Поровну 1/N

Equal Weight 1/N across asset classes

Эмпирическое правило, старое как сама диверсификация; формальное обоснование — Виктор ДеМигель, Лоренцо Гарлаппи и Раман Уппал (2009) · 2009 (статья; само правило намного старше)

Живой счёт на этом сайте. Этот портфель ведётся и здесь: виртуальные 100 000 $ с 21.10.2026. Живой счёт на этом сайте →

Как дела на сегодня

Данные по 2026-09. Обновляется каждый месяц.

С начала года+9,9 %

Последние 12 месяцев+13,2 %

Последние 5 лет, в год+7,6 %

Сейчас ниже пика−2,4 %

Место по 12 месяцам15 / 60

Наш расчёт, 1984-02 – 2026-09

В год8,7 %

Реальная (после инфляции)5,7 %

Колебания9,1 %

Худшая просадка−34,1 %

Худший год−23,3 % (2008)

Лучший год29,2 %

Худшие 12 месяцев−31,4 %

Годы в плюсе85 %

7 % этой истории посчитано с заменителями для классов активов, которых тогда ещё не было (см. «Как мы это считаем» и страницу о данных). Без заменителей история начинается с 2000 года.

Рост 10 000 $

Поровну 1/N: 356 024 $S&P 500: 1 163 109 $

Откуда это взялось

Правило 1/N гласит: при N активах вкладывайте в каждый 1/N денег и игнорируйте оценки доходности и риска. Это простейшее из возможных распределений, которым обычные вкладчики пользуются очень давно. В нашей энциклопедии уже есть более старые идеи равного деления (правило третей из Талмуда и портфель Ivy из пяти равных долей); эта модель — академическая версия.

Базовая статья — «Optimal Versus Naive Diversification: How Inefficient is the 1/N Portfolio Strategy?» ДеМигеля, Гарлаппи и Уппала, Review of Financial Studies 22(5), с. 1915-1953, май 2009 года (более раннее рабочее обсуждение ходило с 2005 года). Авторы сравнивают 14 моделей оптимизации (выборочный портфель среднее-дисперсия и расширения, призванные уменьшить ошибку оценки) с 1/N на нескольких наборах данных.

Их вывод: вне выборки ни одна из 14 моделей не обыгрывала 1/N стабильно по коэффициенту Шарпа, эквиваленту определённости или обороту. Причина — ошибка оценки: ожидаемые доходности и ковариации приходится оценивать по ограниченной истории, и ошибка съедает выигрыш от оптимизации. В симуляциях, откалиброванных по акциям США, выборочной стратегии среднее-дисперсия нужно около 3,000 месяцев данных, чтобы обыграть 1/N для 25 активов, и около 6,000 месяцев для 50 активов.

Результат не говорит, что 1/N оптимально. Он говорит, что для распределения активов на основе исторических оценок наивное правило трудно превзойти; авторы также отмечают, что многое ещё предстоит сделать, чтобы реализовать обещанные выгоды оптимизации. Более поздняя критика (R-bloggers, 2013) утверждает, что наборы данных и короткая месячная история в статье не решают вопрос, и отмечает, что различия в коэффициенте Шарпа не проверялись на значимость (блог, не рецензируется).

Выбор N и того, какие активы считаются, сам по себе является мнением. В статье активы — в основном портфели акций или индексы одного класса активов; здесь мы применяем правило по классам активов, что является другим использованием (моё прочтение; наборы данных статьи в этом исследовании не подтверждены).

Что внутри

Каждый из N активов

10%

Правило: 1/N. Наше определение использует N = 10 (сама статья не фиксирует список классов активов)

Откуда взяты доли: DeMiguel, Garlappi, Uppal (2009), Review of Financial Studies 22(5):1915-1953 — ideas.repec.org. Библиографическая страница с выводами на уровне аннотации (14 моделей, семь наборов данных, 3,000 и 6,000 месяцев). Статья определяет 1/N как равный вес каждого рискового актива; конкретный список из десяти классов активов, использованный здесь, — наш собственный выбор, а не статьи.

