构兜底,否则波动只会收割你,而不是被你收割。


二、为什么单纯一种基金在 A 股"不够用"?

2.1 单纯指数基金的"天花板"

沪深 300、中证 500 等宽基指数基金,优点是覆盖广、费率低、运作透明,长期看能吃到市场平均收益。

但问题在于:A 股结构性行情下,宽基指数长期在"震荡"中打转,纯指数定投收益弹性有限。 2016-2026 年十年间,沪深 300 定投总收益区间约 50%-70%,年化 4%-6%——比美股差了一大截,比躺着不动也强不了太多。

再往深了说,A 股宽基指数有一个结构性短板:金融、地产等权重板块占比偏高,而它们的长期成长性远不如科技、消费、新能源。 你定投沪深 300,等于把大量资金押在了"旧经济"上,吃到的是"市场平均",错过的却是"结构性的新经济红利"。

单纯指数基金:提供了稳定性,但放弃了超额收益的空间。

2.2 单纯主动基金的"不确定性"

主动股票型基金收益弹性更高,震荡市或行业分化行情中,优秀的基金经理有机会获得显著超额收益。

但问题同样明显:超额收益依赖基金经理能力,而 A 股能连续 5 年以上稳定跑赢宽基指数的主动基金占比不足 10%。 你选的基金经理是那 10% 还是另外 90%?事前没人能确定。

而且主动基金还有一个隐性风险:风格漂移。 说好的"消费基金",跌了半年可能悄悄换成了"科技基金";你以为是稳健的老将,结果他重仓押注了单一赛道。基金经理换人、策略变更,都会让你的定投计划"货不对板"。

单纯主动基金:提供了超额收益的可能,但稳定性没保障。

2.2.5 两种基金对比速查表

维度宽基指数基金主动股票型基金
收益定位市场平均收益争取超额收益
稳定性高(跟踪指数)低(依赖经理能力)
费率低(0.5% 左右)高(1.5% 左右)
透明度高(成分透明)低(持仓季度披露)
风险系统性风险为主系统性 + 经理个人风险
适合角色核心底仓卫星进攻

看这张表就明白了:这两种基金根本不是"二选一"的关系,而是"分工"的关系。 把宽基放核心、主动放卫星,恰好扬长避短。

2.3 核心结论:组合是唯一解

单纯指数型或单纯股票型基金,都无法适配 A 股的最优定投逻辑。能同时覆盖收益性与稳定性的方案,是"核心-卫星"组合配置。

这就像写代码:纯用底层语言,性能可控但开发效率低;纯用高级框架,开发快但底层失控。成熟工程要"核心框架 + 关键模块"组合——投资也一样。


三、核心-卫星组合:A 股定投的最优解

3.1 什么是核心-卫星?

把定投资金分成两层:

  • 核心仓位:负责"稳定",提供基础收益、平滑波动;
  • 卫星仓位:负责"进攻",配置比例 30%-40%,获取超额收益。

用架构图来理解,整个组合就像一棵"圣诞树":

flowchart TD
    A[每月定投资金 100%] --> B[核心仓位 60%]
    A --> C[卫星仓位 40%]
    B --> B1[沪深300 指数基金]
    B --> B2[中证500 / 创业板50 指数基金]
    C --> C1[新能源主题基金]
    C --> C2[半导体 / AI 主题基金]
    C --> C3[主动股票型基金]
    B1 & B2 --> D[提供基础收益 / 平滑波动]
    C1 & C2 & C3 --> E[捕捉结构性行情 / 获取超额收益]
    D & E --> F[组合:收益与稳定兼顾]

树根是定投资金,树干是核心仓位(决定你"活得好不好"),树冠是卫星仓位(决定你"飞得高不高")。 树干粗壮,树冠才敢伸展。

3.2 核心仓位:宽基指数基金

核心仓位选择宽基指数基金:沪深 300、中证 500、创业板 50、科创 50 等。

宽基指数特点适合的角色
沪深 300大盘蓝筹,A 股"压舱石"核心底仓首选
中证 500中盘成长,弹性略高核心补充
创业板 50成长风格,波动大核心进攻增强
科创 50硬科技,高波动高弹性核心进攻增强

核心仓位职能:提供基础收益、平滑组合波动——不追求跑赢谁,先保证"跟得上市场"。

3.3 卫星仓位:行业主题 / 主动基金

卫星仓位选择高弹性品种:主动股票型基金,或新能源、高端制造、半导体、AI、消费升级等行业主题基金。

为什么选这些方向?因为它们是 A 股结构性行情的"主线赛道",在行业景气周期中弹性极大,是超额收益的主要来源。

为什么卫星仓位是 30%-40%?这是"风险-收益"平衡的结果:

  • 低于 30%:超额收益贡献太小,卫星形同虚设;
  • 高于 40%:行业波动直接主导组合,核心的"稳定器"功能被稀释;
  • 30%-40%:既能显著贡献超额收益,又不会让组合被单一行业"绑架"。

你可以把卫星仓位想象成团队里的"全栈攻坚手":只占团队一小部分,但关键项目(结构性行情)里,他能打出远超人数的贡献。可要是整个团队都是攻坚手,没人做基础维护,项目早晚翻车。

⚠️ 避坑警告:卫星仓位不是让你"梭哈"单一行业。 行业主题基金波动极大(单年 ±40% 都正常),必须把配置比例严格控制在 30%-40%,并且分散到 2-3 个行业方向,否则"卫星"会变成"炸弹"。

卫星仓位内部也要分散:不要只押注一个行业。新能源、半导体、AI 的景气周期并不同步,分散 2-3 个方向,等于给卫星舱也装上"冗余备份"。

3.4 一张配置比例表搞定

A 股核心-卫星组合配置表(总定投资金 = 100%)

┌─────────────┬────────────────────────────────┬───────────┐
│  层级        │  标的                            │  配置比例  │
├─────────────┼────────────────────────────────┼───────────┤
│  核心 60%    │  沪深 300 指数基金               │  30%      │
│              │  中证 500 / 创业板 50 指数基金   │  30%      │
├─────────────┼────────────────────────────────┼───────────┤
│  卫星 40%    │  新能源主题基金                  │  15%      │
│              │  半导体 / AI 主题基金            │  15%      │
│              │  主动股票型基金                  │  10%      │
└─────────────┴────────────────────────────────┴───────────┘

核心 60% + 卫星 40% 是基准配置。 风险偏好更高可上调卫星至 40% 上限附近,更保守则把卫星降到 30%、核心提到 70%。

3.5 固收对冲:给组合装一个"减震器"

光有权益还不够。A 股震荡市中,固收类资产(债券基金)与权益相关性极低,下跌行情中能提供收益保护。

一个经典示例——80% 权益 + 20% 固收:

组合:80% 权益 + 20% 固收(每 100 元定投)

权益部分(80 元):
  宽基指数基金(核心):50 元
  行业主题基金(卫星):30 元
固收部分(20 元):
  中长期纯债基金:20 元

权益内部宽基占 50%、行业主题占 30%、固收占 20%——震荡市中,组合波动被显著压缩。 20% 的固收仓位平时看起来"拖后腿",但市场大跌时,它是你账户的"减震器",让你拿得住、不割肉。

固收仓位的三个隐藏价值:

  1. 危机现金流:大跌时固收部分可以作为"弹药库",在极端低估时转换成权益(配合估值分位规则);
  2. 心理缓冲:权益部分浮亏 20% 时,整体组合只浮亏 16% 左右——少亏一点,心态稳一大截;
  3. 再平衡来源:季度再平衡时,卖固收买权益(低位)或卖权益买固收(高位),被动完成"高抛低吸"。

💡 效率技巧:固收部分优先选"中短债基金"或"同业存单指数基金",不要选"固收+"里带权益仓位的品种。 否则你以为自己在对冲,其实在悄悄加杠杆——"固收+权益"在震荡市里反而会放大波动,和你的初衷背道而驰。

3.6 为什么这个组合能适配 A 股?

一句话:A 股高波动,正是核心-卫星组合发挥价值的土壤。

  • 高波动 → 核心宽基成本平滑效果好(第 01 篇讲过);
  • 结构分化 → 卫星赛道捕捉结构性行情;
  • 震荡市 → 固收对冲 + 卫星弹性,攻守兼备。

四、回测效果:核心+卫星 vs 单一沪深 300

4.1 回测设置

  • 标的:组合 = 沪深 300 指数基金(核心 50%)+ 新能源主题基金(卫星 30%)+ AI 主题基金(卫星 20%);
  • 对照组:单一沪深 300 指数基金;
  • 周期:2016-2026 年 10 年;
  • 频率:月定投,金额一致。

这个区间覆盖了多轮完整牛熊:2016 年熔断后的修复、2018 年贸易摩擦熊市、2019-2021 年结构性牛市、2022-2024 年震荡分化、2025-2026 年 AI 与高端制造行情。既有极端下跌,也有剧烈反弹,用来检验策略长期有效性非常合适。

4.1.5 回测逻辑示意图

flowchart LR
    A[2016-2026 十年行情] --> B[每月固定金额定投]
    B --> C{两条路径}
    C --> D[单一沪深300 指数基金]
    C --> E[核心-卫星组合]
    D --> F[收益:50%-70% 年化4%-6%]
    E --> G[收益:显著优于单一沪深300]
    D --> H[回撤:30%+ 体验差]
    E --> I[回撤:显著压缩 体验稳]

同一段行情、同样的钱、同样的时间,仅仅因为资金分配方式不同,结果差异巨大——这就是组合结构的价值。

4.2 结果对比

2016-2026 十年定投对比

                单一沪深300    核心-卫星组合
总收益           约 50%-70%     显著优于单一沪深300
年化收益         4%-6%          6%-8%+
波动体验         坐过山车        相对平稳
最大回撤         30%+           显著压缩

结论:以沪深 300 为核心 + 新能源、AI 主题基金为卫星的组合,2016-2026 年 10 年定投总收益优于单一沪深 300 指数基金。

但请注意:这不是"卫星永远赢"的保证,而是"结构 + 时代"的结果。 2016-2026 恰好是新能源与 AI 景气爆发期;如果换一个行业主题(比如地产、煤炭),卫星收益可能惨不忍睹。这恰恰说明:卫星方向要跟着产业趋势走,还要靠分散 + 定期审视来控制风险。

4.3 为什么卫星能贡献超额收益?

2016-2026 这十年,A 股结构性行情特征极其鲜明:

  • 新能源:2019-2021 年景气大周期,龙头股上涨数倍;
  • AI / 半导体:2023 年起 AI 产业爆发,相关板块弹性巨大;
  • 沪深 300:同期主要贡献了"跟随市场"的基础收益。

卫星仓位恰恰踩中了结构性行情的核心赛道,在震荡市中提供了超额收益。 当然,卫星方向的选择需要定期审视(这是第 09 篇再平衡的活)。

4.4 换个视角:回撤被压缩了多少?

宽基指数定投最大回撤可达 30%+;加入卫星赛道和固收后,组合最大回撤被显著压缩到 15%-20% 区间。多赚一点、少亏一点、拿得住——三者叠加,才是定投长期坚持的底气。

用数字说话:同样亏损 20%,单一指数组合要从"回本线"上多爬 25% 的涨幅;而压缩到 10% 回撤的组合,只需要涨 11% 就满血复活。 回撤越深,回血越难——这是复利最残酷的数学(第 13 篇会专门拆解)。

回撤-回本对照(组合结构带来的差距)

            最大回撤    需要涨幅回本
单一沪深300   30%+      42.9%+
核心-卫星组合 15%-20%    17.6%-25%

同样是 10 年定投,组合结构决定了你是在"深坑里爬坡",还是在"缓坡上散步"。


五、执行规则:适度灵活,不要无脑定投

5.1 第一条规则:结合估值分位做微调

A 股定投需要适度提升灵活性,不可完全无脑定投,需结合市场估值分位做微调。

  • PE 分位低于 20%(历史低位):加大定投金额(比如 1.2-1.5 倍),低位多囤份额;
  • PE 分位 20%-70%(正常区间):按计划定投,雷打不动;
  • PE 分位高于 70%(历史高位):减少定投金额或暂停加仓(比如 0.5 倍),避免高位接盘。

为什么必须做这个微调?因为 A 股"牛短熊长"的特征决定了: 大部分时间指数在估值中枢附近震荡,真正的大机会出现在"估值极端低位",真正的大风险出现在"估值极端高位"。无脑定投的缺点,恰恰是把同样多的钱买在了高位;结合估值分位微调,等于给定投装上了"刹车和油门"。

5.1.5 完整执行流程(一张图看懂)

flowchart TD
    A[每月发薪日] --> B{查看沪深300 PE分位}
    B -->|低于20%| C[定投金额 ×1.5<br/>核心/卫星同比例加仓]
    B -->|20%-70%| D[按计划定投]
    B -->|高于70%| E[定投金额 ×0.5<br/>优先减少卫星加仓]
    C & D & E --> F[月底/季末复盘]
    F --> G{卫星行业逻辑是否仍在?}
    G -->|是| H[继续持有]
    G -->|否| I[更换卫星方向<br/>或转入核心/固收]
    H & I --> J[每季度做一次再平衡]

这套流程的要点是:把"买多少"交给估值信号,把"买什么"交给结构,把"什么时候审视"交给日历——全程没有情绪的位置。

💡 效率技巧:把估值分位做成一个简单的定时脚本(每月自动拉取指数 PE 百分位),用消息推送到手机,比每天刷行情软件高效得多——把"盯盘时间"留给代码,把"定投决策"交给规则。

5.2 第二/三条规则:月度定投 + 季度审视

  • 频率:月定投为主(与现金流匹配,第 03 篇结论);
  • 审视:每季度末检查一次卫星仓位表现,行业逻辑是否还在?是否需要换赛道?

季度审视不是让你频繁交易。 它的作用更像代码审查:定期看一遍持仓逻辑有没有"过期",而不是每天盯着行情改代码。行业景气周期通常持续 1-3 年,季度审视的频率刚好能捕捉逻辑反转,又不会过度反应。

5.2.5 三种风险偏好的配置变形

风险偏好核心仓位卫星仓位固收仓位特点
保守70%20%10%波动最小,收益稳健
平衡(基准)60%30%10%攻守兼备
积极50%40%10%弹性最大,回撤更高
固收对冲版50% 宽基30% 行业20% 固收震荡市波动压缩更显著

注意:卫星仓位上限 40% 是红线。 无论多看好某个行业,都不要突破这条线——因为行业主题基金的单年波动可能超过 ±40%,一旦占比过高,你的"组合"就名存实亡,变回"单押赛道"。

5.3 定投计划表示例

月定投计划表(示例,每月总投入 3000 元)

第 1 个月(PE 分位 35%,正常区间):
  沪深 300 指数基金:1500 元(核心)
  新能源主题基金:900 元(卫星)
  AI 主题基金:600 元(卫星)

第 7 个月(PE 分位 15%,历史低位):
  沪深 300 指数基金:2250 元(核心 ×1.5)
  新能源主题基金:1350 元(卫星 ×1.5)
  AI 主题基金:900 元(卫星 ×1.5)
  固收基金:0 元(暂缓)

核心逻辑:估值越低,买得越多;估值越高,买得越少。 这不是择时,是把"估值分位"这个客观信号接入定投节奏。


六、代码实战:把核心-卫星定投写成一个函数

6.0 先聊两句"为什么给你代码"

很多定投文章只会说"要分散、要配置",但从不给你一个可以运行、可以改参数的东西。代码的价值在于:你可以用真实的回测数据替换示例参数,亲眼看到"核心-卫星"和"单一指数"在同样行情下的差异。 数据不会骗人,比任何鸡汤都管用。

