資產配置首部曲

來到本系列的完結篇，相信大家手中的武器又更多了，正式進入新石器時代。前面客觀介紹了一些工具和背後原理，現在我要主觀推薦自己喜歡的投資形式。

1. 為什麼我一直強調資產配置?

生命寶貴，大家不妨把時間花在刀口上。粗略來看，投資人的績效會隨著時間而波動，而其中大約90%是受到「配置比例」的影響。至於選股和擇時，則占了剩下的10%，而且統計來看還會「降低」績效。所以如果要選一個，我當然使用輕鬆又有效的方法。

另一方面，大部分的讀者，投資是為了讓生活更好過，最好一邊賺錢一邊「養生」。我身邊有些長輩朋友，因為交易的壓力和盯盤的疲勞，導致身體出狀況，包含視力衰退，根本是在「養醫生」，這不是我嚮往的模式。況且，平時我們要上課上班，與其在市場「狩獵」，倒不如「種樹」。各位負責乘涼吃水果，樹負責自己長大，豈不愜意?

我從不諱言，我就是要花最少的精力和最短的時間，賺到最多的錢，同時保持名聲和優雅。要達成這些目標，我們不可能單打獨鬥。如果有些人「站在巨人的肩膀上」，我就要站到他的頭上。借力使力，利用錢滾錢，把時間留給生活中的美好和奮鬥，人生才有意義。

2. 跟著理論演進，大家來看看配置手段的變化。

單一公司的股票有非常多風險，但如果我投資股市大盤指數，就能夠占到便宜。大家有相同的預期報酬，可是因為我躲掉了「非系統風險」，所以長期而言比較有優勢。同樣的道理，如果我把目光放到股票、債券、不動產...等資產，也會進一步的讓淨值成長更穩定。換個方式講，當大家承受同樣的波動風險時，我的預期報酬更高，資產累積當然更快。

後來，有人開始注重「風險」。既然每個資產的風險不同，所以投資者乾脆配置風險，例如「風險平價」就是把風險平均分散到不同資產的策略。我寧願賺比較少，也盡量不要虧損，這樣無論經濟景氣如何，我都可以「躺著數錢」。2008年的金融海嘯，大盤腰斬，許多公司跌到下市，市場花了6年才復原。相對的，橋水基金全天候策略，最多跌了約12%，而且只花了7個月解套，近20年平均都賺7.8%。

另外，也有人好奇資產的獲利來源，所以研究「因子」。我們關注資產的回報，到底是來自波動風險、資產風格還是投資者的情緒...而只要能賺錢，就是好因子。換句話說，在大類資產之下，投資人可以進一步挑選出自己要的風格因子，獲得更高的預期報酬。同時，各位也可以檢視其它投資人的成功歷史，然後逆向分析，並用因子配置的方式複製策略。

哪種方法比較好? 我覺得都好，所以我全都要。

3. 熊掌和魚

我玩過幾乎所有「俠盜獵車手」系列遊戲，主角一次只能選一種武器。霰彈槍範圍廣，衝鋒槍速度快，狙擊槍射程遠，機關槍威力大......所以正常玩的話，需要依照任務情境找出最適合的武器。但是，如果我使用外掛模組，就可以「同時」擁有所有優勢。

在思考投資方案時，這也是我期望的。誠然，很多時候大家會面臨抉擇，只能挑一條路，但是我們可以盡量「疊加」既有的手段，讓策略更優秀。那麼，各位朋友手中現在有什麼呢?

Markowitz的「平均-方差」最優化，check
資本資產定價模型(CAPM)，check
Bayesian機率，check
Black Litterman優化模型，check
槓桿，check
Risk Parity模型，check
風險分布模型，check
因子分析，check

我說，也別挑了，全部一起上吧。

4. 整個資產配置框架，可以大略分成三個部分，也就是回報、風險和優化。

傳統派的投資人，會把「因子」放入回報部分，畢竟因子的出身就來自於無法解釋的收益。不過在我的觀念中，既然因子帶有非常明顯的分析精神，那麼就應該最大化它的優勢。換句話說，收益模組同時包含CAPM和因子，因為當人們在對資產「定價」時，就是在預期它的收益來源。知道來源後，我們就可以擬定策略，瞄準想要收獲的回報。寬鬆的定義上，因子屬於α，CAPM則關注β，所以我期望藉由兩者，把市場上的獲利都拿下。

風險部分，大家習慣用「常態分布」來描述波動。實務上，我比較支持利用「調和穩定分布」(TSD)來形容股市回報波動，而有些人用下行風險或VaR/CVar來定義風險。針對波動率，也有人使用ARCH/GARCH來建模，不過我認為這些手段比較適合衍生品交易。另外，完整一些的框架，有人會注重「風險控制」(包括倉位管理)，而且越貼近交易層面越明顯。不過既然我使用「種樹法」，不鼓勵交易，也就比較不需要這部分。

現在我們有收益也有風險，而優化又可以分成資產、配置和策略三個方面。

針對資產，大家可以用因子分析的方式，拆解出想要的部分。例如你喜歡動量因子、討厭品質因子，那麼就可以提前計算各因子的曝露，並選出合適的目標資產，而這招在債券也適用。作為類比，有些人會用選擇權把不要的風險遮掉，兩者精神相通，只不過通常衍生品會被歸類為風控的一環。

配置比例的優化，帶有點哲學性質。如果我們知道加權平均和方差了，就可以使用Markowitz的最優化(MVO)，算出各種資產的最佳比例。如果我對預期收益不太確定，但大致知道波動風險，就可以使用Risk Parity或最小方差優化，只處理風險部分。另外，利用Bayesian機率，我們可以引入「主觀看法」來更新預期收益，而這就是Black Litterman的精神。萬一你對資產的風險和報酬完全不知道，那麼也可以使用簡單均分的方式配置，成果不會太差。要是我放棄優化也可以，簡單的依據市場權重配置即可，例如股市內部的市值加權指數。

關於策略優化，就是加強以上工具的效用。槓桿，可以放在資產層面，也可以在配置層面(例如風險平價)，還可以在投資人配置出高「風險調整後報酬」的比例後，放大波動和報酬。同樣的，因子分析除了用在單類資產收益，還可以拿來分析整套投資組合，也就是跨資產的優化。當然，站在我的立場，因子分析也可以拿來分析因子，例如因子本身的動量。

透過這些步驟，我們可以打造出自己的工具，並應用在市場中。不過在此之外，我還要保留把框架升級和融合的機制。

5. 海納百川

我認為好的投資知識體系，是「模組化」架構。就像一輛車，輪胎、煞車、引擎、變速箱......應該是分開的零件，這樣我們可以輕鬆升級或更換，而不必整輛重買。同樣的，我將資產配置拆成不同部分，也討論一些工具背後的原理，目標就是要讓整體知識模組的分界更清晰。

舉個例子，我在討論MVO的時候，也提到更高階的動差。所以如果哪天，妳突然決定要使用5階動差，可以直接銜接這部分的算法，其它地方不用改。同理，我在說Black Litterman模型的時候，也帶到「重新取樣」，所以投資人可以只學習這種手段，而不用放棄原本的知識。

我之前對技術分析信徒的批評，就包括習慣性的「去脈絡化」，而這個問題比技術分析本身更嚴重。就算有個指標很準，一旦我們放棄思考，不去探究其中脈絡，那麼有天它不準的時候，我們也不知道為什麼，而且根本無法「修正」。我也曾宣稱，不懂Black Scholes定價模型就不要交易選擇權，有人認為太嚴苛，那我換個方式說。巴菲特曾經利用錯誤定價的選擇權來套利，LTCM公司曾經因為選擇權套利模型出現瑕疵而破產，這些都是市場上的知名案例，告誡投資人應該保持謹慎。知其然亦知其所以然，才有機會存活。

因此，每次我在介紹模型的時候，都會提出質疑和可能的改進方法。這不是故意挑毛病，而是贊同基本框架，然後試圖進一步改良。

6. 組合技

基於我「雜亂」的學習歷程，我提出六個框架融合的案例，供各位讀者參考，你也可以直接跳到下一章節。

我的資產配置起點，就排除掉選股和擇時，而是注重於配置比例。但是，如果你想要導入這些「主動」因素，當然也可以。利用BL模型，投資者可以將主觀想法和信心投射到預期收益中，進而影響資產比例，這是最經典的用法。另外，BL既然是機率模型，就可以結合風險平價，或是「因子擇時」，也有人用於槓桿和波動率的擇時。反正我們在逛武器自助餐，挑自己喜歡的工具並組裝，可能也大有用途。

有讀者曾指出，我的文章都著重在「價格」方面，卻忽略掉交易層面的成交量和訂單結構，這是一針見血。原因是，當我選定好資產配置方案時，就可以放著讓它成長，我完全不用擔心交易的問題。不過，如果有人就是想要將兩者結合，或是沿用知識呢? 就我所知，還真的有類似案例。馬可夫鏈(Markov chain)，可以用在優化訂單積極性，找出限價程度的平衡點；同時，也因為涉及決策過程，所以有人用於動態資產配置。順帶一提，也有交易者透過連續隱形馬可夫鏈和Monte Carlo，將經濟資訊融入選擇權定價，最後用於資產配置優化。

機器學習，另一大領域，各位應該可以猜到它的應用。最簡單的，就是透過機器學習來得出預期報酬，並藉由BL注入到資產配置方案。當然各位有本事，也可以順便把方差和協方差等都包了，基於相似的風險考量，有些自適應遺傳算法也用於考慮到VaR的組合優化。另外，還記得因子的產出嗎? 我們不但可以利用機器學習來挖出因子，也可以結合兩者，透過因子來擇時，而普遍的應用是涉及到行為金融學的「市場情緒」。

有些學者研究如何置入個人觀點，而除了BL之外，投資人也可以利用熵池(Entropy Pool)的概念。BL是好用，但它的觀點矩陣和信心分布，並不能表現出其它統計中常見的參數，例如尾部分布、非線性元素或波動率。利用最小化相對熵的概念，我們將整體資訊的不確定性降低，而且對非常態分布的風險因子，可以找出數值解。簡單說，我們可以將整組過程理解為對後驗分布的一種優化，只不過彈性非常高，使用者幾乎可以對所有的分布模型表達所有的觀點，還包括了衍生商品定價的估算。這樣一來，資產配置就更加符合人性了。

對於種樹投資者而言，不太需要關注「時間」問題，頂多在動量因子中考慮到檢驗時的單一期限。不過，就如同我強調的「彈性」，如果投資人想要放入時序分析，也有現成的案例可以參考。例如關於波動率模型，除了剛剛提到的GARCH外，EGARCH/TGARCH/NGARCH和隨機波動率都有人用。對於我而言，這是一個從衍生品訂價、因子分析和資產波動風險匯聚出的意外節點，而且也保留後續探討的線索。

最後，因子和量化投資框架，一直是我的隱藏支線，不過比起偷渡，我倒不如直說。我第一次碰到因子，是在接觸量化交易之後；第二次，則是在選擇被動投資之後。如同我在文中提到的，到底要採用傳統量化視角，將因子歸類於收益模型中，並以資產層面優化，還是要將因子分析的精神應用到整體框架，然後倒過來修改優化模型，這是我遇到的問題，而且有同樣煩惱的人還不少。我一直認為投資是科學，而不是藝術，所以我在書中第二篇文章就提到「量化」。沒有量化的概念，資產配置就跟賭博一樣。至於因子和傳統量化要如何融合的問題，我選擇我比較喜歡的方式，但同時保留修改的彈性。

7. 工具越多越好嗎? 不一定，要看投資者是否知道自己在「做什麼」。

有些作者會說，「沒有所謂好的工具，只有最適合自己的。」不過對於這句話，我只同意一半。

捍衛任務裡面的John Wick，精通各類武器，連鉛筆都可以拿來殺人，但他在執行任務時最喜歡拿槍。既然無數的研究者，將當代工具不斷改進，那麼工具當然有優劣之分。例如以前想指數投資，很可能真的需要買進所有公司的股票，或是加入共同基金，一直到後來有人發明指數ETF，讓小資族也可以輕易購買。你還認為，工具無分好壞嗎?

另外，如果我們知道如何建構和改善自己的資產配置思想，當然可以吸收各門派的精華，多多益善。但是，如果投資人只是為了趕流行或一心求快，那麼一昧的拼裝，只會摧毀原本就脆弱的信心和體系。站在這個立場，工具本身是中性的，但要如何使用和組裝，端看投資者的實力。用一樣的字母，莎士比亞就能寫出膾炙人口的作品，厲害的是人而不是工具。

往好處想，各位或許無法熟知每個工具的細節，不過在有限的精力下，挑選出自己喜歡應用的方式，就可以將戰力最大化。例如，我不一定要算出很精確的配置比例，但只要分散投資到不同資產，就可以有效降低回撤風險。況且，我們的初衷是花最少的時間，不可能把所有領域都結合起來，倒不如依照自身的條件，掌握幾個關鍵的概念，就足以獲得跳躍式的實力成長。

8. 來點輕鬆的，我用資產配置的思想，分析各家流派的原型。

巴菲特和價值投資是我之前大量接觸的體系。最簡單的複製巴菲特，就是買他的BRK公司，這道理應該很好懂。然而很多商業團體，把價值投資當成廣告手段，而巴菲特直接變成招牌，他說的話也被斷章取義。坊間有很多老師，打著巴菲特的名義，賣自己的課程，這在我眼中就是一種對大師的污辱。因此，所謂心法和哲學，包括老巴語錄，對我而言是空虛又不可複製的線索。與其如此，投資人不如從因子切入，模仿巴菲特的投資風格。透過因子分析，我們知道老巴偏好價值和品質因子，而比較不喜歡動量和規模因子，同時他也有取得低成本的槓桿能力，讓整體放大倍率在1.4到1.7之間。當妳認為巴菲特不使用槓桿、不喜歡衍生商品、持股時間都很長的時候，不妨看看他的實際作為，然後再思考如何用手邊的工具效法。如此一來，我們可以透過被動的方式，將資產配置比例設計好，然後期望巴菲特風格的報酬會在市場上重現。

指數投資，我非常推崇的投資方式。通常大家說的指數投資，是指股票市值加權指數，而因為大約70%的報酬都可以用「波動風險」(β)來解釋，所以我們可以把資金打入市場曝險，光靠β獲利。從另一個方面講，如果將資產分散到極致，也會得到指數的效果，吃到免費的午餐。值得一提的是，指數的編寫還包含等權或風險、因子加權，特性自然不一樣。我們不必了解原理，也能指數投資，但是有些信徒對於指數的狂熱支持根本缺乏證據，這樣哪天買到等權指數，還不知道收益來源包含了小市值因子。同樣的，有些人對於指數投資無理反對，也沒有比較厲害，因為這些批評沒有建設性，而且出自於無知。回過頭來看，指數投資者是最好接受大類資產配置的族群，因為基本精神完全一樣，這也是我走的路徑。

