資產配置理財入門大補包(三) – 最佳股債配比真的存在嗎?

立即訂閱電子報,掌握最新資訊!

    稱呼

    電子郵件

    以下非必填,但若您願意分享,我們將能推送更精準的內容給您

    投資經驗

    是否為理工科背景、工程師或有寫程式的經驗?

    有興趣的主題
    量化交易台股期貨海外期貨虛擬貨幣美股

    有興趣的量化交易軟體/平台
    不清楚MultiChartsTradingViewPythonXQ

    想透過量化交易達成甚麼目的?
    不確定自動交易選股回測投資績效量化自己的投資方法想找現成的策略套用

    還有什麼想詢問的?

    好富投 1920x400
    好富投 978x258

    點我了解更多資訊


    只要是提到資產配置這個議題,無論是為了讓最小化風險、為了最大化報酬,還是為了極大化風險報酬比,學術界以及業界不斷在探討,是否真的有一個股債黃金等不同資產的配比,來滿足投資上的需求。

    然而,這個問題已經爭論了幾十年,從現代投資組合理論(Modern Portfolio Theory,簡稱 MPT)開始,直到現在衍生出許多不同的配置模型,並沒有哪一個模型是公認最好用的!

    為什麼會這樣呢?我們接著仔細講講吧!

    什麼是現代投資組合理論?

    用白話來講,現代投資組合理論是衡量不同資產的歷史報酬和波動,以及這些資產之間的相關性,用數學公式算出給定風險程度下創造極大化報酬的資產配比。

    比如說,我們有一筆資金,想配置在元大台灣 50 ETF(0050)以及元大美債 20 年 ETF(00679B),可是不知道該各自該配多少才能讓資產波動最小。MPT 的方法是先計算出這兩個 ETF 的歷史報酬、標準差(波動度)、相關係數等,然後你可以用窮舉,或是用數學求極值的方式,找到一組投資組合波動度最小的權重配比。

    聽起來很棒啊!讓投資變成非常科學,不受情緒左右,為什麼現在實務上沒什麼人在用呢?

    Py 101209161710
    Py 101209161711

    現代投資組合理論並未被廣泛採納,問題在哪裡?

    1. 我們不該假設這些標的接下來能複製它的歷史表現

    MPT 只要你輸入每個資產的歷史表現,它就能幫你用這些資料算出最佳權重配比。代表說,如果我們相信 MPT 的計算結果並拿這個權重進行投資,就如同我們只參考了歷史表現,就決定該怎麼投資,而且還希望它的表現如同過去一樣好。

    注意哦,這中間沒有賦予任何邏輯意義,就只是試圖用簡單的數學解決一個複雜的問題。

    但是,我們必須知道,做投資去參考歷史資料,最重要的意義在於了解歷史事件的脈絡。就算我們決定去脈絡化,使用數學去解決投資的問題,也不該假設「取給數學計算的那段歷史」將重演。這是個非常嚴重的問題。我們直接看看下圖的例子:

    上圖是台灣加權指數的周線圖。如果我們站在 2018 年初,用 2010 ~ 2017 年的資料拿來計算最佳權重配比,會發生什麼事?我們會低估台灣加權指數的風險!

    實際上,2008 年金融海嘯的台灣加權指數,波動程度遠高於 2010 ~ 2017 年,使用 MPT 的方法計算最佳權重,會誤以為台灣加權指數的波動度會維持在同樣的水準下。

    但實際上,2018/2、2018/10 都曾發生過閃崩,2020/3 因為疫情延燒導致流動性危機而發生全球股災,MPT 方法低估了市場波動度,用 MPT 配出的投資組合表現將大幅偏移原先的預期。

    2. 歷史相關性會不斷地飄移

    傳統上,大家都會說,股市漲的時候債券跌,它們之間有負相關的特性。但是,實際上真的如此嗎?下圖是我們給出的答案。這是台灣加權指數和美國十年公債價格的歷史相關係數。大於零表示較有齊漲齊跌的特性,小於零則是兩者漲跌互見。我們使用每一天往回追溯 240 天長度的歷史資料做計算。

    由下圖可以發現,相關係數不斷地在飄移!有時是股債齊漲齊跌,有時卻是漲跌互見。

    而且,更嚴重的是,雖然圖上看起來相關性是每日逐漸飄移,但是這是因為有 240 天長度的平滑效果。實際上,相關性的飄移是瞬間就飄走了!

    2020 年橋水基金鼎鼎大名的風險平價策略(risk parity)失效,其實也是因為不當採用歷史相關性。

    我們該如何找尋適合自己的最佳股債配比?

    擁抱市場的不確定性:

    我們必須理解,市場的變化無法用公式去解析。科學家牛頓也曾經說過,他能計算天體的運行,卻無法預測人類的瘋狂。所以,我們不該用預測的角度去進行資產配置,而是應該確保在未來可能發生的事件中,我們都能盡早應對,讓傷害降到最低。

    理解自己的風險承受程度:

    從先前的段落可以知道,市場上沒有公式解出歷史的最佳股債配比,可以讓你的投資在未來還是「最佳配比」。所以,我們必須回過頭來檢視,自己最多能承擔多少虧損。

    雖然說股債黃金外匯等資產的相關性會隨時間飄移,但這些資產還是有一些特性是不太會改變的。例如,股票的波動大於債券、股票因為社會進步而長期上漲但債券不是。因此,基於這些特性,我們可以知道哪些資產屬於高風險投資,那些則是屬於低風險。在理解市場運行邏輯之前,就能先行設定權重配比的基準。

    研究市場事件發生的脈絡:

    價格變化是結果、相關性飄移也是結果。那什麼是原因呢?原因是什麼事件、什麼邏輯驅動了市場投資人做出交易決策,導致剛剛所謂的「結果」發生。這樣的過程確實相對複雜,比較難入門,但是相當有用!

    因為你會知道,在未來市場可能走向的某個情境,以前就發生過類似的事情,它的脈絡是有跡可循的!這麼一來,我們甚至可以使用程式來把其中的過程描繪出來,幫助我們在資產配置上做得更好。

      稱呼

      電子郵件

      以下非必填,但若您願意分享,我們將能推送更精準的內容給您

      投資經驗

      是否為理工科背景、工程師或有寫程式的經驗?

      有興趣的主題
      量化交易台股期貨海外期貨虛擬貨幣美股

      有興趣的量化交易軟體/平台
      不清楚MultiChartsTradingViewPythonXQ

      想透過量化交易達成甚麼目的?
      不確定自動交易選股回測投資績效量化自己的投資方法想找現成的策略套用

      還有什麼想詢問的?


      量化通粉絲社群,一起討論程式交易!

      加入LINE社群量化交易討論群」無壓力討論與分享!

      加入臉書社團「程式交易 Taiwan」即時獲取實用的資源!

      QP66
      QP66

      具備逾十年交易經驗,研究交易資產橫跨股票、債券、外匯、原物料,以及加密貨幣。現為量化避險基金交易員,亦曾任職於資金規模逾百億的避險基金,以及在區塊鏈企業擔任顧問一職。

      擅長從宏觀至微觀,由淺入深挖掘交易機會,並運用Python實現全自動化的投資組合管理。

      文章: 24

      發佈留言

      發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *