智能配置深度：最小方差组合的收缩边界约束来自集中度而非统计

正文目录问题：把一场争论写成一条曲线 4工具：收缩族、白化坐标与集中度横轴 4收缩族：一条把𝛴拉向对角的连续谱 4带箱求解：一个小的凸二次规划 5附带线索的工具：一条不可识别性 6数据与估计 6面板构造 6三个协方差块与两项估计选择 7实证：收缩曲线 7曲线的形状：单调变差，最优点在最左端 8𝛿必须样本外选：曲线的最优点是不是窥探出来的 9诊断一：优势在不同年份是否稳定 10诊断二（全文最关键：卡住它的是统计还是集中度 小结：结构化到哪里为止 13附带结论：一次「显著但不蕴含可操作」的完整演示 14定义与两条解析结果 14第一步与第二步：存在性与显著性都通过 14第三步：权重改变量落在抽样误差内 17第四步：即便强行使用，样本外也是负贡献 18小结：一个从主线降级为诊断量的量 216结论 21风险提示 22附录A 分解恒等式与数值诊断 24附录B 数学实现的单元测试 24附录C 零分布的频率口径对比 24附录D 𝜆谱与载荷 25附录E ETF-30面板的可靠性说明 26附录F 收缩曲线的完整数值与实现校验 27图表目录图1：收缩曲线：方差优势与换手代价的完整权衡 8图2：扩展窗walk-forward：每期只用历史选𝛿*，再应用到下一期 10图3：分时期稳定性：MV相对EW的方差优势逐年拆解 图4：行业中性：协方差结构与集中度约束的2×2正交分解 13图5：𝐷的经验值与零分布的相对位置 15图6：零分布均值对N/D的标度律 16图7：𝜆排序在前后半样本间的一致性（前置过滤） 17图8：权重路径：𝑤(0)与𝑤(0.5)的逐行业对比 18图9：四组组合的样本外已实现方差对比 20图10：方差比的分块自助分布 20图收缩强度及其对零分布口径的敏感性 21表1：收缩曲线的四列读数（月度重估122次，基准EW） 8表2：MV相对EW的方差优势：逐年拆解（基准EW） 10表3：2×2正交分解：协方差结构与集中度约束各自的贡献（基准EW） 12表4：各窗口的D估计与零分布对比 15表5：权重路径的𝜒2检验：可操作性检验的实际读数 17表6：样本外已实现方差（月度重估，四组对比；基准MV） 19表7：分解恒等式残差与嵌套性修复诊断 24表8：数学实现单元测试 24表9：零分布对频率口径的敏感性 25表10：广义主方向的𝜆谱与等权载荷 25表ETF-30面板描述统计（不可用于结论） 26表12：收缩曲线的逐点读数（基准EW，月度重估122次） 27表13：2×2正交分解的完整数值（基准EW） 28问题：把一场争论写成一条曲线「最小方差组合（MV）本文把这两个问题合成为一个，并且把它写成一个可以完整求解、可以样本外复核的形式。做法是引入一条收缩曲线：沿「把𝛴往结构化方向拉」的强度做一条连续谱，在每一个强度上求最小方差组合，然后问三个层层递进的问题——问题一（曲线本身） 这条曲线上最优的停靠点在哪里？收缩到底买到了什么、代价是么？问题二（是否窥探） 这个停靠点是不是全样本挑出来的？把「选收缩强度」这一步也到样本外，优势还剩多少？问题三（约束来源） 真正卡住这条曲线的，是统计意义上的估计误差，还是经济意义的集中度？问题三是全文最关键的一问，因为它决定了结论到底是「截面优化有用」还是「低波有用」——这是一条分界线，也是本文与同类研究拉开距离的地方。前两问服务于它：问还有一条更细的线索，本文也检验过，但它不构成本文主线：把风险按日内—隔夜拆开，看权重对日内风险惩罚系数的敏感度。这条线索的结局是「统计上显著、经济上不可条干净附带结论。全文只用日度收盘价与开盘价构造两段收益，不引入任何收益预测（𝜇，主要指标是样本外已实现方差——𝜇是本文全部结论可复核的前提。工具：收缩族、白化坐标与集中度横轴这一节给出求解那条曲线所需的全部解析工具。它们有一个共同点：都在白化坐标下𝑁=31以略过推导、直接记住四个要点：收缩族的形式（式1、白化尺度必须开到根号（式3、横轴用有效持仓数（式4、以及带箱求解时目标矩阵要分段（式5𝛴拉向对角的连续谱本文采用的收缩族是把𝛴往对角上加量：=𝛴+𝛿diag(𝛴),𝛿≥0 为什么选这一族？因为它单调且是最简单的结构化方向：𝛿=0时完全不收缩（即普通MV，𝛿→∞时非对角信息被完全抛弃，退化为只用方差、不用协方差的逆方差组合。整条曲线就是这个区间上的一族，而「收缩到哪里为止」这个问题的答案，就是在这个区间上找一个停靠点。𝜎𝜎直接对𝛴𝛿求逆在两端都会出问题：𝛿→0时条件数爆炸，𝛿→∞时矩阵趋于对角虽稳、但归一化系数的量级会漂。解决办法是换到白化坐标。𝜎𝜎记𝜎=diag(𝑖)、𝑖=√𝑖、𝑅=𝐷1𝛴𝐷1（相关矩阵，则𝜎𝜎=𝐷𝜎(𝑅+𝛿𝐼)𝐷𝜎,𝑤(𝛿)∝𝐷−1(𝐼+𝜏𝑅)−1𝐷−1𝟏,𝜏=1/𝛿 （2）𝜎𝜎这个写法有三个必须交代的技术点，它们决定了整条曲线能不能跑出来。第一，白化尺度必须用=√𝛴𝑖𝑖，不是𝛴𝑖𝑖。用后者会得到相关矩阵的平方，恒等式整体失效——本文的单元测试里，误用𝑖时恒等式残差为2186（完全不可用，改用𝜎𝑖后误差立刻回到机器精度。𝛿第二，𝜏只以「乘以𝑅」的形式出现，从不放大成1⁄𝜏。所以矩阵恒为(𝐼+𝜏𝑅)，谱落在[1,1+18𝜏]内，尺度始终是𝑂(1)。实测：白化解与直接求解𝛴−1𝟏的结果，在𝛿12个数量级的范围内误差均为5.610−17。这把「𝛿能不能取到无穷、曲线端点会不会数值崩掉」这个问题彻底消掉了。𝛿第三，横轴用𝑁eff=1/HHI(𝑤)而不是𝛿本身。𝛿是抽象刻度，跨窗、跨标的不具可比性；𝑁eff则直接读作「这个组合等效于持有多少个等权标的」。它的两个端点很好𝑁311的可𝑁——𝑁eff𝑁𝛴，所以它不在这条曲线𝛿→∞26.29。这个性质值得多停一句：把等权当作曲线的右端点是一个常见的误读。外的参照物，它的=312.7026.29这一段，才是「用𝛴、但用多少」的全部可选项。带箱求解：一个小的凸二次规划要在曲线上叠加𝑤𝑚𝑎𝑥=𝑘/𝑁这样的集中度上限，就得解一个带箱约束的凸二次规划。这一步有两个容易写错的细节。𝜎𝜎归一化约束是𝑧′𝑦=1，不是∑𝑖𝑦𝑖=1。其中𝑧=𝐷−1𝟏、𝑤=𝐷−1𝑦。写成后者会让𝜎𝜎带箱路径与𝛿完全无关，实测误差恒定停在4.44×10−2——这个错误在数值上不会报异常，只会静默给出一个与参数无关的结果。𝜏=1/𝛿分三段，不能混用。𝜏=0𝑀=𝐼，0<𝜏≤106𝑀=𝐼+𝜏𝑅，𝜏>106𝑀=𝑅+𝜏−1𝐼。后两段互为正常数倍数（第二段整体除以𝜏即第三段，极小点相同，分段只为让目标矩阵的对角尺度始终是𝑂(1)——全程用第二段时，在𝜏很大处内部尺度差达106倍，SLSQP会失效并让权重突破；全程用第三𝜏→0𝜏−1→∞𝜏−1𝐼，解塌回等权。注意𝛿→0对应的是𝜏→∞，落在第三段，此时𝜏−1=𝛿→0，故𝑀→𝑅。但实现上必须保留那个𝜏−1𝐼正则项，直到𝜏真正溢出为止；写成𝑀=𝑅是错的——本文在该边界上实测到𝑁eff=20.30，而正确值为21.30。此外还有一个结构性退化的护栏，它既是数学事实也是实现要点。当1⁄𝑁（且𝑤𝑚𝑖𝑛≤1/𝑁）时，可行集{𝑤𝟏′𝑤=1,𝑤𝑚𝑖𝑛≤≤}退化成单点EW：11⁄𝑁、而恰有𝑁个坐标，唯一解就是全部同时顶到上界。𝛿都返回等权。实现上必须识别并短路这一情形（判据，否则会在一个恒等无解的面板上白跑一遍——本文在𝑘=1面板上实测到运行时间从0.3𝑠~3600𝑠文只作为「约束最强的极限」报告一次（见4.4节。2.3附带线索的工具：一条不可识别性主线之外，本文还检验过日内—隔夜敏感度这条线索。它需要两条解析结果，此处一并交代，第五节会用到；只关心主线的读者可以直接跳到第三节。沿用两段收益分解的记号，定义日内风险份额𝜆𝑖=𝜎2/𝜎2，以及一个标量敏感度𝜕𝑤

‖𝑔‖

𝐼𝐷,𝑖 𝑖‖ ‖𝜕𝜑𝛴

=𝟏′𝛴−1𝟏√𝐷,𝐷:=(𝜆) （3）这是这条线索最核心的一条公式。它说明权重对日内风险惩罚系数的敏感度正比于√𝐷𝛴𝐷=0系数影响，这比教科书式的𝛴𝐼𝐷∝𝛴条件严格更弱。必须事先声明这条线索的结构性缺陷𝜑是外生参数、不可由数据识别。它取决于执行能力、盯盘频率与成本，不是数据里的东西。因此这条线索的全部结论都是条件性𝜑>0的一个关键差别值得记下：主线的收缩强度𝛿是可被样本外检验选出来的𝜑不是。这一点在第五节会重新出现，并且正是那条线索降级的原因。两条线索需要的估计工具是同一套：Ledoit–Wolf线性收缩、以及为恢复嵌套性而对残差块做的谱投影抬正，这两项的数值诊断见附录A。数据与估计面板构造本文的主面板是申万一级行业指数，共31个节点，样本区间为2014年2月21日至2026918日，满足全部节点都有数据且日内/隔夜两段均可计算的交易日共306231个节点恰好构成一个规模适中的横截面，可以稳定估计3131的协方差矩阵而不过度依赖收缩。作为对照，本文还使用了30只ETF构成的第二面板（来自ETF30只跨板块标的，但该面板的样本只覆盖2026年1月23日以来、仅有160文最长的250日估计窗，其估计结果在附录E中作为可靠性说明列出，不进入任何结论。日内与隔夜两段的定义为：𝑟𝐼𝐷=log(𝐶/𝑂),𝑟𝑂𝑁=log(𝑂/𝐶

) （4）𝑡 𝑡 𝑡 𝑡 𝑡 𝑡−1需要说明一个口径选择。本文所依据的理论框架以30bar（𝑀=8）15分钟。本报告使用的是日频降级口径𝑀=1。这个降级是被数据可得性所迫（30分钟频率的接口在本文写作期间受严格限流，无法在31个节点×12，但它不影响本文的主要结论，原因有两条：第一，𝑁⁄𝐷主导零分布标度律，频率从1提到8只带来(𝑀+1)/𝑀从2到1.125的微调，对效应量与零分布的相对关系影响有限；第二，日内与隔夜的定义在𝑀=1下依然干净——开盘到收盘的全部波动归入日内，收盘到次日开盘的全部波动归入隔夜，两段之和精确等于全日收益，分解恒等式不受影响。本报告在附录C中同时报告两种口径下的零分布，供读者判断频率口径的影响量级。需要强调的是：下游的一切数值都建立在日频降级口径之上，包括收缩曲线、walk-forward与2×2分解；口径改变会移动读数，但不会改变「约束来自集中度」这个定性判断——因为那个判断的比较是在同一口径内部完成的。三个协方差块与两项估计选择三个块分别估计：日内块̂𝐼𝐷与隔夜块̂𝑁用样本协方差并各自做Ledoit–olf线性收缩；交叉块用同期样本协方差。然后按恒等式合成。这里有两项必须披露的估计选择。~第一项是嵌套性的修复。本文要求𝛴≻𝛴𝐼𝐷≻0，等价于要求残差块𝛴:=𝛴𝑂𝑁+𝐶+𝐶′严格正定，也就是𝜆𝑘∈(0,1)。但有限样本下该残差块的最小特征值可以是微负的（本-7.44e-05𝐶的加总造成的。若不处理，𝜆会出现大于1的读数，而𝜆>1违背「日内份额≤1」的定义。处理办法是把残差块的负特征值通过谱投影抬到一个小的正数𝜖，再合成𝛴=𝛴𝐼𝐷+~ ~𝛴+，并相应重投影𝛴𝐼𝐷以保证分解恒等式（𝛴=𝛴𝐼𝐷+𝛴）精确成立。抬正幅度取「最负特征值绝对值的千分之一」——它给出的正是短样本下交叉块抽样误差的自然尺度。三个窗口的抬正幅度（占迹的比例）7.06%（250、1.16%（500日、0.00%（全样本1.92e-03、4.33e-04、5.63e-18——全样本上截断为零、恒等式精确到机器精度；两个短窗口上残差随抬正幅度上升，这是该修复的代价，必须一并披露。第二项是收缩族本身的局限。本文只用𝛴𝛿=𝛴+𝛿diag(𝛴)这一族，没有尝试Ledoit–Wolf目标、因子模型或特征值裁剪。这是刻意的取舍：本文要让「收缩强度」是一个单一标量，以便𝛿的样本外选择成为一个良定义的问题。但必须承认，换个收缩族曲线的形状会动——本文的结论是「在这条最简单的收缩路径上」的结论，不是「在所有结构化方案上」的结论。最后交代窗口与重估设定。本文主线的估计窗为500个交易日，每21个交易日（约一个月）重估一次并持有至下次重估，共122次。所有样本外读数都在这个设定下产生，它是全文数字的共同分母。实证：收缩曲线第二节已经把工具准备好了：收缩族（式1、白化坐标下的闭式解（式2轴ff=1/HHI(𝑤（式4。本节按第一节的三问依次展开：4.1画出曲线并读出它的形状（问题一；4.2把「选𝛿」搬到样本外（问题二；4.3与4.4做两项决定性诊断——分时期稳定性、以及行业中性2×2分解（问题三；4.5给出小结。先把度量说清楚。参考系是等权（W，所有比值都对EW归一，比值1.0表示与等权打平。用EW而非MV作参考系的理由很直接：EW是唯一不依赖任何估计的基1MV本身可信。代价是比较的尺度变小了——本文的数量级是「几个百分点的方差削曲线上的每个点都是「在给定𝛿上二分，直到解出的权重满足目标集中度。全部12210个网格点1220题，每个都是带箱约束的凸二次规划。网格（预注册，不做事后调整）取26.3、20.0、15.0、10.0、8.0、6.0、5.04.0、3.0、2.7，另放两个𝛴−1的对照——逆方差（IV）与风险平价（ER。把IV与ERC放在同一条曲线上看本身就是信息：它们落在曲线的什么位置，说明「不估𝛴−1的规则」等价于收缩到什么强度。曲线的形状：单调变差，最优点在最左端表1：收缩曲线的四列读数（月度重估122次，基准EW）1方案目标𝑁eff*实际𝑁eff（均值）HHI年换手 𝑤 样本外方差/EW𝑚𝑎𝑥MV（𝛿→0，不收缩）—2.6980.37065.3280.32690.521526.326.30026.2870.03800.2800.06410.875920.020.00020.0000.05000.4550.10580.791015.015.00015.0000.06670.6330.14380.731710.010.00010.0000.10000.9170.19610.66688.08.0008.0000.12501.1040.22500.63676.06.0006.0000.16671.3920.26090.60285.05.0005.0000.20001.6140.28160.58414.04.0004.0000.25001.9450.30300.56473.03.0003.0000.33332.5010.32230.54602.72.7082.7000.37042.7350.32690.5413IV（逆方差，𝛿→∞）—26.2870.03800.2270.06410.9142ERC（风险平价）—26.7470.03740.1400.08830.9158EW（等权，曲线外）—31.0000.03230.0000.03231.0000浙商证券研究所，TusharePro图1：收缩曲线：方差优势与换手代价的完整权衡2浙商证券研究所，TusharePro曲线的读法要点只有一处：它在整个区间内单调变差，没有任何一个点优于最左端。把𝑁eff从2.7一路放到20（即把𝛴的结构化程度从「几乎不收缩」推到「接近不估1<1MV𝛿→IV𝛿→∞EW𝑁eff=31在曲线之外，作为参照物单列。年换手为双边权重变动之和的年化值。2（对EW归一随𝑁ff10𝛴1，样本外方差比从0.5413单调升到0.910，到IV端点已是0.9142。换句话说，收缩的每一步都在付方差代价，却没有换来任何风险改善2.730.23。顺带交代一个容易读混的地方：𝛿有限的收缩解，所以曲线的左端点是.7这一档的.513；而0215是𝛿→0的极限（真V它不在网格内，比网格左端点还要更优一档。0112都把这一行单列，就是为了不让两者互相冒充。这给出第一个结论：方差优势全部集中在曲线的最左端，即「几乎不收缩、允许组合高度集中」的那一小段。一旦开始往结构化方向拉，优势就单调流失。这一点与「小样本下MV不可靠、应当往简单规则收缩」的通行直觉正好相反。它的来源在4.4节会看得很清楚：卡住这条曲线的不是估计误差，而是集中度约束本身。再看IV与ERC这两个对照的位置。它们都落在曲线的右端点附近（𝑁eff分别约26.3与267，方差比分别为0.912与.958，都在曲线的高位。这个位置本身就是结论的一部分：𝛴−1（0.23与0.14。这解释了为什么实务界广泛使用IEC——它们最后交代曲线的一个基本面性质。原始𝛴在500日窗上的条件数中位数约为246（均值399，而𝛿的条件数不超过𝜆𝑥+𝛿)/𝛿、随𝛿单调下降。因此这条曲线同时也是「把条件数压到多低」的一族，横轴取只是把这个族翻译成可读的集中度口径。这一点在4.4节会变成关键——因为「压条件数」与「限制集中度」在完整𝛴下是同一件事，而在对角口径下完全不是。𝛿必须样本外选：曲线的最优点是不是窥探出来的𝑡上面那条曲线是全样本画出来的：它在每个𝑁eff目标上一次性用完了全部122期数据。如果直接把曲线的最小值点当作「应该把𝛿选到哪里」的答案，那就是在做数据窥探。正确做法是扩展窗：在第𝑡期，只用𝑡期之前的数据选出一个𝛿∗，把它应用到下一𝑡期，绝不回头用未来信息。扩展窗的参数为：最小估计窗𝑇𝑚𝑖𝑛=250个交易日，此后每21日往前滚一次，共eff132期。每期在同样的10点网格上比价、取样本外方差最小的那个𝑁∗。这个过程里没eff有任何一步看到未来数据。结果是：walk-forward0.8719，而全样本曲线的最优点为0.52150.3503𝛿本外，MV的优势从0.4785的方差削减缩水到0.1281——打了对折还多。选点分布本身也很有信息量：2.7点109次、3.0点6次、4.0点6次、8.0点4次、5.0点3次、6.0点2次、10.0点2次。132期里有109期（82.6%）选中了网格最左端的2.7，其余零星分散在3–10之间，且集中在样本后段——那是相关结构变化、最左端优势收窄的时段。这说明「选最左端」不是随机跳来跳去的结果，而是一个稳定偏好；同时也说明这个偏好并不牢靠，因为在后段它会漂移。