Как мы это считаем

Крупные компании США (S&P 500)	10%
Малые компании США	10%
Развитые страны вне США	10%
Развивающиеся страны	10%
Недвижимость (REIT)	10%
Рынок облигаций США (весь)	10%
Облигации с защитой от инфляции (TIPS)	10%
Наличные (казначейские векселя)	10%
Золото	10%
Сырьё	10%

В статье нет списка классов активов, поэтому N и список — наши. Мы используем N = 10, по одному классу на каждый отдельный источник доходности, без двух классов, которые в основном являются одним и тем же: акции крупных компаний США, акции малых компаний США, акции развитых рынков вне США, акции развивающихся рынков, REIT, агрегированные облигации США, TIPS, наличные, золото, сырьё. Намеренно исключены во избежание двойного учёта: подстили стоимости/роста (пересекаются с us_large и us_small), bond_short, bond_mid, bond_long и bond_corp (пересекаются с bond_agg и cash). Итог: 50% акции, 20% облигации (agg и TIPS), 10% наличные, 30% реальные активы (REIT, золото, сырьё). Использование всех 17 классов по 5.88% перевесило бы стили акций США (пять классов стилей акций) и сроки погашения казначейских облигаций и не соответствует тому, что означает 1/N по классам активов. Даты начала рядов ограничивают полный портфель периодом с 2000-07 (tips); альтернативный список, удобный для длинной истории, заменил бы tips на bond_mid.

Для инвестора в евро

Тот же портфель, купленный на евро, без страхования курса: месячные доходности пересчитаны по курсу на конец месяца (до 1999 года — немецкая марка), инфляция — еврозоны. История в евро с 1984-02 по 2026-09.

В год в евро7,5 %

После инфляции в евро5,2 %

Худшее падение в евро−35,0 %

Худший год в евро−18,9 % (2008)

Безопасное снятие, 30 лет, доллары6,19 % (1987-09)

Безопасное снятие, 30 лет, евро4,60 % (1985-03)

Наибольшее снятие в первый год, дальше растущее с инфляцией, которого хватило на 30 лет при любом месячном старте. Проверить снятие для этого портфеля →

Как собрать его из европейских фондов

Примеры фондов UCITS, которые продаются в ЕС, для каждой части портфеля. Они повторяют похожие рынки, но не в точности индексы нашего расчёта.

Часть	Доля	Примеры фондов (ISIN)
Крупные компании США (S&P 500)	10%	iShares Core S&P 500 UCITS ETF USD (Acc) `IE00B5BMR087` Vanguard S&P 500 UCITS ETF (USD) Distributing `IE00B3XXRP09`
Малые компании США	10%	SPDR Russell 2000 U.S. Small Cap UCITS ETF `IE00BJ38QD84` iShares MSCI USA Small Cap ESG Enhanced CTB UCITS ETF USD (Acc) `IE00B3VWM098`
Развитые страны вне США (ближайший по смыслу)	10%	iShares Core MSCI Europe UCITS ETF EUR (Acc) `IE00B4K48X80` iShares Core MSCI Japan IMI UCITS ETF `IE00B4L5YX21`
Развивающиеся страны	10%	iShares Core MSCI Emerging Markets IMI UCITS ETF (Acc) `IE00BKM4GZ66`
Недвижимость (REIT)	10%	iShares US Property Yield UCITS ETF `IE00B1FZSF77` iShares Developed Markets Property Yield UCITS ETF `IE00B1FZS350`
Рынок облигаций США (весь) (ближайший по смыслу)	10%	iShares Core Global Aggregate Bond UCITS ETF EUR Hedged (Acc) `IE00BDBRDM35` iShares Core Global Aggregate Bond UCITS ETF USD (Dist) `IE00B3F81409`
Облигации с защитой от инфляции (TIPS)	10%	iShares USD TIPS UCITS ETF USD (Acc) `IE00B1FZSC47`
Наличные (казначейские векселя)	10%	Xtrackers II EUR Overnight Rate Swap UCITS ETF 1C `LU0290358497` iShares USD Treasury Bond 0-1yr UCITS ETF (Acc) `IE00BGSF1X88`
Золото	10%	Invesco Physical Gold ETC `IE00B579F325` Xetra-Gold `DE000A0S9GB0`
Сырьё	10%	iShares Diversified Commodity Swap UCITS ETF `IE00BDFL4P12`

Это примеры, а не советы. Перед покупкой посмотрите основной документ фонда (KID), расходы и налоги у своего брокера. Названия и ISIN сверены на justETF 4 ноября 2026 года; Udak ничего не получает от этих фондов.

