Alexander Altmann：韩国杠杆 ETF 如何让 AI 芯片交易自我强化 (2026)

核心判断：杠杆 ETF 已经不只是投资者的工具

2026 年 7 月 10 日播出的这期 Odd Lots，表面上在讲韩国市场突然膨胀的单股杠杆 ETF，实际上在追问一个更大的问题：当越来越多资金通过规则化产品买入同一批 AI 芯片股票，价格还只是基本面的结果吗？

Barclays 全球股票战术策略主管 Alexander Altmann 的答案是：不能只这样看。杠杆 ETF 的每日再平衡，会把价格变化转化为机械买卖；当产品规模集中在半导体和纳斯达克相关资产上，原本属于投资者个人的选择，就可能成为整个市场的边际买卖力量。韩国是这个现象最集中的观察窗口，但风险并不止于韩国。1

本期信息：嘉宾为 Alexander Altmann，身份是 Barclays 全球股票战术策略主管；节目英文题名为 The Korean Levered ETFs Shaking Markets All Around the World，时长约 43 分 27 秒，官方页面标注播出日期为 2026 年 7 月 10 日。1

先说明时间边界：节目在 7 月 9 日录制，文中所有 AUM、持仓比例、估值和模型读数，都是嘉宾在当时给出的访谈数字，不是 7 月 31 日的实时行情。杠杆 ETF 的 AUM 会随标的价格每天变化，不能把下面的数字直接当成当前市场快照。完整音频入口见 Odd Lots 官方 Omny 单集页。

1. 先看规模增长：可怕的不是一个数字，而是增长方式

Altmann 给出的全球杠杆 ETF 规模约为 2500 亿至 2700 亿美元。他认为，真正值得留意的是近几个月的增长速度，而不是这个名义规模本身。亚太地区的杠杆产品 AUM 年初约为 120 亿至 130 亿美元，节目录制时已达到约 500 亿至 550 亿美元，增至原来的三倍以上。2

美国的情况不完全一样。Altmann 说，4 月市场低点时，美国杠杆 ETF 的 AUM 约为 1200 亿美元，之后一度超过 2000 亿美元；这部分增长主要来自标的价格上涨，而不是大量新资金申购。韩国则同时出现了两种增长：标的上涨带来的 AUM 增长，以及新份额和新资金持续进入。后一种增长更容易把产品变成市场本身的参与者，而不只是跟随市场的容器。

这解释了为什么节目没有把问题写成「散户买了危险产品」。问题不只在于谁买了什么，而在于当资金流入、标的上涨和产品再平衡叠加后，市场的买卖方向会不会被进一步推向同一边。

2. 机制：三倍杠杆怎样把下跌变成被迫卖出

杠杆 ETF 的关键不是「一天涨跌三倍」这么简单，而是它通常要维持一个按日计算的目标敞口。Altmann 在节目中用一个简化例子说明这种再平衡如何发生：

时点	ETF 自有资产	目标/实际敞口	发生了什么
初始	30 亿美元	三倍，即 90 亿美元	通过掉期等方式取得额外敞口
标的下跌 10% 后	约 21 亿美元	实际敞口约 81 亿美元	敞口随标的下跌，但跌幅按 90 亿美元计算
维持三倍目标	约 21 亿美元	目标敞口约 63 亿美元	需要卖出约 18 亿美元敞口

这里的数字是节目里的示意例子，重点是方向而不是规模。标的下跌后，基金的资产基数先缩水；原有敞口相对资产基数就变得过大，于是基金必须卖出，才能回到三倍目标。上涨日则相反：敞口相对变小，基金需要买入。

这类顺着价格方向调整的再平衡，会给市场增加「负 gamma」式的机械流量：跌时卖、涨时买。它不等于每一次上涨或下跌都由杠杆 ETF 造成，却意味着在产品足够大、标的足够集中的时候，市场多了一股不依赖判断、只依赖规则的买卖力量。2

杠杆来自哪里？节目里的回答是，基金通常通过银行合作伙伴和 prime broker，以掉期等方式取得合成敞口。ETF 发行本身并不等于凭空创造三倍现金；它把一部分敞口放到银行和其他交易对手的资产负债表上。这正是产品规模从投资者账户扩展到整个金融市场的通道。

3. 为什么韩国成为放大器：散户占比和芯片集中度同时很高

Altmann 给出的一个对比是：韩国杠杆 ETF 约 93% 由散户持有，美国约为 75%。这两个数字都是访谈中的估计，节目没有把它们解释成散户必然亏损。相反，Altmann 明确承认，过去一段时间里，不少韩国投资者通过这些产品赚到了很多钱；高回报本身正是新资金不断进入的原因之一。2

韩国市场的特殊之处还在于，杠杆产品和半导体行情高度重叠。主持人提到，节目所在一周的两件大事是三星电子财报，以及 SK 海力士在美国上市；讨论的主线则是芯片、存储器和韩国股票之间越来越紧密的联动。节目所说的最大单股杠杆 ETF，在美国对应美光，在全球对应 SK 海力士——这两项判断均属于嘉宾在访谈中的市场观察，不应替代最新产品规模查询。1

当同一类产品集中押注同一条 AI 芯片链，价格上涨会产生三层反馈：

芯片股上涨，杠杆 ETF 的 AUM 随之增加；
上涨带来更强的动量叙事，吸引更多资金和产品份额；
再平衡机制在上涨日继续买入，把价格变化重新写回市场价格。

这就是主持人所说的「产品尾巴摇动标的股票」。它不是说基本面不重要，而是说价格、资金流和叙事之间可能形成闭环：价格上涨支持 AI 故事，AI 故事支持更高资本开支和更高估值，更多资金又回到同一批股票。