存股族的股息策略，我曾經撰文討論過。從獲利的角度來看，股息策略不但沒有較高的報酬，而且也因為減少分散優勢，而讓波動增加，得不償失。行為金融和因子的幾個派別對股息策略很有興趣，也提出不同的解釋，甚至有人指出，投資者其實可能也意識到股息策略的缺陷，只不過基於人性而持續執行。至於我對股息的批評，主要是針對錯誤的推導和結論，而不是想存股的「心態」。有一些投資者從銀行商品撤出，轉而投入股市，那麼我認為他想存股也無傷大雅。雖然長期獲利會輸指數投資，但如果連曝險都不願意，那績效只會更慘。有趣的是，我發現這些族群因為先天就有對「穩定」的追求，所以非常容易接受大類資產配置。

定投，不好吧。如果妳都看到這裡，還不知道為什麼定投不好，我再解釋一遍。針對「一筆資金」，定投就是定期把現金轉為股票，所以曝險部位逐漸成長，而現金部位逐漸減少。在市場上，承受波動風險是獲取報酬的主要來源，而現金會因為通膨而帶來虧損。因此，一次把部位放好，以及將部位逐漸放好，對於風險調整後報酬，根本沒有實質上的差異。但是在時間上，定投策略只是把「風險」往後延，所以報酬也就比較小。對於同樣時期的投資人而言，定投會傾向落後給一次性投入的對手，而且時間越長機率越高。你當然可以說你用時序分析，來證明時間分散策略的優勢，但好笑的是，我遇到每個講定投的人，都說他放棄考慮選擇時機。(妳可以用無數個論點說明立法院放太陽花有問題，但如果妳拿出攻擊香蕉的理由，是妳有問題。) 因此，與其用現金和股票來配置，不如使用股票和債券，在資產層面分散風險，才具有真正的高效率。當然，如果定投能讓投資人在市場中比較「安心」，存活時間拉長，也是一種不錯的手段。

機器人投資，是不是聽起來很高尚? 可惜的是，這個名詞背後也是商業廣告。先說假機器人，很多機構已經有既定策略(包括自家商品)，然後讓投資者選擇風險偏好，再自動推薦出一系列方案。按照這種講法，妳隨便看一眼手錶，然後用這些數字來當作股票代號，也叫做機器人投資。至於真機器人，有一些公司的作法是使用自動選股模型，然後以BL結合其它優化方法和數據，再機械化執行。不過，我認為這種方式離大家心中的AI，還有很長距離，在此就不再贅述。總而言之，不是把所有「聽不懂」的新鮮算法湊在一起，就叫做機器人投資。換個方式想，業界確實有人利用AI在市場取得優勢，但核心技術不可能拱手讓人。所以，最終流到市面上的手段，很可能已經失效，更不要說被包裝成商品的概念，只不過是賣給民眾的老把戲。機器人投資確實用到了資產配置的概念，不過這不是我們捐血給機構的理由。

9. 實證和實戰

資產配置，充其量是工具，不過我還要提到上下兩層架構，分別是工具的「執行」和策略的「設計」。

如果讀者看過我的歷來文章，應該會知道我在市場上的心路轉變。我的資歷很淺，不過因為個性使然，常常學到新觀念就拿來試用，所以有時候虧得莫名其妙。也因此，我認為有幾點心態，比工具或資金都還重要。

首先，理論家無法賺錢。模型再好，不投入市場，一樣是空談。我寫出不同的配置方式和優化模型，不是要讓讀者坐在電腦前，寫出一套完美框架，因為妳永遠不可能完全「正確」。我自己的作法，是選出可以接受的方案，進行策略回測和修正，然後進入市場實際執行。我非常鼓勵被動投資，現在的我就是，但這也是一種「買進並持有」的策略，而不是被動的不投資。

資金分配的緣故，我的台灣期貨帳戶曾一段時間沒有活動，被營業員「暗示」可以多多交易，更早以前也曾因為某些原因，讓股票帳戶閒置。但是，我隨時可以登入和交易，不論是小賭怡情還是測試策略都很方便。因此，我認為「注資」這個小小的第一步，對於緊張的初次投資者而言，非常重要。沒進入市場，只會用「我覺得」和「我猜」走跳，就是紙上談兵，不可能獲利。