Идея

Если прогнозы доходности и риска шумные, равные веса избавляют от ошибки оценки и не требуют входных данных. Применённое к классам активов, оно распределяет деньги между акциями, облигациями, наличными и реальными активами, не высказывая мнения о том, что сработает лучше.

Как это покупают

Один широкий недорогой индексный фонд на каждый класс, равные суммы, ребалансировка до 10% каждый. Примеры: фонд акций всего рынка/крупных компаний США, фонд малых компаний, развитые рынки вне США, развивающиеся рынки, фонд REIT, фонд агрегированных облигаций, фонд TIPS, казначейские векселя или фонд денежного рынка, ETF на золото, ETF на сырьё (примеры мои, а не авторов).

Ребалансировка по автору

Стратегия 1/N из статьи — это правило постоянных весов, то есть ребалансировка до 1/N в каждом периоде теста (частота ребалансировки в статье в моих источниках не подтверждена). В энциклопедии мы предполагаем ежегодную ребалансировку, если движок не указывает иное.

Варианты

1/N по всем 17 классам (по 5.88% каждый).
1/N по более короткому списку (например, 5 классов, как в портфеле Ivy: по 20% каждый).
1/N с bond_mid вместо tips для более длинной истории.

Критика

То, что считается классом активов (и N), определяет реальные веса; 1/N не нейтрально. В приведённых выше десяти классах 30% приходится на реальные активы и только 20% на облигации.
Равные веса игнорируют риск: сырьё и акции развивающихся рынков добавляют гораздо больше волатильности, чем наличные и TIPS, но получают ту же долю в деньгах.
Доказательства в статье относятся в основном к портфелям акций и ограниченной истории; критики говорят, что различия в коэффициенте Шарпа не проверялись на значимость (R-bloggers, 2013).

Эпоха за эпохой

Эпоха	Даты	Всего	В год	Худшая просадка	S&P 500
«Чёрный понедельник»	1987-08 – 1987-12	−10,6 %	—	−14,8 %	−21,8 %
Кризис сберегательных касс и рецессия 1990 года	1990-07 – 1991-03	+5,5 %	—	−5,5 %	+7,4 %
«Бойня» на рынке облигаций 1994 года	1994-02 – 1994-12	−2,3 %	—	−4,1 %	−3,2 %
Азиатский и российский финансовые кризисы	1997-07 – 1998-10	−1,8 %	−1,4 %	−12,6 %	+22,4 %
Пузырь и крах доткомов	2000-03 – 2002-10	−3,4 %	−1,3 %	−9,7 %	−37,2 %
Восстановление и жилищный бум	2002-11 – 2007-09	+126,7 %	+18,1 %	−4,5 %	+97,0 %
Мировой финансовый кризис	2007-10 – 2009-03	−26,4 %	−18,5 %	−34,1 %	−44,7 %
Десятилетие после кризиса	2009-04 – 2019-12	+153,7 %	+9,0 %	−12,0 %	+411,2 %
Распродажа в четвёртом квартале 2018 года	2018-09 – 2018-12	−8,3 %	—	−8,3 %	−14,4 %
Обвал COVID и бум стимулов	2020-02 – 2021-12	+27,8 %	+13,7 %	−14,7 %	+53,6 %
Инфляционный шок и повышения ставок	2022-01 – 2022-12	−10,9 %	−10,9 %	−15,5 %	−19,9 %