6.1 组合定投模拟脚本

import numpy as np

def core_satellite_dca(core_return, core_vol, sat_return, sat_vol,
                       core_weight, sat_weight, years, monthly=3000, seed=42):
    """模拟核心-卫星组合月定投
    core_return / core_vol: 核心资产年化收益与波动(如沪深300)
    sat_return  / sat_vol:  卫星资产年化收益与波动(如新能源)
    core_weight / sat_weight: 组合权重(如0.6 / 0.4)
    """
    np.random.seed(seed)
    months = years * 12
    n_days = months * 21
    # 分别模拟核心与卫星的日度收益
    core_rets = np.random.normal(core_return / 252, core_vol / np.sqrt(252), n_days)
    sat_rets  = np.random.normal(sat_return / 252, sat_vol / np.sqrt(252), n_days)
    core_prices = np.cumprod(1 + core_rets)
    sat_prices  = np.cumprod(1 + sat_rets)

    core_shares = 0.0
    sat_shares = 0.0
    total_invest = 0.0
    for m in range(months):
        idx = m * 21
        core_shares += (monthly * core_weight) / core_prices[idx]
        sat_shares  += (monthly * sat_weight) / sat_prices[idx]
        total_invest += monthly

    final_value = core_shares * core_prices[-1] + sat_shares * sat_prices[-1]
    total_return = final_value / total_invest - 1
    annual = (final_value / total_invest) ** (1 / years) - 1
    return total_invest, final_value, total_return, annual

# 核心-卫星:沪深300(年化6%、波动20%)+ 新能源(年化10%、波动35%)
invest, fv, tr, ann = core_satellite_dca(
    0.06, 0.20, 0.10, 0.35, 0.6, 0.4, 10, 3000)
print(f"核心-卫星组合: 投入{invest:,.0f} 期末{fv:,.0f} 总收益{tr:.1%} 年化{ann:.1%}")

# 对照组:单一沪深300(权重=1)
invest, fv, tr, ann = core_satellite_dca(
    0.06, 0.20, 0.06, 0.20, 1.0, 0.0, 10, 3000)
print(f"单一沪深300:  投入{invest:,.0f} 期末{fv:,.0f} 总收益{tr:.1%} 年化{ann:.1%}")

运行结果说明: 随机游走模拟对随机种子敏感,换一个 seed 或参数,可能是组合领先、也可能是指数领先——请不要把单次模拟的数字当结论。这个函数的价值是让你改参数、跑多次,观察"卫星波动大→组合波动也大"的机制;而"核心+卫星 10 年定投总收益优于单一沪深 300"这个结论,来自研究报告基于 2016-2026 年真实行情的回测,不是随机模拟。

代码参数怎么理解? core_return=0.06 表示核心资产年化 6%(接近沪深 300 十年定投年化 4%-6% 区间上沿),sat_return=0.10 表示卫星资产年化 10%(行业主题基金景气期常见水平),sat_vol=0.35 表示卫星波动 35%(行业基金正常波动)。你可以把这三组参数换成你实际持有基金的历史收益波动,跑一跑看组合是否真的更优——这是程序员做投资决策的"单元测试"心态。

⚠️ 避坑警告:模拟不是回测。 这里用的是"随机游走"假设,只是让你理解组合结构的收益来源;真实回测要用历史行情数据(第 23 篇会教你怎么搭正式回测框架)。任何拿随机模拟结果当"未来收益保证"的想法,都是危险的自欺欺人。

6.2 估值分位加仓逻辑

def adjust_dca_amount(pe_percentile, base_amount):
    """根据 PE 分位调整当月定投金额
    pe_percentile: 指数 PE 历史百分位(0-1)
    """
    if pe_percentile < 0.2:      # 历史低位:加大定投
        return base_amount * 1.5
    elif pe_percentile > 0.7:    # 历史高位:减少定投
        return base_amount * 0.5
    else:                        # 正常区间:按计划
        return base_amount

