【投資原則】天下白吃的午餐 : 全球分散投資策略

 

圖片來源: Pixabay

在與許多投資人交流的過程中,絕大多數人都同意與認同要保持長期投資的習慣,但他們經常發現自己難以堅持。

往往遇到最大的問題是: 持有的產品波動太大,短期市場大盤下跌修正,急速下跌,當某檔股票下跌超過10%、20%甚至更多時,很多投資人就做扛不住了,感覺一定要做些什麼。如果這時你叫他不要動,什麼都不要賣,他會很兇狠地臭罵你。

而許多研究表明,投資者在這種非常時期做出的決策常常最不理性或正確。

但要如何做才能解決這個問題,透過複利效果安穩長期投資,累積財富呢?


答案是: 跨資產類別與跨地區類別的多元投資策略,白話就是做到 ” 全球分散的投資組合。 

什麼是多元投資策略?

簡單來說就是 ” 雞蛋不要放在同一個籃子裡。 “,看似簡單的生活哲學,風險分散的概念,直到1950年代,財金領域才有學者提出相關的研究證實多元化投資策略的重要性。

1952年,諾貝爾經濟學獎的得主馬可維茨(Harry Markowitz)提出現代投資組合理論(Modern Portfolio Theory,簡稱MPT或是MVO模型)。

這個理論提出,如果在投資組合中加入新資產,那麼有機會在不改變投資報酬的情況下降低風險。


投資人在做投資決策時,不應該把每一個標的或是資產獨立看待,應該要將不同資產組合一起考量與決策。

透過現代投資組合理論,馬可維茨讓財金領域發現「天下確實存在免費的午餐」,利用彼此相關性低的資產建構投資組合,可以在不損失資產報酬的前提下,降低整體的風險(波動)。



透過圖示說明,上圖為台灣一些大公司從2010/01 – 2020/12 (約11年) 的年化報酬與風險之間的散佈圖。

我們可以發現彙總台灣前50大上市公司的0050 ETF,其報酬優於一些公司(國泰金、鴻海、友達),並且降低許多風險,這就是投資組合理論神奇之處。



我們從美國的數據來看,一樣是從2010/01 – 2020/12 (約11年) 的年化報酬與風險之間的散佈圖。

我們可以發現美國S&P 500,其報酬優於一些單獨公司(Walmart、Intel、GE、Berkshire Hathaway),並且降低許多風險,馬可維茨讓大家發現「免費的午餐」,投資人透過相關性低的資產建構投資組合,就有機會享受這個「免費的午餐」。

 

投資單一國家整體股市就好?

你更應該要做到全球分散化的股債配置投資!

很多人怕做多元化分散的投資會犧牲報酬率,但這往往是直覺式的想像,鑒於馬可維茨的現代投資組合理論,透過分散投資,可以在不影響投資報酬率的前提下,降低投資的風險。

下圖呈現兩個不同投資組合在2009/12/31至2019/12/31的回測表現。比較阿爾發的積極型投資組合(80%全球股票 / 20%全球債券)與台灣0050 ETF。

我們可以看到兩者的年化報酬率差不多,但0050 ETF的波動度(風險)明顯高很多,用夏普比率來看更明顯(越高越好),這也驗證了馬可維茨的現代投資組合理論的應用,可以在不降低報酬的情況下,適度地降低風險。

我們用美國S&P 500的更長期的數據比較,下圖呈現兩個不同投資組合在1994/12/31至2019/12/31的回測表現。比較阿爾發的積極型投資組合(80%全球股票 / 20%全球債券)與美國S&P 500指數。

即是美國S&P 500指數的年化報酬率相對較優,但阿爾發積極型投資組合在風險報酬指標的夏普比率仍然較優,犧牲一些些投資報酬率,換來是更穩定的風險波動,可以讓我們在長期投資過程中,更加安心。

因此,我們在做投資決策時,應該要想到如何透過這個「免費的午餐」,適時的在風險與報酬上取得最佳的平衡。此外,投資組合的建構中,也要考量裡面的資產是否能給予投資者長期的報酬。

僅僅投資單一個股、產業或是國家的股市,可能長期報酬都會一蹶不振,你很有可能不幸地挑選這些標的,浪費了寶貴的時間還有神奇的複利。

你有更好的選擇,全球分散化的股債配置投資

另外,切記,這世上不會有絕對完美的配置組合,所以也不必刻意追求最完美的配置組合或是比例。不過,你倒是可以回顧歷史資料,找到一個過往成效較好的配置組合。

投資行為仍然決定最終的結果

找到適合自己的投資組合很重要,所以許多人會一直不斷檢視或是調整組合的配置。

但往往組合的配置都比不上你面臨艱困市場環境的能力,即使你有好的全球資產配置組合,沒有理性的投資心理素質,也是徒勞無功,你仍無法堅持長期投資。

相輔相成的高超技術與成熟心態是NBA偉大球員的特質,也是各個領域職人精神的特徵,投資行為對成果的影響絕對遠超過所有一切。

『只要避免犯錯,長時間不犯大錯,就能使績效名列前矛了。』--Howard Marks(Oaktree Capital創辦人)
如果你喜歡我的文章,
你的按讚、追蹤與分享是我的原動力: