持仓集中度的计算，本质上是把“组合里每个资产（或行业、个券、单一发行人）的占比”做结构化汇总：先定义口径与分组，再把权重标准化，最后用某种聚合规则把“分散/集中”的程度压缩成一个数。
先把口径定清：到底在算“什么的集中”
计算持仓集中度前，第一步不是算数，而是确定维度与口径，否则同一组合会得到完全不同的集中度结果。
1）集中对象（分组维度）
– 按单一证券：常见于股票、债券、ETF 成分等，回答“是不是押在少数几只资产上”。
– 按行业/主题：把多只证券先归类到行业，再看行业权重是否集中。
– 按发行人/主体：债券更常用，多个券可能对应同一发行人；集中度需要先把同一主体的权重合并。
– 按资产大类：例如股票、债券、现金、商品、衍生品等，回答“资产配置是否集中在某一类”。
2）权重口径（分母怎么选）
– 市值/公允价值权重：以期末持仓市值为基础，是最直观的口径。
– 成本权重：以买入成本为基础，适合解释“资金投向”，但与最新风险暴露不完全一致。
– 净敞口权重：含衍生品时常用，把期货、期权的等效敞口折算成标的市值等价，再与现货合并。
3）是否包含现金与衍生品
– 现金：若纳入，现金本身会“稀释”其他资产权重，使集中度看起来下降；若不纳入，则集中度只反映风险资产内部的分布。
– 衍生品：需要先做等效敞口折算（例如把期货名义金额按合约乘数与价格折算为标的市值等价），否则无法与现货在同一权重体系下比较。
把以上口径固定后，才能进入真正的计算步骤。
计算步骤：从持仓表到一个集中度数值
无论选用哪种集中度指标，通用流程可以拆成四步：取值、归并、标准化、聚合。
步骤1：取值——从持仓表拿到“可比的价值量”
– 对每个持仓条目，取期末市值/公允价值，或取等效敞口后的价值量。
– 债券若按发行人集中，需要把同一发行人的多只债券先映射到同一主体。
步骤2：归并——按你选定的维度汇总
– 若按行业：把同一行业下所有证券的价值量相加，得到行业层面的总价值量。
– 若按发行人：把同一主体的所有债券与相关敞口合并。
– 若按资产大类：把股票、债券、现金等分别汇总。
步骤3：标准化——把价值量变成权重
– 计算总价值量（分母）。
– 每个分组的权重 = 该组价值量 / 总价值量。
– 若存在负权重（例如做空或对冲后的净敞口），需要事先约定：是用“净权重”反映方向性暴露，还是用“绝对权重”反映资金/风险占用。两者对应的集中度含义不同：净权重强调最终暴露，绝对权重强调仓位规模。
步骤4：聚合——用规则把一组权重压缩成“集中度”
常见聚合方式有三类，分别对应三种信息压缩逻辑：
A. Top-N 集中度（头部占比法）
– 逻辑：把权重从大到小排序，取前 N 项权重相加。
– 输出：一个比例，表示“头部 N 个分组占了多少”。
– 变量意义：N 代表你关心的“头部范围”；权重排序决定了“谁是头部”。
– 结构特点：只看头部，不看尾部的细碎分散程度；适合回答“是否少数持仓占主导”。
B. HHI 类指标（平方加总法）
– 逻辑：对每个分组权重做平方，再把平方项相加。
– 输出：一个介于“更分散”与“更集中”的数值；权重越平均，平方加总越小；权重越偏向少数，平方加总越大。
– 变量意义：平方的作用是放大大权重的影响，使头部权重对结果更敏感。
– 结构特点：同时利用头部与尾部信息；尾部很多小权重对平方加总贡献很小，因此仍以头部为主，但比 Top-N 更连续。
C. 熵类指标（信息量法）
– 逻辑：用每个分组权重的“信息量”做加总（权重越平均，整体信息量越大；越集中，信息量越小），再按需要做归一化。
– 输出：可解释为“分布的均匀程度”。
– 变量意义：对尾部更敏感，能更细致地区分“很多小仓位”与“少数中等仓位”的差别。
– 结构特点：更强调整体分布形态，但对数据质量（分组准确、权重可比）更依赖。
在实际披露中，Top-N 最容易被理解；HHI 最常用于横向比较；熵指标更偏研究用途。选择哪一种不是“谁更好”，而是取决于你要把权重分布的哪一部分压缩成一个数。
变量怎么影响结果：权重、分组数量与合并规则
同一套原始持仓，集中度的差异往往来自三个结构性因素。
1）权重的来源决定“集中”的含义
– 期末市值权重：反映当下暴露结构；价格波动会改变权重，从而改变集中度。
– 成本权重：反映资金投向结构；即使价格变化，集中度可能更稳定。
– 净敞口权重：把对冲与衍生品纳入后，集中度可能显著变化，因为对冲会改变净权重分布。
2）分组数量会改变“看起来的集中”
– 按单一证券分组，分组数通常更多；按行业分组，分组数更少。
– 分组数越少，在相同权重分布下，Top-N 的 N 需要重选才有可比性；HHI/熵也会因为“可选项变少”而发生结构性变化。因此同一指标跨口径比较时，必须同时说明分组维度。
3）合并规则会决定是否“低估集中”
– 债券的发行人合并：若只按单券看，可能误以为分散；合并到发行人后，集中度更能反映信用主体暴露。
– 股票的同一集团/关联方合并：若研究的是实质控制风险，可能需要把关联公司合并。
– 基金/ETF 的穿透：持有基金份额时，若不穿透到底层资产，集中度只反映“对基金管理人的集中”，而非对最终资产的集中。
类似地，很多指标的差异都来自“口径与结构拆解”，例如“基金跟踪误差怎么算？基金净值与指数差异的结构拆解”强调的是收益差的来源拆分；持仓集中度强调的是权重分布的压缩方式。
不同资产类别的计算差异：股票、债券、衍生品与多资产组合
持仓集中度在不同资产上，关键差异不在聚合公式，而在“权重如何被定义为可比”。
1）股票组合
– 通常直接用市值权重。
– 若涉及停牌、限售或流动性分层，可选择是否用可交易市值作为权重基础；这会改变头部权重，从而影响 Top-N 与 HHI。
2）债券组合
– 需要明确用全价（含应计利息）还是净价对应的市值；全价更贴近真实价值量。
– 常见的集中维度是“发行人/主体”，因为多只债券的风险源可能来自同一信用主体。
– 若组合包含回购、质押式融资等，还需明确是否把融资形成的现金与负债净额纳入权重分母，否则集中度会被现金头寸扭曲。
3）衍生品与杠杆结构
– 期货、互换：应先折算为标的等效敞口，再与现货合并计算权重。
– 期权：可用 Delta 等效敞口作为方向性权重口径；若关注名义规模，则用名义金额权重，但含义变为“合约规模集中度”而非“方向暴露集中度”。这类折算与“波动率是怎么算出来的？收益变化幅度的统计结构”一样，都强调先把对象转成可比较的量，再做统计聚合。
4）多资产组合
– 先决定分层：先算资产大类集中度，再在每一类内部算个券集中度，还是直接把所有标的放在同一层级。
– 分层计算能把“配置集中”和“选券集中”拆开：前者来自大类权重，后者来自类内权重分布；两者的聚合方式相同，但分组对象不同。
归根结底，持仓集中度的核心变量只有两类：一类是“分组后的权重向量”，另一类是“把权重向量压缩成单值的聚合规则”。只要把分组、权重口径、是否穿透与是否折算敞口这几件事固定下来，集中度的计算逻辑就会稳定且可复现。