# 示例
for pct in [0.1, 0.4, 0.8]:
    print(f"PE分位 {pct:.0%} → 定投 {adjust_dca_amount(pct, 3000):.0f} 元")

这段代码就是"5.1 规则"的最小实现。 真实使用中,你只需要每月拉一次指数 PE 分位(很多数据接口免费提供),把 base_amount 换成你的月定投金额,就能自动得到当月该投多少钱。把规则写进代码,你就再也不用在"跌了要不要多买"这种问题上消耗意志力了。

6.3 进阶:核心-卫星 + 估值微调的组合版

把 6.1 和 6.2 拼起来,就是一个"会看估值"的核心-卫星定投器:

def smart_core_satellite(pe_percentile, core_price, sat_price,
                         monthly=3000, core_weight=0.6):
    """结合估值分位的核心-卫星定投(单月买入份额)
    返回当月应买入的核心/卫星份额
    """
    amount = adjust_dca_amount(pe_percentile, monthly)
    core_amount = amount * core_weight       # 核心部分金额
    sat_amount  = amount * (1 - core_weight) # 卫星部分金额
    return core_amount / core_price, sat_amount / sat_price

# 当月估值分位 15%(低估),核心/卫星净值分别为 1.2 / 1.0
core_shares, sat_shares = smart_core_satellite(0.15, 1.2, 1.0)
print(f"本月买入 核心{core_shares:.2f}份 卫星{sat_shares:.2f}份")

这套"函数化"打法的意义: 当定投规则变成可执行、可测试、可复现的代码时,你就不再是"凭感觉理财",而是"用工程思维管钱"——这是程序员做投资最大的优势。


七、常见误区与 FAQ

7.1 误区一:“核心-卫星 = 多买几只基金”

错。 核心-卫星不是基金数量问题,而是仓位职能分层问题。核心负责稳定、卫星负责进攻,两只基金也可以组成核心-卫星;买十只同质化基金,依然是"伪分散"。

7.2 误区二:“卫星涨得好,就无限加仓”

错。 卫星仓位必须守住 30%-40% 上限。涨得好的时候正是"再平衡卖出"的时候(第 09 篇),而不是加仓梭哈。

7.3 FAQ:卫星赛道选错了怎么办?

行业主题基金最大的风险是"景气度判断错误"。应对方案有两个:

  1. 分散:至少选 2-3 个不同行业方向,单一赛道出问题不至于伤筋动骨;
  2. 审视:每季度检查行业逻辑,逻辑破坏就换赛道,不要"越跌越扛"。

⚠️ 避坑警告:行业主题基金没有"越跌越买"的资格。 宽基指数可以靠成本平滑摊平亏损,行业主题一旦逻辑破坏(比如政策转向、技术路线被颠覆),越跌越买只会越套越深。

7.4 FAQ:我应该手动定投还是自动定投?

自动定投。 手动定投最大的敌人是"手痒":跌多了不敢买、涨多了想追高、发工资后先花再说。设置自动扣款后,规则自动执行,情绪没有参与空间——这和"用 CI/CD 替代手动发布"是同一个道理。

💡 效率技巧:把"加仓弹药"和"日常定投"分开管理。 日常定投走自动扣款,雷打不动;估值极端低位(PE 分位 < 20%)时才动用"弹药"手动加仓。这样既保证了纪律,又保留了应对极端机会的灵活性。

7.5 FAQ:核心-卫星和"买很多基金"有什么区别?

区别在"有没有分层逻辑"。

  • 买很多基金:可能是"看着顺眼就买",持仓互相重叠,涨跌完全同向,等于"伪分散";
  • 核心-卫星:每一层有明确的职能边界——核心管稳定、卫星管进攻、固收管对冲,配置比例有红线。

判断你是在做"核心-卫星"还是"买了很多基金",只需问一句:你能说出每只基金在你组合里的"岗位职责"吗? 说不出来,就是买了个寂寞。

7.6 FAQ:现在开始定投,应该选哪些赛道做卫星?

不做个股推荐,但给你两个筛选思路:

  1. 跟产业趋势:符合国家产业政策、渗透率仍在提升的行业(如新能源、AI、半导体、高端制造);
  2. 看估值位置:行业指数 PE 分位处于历史低位区间时入场,安全边际更高。

卫星方向不需要"猜最牛",只需要"选逻辑成立 + 估值不贵 + 分散 2-3 个"——剩下的交给时间和再平衡。


八、总结:A 股定投的正确打开方式

8.1 三条核心结论

结论一:A 股高波动、结构分化,单标定投难以适配。 单纯指数收益弹性有限,单纯主动稳定性不足。

结论二:核心-卫星组合是经过回测验证的最优解。 核心宽基打底(50%-70%)、卫星赛道进攻(30%-40%)、固收对冲(0-20%),攻守兼备。

结论三:A 股定投要"适度灵活"。 结合估值分位微调定投金额,低位多买、高位少买,比无脑定投效果更好。

8.2 最后一句大白话

A 股定投,不是"买一个指数然后装死",而是"用组合结构管理波动,用规则代替情绪"。 核心-卫星 + 估值分位微调,就是这套规则的基础框架。

8.3 一张图带走全文

A股定投 = 认清高波动市场(回撤35%-50%)
        + 核心-卫星结构(核心60% + 卫星40%)
        + 可选固收对冲(80权益 + 20固收)
        + 估值分位微调(<20%多买 / >70%少买)
        + 季度审视与再平衡
        = 收益与稳定兼顾的震荡市定投方案

8.4 系列脉络提醒

你正在读的是系列第 05 篇。前 04 篇帮你打好了底子(波动率收割 → 大数定律 → 频率选择 → 美股策略),本篇完成 A 股实战;接下来还有港股弹性仓位(第 06 篇)、指数 vs 主动选择(第 07 篇),以及核心-卫星配置的仓位管理深化(第 08 篇)。每篇解决一个问题,串起来就是一套完整的定投体系。


思考题

如果让你把"核心-卫星"组合写成一个自动再平衡脚本,你会选择什么触发条件——时间周期(每季度固定执行)还是偏离阈值(某类资产占比偏离目标超过 5% 才执行)?为什么?欢迎在评论区留下你的方案。


系列文章预告

下一篇我们聊聊港股:为什么恒生 ETF 只能当"弹性补充仓位",而不能成为定投的核心?