点是𝛿→∞𝑁eff从2.7放到20；而换手却从53降到04（降至1期末的为5.000，年换手1.443（远高于固定选点的2.735，因为每期都要重新选、重新调仓walk-forward序列是本文对「𝛿该选哪里」的唯一合法回答图2：扩展窗walk-forward：每期只用历史选𝛿*，再应用到下一期3浙商证券研究所，TusharePro诊断一：优势在不同年份是否稳定一条平均下来好看的曲线，可能只是靠两年行情撑起来的。这一点必须单独检查。方法很直接：把全部重估按自然年切开，每年单独算MV对EW的方差比。结果见下图与表。表2：MV相对EW的方差优势：逐年拆解（基准EW）4年份重估次数MV方差EW方差方差比MV/EW方差削减对总优势的贡献份额2016100.00008150.00013560.6009+39.9%6.3%2017120.00004340.00006370.6812+31.9%2.8%2018110.00009840.00021040.4677+53.2%14.2%2019120.00006890.00016530.4167+58.3%13.4%2020110.00008990.00022650.3970+60.3%17.4%2021120.00008180.00009320.8782+12.2%1.6%2022120.00011230.00016220.6923+30.8%6.9%2023110.00004280.00006560.6526+34.7%2.9%2024120.00011890.00025340.4691+53.1%18.7%2025110.00004490.00010960.4100+59.0%8.2%202680.00005280.00013620.3874+61.3%7.7%浙商证券研究所，TusharePro结果：1年全部为正（方差比全部小于1，最好的年份是2026的0384（削减61.3%）与204的.49，最差的是2021的0.88（仅削减12.2%。没有一年是负的，这一点支持「MV3∗（055与lkoad（.1之差.3δ窥探代价。4=1−（MV优于E=0%16与26（20165002026。但稳定性还有第二个维度，而且它更关键：优势的幅度在年份之间差异很大，且高度集中。按贡献份额拆，202418.7%、202017.4%，36.0%；而最弱的20211.6%。这与两条年线的波动幅度是一致的：20242020是典型的「截面分化大、协方差结构清晰」的年份，而2021是典型的「同涨同跌、结构被抹平」的年份。所以对「优势是否稳定」这个问题，诚实的回答是分层的：方向稳定（11年11正，幅度不稳定（集中度很高。这个分层判断很重要——它意味着MV不是「某一年图3：分时期稳定性：MV相对EW的方差优势逐年拆解5浙商证券研究所，TusharePro诊断二（全文最关键：卡住它的是统计还是集中度MV的权重高度集中在少数几个低波动行业（银行、公用事业这一类。这带来一个必须排除的替代解释：MV换了个名字——把权重压在低波行业上，任何低波策略都能拿到类似的方差削减。这个替排除它的办法是做行业中性化：把每个标的的权重上限从无约束收紧到𝑤𝑚𝑎𝑥=𝑘/𝑁（𝑘=2即单标的至多2⁄31，约6.4%，这样任何行业都不可能被重仓。然后跑一个2×2正交分解——一个维度是「用完整𝛴还是只用diag(𝛴)」，另一个是「无约束还是加箱」。这个设计的意义在于：只有在同一约束下比𝛴、同一𝛴下比约束，两个效应才可分离。对角口径那一半是关键的反事实：它把协方差信息全部扔掉、只保留方差，因此「完整𝛴减去对角𝛴」就是协方差结构的净贡献。5a)a𝑉r𝑊（柱与101b)24与2020两年合计36.0%，说明幅度高度集中。𝑤𝑚𝑎𝑥年换手𝑁eff样本外方差/EW约束协方差口径𝑤𝑚𝑎𝑥年换手𝑁eff样本外方差/EW约束协方差口径完整𝛴无约束（MV）0.52152.6985.3280.3269完整𝛴𝑤𝑚𝑎𝑥=2/𝑁0.804716.9870.6540.0645diag(𝛴)无约束（=IV）0.914226.2870.2270.0641diag(𝛴)𝑤𝑚𝑎𝑥=2/𝑁0.914726.2870.2230.0641diag(𝛴)（ERC对照）𝑤𝑚𝑎𝑥=2/𝑁0.955529.6950.1140.0464—EW（参照）1.000031.00000.0323浙商证券研究所，TusharePro这张表的信息量集中在两组数字上。第一组：箱子的代价，取决于协方差口径。在完整𝛴下，把权重上限从无约束压到2⁄𝑁，方差比从0.5215升到0.8047，代价0.2832；而在只用diag(𝛴)的情况下，同样的箱子只让方差比从0.9142升到0.9147，代价仅0.0005。前者是后者的552倍。这说明：箱子本身几乎不花钱；它之所以在完整𝛴下显得昂贵，是因为它砍掉的正是𝛴提供的那个方向。第二组，也是全文最该看的那个数字：协方差在约束下还剩多少功劳。无约束时，𝛴相对diag𝛴)的净贡献是0.3927𝑎𝑥压到2⁄𝑁（行业中性，这个净贡献只0.1100——72%0.1100是真实的协方差结构贡献，它不是低波因子能解释的：因为在同一个箱子里，反事实的diag(𝛴)版本只做到0.9147了协方差的作用。于是「是截面优化有用、还是低波有用」这个问题有了一个可分解的答案：两者都有，但协方差的作用被集中度绑架了。MV72%依赖「允许它重仓低0.1100的方差削减在行业中性下存活，且这个数字不能被纯低波解释。这也直接给出了全文的核心结论：约束来自集中度，不来自统计。MV；但在任何有实际约束（行业上限、单券上限、合规）的框架里，能拿到的协方差收益是这个量级，而不是0.3927。这里必须补一个诚实的限定：这两组的量级都很小。0.110011.0%的方差削减（相对等权，而行业中性版的年换手是0.65。