歡迎來到投資組合構建！

歡迎各位未來的 FRM 持證人！你們已經學會了如何衡量風險；現在是時候學習如何利用這些風險來構建投資組合了。可以把這一章想像成投資的「建築藍圖」。我們不是隨機挑選股票；我們是在進行策略性配置，旨在為我們願意承擔的風險水準爭取最佳報酬。

如果起初看到這些數學公式感到畏懼，別擔心！我們會將其拆解為簡單、合乎邏輯的步驟。讀完這些筆記後，你將能理解專業基金經理人究竟是如何決定每項資產的持倉比例。

1. 基礎：效用與風險趨避

在構建投資組合之前，我們需要了解投資人想要什麼。在金融學中，我們使用效用函數 (Utility Function) 來呈現投資人基於報酬與風險所感受到的「快樂」程度。

效用 (\(U\)) 的標準公式如下：
\(U = E(R_p) - \frac{1}{2} \lambda \sigma^2_p\)

其中：
- \(E(R_p)\) 是預期報酬。
- \(\lambda\) (lambda) 是風險趨避係數 (Coefficient of Risk Aversion)（代表投資人有多厭惡風險）。
- \(\sigma^2_p\) 是投資組合的變異數（風險）。

類比：麻辣食物等級
把報酬想像成味道，風險想像成「辣度」。一個高風險趨避者 (\(\lambda\)) 想要美味，但受不了太辣。一個低風險趨避者則願意為了美味而稍微冒點汗。效用分數告訴我們，這位「食客」對這頓飯有多滿意。

小撇步： 如果 \(\lambda\) 增加，風險的「懲罰」就會變大，投資人將會選擇更保守的投資組合。

關鍵重點：

投資人旨在極大化效用。他們想要盡可能高的報酬，但他們必須為所承擔的風險「支付」懲罰成本。該懲罰的大小取決於他們個人的風險趨避水準。

2. 平均-變異數框架

大多數投資組合構建都是基於平均-變異數最佳化 (Mean-Variance Optimization, MVO)。這是經典的馬可維茲 (Markowitz) 方法，我們關注兩件事：預期的平均報酬以及這些報酬的波動性（變異數）。

目標： 尋找效率前緣 (Efficient Frontier)。這是一組在相同風險水準下提供最高報酬的投資組合集合。

常見陷阱： 學生常忘記 MVO 非常依賴相關係數 (Correlations)。如果兩項資產完全相關，組合它們並不能降低風險。我們追求低相關甚至負相關，以讓投資過程更「平滑」。

關鍵重點：

所謂「有效率」的投資組合，是指你無法在不增加風險的情況下獲得更多報酬，或是無法在不犧牲報酬的情況下降低風險。

3. 從被動到主動：資訊比率

在 FRM Part II 中，我們不再滿足於「持有大盤」。我們要研究的是主動管理 (Active Management)。當經理人試圖擊敗基準指數（如 S&P 500）時，我們會使用資訊比率 (Information Ratio, IR) 來評估他們的表現。

IR 的公式為：
\(\text{IR} = \frac{\text{Active Return}}{\text{Active Risk}} = \frac{\alpha}{\omega}\)

其中：
- \(\alpha\) (Alpha) 是超出基準的報酬。
- \(\omega\) (Tracking Error, 追蹤誤差) 是該 Alpha 的標準差。

為什麼這很重要？
IR 告訴我們「投資回報率 (bang for your buck)」。它展示了經理人相對於基準，每承擔一單位超額風險所產生的超額報酬。

你知道嗎？
資訊比率就像一個「實力衡量器」。較高的 IR 暗示經理人是透過專業能力持續擊敗市場，而不是僅僅靠一次大的投機運氣。

快速複習箱：

- 夏普比率 (Sharpe Ratio)： 總報酬 vs. 總風險。
- 資訊比率 (Information Ratio)： 主動報酬 vs. 主動風險（追蹤誤差）。

4. 主動管理基本定律

這是考官最喜歡的主題！Grinold 和 Kahn 提出了「基本定律」來解釋主動報酬的來源。其最簡化的形式為：

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

或者，如果我們看資訊比率：
\(\text{IR} = IC \times \sqrt{BR}\)

讓我們拆解這些成分：
1. 資訊係數 (Information Coefficient, IC)： 這是技能。它是經理人預測與實際結果之間的相關性。（範圍：-1 到 +1）。
2. 廣度 (Breadth, BR)： 這是機會。指經理人每年進行的獨立押注次數。

「賭場」類比：
想想賭場。莊家只有很小的技能 (IC)—優勢僅約 1-2%。然而，他們擁有巨大的廣度 (BR)，因為每天有成千上萬的人玩成千上萬次牌。這種高廣度使他們的利潤非常穩定。投資經理人可以透過變得非常聰明（高 IC）或進行許多小而獨立的聰明決策（高 BR）來獲得成功。

轉換係數 (Transfer Coefficient, TC)：
在現實世界中，經理人受到各種限制（例如「禁止放空」）。這降低了他們將洞察轉化為實際交易的能力。我們將 TC 加入公式：
\(\text{IR} = IC \times \sqrt{BR} \times TC\)

關鍵重點：

要提高資訊比率，你必須提高預測技能 (IC)、增加獨立押注的數量 (BR)，或者減少對投資組合的限制 (TC)。

5. 風險預算與風險分解

現代投資組合構建不僅僅是關於投入多少「資金」，而是關於投入多少「風險」。這稱為風險預算 (Risk Budgeting)。

風險配置步驟：
1. 確定總風險偏好： 投資組合能承受多少總波動性？
2. 風險邊際貢獻 (Marginal Contribution to Risk, MCR)： 計算投入某項資產的下一塊錢會增加多少總投資組合風險。
3. 風險絕對貢獻 (Absolute Contribution to Risk)： 將資產的權重乘以其 MCR。
4. 平衡： 在「風險平價 (Risk Parity)」投資組合中，你調整權重使得每項資產貢獻的風險量相同，而不論其資金價值為何。

常見錯誤：
假設股票與債券 50/50 的資金分配就是平衡的投資組合。由於股票比債券風險高得多，50/50 的資金分配可能導致 90% 的風險來自於股票！

關鍵重點：

風險預算確保沒有任何單一倉位或因子會意外地主導投資組合的風險特徵。

6. 現實世界的構建限制

在教科書中，我們可以買賣任何東西。但在現實世界中，我們面臨重重阻礙，包括：

1. 放空限制： 許多基金是「只做多 (long-only)」，這意味著他們不能針對某個股票進行放空。這限制了他們利用負面資訊的能力，從而降低了 TC。
2. 流動性限制： 你無法在不造成價格不利波動的情況下，買入一家小公司 50% 的股份。
3. 交易成本： 如果你為了維持「最佳化」而頻繁交易，佣金和價差會吃掉你所有的利潤。
4. 監管/授權限制： 例如，「綠色基金」不能購買石油股票，即便他們預期這些股票表現良好。

鼓勵一下：
如果這些限制看起來很複雜，那是因為它們確實很複雜！這就是投資組合管理的「藝術」與「科學」交會的地方。經理人們終其一生都在平衡這些權衡取捨。

考試日總結清單

在進入下一章之前，請確保你能：
- 解釋風險趨避 (\(\lambda\)) 如何影響投資組合的選擇。
- 計算資訊比率並解釋其衡量內容。
- 識別基本定律的組成部分 (\(IC\), \(BR\), \(TC\))。
- 區分資本配置（資金）與風險配置（波動性貢獻）。
- 理解限制條件通常會透過降低轉換係數，從而降低投資組合的效率。