核心观点
　　「最小方差组合到底有没有用」这场争论久拖不决，因为双方没有落在同一个数字上：一方问方差降了多少，另一方问这个降幅是靠什么换来的。本文把两者合成为一个可完整求解的问题——沿一条协方差收缩曲线求解，看样本外方差优势在哪里停住，以及真正卡住它的是统计意义上的估计误差，还是经济意义上的集中度。结论一句话：优势全部集中在曲线最左端（几乎不收缩、允许重仓低波行业），而卡住它的不是统计，是集中度。
　　要点一问题与参考系
　　引入收缩族=+ diag()（越大、越把往对角拉），在的连续谱上逐点求最小方差组合，横轴改用eff = 1/HHI()——「这个组合等效于持有多少个等权标的」，把抽象的收缩刻度翻译成可读的集中度口径。参考系取等权（EW）而非MV：EW是唯一不依赖任何估计的基准，因此「方差比< 1」直接读作「确实比什么都不做更好」，而不需要先假定MV本身可信。这一设定的代价是数字比以MV为基准时小得多，但那是诚实的尺度。
　　要点二曲线单调，最优点在最左端
　　在申万一级行业31个节点、2014年2月至2026年9月共3062个交易日上，以500日估计窗做122次月度重估：样本外方差比（对EW归一）在网格左端点（eff = 2.7）为0.5413，沿曲线单调升到逆方差端点的0.9142；不收缩的极限MV是0.5215，它是曲线之外的左极限，比网格左端点还低一档。收缩的每一步都在付方差代价，而它唯一买到的是换手（年换手从2.73降到0.23，降至约1/12）。这与「小样本下应当往简单规则收缩」的通行直觉正好相反。
　　要点三卡住曲线的是集中度，不是统计（全文最关键）
　　MV的权重高度集中在少数低波动行业。为排除「这不过是低波因子换了个名字」这一替代解释，本文做2 × 2正交分解——一维是「用完整还是只用diag()」，一维是「无约束还是行业中性（ = 2/）」。结果是：协方差结构相对对角反事实的净贡献，在无约束时是0.3927，加上行业中性约束后只剩0.1100——掉了72%。而箱子本身的代价在对角口径下仅0.0005。箱子几乎不花钱；它昂贵只是因为砍掉的正是提供的那个方向。
　　要点四两项诊断，一项否定读数
　　分时期：11个自然年全部为正（方差比均小于1），方向稳定；但幅度高度集中——2024与2020两年合计贡献36.0%。walk-forward：把「选」这一步也算进样本外（扩展窗，共132期），实际方差比为0.8719，而全样本曲线最优点是0.5215，差0.3503——「选」这个动作本身吃掉了一半以上的优势。
　　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。第一，主线的结论依赖收缩族的选择：全文只取最简单的「往对角加量」这一条收缩族，换用Ledoit–Wolf目标、因子模型收缩或特征值裁剪，曲线的形状与最优点都可能移动。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，样本为申万一级行业31个节点的日频面板，换用其他节点划分或改回30分钟频率都可能改变读数的量级（但不会翻转「约束来自集中度」这一主线判断）。第三，估计细节会影响结论：协方差块涉及Ledoit–Wolf线性收缩与恢复嵌套性所需的谱投影抬正两项选择，短窗口上的分解结果对估计细节更敏感。第四，本文不构成任何投资建议：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，不存在任何可执行的策略含义。