在常见的双边费率下，这个换手成本协方差结构确实提供了一个真实但微小的风险改善，而它的可见性完全取决于你允许组合有多集中。还有一处读数陷阱必须交代，否则表03的那一行会被误读。行业中性面板的𝑤𝑚𝑎𝑥=2/𝑁把集中度上限卡死，于是网格左端的八个目标点（15.0、10.0、8.0、6.0、5.0、4.0、3.0、2.7）根本达不到，二分反解只能停在约束允许的上限：它们的实际𝑁eff全部等于16.0145，在曲线上表现为一段水平（15.016.1546；20.0及以上重新可达。这段水平是约束的产物、不是目标函数的产物04(b)不影响本节的结论（本节用的是=2/𝑁行与对角行的配对差值，两端受同一约束、6（第3行−第1行（𝑘=2约束下=0.0（第4行−第2行（完整𝛴）=082第2行−第1，而dia(𝛴)的箱0.0005（4−3行。同向压缩，但读者若拿表03的ff是数据错误。最后交代一个容易误读的技术点：𝑤𝑚𝑎𝑥=1/𝑁（𝑘=1）这个版本在数学上是退化的。当𝑤𝑚𝑎𝑥恰好等于1⁄𝑁时，可行集{𝑤:𝟏′𝑤=1,0≤𝑤𝑖≤1/𝑁}退化成单点：要凑够总量1、每个坐标至多1⁄𝑁、而恰有𝑁个坐标，唯一的解就是全部同时顶到上界，即等权。此时结果与目标函数无关，任何𝛿都返回EW。实测确认了这一点：𝑘=1面板的𝑁eff全部等于31.000、方差比恰好1.0000、换手为0。本文把这一栏作为约束强度的自然上界如实报告，它不构成一个可用方案，只标定「约束最紧时退化到什么」。图4：行业中性：协方差结构与集中度约束的2×2正交分解7浙商证券研究所，TusharePro4.5小结：结构化到哪里为止把上面四项证据合起来，本文对主问题的回答是：结构化到≈2.7为止——也就是几乎不结构化。在这条曲线的整个可解区间上，方差𝛴往对角拉得越狠，样本外表现越差。而真正卡住这条曲线的不是估计误差，是集中度：在放开集中度的版本里，协方差结构能贡献0.3927的方差削减；一旦加上行业中性约束（𝑎𝑥=2/𝑁，只剩0.100。A上，成立的前提是允许重仓少数低波动行业。如果你有行业中性或单券上限的约束（合规上通常都有，那么来自协方差结构的收益就只有0.100这个量级——约1.0%的方差削减，要扣掉0.65的年换手成本。是否值得取决于费率，但至少现在有了一个可比的数字。同时必须报告一个负面读数：walk-forward𝛿0.8719，与全样本曲0.52150.3503。这说明即使是最左端的优势，也没有它看起来那么牢——𝛿」这一动作本身就吃掉了一半以上的优势。诚实的结论是：收缩这条路径上，没有7四个柱子分别是{完整𝛴,diag(𝛴)}×{无约束,𝑤𝑚𝑎𝑥=2/𝑁}的样本外方差比，虚线为EW的1.0。箭头标出「协方差净贡献」在两种约束下的落差：无约束+0.3927、𝑘=2约束下仅+0.1100。这个落差就是本文「约束来自集中度而非统计」的直接证据。哪个停靠点是稳健地优于「直接用不收缩的MV并接受其集中度」的；而收缩版本的全部价值只在于换手更低。附带结论：一次「显著但不蕴含可操作」的完整演示𝛴细的线索：把风险按日内—隔夜拆开，看最小方差组合对日内风险份额的敏感度。这条线索在本文最初的版本里是主线，本节把它收成一个附带结论。它降级的理由不是「结论不它不具备主线那样的可操作口径𝛿来，而这条线索的惩罚系数𝜑不可识别、无法由数据定出该取多少。但这条线索留下了一个值得单独记下的方法论教训：统计显著与经济可操作是两件不同的事，而多数研究止步于前者就宣称方法有效。——四步检验里前两步通过、后两步不通过，而第二步的显著并不蕴含第三步的可操作。定义与两条解析结果沿用两段收益分解𝑟=𝑟𝐼𝐷+𝑟𝑂𝑁，定义日内风险份额与敏感度标量𝐼𝐷,𝑖𝜆𝑖=

2,𝐷:=(𝜆) （5）𝜎𝑖𝜎𝑔是广义主方向上的等权载荷（附录D给出其λ谱与载荷。𝐷度量的是个量的可检验性——它们是第二节附带线索工具段的定理，此处按用途复述：定理（权重的esolvent表示：惩罚权重可写成𝑤𝜑)∝(𝛴+𝜑𝐼𝐷)1𝟏，其闭式resolvent作用在𝟏上，无需迭代求解。这条结果把对𝜑个对角矩阵里，于是所有敏感度都可以写成𝜆的函数。定理（权重不变性：当𝐷=0（即𝐼𝐷=𝜆𝛴）时𝑤(𝜑)≡𝑤(0，与𝜑无关。这𝐷一个零假设：如果日内结构只是𝛴𝐷𝛴𝐼𝐷∝𝛴——只要等权组合恰好落在日内份额相同的那些方向上，即使两个矩阵完全不成比例，权重也不会动。第一步与第二步：存在性与显著性都通过第一步是前置过滤，本文把它放在最前面跑，因为它成本极低、且能在任何回测之前否决整条线。做法是把样本前后对半切开、各自估一套𝜆，看两套𝜆的截面排序是否一致。结果是Spearman秩相关𝜌=+1.0000（𝑝=0.0000）——完全正相关。这说明𝜆捕捉的是结构性差异而不是短样本噪声。这一条不过关，后面的检验都没有意义。第二步是显著性。零分布的基准由一条标度律给出：在𝐷=0的原假设下，̂的零分布均值随起，得到下表。

线性增长，斜率常数𝜅由参数自助法标定。把估计值与零分布放在一表4：各窗口的D估计与零分布对比8窗口N𝐷𝐷̂零分布均值零分布95%分位𝜅̂比值SW-L1250日312500.032880.007940.012050.18884.14SW-L1500日315000.029570.004340.006350.19006.81SW-L1全样本3130620.008610.000460.000690.149718.58浙商证券研究所，TusharePro全部超过零分布的95%分位：250=0.03288（零分布均值0.00794，比值4.14；500日窗口̂=002957（零分布均值0.00434，比值6.81；全样本̂=000861（比值18.8。前置过滤与显著性检验都通过，因此可以确认：𝐷的显著不是伪的，它确实识别出了一个真实的结构性差异。这里有一个值得单独记下的标度现象：窗口越长，̂反而下降，而信噪比上升𝑁⁄𝐷𝐷下降得更快。长窗口的主要收益是压低噪声地板，而不是抬高了信号本身。实务含义很清楚：要让一个弱效应被看见，拉长样本比提高频率有效——因为瓶颈在隔夜观测数，而隔夜观测数只随天数增长。图5的经验值与零分布的相对位置9浙商证券研究所，TusharePro8̂𝐵=0𝛴𝐷=𝜆̂下降上升度律的直接后果。9经验̂（实线𝐵=0图6：零分布均值对N/D的标度律10浙商证券研究所，TusharePro10散点为各窗口零分布的均值，直线为渐近预测，斜率即𝜅̂。标度律在本文的𝑁⁄𝐷范围内成立。图7：𝜆排序在前后半样本间的一致性（前置过滤）11浙商证券研究所，TusharePro第三步：权重改变量落在抽样误差内如果只看上表，容易得出一个错误的结论：「既然𝐷显著，那就可以用𝐷来指导调仓」。这一步跨不过去。要回答「能不能用」，必须做独立的权重检验，而且不能只检验用下面的统计量做这个检验：𝑇=𝛥𝑤⊤̂+𝛥𝑤,𝛥𝑤=𝑤(05)−𝑤(0) （6）其中̂是𝛥𝑤的抽样协方差，由按日分块自助法估计（块长1日、𝐵=2000，保留日内—隔夜成对结构。结果如下。表5：权重路径的𝜒2检验：可操作性检验的实际读数12窗口 𝜑 ‖𝛥𝑤‖ T统计量 自由度 𝜒2p值BootstrappSW-L1250日0.250.031419.22300.9352441.0000SW-L1250日0.500.08084.44301.0000001.0000SW-L1500日0.250.040121.19300.8818151.0000SW-L1500日0.500.101017.66300.9637751.0000SW-L1全样本0.250.04181747702515.79300.000000—SW-L1全样本0.500.112512661271821.43300.000000—浙商证券研究所，TusharePro这张表是本文最重要的一个自我纠正。单看权重确实变了（‖𝛥𝑤‖>0，但一旦把它和抽样误差放在一起比，𝑝0.88–1.00之间——也就是说，观测到的权重改变量11=+1.0000𝜆12注意读法：𝑝值在0.88–1.00之间，意味着这些‖𝛥𝑤‖全部落在「权重未被真实改变」的抽样分布之内。因此这一步的实际结论是未通过——与单看‖𝛥𝑤‖>0得到的印象相反。完全落在「权重其实没被真实改变」的抽样分布之内。换手读数也印证这一点：500𝑚𝑎𝑥|𝑤(0.5)−𝑤(0)|=0.03879、TO(0.5)=0.4370，量级与噪声不可区分。这与前节的显著并不矛盾，两者量的不是同一件事：𝐷度量的是敏感性（𝑤(𝜑)的导数在总体上的大小，而这一步检验的是有限步长的可实现改变量（𝜑:0→05之后权重到底动了多少这正是把𝐷留在诊断端、不放到配置端的理由。图8：权重路径：𝑤(0)与𝑤(0.5)的逐行业对比13浙商证券研究所，TusharePro第四步：即便强行使用，样本外也是负贡献样？」本文用月度重估做了这个对照，比较四组组合的样本外已实现方差：等权（E普通最小方差（MV、未经收缩的惩罚权重（M-𝜑、以及按信噪比标定收缩强度的版本（M-𝜑-主指标是样本外已实现方差，越小越好。夏普比率同时报告但不用于判定——本文问的是「风险有没有被更准地刻画」，不是「能不能赚到钱」。13𝑤(0)𝑤(0.5)（500表6：样本外已实现方差（月度重估，四组对比；基准MV）14窗口方案已实现方差 相对MV的方差比年化波动换手率HHISW-L1250EW2.09e-04 2.06040.22930.0000.03226SW-L1250MV1.01e-04 1.00000.15980.7780.34590SW-L1250MVphi1.06e-04 1.04340.16320.8480.37022SW-L1250MVphiS1.04e-04 1.02830.16200.8240.36635SW-L1250MVphiS951.03e-04 1.02120.16140.8130.36434SW-L1500EW1.47e-04 1.91750.19220.0000.03226SW-L1500MV7.65e-05 1.00000.13880.4440.37060SW-L1500MVphi7.83e-05 1.02450.14050.4900.38127SW-L1500MVphiS7.79e-05 1.01880.14010.4800.37855SW-L1500MVphiS957.77e-05 1.01630.13990.4760.37741浙商证券研究所，TusharePro结果是否定的。两个窗口下MV-𝜑-S相对MV的方差比都大于1：250日窗口1.0283、500日窗口1.0188。更保守的收缩口径（用零分布95%分位代替均值，收缩更狠、更靠近MV）确实好一些——250日窗口1.0212、500日窗口1.0163——但仍然大于1。这说明问题不在于收缩强度没调对，而在于「往𝑤(𝜑)方向移动」这件事本身在样本外就是负贡献。还有两个细节值得单独指出。第一，收缩连换手都没降下来：500日窗口下MV的年均换手为0.444、MV-𝜑-S为0.480，反而略高。人们引入收缩通常是为了在「更稳」与「更省成本」之间取平衡，本文的结果说明这个平衡点并不存在。第二，分块自助法排除了偶然：250日窗口的方差比分布均值为1.0275，单边𝑝=1.0000——在自助分布里「方差比<1」这件事从未发生过。这不是抽样偶然，而是系统性的。14方差比<1表示该方案优于MV。MV-𝜑为𝜑=0.5未收缩的惩罚权重；MV-𝜑-S为标定收缩强度的版本。本表以MV为基准，与主线各表的EW基准不同，两处不可直接比较。图9：四组组合的样本外已实现方差对比15浙商证券研究所，TusharePro图10：方差比的分块自助分布16浙商证券研究所，TusharePro15纵轴为年化已实现波动的相对水平（以MV为1。EW明显更差；M𝜑与M𝜑S都略高于M。读法很简单：只有柱子低于11。16（1整体位于1𝑝=1图11：收缩强度及其对零分布口径的敏感性17浙商证券研究所，TusharePro小结：一个从主线降级为诊断量的量把本节四步串起来：第一步（存在性）通过——前置过滤确认𝜆的截面排序是结构性的。第二步（显著性）通过都超过零分布95%分位，比值4–19倍。第三步（可操作性）未通过——权重改变量的𝑝值0.88–1.00，完全落在抽样误差内。这一步是本文与多数同类研究的差别所在：多数研究止于第二步就宣称方法有效，而第二步的显著不蕴含第三步的可操作。第四步（经济价值）被否决——即便强行使用，样本外方差比大于1，且连换手都没降下来。𝐷的最终定位是：它是一个成功识别出真实结构性差异的诊断量，但不是一个可用来调仓的配置依据。在实务中的正确用法是把它当作「这个组合对日内风险惩罚有多敏感」的风险提示读数，而不是优化目标。把这一步写清楚、并明确它不进入配置，是本文把它从「失败的主线」收成「一条干净的附带结论」的全部意义。它与主线的对照也恰好说明了本文的方法论立场：数据定出的操作口径——主线有（样本外选𝛿，这条线索没有。结论本文围绕一个问题展开：把协方差矩阵往结构化方向收缩，收缩到哪里为止最优；而这个「最优」到底被什么卡住。回答由四组证据构成，可以压缩成四句话。17（𝑀=1//95%0.75–0.95𝑤(𝜑∗)。05第一，曲线是单调的，最优点在最左端。在从2.7到26.3的整个可解区间0.5413单调升到0.9142（EW归一。收缩的每一步都在付方差代价，唯一买到的是换手（年换手从2.73降到0.23缩」的通行直觉相反。第二，方向稳定，幅度集中。11个自然年逐一拆开，11年全部为正（方差比均小于1，没有一年是负的；但优势的幅度高度集中——2024与200两年合计贡献36.0%1.6%第三，卡住曲线的不是统计，是集中度——这是全文最关键的一条。在放开集中度（无约束）时，协方差结构相对对角反事实的净贡献是0.3927；一旦压上行业中性约束（𝑥=2/𝑁，净贡献只剩01100，掉了72。而箱子本身的代价在两种协方差口径下相差552倍（𝛴0.2832，对角口径下仅0.0005）——箱子几乎不花钱，它昂𝛴提供的那个方向。A万一级截面上成立的前提是允许重仓少数低波动行业；在有行业上限或单券上限的框架里，来自协方差结构的净收益只有0.1100这个量级。第四，即使最左端的优势，也没有它看起来那么牢。把「选𝛿」这一步也算进样本外（扩展窗k-forrd，共132期，实际方差比为08719，而全样本曲线的最优点是0.5215，差+0.3503「选𝛿」这一动作本身吃掉了一半以上的优势。把四条合起来，本文对主问题的最终回答是：结构化到𝑁eff≈2.7为止——也就是几乎不结构化；而且卡住这项工作的是集中度约束，不是估计误差。这个结论在实务上有两个直接含义：一是不要指望靠收缩𝛴来提高组合的样本外表现，它买到的是稳定与低换手，不是更低的方差；二是在评价任何「截面优化」类策略时，必须同时报告限制集中度之后的版本，否则测到的很可能是低波动因子的收益，而不是协方差结构的收益。最后是附带线索的结论。日内—隔夜敏感度𝐷的四步检验结果是：存在性通过、显著性通过、可操作性未通过（𝑝0.88–1.00，完全落在抽样误差内、经济价值被否决（1，连换手都没降下来。因此𝐷的定位是一个别出真实结构性差异的诊断量，但不是可用的配置依据——它留在诊断端，不进入配置端。这一步「显著但不蕴含可操作」的区分，是本文认为比结论本身更值得记住的东西：一个效应量的统计显著性，与它能否进入配置，是两个由不同证据回答的问题。风险提示本研究的结论以可证伪性为目标，多处给出的是否定性结论，读者在引用时需特别注意以下几点。第一，主线的结论依赖收缩族的选择。全文用的是=𝛴+𝛿diag(𝛴)这一条最简单的收缩族（只往对角加量；换用Ledoit–olf的形状与最优点都可能移动。本文的结论是「在这条最简单的收缩路径上」的结论，不是「在所有结构化方案上」的结论。网格是预注册的十点（26.3、20.0、15.0、10.08.0、6.0、5.0、40、3.0、27，但ff目标是用𝛿上的二分反解出来的。在主线上（表01、12）十个网格点的实际都精确等于目标值，目标全部可达；目标不可达只发生在=2/𝑁的行业中性面板上——此时约束把集中度上限卡死，网格左端的八个目标点（15.0、10.0、8.0、6.0、5.0、4.0、3.0、2.7）全部收敛到同一个实际值=160145，曲线出现一段水平；相邻的15.0档略高于该水平（161546，20.0及以上重新可达。这一段是约束的产物、不是目标函数的产物，数值见表03的𝑤𝑚𝑎𝑥=2/𝑁行，并在图04(b)中以标注标出。第二，结论依赖关键口径与样本区间。全文使用日内—隔夜的日频降级口径（𝑟𝐼𝐷=log(𝐶/𝑂、𝑟𝑁=log(𝑂/−1)，而非理论框架建议的更高频已实现口径（𝑀=8；样本为31个节点的日频面板。换用其他节点划分（申万二级、中信一级、产业链上下游）30分钟频率，都可能改变𝐷𝜆3.1节与附录C中报告了两种口径的零分布，供读者判断频率口径的影响。需要强调的是，主线的定性判断（约束来自集中度）是在同一口径内部比较得到的，口径改变会移动读数，但不会翻转这个判断。第三，估计细节会影响结论。协方差块的构造涉及两项不得不做的选择：Ledoit–Wolf线性收缩，以及为恢复嵌套性（𝜆∈(0,1)）而对残差块负特征值做的谱投影抬正。后者在250日短窗口上的抬正幅度达到迹的7.06%，属于不可忽略的量级；虽然该操作只影响𝜆的尾部小数位，但它提醒读者：短窗口上的分解结果对估计细节更敏感。第四，ETF-30面板的结论不可用。该面板仅有160个交易日，短于250日窗口，且恢复嵌套性所需的抬正幅度达14–26%，远超SW-L1面板的量级。本文将其排除在结论之外，仅在附录E中作为可靠性说明列出——不要把它当作对30只ETF这个资产池的实证结论。=1/𝑁那一栏在数学上是退化的，它返回的必然是等权（见4.4节。本文把它作为「约束最强时退化到什么」的上界一并列出，但它不是一个可用方案不应把它读作一种配置。同理，walk-forward的0.8719才是「𝛿该选哪里」的合法读数，全样本曲线的0.5215含数据窥探成分，两者不可混用。第六，收益这一侧被完全排除在外。全文不引入任何收益预测（𝜇，主指标只有样本个数量级的统计功效。第七，本文不构成任何投资建议。全部内容基于公开数据与学术框架，曲线上的权重与收缩权重均为理论构造，未纳入交易成本、冲击成本、涨跌停与借券约束，因此不存在任何可执行的策略含义。投资者据此操作产生的任何后果与本报告无关。附录A分解恒等式与数值诊断下表给出分解恒等式𝛴=𝛴𝐼𝐷+𝛴𝑂𝑁+𝐶+𝐶′在三个窗口上的数值残差，以及恢复嵌套性所需的谱投影幅度。残差量级在机器精度上，说明分解本身是精确的；抬正幅度是必须披露的估计选择。表7：分解恒等式残差与嵌套性修复诊断18窗口恒等式相对残差残差块最负特征值抬正特征值个数抬正占迹比例SW-L1250日1.92e-03-7.44e-0597.060%SW-L1500日4.33e-04-2.17e-0521.159%SW-L1全样本5.63e-181.33e-0600.000%浙商证券研究所，TusharePro附录B 数学实现的单元测试下表给出十六项数值单元测试的结果。这些测试覆盖resolvent表示、不变性条件、实现能还原已知答案。这些测试是第四、五节一切结论的前提。表8：数学实现单元测试19编号测试项构造真值实测读数结论T1𝛴𝐼𝐷=𝜆𝛴时D=0𝐷=0D≈0（≤1e-12）通过T2定理1resolvent与直接求逆一致一致最大偏差4.4e-16通过T3式(4)解析梯度与数值微分一致一致偏差≤1e-5通过T41落在单特征子空间⇒𝐷=0𝐷=0D≈0通过T5命题3标度律线性于𝛾+𝛾𝐼𝐷𝑂𝑁线性斜率稳定通过T6式13)诚实退出̂≤𝑙𝑙⇒𝜁=0𝜁=0𝜁=0通过T7式(12)卡方检验可用p有意义p∈(0,1)通过T8LW收缩条件数与参考实现一致差<1%条件数39.7vs39.4通过T9𝑠𝑦𝑚𝑠𝑞𝑟𝑡与𝑠𝑦𝑚𝑖𝑛𝑣_𝑠𝑞𝑟𝑡互逆I偏差≤1e-14通过T10𝛴(𝜑)在𝜑𝜆max<1下正定正定正定通过T11𝑤(𝜑)元素和为1和为1偏差≤1e-15通过T12D对𝜆的平移不变不变偏差≤1e-14通过T13零分布在𝐵=2000下收敛稳定𝜅变异<1%通过T14block_bootstrap_V秩为N−1秩N−1秩N−1通过T15𝑐ℎ𝑖2𝑡𝑒𝑠𝑡对已知V还原真值一致偏差≤1e-10通过T16holm阶梯性正确阶梯阶梯正确通过浙商证券研究所，TusharePro附录C 零分布的频率口径对比下表同时报告𝑀=1（日频降级口径）与𝑀=8（30分钟口径）下的零分布，用于验证「频率对功效无帮助」这一结论。18恒等式相对残差定义为𝑚𝑎𝑥|𝛴𝐼𝐷+𝛴𝑂𝑁+𝐶+𝐶′−𝛴|与tr(𝛴)之比。抬正幅度取最负特征值绝对值的千分之一。19T4的构造真值为𝐷=0，由「𝛴−1/2𝟏落在单个特征子空间内」直接构造；实测值与机器精度比较。表9：零分布对频率口径的敏感性20窗口口径零分布均值零分布95%分位𝜅̂𝑁⁄𝐷SW-L1250日𝑀=1（日频）0.0079380.0120490.18880.12400SW-L1250日𝑀=8（30分钟）0.0037920.0054900.16030.12400SW-L1500日𝑀=1（日频）0.0043430.0063480.19000.06200SW-L1500日𝑀=8（30分钟）0.0022380.0032620.17400.06200SW-L1全样本𝑀=1（日频）0.0004630.0006870.14970.01012SW-L1全样本𝑀=8（30分钟）0.0002580.0003720.14800.01012浙商证券研究所，TusharePro附录D 𝜆谱与载荷下表给出两个窗口下广义主方向的𝜆降序谱，以及等权组合在该方向上的载荷𝑔𝑘与载荷占比𝑔2/∑𝑗𝑔2。载荷占比是决定𝐷的关键：𝐷只由载荷大的少数方向主导。𝑘 𝑗表10：广义主方向的𝜆谱与等权载荷21窗口序号k𝜆𝑘𝑔𝑘载荷占比SW-L1250日10.9999-77.136619.06%SW-L1250日50.9991-53.41169.14%SW-L1250日110.9414-53.29119.10%SW-L1250日20.9997-51.69638.56%SW-L1250日80.9979-50.89208.30%SW-L1250日200.759041.29605.46%SW-L1250日310.412640.73775.32%SW-L1250日290.5804-39.65035.04%SW-L1250日140.8599-38.36064.71%SW-L1250日40.9993-37.95404.61%SW-L1250日270.641936.98624.38%SW-L1250日210.758336.90774.36%SW-L1500日20.9998-73.683735.51%SW-L1500日10.999959.542223.19%SW-L1500日240.5771-30.03705.90%SW-L1500日100.810029.45535.68%SW-L1500日40.943623.19123.52%SW-L1500日60.8717-22.23443.23%SW-L1500日180.6693-19.10602.39%SW-L1500日110.786718.96522.35%SW-L1500日200.629318.11592.15%SW-L1500日160.6987-17.48582.00%SW-L1500日150.702414.87181.