分散投资过度分散会导致投资组合趋近市场基准，显著降低获取超额收益（α）的能力，而量化模型通过精选有效预测变量（如账面市值比BM、资产收益率ROA）进行集中投资，能更高效地捕捉因子信号。
过度分散的弊端
过度分散的核心问题是稀释了高预期收益个股的贡献。当组合持有成百上千只股票时，每只个股的权重极低，即便某只股票大幅上涨，对整体收益的影响也微乎其微。同时，组合的整体表现会向市场指数（如沪深300）靠拢，因为持仓覆盖了大量与指数成分重合的股票。这种情况下，主动管理者的选股能力和研究投入难以转化为超额收益，组合实际上变成了一只成本更高的指数基金。
历史上常见的情况是，持有超过30-50只股票后，分散化降低风险的效果已经显著递减，继续增加持仓只会增加管理复杂度和交易成本，却无法进一步平滑波动。对于个人投资者而言，过度分散还容易导致对持仓缺乏深入跟踪，错过调仓或止盈止损的时机。
量化模型如何控制分散度
量化模型通过因子信号而非数量来控制分散度。模型会筛选出多个经过验证的有效预测变量（如BM代表价值因子、ROA代表盈利因子），并基于这些信号对个股进行打分排序。最终只持有得分最高的前20-50只股票，而非机械地分散到所有可选标的。
这种做法的关键前提是因子有效性：只有真正能预测未来收益的变量才值得集中投资。如果模型选用的因子未来失效，集中反而会放大亏损。因此，量化模型会定期回测因子表现，并动态调整因子权重。例如，当价值因子在一段时间内表现低迷时，模型可能降低BM的权重，转而增加动量或质量因子的比重。
总结
过度分散会稀释超额收益，使组合趋近市场基准。量化模型通过精选有效因子（如BM、ROA）集中投资于高得分个股，在控制风险的同时保留获取α的能力。投资者应关注因子的逻辑和稳定性，而非持仓数量。
常见问题
持有多少只股票算过度分散？
对于主动选股策略，持有超过30-50只股票通常已进入过度分散区间，具体取决于资金规模和选股能力。量化模型一般控制在20-50只，因为因子信号集中的个股数量有限。
量化模型会不会因为集中投资而增加风险？
量化模型的风险来源于因子失效而非集中本身。如果因子长期有效，集中投资能放大收益；若因子失效，集中会加速亏损。模型通过动态调整因子权重和设置止损规则来控制尾部风险。
个人投资者如何避免过度分散？
个人投资者应限制持仓数量在15-30只以内，并确保每只股票都有明确的研究逻辑。如果资金量较小，可以优先通过指数基金实现基础分散，再用少量仓位集中持有高置信度个股。