歡迎來到主動型投資組合管理！

歡迎！如果你曾好奇專業基金經理人如何嘗試「擊敗市場」，以及他們的成功究竟是源於真正的實力，還是僅僅靠運氣，那麼你來對地方了。在本章中，我們將探討主動型投資組合管理分析 (Analysis of Active Portfolio Management)。我們將不再僅限於單純的追蹤指數，而是深入了解經理人如何透過特定的投資策略來獲取超額報酬。讀完這些筆記後，你將理解主動型管理背後的「基本定律」(Fundamental Law)，並學會如何挑選合適的風險水平以實現報酬最大化。

1. 定義主動報酬與主動風險

在分析經理人之前，我們首先要定義他們所追求的目標。主動型管理的核心在於與基準指標 (Benchmark)（例如標普 500 指數）有所區別。

主動報酬 (Active Return)

這僅僅是投資組合報酬率 (\(R_P\)) 與基準指標報酬率 (\(R_B\)) 之間的差額。

\(R_A = R_P - R_B\)

範例：如果你的投資組合報酬率為 12%，而基準指標報酬率為 10%，那麼你的主動報酬即為 2%。

主動風險 (Active Risk / Tracking Error)

主動風險是這些主動報酬隨時間變化的標準差。它衡量的是投資組合相對於基準指標的「偏離程度」。如果經理人完全複製基準指標，其主動風險則為零。

主動權重 (Active Weights)

為了獲得主動報酬，經理人必須持有主動權重。主動權重 (\(\Delta w_i\)) 是某檔股票在投資組合中的權重 (\(w_{P,i}\)) 與其在基準指標中權重 (\(w_{B,i}\)) 之間的差額。

\(\Delta w_i = w_{P,i} - w_{B,i}\)

重點複習：投資組合中所有主動權重的總和必須永遠等於零，因為對某一檔股票的「超額配置」(overweight) 必須由對另一檔股票的「低配」(underweight) 來抵銷。

2. 資訊比率 (Information Ratio, IR)

資訊比率是主動型管理的「聖杯」。它告訴我們經理人每承擔一單位主動風險，能產生多少主動報酬。

\(IR = \frac{E(R_A)}{\sigma(R_A)}\)

其中 \(E(R_A)\) 為預期主動報酬，而 \(\sigma(R_A)\) 為主動風險（追蹤誤差）。

IR 與夏普比率 (Sharpe Ratio) 的比較

千萬別搞混這兩者！
- 夏普比率 (SR)： 衡量每單位總風險所獲得的總報酬。用於評估整個投資組合的績效。
- 資訊比率 (IR)： 衡量每單位主動風險所獲得的主動報酬。用於評估經理人相對於基準指標的選股實力。

重要公式：投資組合的總夏普比率 (\(SR_P\)) 可以拆解為基準指標的夏普比率 (\(SR_B\)) 與經理人的資訊比率 (\(IR\))：

\(SR_P^2 = SR_B^2 + IR^2\)

關鍵啟示：具備高 IR 的經理人對於承擔主動風險非常有效率。與夏普比率不同，資訊比率在主動投資部位加入槓桿時不會改變。如果你將賭注加倍，報酬與風險也會同步加倍，使得該比率維持不變。

3. 主動型管理的基本定律 (Fundamental Law of Active Management)

這聽起來很深奧，但其實它是拆解「實力」的一種邏輯方式。它告訴我們主動報酬取決於三個核心要素：實力 (Skill)、機會 (Opportunity) 與 效率 (Efficiency)。

基本版本（無限制條件）

如果經理人沒有任何投資限制（例如無法做空股票），則預期主動報酬為：

\(E(R_A) = IC \times \sqrt{BR} \times \sigma_A\)

組成要素：

1. 資訊係數 (Information Coefficient, IC)： 這代表實力。它是經理人的預測與實際結果之間的相關係數。範圍從 -1.0 到 1.0。一個「不錯」的 IC 值通常低至 0.05 或 0.10！

2. 廣度 (Breadth, BR)： 這代表機會。它代表經理人每年所做出的獨立投資決策數量。
類比：如果你很擅長拋硬幣，拋 1,000 次硬幣（高 BR）所賺到的錢，肯定比只拋 1 次（低 BR）要多得多。

3. 轉移係數 (Transfer Coefficient, TC)： 這代表效率。在現實世界中，經理人受到各種限制（例如「禁止做空」或「單一股票占比不得超過 5%」）。TC 衡量的是經理人的「最佳策略」中有多少比例能真正落實到投資組合中。
- 對於無限制的投資組合，\(TC = 1\)。
- 對於受限制的投資組合，\(TC < 1\)。

完整的基本定律

當我們加入限制條件時，公式變為：

\(E(R_A) = (TC)(IC)\sqrt{BR}\sigma_A\)

而最佳資訊比率為：\(IR = (TC)(IC)\sqrt{BR}\)

常見錯誤：學生常誤以為廣度 (BR) 就是投資組合中的股票數量。其實不然！如果你買入 50 檔走勢高度相關的科技股，你的廣度接近 1 而非 50。決策必須是獨立的才能算作廣度的一部分。

4. 選擇最佳的主動風險水平

即使擁有一位頂尖經理人，你應該讓他們承擔多少「主動風險」？如果風險太高，投資組合的總風險會過大；如果風險太低，則無法顯著超越基準指標。

「甜蜜點」(Sweet Spot) 公式

為了使整個投資組合的總夏普比率達到最大，最佳的主動風險水平 (\(\sigma_A^*\)) 為：

\(\sigma_A^* = \frac{IR}{SR_B} \sigma_B\)

其中：
- \(IR\) 為經理人的資訊比率。
- \(SR_B\) 為基準指標的夏普比率。
- \(\sigma_B\) 為基準指標的標準差（風險）。

你知道嗎？如果經理人實力很強（高 IR），你就應該給他們更多「發揮空間」（更高的主動風險）。如果基準指標非常高效且難以擊敗（高 \(SR_B\)），你就應該降低主動風險。

投資組合的總風險

一旦決定了主動風險，你就可以計算投資組合的總變異數：

\(\sigma_P^2 = \sigma_B^2 + \sigma_A^2\)

註：我們假設主動報酬與基準指標報酬之間無相關性。

5. 基本定律的侷限性

如果這看起來「太完美」了，別擔心——它也有缺陷。在考試中，你可能會被問到為什麼基本定律在實務中可能失效。

1. 事前 (Ex-Ante) 與事後 (Ex-Post)： 該定律基於預期（事前）實力。現實中，我們只能看到已實現（事後）的結果。一位經理人可能有實力，但卻因運氣不佳而遭遇「倒楣的一年」。

2. 高估廣度： 經理人常以為自己做了 500 個獨立決策，但如果這些決策都基於相同的經濟數據（如利率），則真正的廣度將遠低於此。

3. 模型風險： IC（實力）極難準確衡量，且會隨著時間推移而改變。

重點總結清單

- 主動報酬： 超過基準指標的「額外」獲利。

- 主動風險： 該額外獲利的「波動性」。

- 資訊比率： 衡量主動管理實力的最佳指標 (\(IR = 主動報酬 / 主動風險\))。

- 基本定律： \(IR = (TC)(IC)\sqrt{BR}\)。記住：實力 \(\times\) 機會 \(\times\) 效率。

- 最佳風險： IR 越高，你應該承擔的主動風險就越大。

持續練習這些公式，並記住：主動管理是一場統計學遊戲。你不必每次都正確，你只需要正確的機率比錯誤高（IC），並盡可能多地進行決策（BR）即可！