我们想让你知道的是 :
今年上半年受到美联储紧缩预期、製造业循环趋缓、俄乌战争等的影响,各国股市大多有所回檔,不再呈现疫情后大多头的格局。因此今年的操作上藉由资产配置控制风险就显得相当重要,本文将从相关性和效率前缘线的角度,检验传统避险性商品以及加密货币(以比特币为例)对于资产配置有何帮助。

本文重点:

加入 MM PRO 看本文关键重点 !!


一、资产配置的核心:如何选择资产与时机

当考虑资产配置时,除了追求高报酬外,另外一个目标是降低风险。然而,并非分散投资都能有效降低风险,其中一个关键的重点为标的资产之间的相关性。当资产间报酬走势高度正相关时,资产配置时分散风险的效果便会大打折扣;相反地,当零相关或是负相关时,资产配置分散风险效果会提升。因为大多数投资人以投资股票型资产为主,本文接下来都以降低股票型资产的风险作为判断分散风险效果的好坏依据。

1. 各大资产相关性总览

下图为常见资产的相关性热点图。其中数值为皮尔森相关係数,为介于 -1~1 的数字,用来衡量线性相关。回测期间从 2005 年开始至 2022 年 5 月,以资产日报酬进行相关性计算。回测资产包括:SPDR-标普 500 ETF(SPY)Invesco-纳斯达克 100 指数 ETF(QQQ)iShares-MSCI 台湾 ETF(EWT)iShares-美国核心综合债券 ETF(AGG)iShares-20 年期以上美国国债 ETF(TLT)iShares-抗通胀债券 ETF(TIP)SPDR-黄金 ETF(GLD)美元指数(US dollar)比特币(BTC)

常见资产相关性热点图 註:比特币回测资料从 2011 年开始

▌风险性资产多具有高度相关性 首先,可以从表格看出,左上角的 SPYQQQEWT 皆为股票型 ETF,彼此之间的正相关性相当高,因此配置不同股票型 ETF 分散风险的效果是较差的。同为美股 ETF 的 SPY 与 QQQ 即使产业组成有所差异,但整体相关係数高达 0.9。而台股 ETF EWT 与上两者美股 ETF 即使国家不同相关係数也达 0.7 以上。不过,股票型 ETF 与其余资产资产的相关係数大多接近 0 或甚至为负值,美国或台湾股票型 ETF 皆与避险性商品的相关係数差异不大。

▌避险性资产纳入越多种越好吗? 债券型 ETF 在避险效果上有些许不同,其中比较关键的差异在于债券存续期间AGGTIP 的平均存续期间大约在 7 年左右,而 TLT 则将近 20 年。TLT 与股票型 ETF 负相关较为明显,分散风险的效果最好。而债券型 ETF 彼此间的相关係数皆位于 0.6 以上,接近高度相关的水准,代表纳入多种债券型资产,对于整体投组的风险降低效果有限。
黄金 为另一个常见的避险商品,GLD 不仅与股票型 ETF 接近零相关,与债券型 ETF 的相关性也不高,代表将黄金加入股债配置的投资组合确实能更进一步降低风险。美元 也有类似的状况,与其余资产皆为负相关。

▌比特币是数位黄金? 再来看到 比特币 的的部分,比特币自问世以来就有是否能成为「数位黄金」、作为新兴避险性商品且替代 黄金 的争论。而从相关性热点图可以看出比特币与其余资产的相关性均相当低,代表其走势相当独立,确实有成为新一代避险商品的潜力。但同时可以看到比特币与黄金之间却也是接近零相关,从相关性角度出发两者目前并没有替代效果。

2. 升息 / 降息循环下,需要有不同的资产配置吗?

2020 年后受到疫情的影响各国央行大多降息因应,并且实行量化宽鬆为市场注入充足的流动性,流入到各资产中,使资产走势普遍呈现上扬。从 2020 年后的相关性热点图可以看出各资产间的相关係数均普遍上升,也就是避险性商品分散风险的效果有所降低。唯一的例外是 美元指数,与其他资产间的相关係数均为负值,这也反应宽鬆环境下美元因此贬值,除了计价关係外,市场流动性大增的情况下也带来各大资产齐涨的效应,在此情况下,资产配置的效率确实有下降的疑虑

相关係数上升最明显的部分为股票型 ETF 和 比特币,两者间的滚动相关性达到历史最高的水位。其中一个原因为前面提到的市场流动性充足,另一个原因为加密货币逐渐为传统投资机构接受,将比特币纳入投资组合中,更进一步带动两者的连动关係,今年以来走势更是常被戏称是 槓桿型纳斯达克 ETF。比特币在这段期间与股票型 ETF 的相关性也相对于与其余避险型商品(如 黄金 )还高,可看出此时偏向风险性商品而并非避险型商品。不过虽然在此期间比特币无法降低股票投资组合的风险,但是展现出了「抗审查」的效果,例如在俄乌战争爆发期间两地对比特币的需求上升,这为传统金融商品所没有的特性。