标签

基金定投 A股基金定投 核心卫星策略 沪深300定投 行业主题基金 基金组合配置 资产配置


本文内容数据结论均来自研究报告回测结果,不构成投资建议。

内容概要:本文围绕基于CNN-BiLSTM-Attention混合神经网络模型的电力负荷预测展开研究,提出一种结合卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)与注意力机制(Attention)的度学习框架,并通过Python代码实现高精度的短期与超短期负荷预测。该模型充分利用CNN对局部特征的提取能力,捕捉负荷数据中的周期性与趋势性模式;借助BiLSTM对时间序列前后向依赖关系的建模能力,增强对动态变化的感知;并通过Attention机制自适应地聚焦关键历史时刻,提升预测准确性。文中详细阐述了数据预处理、模型结构设计、训练流程及超参数调优方法,并在真实负荷数据集上进行了实验验证,结果表明该混合模型相比传统单一模型和其他基准模型具有更优的预测性能,尤其在应对非线性、非平稳负荷波动方面表现突出。; 适合人群:具备一定Python编程能力和机器学习基础,从事电力系统分析、能源管理、智能电网或时序预测相关工作的科研人员、工程师及高校研究生。; 使用场景及目标:①应用于电网调度、电力市场出清、需求响应管理等场景下的精细化负荷预测;②为研究人员提供一套完整的、可复现的度学习负荷预测代码框架,推动AI技术在能源领域的落地应用;③帮助理解CNN、BiLSTM与Attention模块之间的协同机制及其在时序建模中的集成方式。; 阅读建议:建议读者结合所提供的Python代码进行动手实践,重点掌握数据归一化、滑动窗口构造、模型搭建与训练技巧,并尝试在不同地区、不同季节的负荷数据上进行迁移测试,以入理解模型泛化能力与调参策略
内容概要:本文围绕“MATLAB具有储能的经济调度及机会约束和鲁棒优化”展开,系统研究了电力系统中融合储能技术的经济调度问题,重点探讨了机会约束规划与鲁棒优化方法在应对新能源出力不确定性、负荷波动及系统运行风险中的应用。内容涵盖风光储协同调度、多微网共享储能、电动汽车参与调度、低碳经济调度等多种典型场景,入分析了储能的选址定容、功率协调控制、状态估计与优化调度模型。核心技术包括粒子群优化(PSO)、分布鲁棒机会约束(DRCC)、模型预测控制(MPC)、鲁棒优化、二阶锥规划(SOCP)等先进算法,并提供了基于Matlab/Simulink的完整仿真代码实现,旨在提升新型电力系统的运行灵活性、经济性与抗风险能力。; 适合人群:具备电力系统、自动化、电气工程或相关专业背景,熟悉Matlab/Simulink仿真环境与基本优化算法,从事新能源并网、微电网运行、储能系统规划、电力市场调度等领域的研究生、科研人员及工程技术人员。; 使用场景及目标:① 学习并构建含储能的电力系统经济调度优化模型;② 掌握机会约束与鲁棒优化在处理新能源不确定性问题中的建模思路与求解方法;③ 利用提供的Matlab代码进行算法复现、仿真验证与性能对比,支撑科研项目攻关;④ 为撰写高水平学术论文、学位论文或工程优化方案提供可靠的模型参考与代码支持。; 阅读建议:建议读者结合文档中具体的案例(如风电-水电联合调度、电动汽车集群调度、多微网共享储能等)和配套的Matlab代码进行动手实践,重点关注优化模型的构建逻辑、约束条件设定与求解器配置过程,同时可关注公众号“荔枝科研社”获取完整资源包、复现教程及持续的技术支持。
打开链接下载源码: https://pan.quark.cn/s/d8b35376d2e3 度学习不确定性量化近年来已成为人工智能研究中的一个关键议题,特别是在优化过程和决策制定中的应用正变得越来越关键。文章《度学习不确定性量化:技术、应用与挑战》详细研究了这一议题,其目的在于归纳当前已有的方法,审视其在不同场景下的应用情况,并明确当前面临的难题以及未来的探索方向。不确定性量化(UQ)的主要宗旨在于对模型的不确定程度及其预测结果的可信度进行评估,这对于防止决策失误和增强系统稳定性具有决定性作用。在度学习模型中,由于模型结构的复杂性以及训练数据的限制,模型可能表现出高度的不确定性,这使得UQ成为度学习不可或缺的一部分。 在不确定性量化的方法论层面,文章指出了两种主要技术路径:贝叶斯近似方法和集成学习方法。贝叶斯近似通过构建概率模型来推断模型参数的后验分布,以此方式捕捉模型内在的不确定性;而集成学习则通过组合多个模型的预测结果来减少单一模型的不确定性。这些技术已在包括计算机视觉(涵盖自动驾驶和物体识别)、图像处理(比如图像修复)、医疗影像分析(涉及医学影像的归类和分割)、自然语言处理(如文本归类和风险评估)、生物信息学等多个领域展现出广泛的应用前景。 在强化学习(RL)的框架内,不确定性量化同样扮演着重要角色。在非静态环境中,智能体需要评估其行为决策所带来的不确定性,从而做出更为合理的行动选择。不确定性量化技术能够提供关于奖励机制和环境状态的不确定性评估,进而帮助智能体更有效地探索环境并优化其学习策略。 尽管度学习中的不确定性量化取得了长足的发展,但仍存在若干核心难题。例如,如何高效地评估大型神经网络的不确定性,特别是在计算资源受限的情况下;如何将不确定性量化...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

每日干货分享

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值