共變異數與相關係數(Covariance and Correlation Coefficient of Financial Assets)要評估兩個資產(assets)報酬率的相關性時,就需要計算它們的共變異數和相關係數。 Show 舉例來說,有A和B兩個資產,過去六個月的報酬率分別是 Cov= 1/(n-1) * Sum i=1 to n (Rai-Raave)*(Rbi-Rbave) Rai 代表A資產各月份的報酬率 就是將A、B兩者每個月的報酬率和平均報酬率的差相乘,然後除以5。(ps因為是用歷史報酬,要除以n-1) 在計算過程中可以發現,假如AB兩者某個月的報酬都是同時高於平均或同時低於平均,這樣兩者報酬率和平均報酬率的差相乘後會得到一個正數,會讓共變異數的數值變大。假如AB兩者某月份報酬,一個高過平均,一個低於平均,那麼兩者報酬率與平均的差相乘會得到一個負數,會減小共變異數的數值,或使其成為負數。 但問題來了,AB兩資產報酬的共變異數23.66,這樣兩者的報酬率相關性到底如何呢?假如兩者的報酬率都是穩定的,這樣23.66會代表比較高的相關程度,假如兩者波動性都很大,那麼共變異數23.66其實代表的相關程度不高。為了解決這個問題,我們可以把共變異數除以AB兩者報酬率的標準差,就會得到相關係數(Correlation coefficient)。 Correlation coefficient = Cov / (SDa*SDb) Cov表AB的共變異數 用Excel算出A的標準差是7.96,B的標準差為4.53。兩者的相關係數等於23.66/(7.96*4.53)=0.66。 相關係數會是一個介於-1到+1間的值。+1代表兩者完全正相關,-1表完全負相關。在資產配置理論裡,相關程度愈低的資產,將發揮愈大的”互補”功效。 回到首頁:請按這裡 初來乍到:請看”如何使用本部落格” 相關文章: 投資組合的預期報酬(Expected Return of Portfolio) 投資組合的標準差(Standard Deviation of Expected Return of Portfolio) 資產比重對投資組合報酬及標準差的影響 資產配置的提升報酬效果(Diversifiable and Nondiversifiable Volatility) 從一則健康新聞談起(Correlation does NOT mean causation) 但這邊的計算跟投組報酬有些許不同,無法由個別資產的變異數直接加權計算。假設我們的投組有兩檔ETF,資料如下,如何計算投組的報酬率變異數呢? [啟動LINE推播] 每日重大新聞通知 (共變異數) 把甲乙兩個股票組合起來的投資組合,變異數要怎麼計算? 多角化與風險分散風險分散的道理,即是「不要將雞蛋放在同一個籃子裡」。透過多角化的投資方式,就能投資組合的風險分散掉。不過分散的效果,還要看組合內的個別資產的相關係數而定。 相關係數越高,分散的效果越差; 相關係數越低、甚至是負的,分散的效果越好。 當相關係數=1時,投資組合標準差是個別資產標準差的加權平均,無風險分散效果。當相關係數介於+1與-1之間,投資組合標準差小於個別資產標準差的加權平均,有風險分散的效果。當相關係數=-1,風險分散效果最好。 (延伸閱讀:還在選日子進場賭輸贏?經濟學家這樣說:九成賺頭決定在資產配置!) 資本市場理論 投資組合管理市場效率與投資組合管理 市場是否具有效率,和管理投資組合的積極程度有些關係。 當市場沒有效率 當市場不是很有效率時,可能會有低估或是高估的投資標的,此時投資者本身如果具有分析的時間以及能力,可以採取積極投資策略,根據所得到的資訊進行分析,進場買賣,獲取理想的報酬。 當市場很有效率 當市場處於非常有效的情況時,市場價格會反映了所有資訊,包含內線消息。這時不論如何努力地分析、研究,都很難找出價格低估或是高估的投資標的。很難找出,就很難從市場中賺取超額報酬。此時,可以想想當再怎麼努力尋找資訊進行分析都無法賺取超額報酬,那不如採取較省時省力的被動投資策略。 主動式(積極)投資組合管理介紹主動式投資的兩大重點分別為「擇時」、以及「選股」。 擇時(Market Timing) 擇時,是預估或是判斷市場,已掌握進場或是出場的時機,來挑整投資組合,達成最佳的資產配置。簡單講就是找最佳時機。當判斷處於多頭行情時,為了增加報酬,會出售貝他係數(β)較小的股票,將資金轉入貝他係數(β)較大的股票。
多頭市場時,可降低現金權益比例(Cash/Equity Ratio),因市場行情即將上漲,應該降低閒置資金的比例。反之當空頭市場時,要提高現金權益比,以減少投資損失。
選股策略選股的基本原則是挑有上漲潛力、或是目前價格被低估的目標。簡單講是找好標的。由上而下選股法,是要挑對類別、產業,當產業有前景,即使績效低的公司仍賺錢。在選股方面,要避免選擇太多性質類似的個股,因為這樣無法降低投資風險。當發現有利、不利消息時,調整持股可以賺取享有因題的上漲,降低可能下跌股票的比重。小型股成長潛力較佳,適合能承受風險,以及希望能賺取較高報酬的投資人。大型股獲利穩定,股價較不具爆發性,適合穩健型投資人。
這篇會假設有一個投資組合,裡面只有兩種資產,來說明報酬與風險的概念,條件如下: 資產A:預期年化報酬9%,標準差10%。 稍微科普一下,
投資組合報酬率假設我們用A、B組成一個投資組合,A佔投組總資產的x部份,B就是佔(1-x),這邊是假設不保留現金的情況。代入資產A與B的預期年化報酬,投組報酬率就會是:
代表不同的x會產生不同的投組預期報酬率,例如:
可以發現,當A資產佔比越高,預期報酬率越低,因為A本身的預期報酬就比較低,所以應該將A捨去追求最高的預期報酬率嗎?這個問題就牽涉到投資組合標準差與相關係數。 投資組合標準差與相關係數要計算投資組合的標準差,是用公式慢慢推導可以得到,不過因為有點冗長,這邊直接用python寫成計算式比較快:
其中:s是投組標準差,x是A資產佔總資產的比例,Sa是A資產標準差,Sb是B資產標準差,corr是A與B的相關係數。 相關係數(corr)是代表A與B資產收益率的變化關係,corr會在-1到+1這個範圍內,corr小於0的話代表A與B資產的報酬率通常是反向變動,大於0則是同向變動。 相關係數對於投資組合標準差的影響假設我們用A資產60%,B資產40%的投資組合,帶入上面的數字及公式,
可以得到下列表格,相關係數由-1到+1,標準差逐漸上升,因為當兩種資產呈同向變動的時候,波動度會比呈反向變動的大。 投組配比 v.s. 相關係數 v.s. 標準差 三者的關係上面跑了相關係數跟標準差的關係,現在則是要再加入一個變數,就是A佔總資產的比例x,也就是A與B的比例變化。所以呢我就將x從0到1切成100等分,也就是A佔比從0到100%(B從100%到0)。
上圖中的斜直線,越往右下代表A佔比越高,所以預期報酬會越接近A資產的預期報酬,反之亦然。
上面這張圖乍看資訊很多,可以從幾個方向拆解,就會比較好懂了:
本篇總結 P.S.
|