降息循环下(2020~)相关性热点图

而今年 3 月美联储进行首次升息,正式步入升息循环。从上一次升息循环下(2015 年 12 月至 2018 年 12 月)的相关性热点图可以看到,升息期间资产间相关性的连动不如降息循环时高,大约在历史平均的水准,股票型 ETF 与避险型商品都维持负相关或是零相关,比特币 也保持独立的走势,因此从历史经验来看,紧缩週期下各资产相关性有下降的趋势,资产配置降低风险的效果也因此提升,配置就显得更为重要

升息循环下(2015.12~2018.12)相关性热点图


二、如何拿捏配置比率:用效率前缘线看资产配置

相关性分析能大致判断标的资产避险效果的好坏,若要更具体的看出对投资组合报酬和风险的影响可以使用「效率前缘线」(Efficient Frontier),效率前缘线代表同样风险(标准差)下可获得最高报酬的投组集合,目标为配置高报酬低风险的投资组合。下图为从 2005 年开始至 2022 年 5 月,不同比例的 SPYTLT 配置的年化报酬以及年化标准差回测,模拟股债配置的状况。

从图中可以发现,当持有 100% TLT 时,投组年化报酬为 4 % 左右,年化标准差为 14% 左右。若开始逐步提高 SPY 比重,整体曲线向左上方移动,会发现整体投组的报酬提高,同时波动也下降。这符合大多数投资人的期望,享受到高报酬、低风险的投资。而当 SPY 比重进一步上升后,曲线开始往右上方移动,代表投组同时提高报酬以及波动,比重提高至一定比例后,投资人便需要依据自身的风险承受度做选择,高风险承受度的投资人可以增加持股比例,低风险承受度的投资人减少持股比例。

配置上建议配置在曲线上方(黄色箭头)的股债比例,因为若配置在曲线下方(绿色箭头)的股债比例,则实际上能够在曲线找到另外一组股债比例,能使整体投组在同样波动下获得更高的报酬,这些是比较有效率的配置。例如同样是标准差 14% 的投资组合,股债比大约 8 : 2 的投资组合能获得 8% 以上的年化报酬,但持有几乎 100% TLT 只能获得 4% 左右报酬,这个情况下选择股债比 8 :2 是较有效率的投资。

股债配置效率前缘线 註:此图回测从从 2005 年开始至 2022 年 5 月,纵轴为投资组合年化报酬,横轴为年化标准差,颜色为 SPY 配置比例,1 代表 100% SPY 与 0% TLT,0 代表 0% SPY 与 100% TLT。

不过效率前缘线所建议的是历史回测中的配置比例,未来投组的报酬和风险不一定会和历史回测相同,仍会受到投组中个别资产的报酬和波动以及彼此间相关性高低的影响而有所变化,因此并没有一个最适的比例可以完全适用在未来中,但这个概念可以帮助我们检验资产配置时风险分散的效果。另外本文中只以两个资产的配置结果展示,三个以上资产的使用方法同样类似。

而若对不同的商品进行配置组合回测,我们也能够发现到在类似的效率变化:

1. 效率前缘线实际历史回测:完全配置风险性资产

首先看到同是股票型 ETF 的 SPYQQQ 配置的结果,增加 QQQ 的持有比例时曲线只会往右上方移动,完全不会有降低风险的效果,只能同步提高投资组合的报酬和风险。前文有提到过 SPY 与 QQQ 彼此相关係数高达 0.9,属于高度相关的资产,因此避险的效果相当弱。因此当在进行相关性极高的资产配置比例选择时,其实只是在做风险承受度的选择

高度相关资产并无分散风险效果 註:此图回测从从 2005 年开始至 2022 年 5 月,纵轴为投资组合年化报酬,横轴为年化标准差,颜色为 SPY 配置比例,1 代表 100% SPY 与 0% QQQ,0 代表 0% SPY 与 100% QQQ。

2. 效率前缘线实际历史回测:纳入避险商品组合

下图接着说明 SPY 与避险性商品的配置结果,其中避险性商品包含债券型 ETF TLT 和 黄金 ETF GLD。从前文中可以得知股票型 ETF 与 长债 ETF 负相关程度最高,而与黄金大约呈现零相关。

已經是 MM PRO 了嗎? 登入PRO看完整文章

加入 MM PRO
享有完整權益
無限次圖表瀏覽

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

【量化报告】全球人口增速提前转负!成熟市场扶养负担更沉重