Календарные годы

Любой срок в N лет

Любой срок в N лет	Худший	10 % хуже, чем	Середина	10 % лучше, чем	Лучший
1 лет (501)	−31,4 %	−2,8 %	+9,6 %	+20,8 %	+43,8 %
3 лет (477)	−4,4 %	+2,8 %	+8,1 %	+15,0 %	+22,2 %
5 лет (453)	+1,7 %	+4,4 %	+8,3 %	+12,3 %	+18,8 %
10 лет (393)	+4,2 %	+5,2 %	+8,6 %	+10,6 %	+11,9 %
15 лет (333)	+4,6 %	+6,5 %	+8,5 %	+10,1 %	+11,0 %
20 лет (273)	+6,4 %	+7,1 %	+8,5 %	+9,9 %	+10,7 %
30 лет (153)	+7,2 %	+7,6 %	+8,1 %	+9,1 %	+9,8 %

Как вела себя в истории

1929-2015 (зачем распределять по классам). Акции приносили 9.9% в год против 5.3% у облигаций за 1927-2015 годы, но потеряли более 80% в Великую депрессию и уступали облигациям 20 лет (1929-1949) и 40 лет (1969-2009). Именно такую историю равное деление по классам призвано пережить (Фабер, цитата в AAII). www.aaii.com
1966-1982, 1973-1974, 2000-2002, 2008, 2022. Опубликованных результатов для именно этой десятиклассовой смеси с равными весами нет. Наш движок их рассчитает. Состав (30% реальные активы, 10% наличные) — это то, что определяет поведение в эпохи инфляции. ideas.repec.org

Опубликованные результаты (чужие)

Среди 14 моделей оптимизации и семи наборов данных ни одна стабильно не превосходит 1/N по коэффициенту Шарпа, эквиваленту определённости или обороту (наборы данных статьи (выборка в моих источниках не указана)): качественная оценка ideas.repec.org
Окно оценки, необходимое для того, чтобы выборочная модель среднее-дисперсия превзошла 1/N (симуляция, откалиброванная по акциям США) (симуляция): около 3,000 месяцев для 25 активов, около 6,000 месяцев для 50 активов ideas.repec.org
1/N, как правило, имел более высокий коэффициент Шарпа вне выборки, более высокий эквивалент определённости и меньший оборот, чем оптимальные политики (более ранняя версия, аннотация семинара 2005 года, десять наборов данных) (черновик 2005 года): качественная оценка or.stanford.edu

Что мы не смогли проверить

Семь наборов данных опубликованной статьи и частота ребалансировки в статье не читались (полный текст за платным доступом; ссылка на черновик NBER вернула 404). Черновик 2006 года ссылается на десять отраслевых портфелей S&P 500 как на один из наборов данных (краткое описание из поиска).
Утверждение, что Гарри Марковиц использовал 1/N для собственных пенсионных накоплений, обычно связывают с этой статьёй; я его не проверял и не использую.
Список из десяти классов активов — наша собственная разработка, не от авторов.
Наборы данных могут отличаться между черновиком 2005 года (десять) и версией 2009 года (семь): не проверено.

Источники

ideas.repec.org https://ideas.repec.org/a/oup/rfinst/v22y2009i5p1915-1953.html
lbsresearch.london.edu https://lbsresearch.london.edu/id/eprint/407
or.stanford.edu https://or.stanford.edu/seminars/demiguel_111105.html
academicnewsletter.sufe.edu.cn https://academicnewsletter.sufe.edu.cn/info/355050
www.r-bloggers.com https://www.r-bloggers.com/2013/06/the-fallacy-of-1n-and-static-weight-allocation/
www.aaii.com https://www.aaii.com/journal/article/the-trinity-portfolio-combining-diversification-tilts-and-trend-following?printerfriendly=true

Открыть в конструкторе

Поставить эту карточку на свой сайт →

Расчёт по историческим данным. Прошлые результаты не предсказывают будущее. До 1990-х годов для классов, у которых ещё не было индекса, использованы заменители; комиссии, налоги и издержки фондов не учтены. Это математика, а не инвестиционная рекомендация.