我們想讓你知道的是 :
今年上半年受到聯準會緊縮預期、製造業循環趨緩、俄烏戰爭等的影響,各國股市大多有所回檔,不再呈現疫情後大多頭的格局。因此今年的操作上藉由資產配置控制風險就顯得相當重要,本文將從相關性和效率前緣線的角度,檢驗傳統避險性商品以及加密貨幣(以比特幣為例)對於資產配置有何幫助。

本文重點:

加入 MM PRO 看本文關鍵重點 !!


一、資產配置的核心:如何選擇資產與時機

當考慮資產配置時,除了追求高報酬外,另外一個目標是降低風險。然而,並非分散投資都能有效降低風險,其中一個關鍵的重點為標的資產之間的相關性。當資產間報酬走勢高度正相關時,資產配置時分散風險的效果便會大打折扣;相反地,當零相關或是負相關時,資產配置分散風險效果會提升。因為大多數投資人以投資股票型資產為主,本文接下來都以降低股票型資產的風險作為判斷分散風險效果的好壞依據。

1. 各大資產相關性總覽

下圖為常見資產的相關性熱點圖。其中數值為皮爾森相關係數,為介於 -1~1 的數字,用來衡量線性相關。回測期間從 2005 年開始至 2022 年 5 月,以資產日報酬進行相關性計算。回測資產包括:SPDR-標普 500 ETF(SPY)Invesco-納斯達克 100 指數 ETF(QQQ)iShares-MSCI 台灣 ETF(EWT)iShares-美國核心綜合債券 ETF(AGG)iShares-20 年期以上美國公債 ETF(TLT)iShares-抗通膨債券 ETF(TIP)SPDR-黃金 ETF(GLD)美元指數(US dollar)比特幣(BTC)

常見資產相關性熱點圖 註:比特幣回測資料從 2011 年開始

▌風險性資產多具有高度相關性 首先,可以從表格看出,左上角的 SPYQQQEWT 皆為股票型 ETF,彼此之間的正相關性相當高,因此配置不同股票型 ETF 分散風險的效果是較差的。同為美股 ETF 的 SPY 與 QQQ 即使產業組成有所差異,但整體相關係數高達 0.9。而台股 ETF EWT 與上兩者美股 ETF 即使國家不同相關係數也達 0.7 以上。不過,股票型 ETF 與其餘資產資產的相關係數大多接近 0 或甚至為負值,美國或台灣股票型 ETF 皆與避險性商品的相關係數差異不大。

▌避險性資產納入越多種越好嗎? 債券型 ETF 在避險效果上有些許不同,其中比較關鍵的差異在於債券存續期間AGGTIP 的平均存續期間大約在 7 年左右,而 TLT 則將近 20 年。TLT 與股票型 ETF 負相關較為明顯,分散風險的效果最好。而債券型 ETF 彼此間的相關係數皆位於 0.6 以上,接近高度相關的水準,代表納入多種債券型資產,對於整體投組的風險降低效果有限。
黃金 為另一個常見的避險商品,GLD 不僅與股票型 ETF 接近零相關,與債券型 ETF 的相關性也不高,代表將黃金加入股債配置的投資組合確實能更進一步降低風險。美元 也有類似的狀況,與其餘資產皆為負相關。

▌比特幣是數位黃金? 再來看到 比特幣 的的部分,比特幣自問世以來就有是否能成為「數位黃金」、作為新興避險性商品且替代 黃金 的爭論。而從相關性熱點圖可以看出比特幣與其餘資產的相關性均相當低,代表其走勢相當獨立,確實有成為新一代避險商品的潛力。但同時可以看到比特幣與黃金之間卻也是接近零相關,從相關性角度出發兩者目前並沒有替代效果。

2. 升息 / 降息循環下,需要有不同的資產配置嗎?

2020 年後受到疫情的影響各國央行大多降息因應,並且實行量化寬鬆為市場注入充足的流動性,流入到各資產中,使資產走勢普遍呈現上揚。從 2020 年後的相關性熱點圖可以看出各資產間的相關係數均普遍上升,也就是避險性商品分散風險的效果有所降低。唯一的例外是 美元指數,與其他資產間的相關係數均為負值,這也反應寬鬆環境下美元因此貶值,除了計價關係外,市場流動性大增的情況下也帶來各大資產齊漲的效應,在此情況下,資產配置的效率確實有下降的疑慮

相關係數上升最明顯的部分為股票型 ETF 和 比特幣,兩者間的滾動相關性達到歷史最高的水位。其中一個原因為前面提到的市場流動性充足,另一個原因為加密貨幣逐漸為傳統投資機構接受,將比特幣納入投資組合中,更進一步帶動兩者的連動關係,今年以來走勢更是常被戲稱是 槓桿型納斯達克 ETF。比特幣在這段期間與股票型 ETF 的相關性也相對於與其餘避險型商品(如 黃金 )還高,可看出此時偏向風險性商品而並非避險型商品。不過雖然在此期間比特幣無法降低股票投資組合的風險,但是展現出了「抗審查」的效果,例如在俄烏戰爭爆發期間兩地對比特幣的需求上升,這為傳統金融商品所沒有的特性。

降息循環下(2020~)相關性熱點圖

而今年 3 月聯準會進行首次升息,正式步入升息循環。從上一次升息循環下(2015 年 12 月至 2018 年 12 月)的相關性熱點圖可以看到,升息期間資產間相關性的連動不如降息循環時高,大約在歷史平均的水準,股票型 ETF 與避險型商品都維持負相關或是零相關,比特幣 也保持獨立的走勢,因此從歷史經驗來看,緊縮週期下各資產相關性有下降的趨勢,資產配置降低風險的效果也因此提升,配置就顯得更為重要

升息循環下(2015.12~2018.12)相關性熱點圖


二、如何拿捏配置比率:用效率前緣線看資產配置

相關性分析能大致判斷標的資產避險效果的好壞,若要更具體的看出對投資組合報酬和風險的影響可以使用「效率前緣線」(Efficient Frontier),效率前緣線代表同樣風險(標準差)下可獲得最高報酬的投組集合,目標為配置高報酬低風險的投資組合。下圖為從 2005 年開始至 2022 年 5 月,不同比例的 SPYTLT 配置的年化報酬以及年化標準差回測,模擬股債配置的狀況。

從圖中可以發現,當持有 100% TLT 時,投組年化報酬為 4 % 左右,年化標準差為 14% 左右。若開始逐步提高 SPY 比重,整體曲線向左上方移動,會發現整體投組的報酬提高,同時波動也下降。這符合大多數投資人的期望,享受到高報酬、低風險的投資。而當 SPY 比重進一步上升後,曲線開始往右上方移動,代表投組同時提高報酬以及波動,比重提高至一定比例後,投資人便需要依據自身的風險承受度做選擇,高風險承受度的投資人可以增加持股比例,低風險承受度的投資人減少持股比例。

配置上建議配置在曲線上方(黃色箭頭)的股債比例,因為若配置在曲線下方(綠色箭頭)的股債比例,則實際上能夠在曲線找到另外一組股債比例,能使整體投組在同樣波動下獲得更高的報酬,這些是比較有效率的配置。例如同樣是標準差 14% 的投資組合,股債比大約 8 : 2 的投資組合能獲得 8% 以上的年化報酬,但持有幾乎 100% TLT 只能獲得 4% 左右報酬,這個情況下選擇股債比 8 :2 是較有效率的投資。

股債配置效率前緣線 註:此圖回測從從 2005 年開始至 2022 年 5 月,縱軸為投資組合年化報酬,橫軸為年化標準差,顏色為 SPY 配置比例,1 代表 100% SPY 與 0% TLT,0 代表 0% SPY 與 100% TLT。

不過效率前緣線所建議的是歷史回測中的配置比例,未來投組的報酬和風險不一定會和歷史回測相同,仍會受到投組中個別資產的報酬和波動以及彼此間相關性高低的影響而有所變化,因此並沒有一個最適的比例可以完全適用在未來中,但這個概念可以幫助我們檢驗資產配置時風險分散的效果。另外本文中只以兩個資產的配置結果展示,三個以上資產的使用方法同樣類似。

而若對不同的商品進行配置組合回測,我們也能夠發現到在類似的效率變化:

1. 效率前緣線實際歷史回測:完全配置風險性資產

首先看到同是股票型 ETF 的 SPYQQQ 配置的結果,增加 QQQ 的持有比例時曲線只會往右上方移動,完全不會有降低風險的效果,只能同步提高投資組合的報酬和風險。前文有提到過 SPY 與 QQQ 彼此相關係數高達 0.9,屬於高度相關的資產,因此避險的效果相當弱。因此當在進行相關性極高的資產配置比例選擇時,其實只是在做風險承受度的選擇

高度相關資產並無分散風險效果 註:此圖回測從從 2005 年開始至 2022 年 5 月,縱軸為投資組合年化報酬,橫軸為年化標準差,顏色為 SPY 配置比例,1 代表 100% SPY 與 0% QQQ,0 代表 0% SPY 與 100% QQQ。

2. 效率前緣線實際歷史回測:納入避險商品組合

下圖接著說明 SPY 與避險性商品的配置結果,其中避險性商品包含債券型 ETF TLT 和 黃金 ETF GLD。從前文中可以得知股票型 ETF 與 長債 ETF 負相關程度最高,而與黃金大約呈現零相關。

已經是訂閱會員了嗎? 若您已經是訂閱會員請點此登入

MM Prime 年繳訂閱
送「產業決策平台」半年權限
無限次總經圖表瀏覽

一手掌握全球投資
商品的關鍵指數

獨家焦點報告

每月約 6 ~ 8 篇獨家
重大事件 / 數據分析快報

研究工具箱

自製關鍵圖表
回測績效

最專業的總經社群

用戶秘密指標
觀點分享

【量化報告】用數據追蹤「電話會議」,快速秒懂美股產業趨勢! (2024-10-01) 【全文開放】股市轉趨震盪,如何掌握情緒過熱時的買點? (2024-03-14)