4. 「Betty」的警告：不是预测崩盘，而是提示收益分布变差

Altmann 负责的 Barclays Equity Timing Indicator，节目里简称「Betty」，是一个有 19 个输入的市场时点模型。输入包括实际收益率、现货波动率与相关性、共同基金、对冲基金、CTA、波动率控制策略和杠杆 ETF 的资金流；它不使用传统的多空情绪调查。Altmann 对团队的要求很直接：不能量化，就不要把它当成分析结论。2

节目录制时，Betty 已经连续一段时间处于警告区间，主要驱动因素是动量交易拥挤。Altmann 给出的解释不是「市场马上要崩」，而是未来两个月的收益不对称性变差：

随机挑一天买入标普 500，持有 42 个交易日，历史平均回报约为 190 个基点，赚钱概率约 73%；
当 Betty 处于较高的警告区间时，赚钱概率降到约 35% 或更低，平均回报转为负数；
这表示应当降低对继续追涨的信心，等待估值和拥挤度得到重置，而不是把模型当作精确的崩盘日期预测器。

这段分析的价值在于它给「泡沫」换了一个更可检验的说法：不是宣布价格一定会跌，而是比较在不同状态下，继续持有相同风险的历史赔率。它的局限也同样清楚：这是 Barclays 自有模型的访谈介绍，数字来自节目时点，读者不能在没有模型定义和最新数据的情况下自行复刻结论。

Altmann 还把估值压力放回实际收益率的背景里。节目中他说，10 年期实际收益率处于后金融危机时期约第 95 百分位，约为 230 个基点；在实际收益率处于这一水平或更高的历史时期，标普 500 的平均估值倍数约为 14 至 15 倍，而节目录制时约为 20.2 至 20.3 倍。若只拿疫情后的利润率水平作比较，他给出的合理参照约为 18.5 倍。所有数字都应理解为当时的估值框架，不是本文对当前标普估值的独立测算。

5. 银行资产负债表：杠杆 ETF 是因素，不是唯一原因

杠杆产品的另一条传导链在银行端。若基金拥有超过 2000 亿美元 AUM、平均使用两倍以上杠杆，银行通过掉期和 prime 渠道承接的名义敞口就可能远高于 ETF 的自有资产。资产负债表容量有限，市场上其他交易者也在争夺同一份融资空间，融资成本因此可能受到影响。

但 Altmann 没有把融资利率上升全部归咎于杠杆 ETF。他认为，更主要的背景是市场价格本身上涨，银行为更高市值的资产提供融资需要占用更多资产负债表；多经理对冲基金平台的 AUM 也已经接近 1 万亿美元，较疫情时期大幅增长，同样会使用银行资产负债表。杠杆 ETF 是其中一个贡献因素，而不是唯一的发动机。2

节目还谈到亚洲某只基金通过期权市场获取杠杆的市场传闻。Altmann 把它限定为一个特定基金的案例，并提醒更广泛的问题其实是交易对手风险：银行是否愿意把很大敞口集中给单一交易对手。这个限定不能省略，否则就会把个案传闻误写成整个韩国杠杆 ETF 行业的通用融资结构。

6. AI 能找到「原料」，但还不能替你完成交易判断

访谈后半段从杠杆 ETF 转向 AI 在投行研究和交易中的作用，反而补上了前面讨论的另一块拼图。

Altmann 说，Barclays 已经在使用 Copilot、Claude 以及内部模型。AI 最擅长的是面对清晰的数据和参数，快速找出可能相关的证券集合。比如，要为一只股票寻找对冲篮子，模型可以从一组 AI 相关公司、云服务商或其他行业标的中找出候选「原料」。

但它还不能可靠地替代交易员完成三件事：判断流动性、理解相关性在压力场景下是否仍然成立，以及决定每个标的该分配多少权重。Altmann 的比喻是，AI 可以帮助列出水果，交易员还要负责切配，最后能不能做成一盘可交易的水果沙拉，仍然需要人的判断和检验。对投资者而言，这个边界比「AI 能不能做量化」更实用：模型能提高搜索速度，不等于模型已经提供了经过验证的风险管理方案。

7. 读这期访谈，最值得带走的三个问题

这期的长期价值不在于记住某个 AUM 数字，而在于以后遇到类似产品时，按顺序问三件事：

杠杆是按日重置，还是按更长周期计算？ 如果是按日重置，单日涨跌和长期持有结果可能差别很大。
敞口集中在哪里？ 如果大量产品同时押注同一只股票、同一条供应链或同一个主题，分散化可能只是表面上的产品数量增加。
下跌时谁必须卖？ 需要把 ETF 的再平衡、银行掉期、期权对冲和散户赎回放在同一张传导图里，而不是只看产品说明书上的倍数。

对普通投资者来说，最直接的结论不是「所有杠杆 ETF 都不能碰」，也不是「上涨趋势会自动延续」。更稳妥的读法是：当 AI 芯片交易、散户资金和每日再平衡同时站在同一边时，市场的波动可能比基本面变化更快；当方向反转，机制也会沿着同一条路反向运行。

适合谁完整收听

如果你只想知道韩国股市为什么波动大，这期节目可以给出一个产品层面的答案；如果你想理解 AI 交易如何通过 ETF、掉期、银行资产负债表和家庭财富，逐层连接到更广泛的宏观经济，它更值得完整听完。Altmann 没有给出一个可直接执行的买卖点，而是展示了市场参与者如何把基本面、资金流、衍生品和模型信号放在一起看。

完整入口：Bloomberg 官方节目页 · Odd Lots 官方 Omny 单集页

Alexander Altmann：韩国杠杆 ETF 如何让 AI 芯片交易自我强化