再者，我同時間也反對完全的「經驗主義」。雖然有經驗的投資人，比純粹的理論家好一些，但是不建立起自己的理論，最終只是原地踏步。30年和31年的計程車老司機，誰比較會開車? 可能根本不相上下。那麼，多餘的1年經驗對於技術而言並無幫助。文具店買的計算機，運算速度遠超人類，但我們讓它練習十億道數學題目(假設按鍵沒有碎掉)，它會變聰明嗎? 不會，因為它完全沒有將經歷昇華成知識的能力。

我是新手散戶，不可能和市場中的老手拚經驗，所以我必須藉助其它工具，才能避免被幹掉。假設我們都想測試一種新策略，老手可能見過大風大浪，馬上就有答案；我則會利用電腦程式回測，一次跑個幾十年歷史，幾分鐘之後也會有答案。雖然我無法感受到當時的實際狀況，但至少在經驗總結上，我不會落後老手太多。另一方面，我認為交易是投資的最終步驟，如果投資人不願思考，卻想要透過大量交易來累積經驗，最終只會提升「熟練度」，下一次的交易並不會有更大優勢。

所幸，人們並不需要成為極端的理論家或老司機，就能進行投資。我很喜歡參考別人的模型，並區分出主要架構和可以被取代的模組，這樣我可以直接應用自己欣賞的部分，然後再慢慢修改，讓整套手法更優良。雖然一開始可能會少賺一些或遭受損失，但聊勝於無，至少同時累積了經驗和知識，並不算浪費時間。

最簡單的例子，各位可能聽到「美股指數投資」，於是跑去查資料，然後隨便找一間複委託，買進ETF。後來妳發現，以資金量計算，直接開戶更便宜，於是妳開了美國帳戶。過了一段時間，妳又接觸到股債結合，於是利用既有的交易平台，買入債券。之後，妳想要優化投資組合，於是用電腦算出理想比例，再次進入市場調整倉位。這個步驟持續進行，投資人也不斷更新自己的投資模式，直到滿意。

想要一步到位，什麼事情都無法完成。行動之餘不思考，也永遠無法累積實力。因此，檢視實證和實戰經驗，建立投資的體系，或許對投資者的能力會有幫助。

10. 進入尾聲，我要告訴各位讀者朋友一個壞消息和一個好消息。

壞消息是個殘酷的事實。

在市場上，我前面說的內容，都可能沒用。我們永遠不知道明天的市場會發生什麼變化，也就是說，那些過去有效的獲利因素，也可能從此消失。這部分，主動投資者應該很認同，倒是一些被動投資者(例如我)難以接受。像是對於指數投資者而言，理論的獲利來源可以是資產組合的最優化和資產定價，也可以從經濟和公司成長解釋，但不代表指數投資保證賺錢。如果不願意正視這個可能，那待在市場上就是一個矛盾。

市場的存在，是因為交易者願意「賭博」。只有兩個人剛好都覺得自己比較聰明，而且看法相反，交易才會出現。因此，進入市場本來就具有風險，但我們可以利用統計來描述機率，而這種近似的模型可以帶來信心。明天太陽撞地球，可能嗎? 當然有可能，畢竟我又無法預知未來，但是我不認為這會影響自己的投資策略。所以，各位或許不必太悲觀，可以對工具抱有一些期望。

好消息是，我們不需要多厲害，就可以提高獲利機會。

舉個例子，我根本不知道什麼是優化，但我信任指數投資和大類資產配置，所以採用傳統比例，股票60%和債券40%，每年再平衡。這樣配置的結果，雖然獲利輸給純股市，但在網路泡沫和金融海嘯中，不但跌得比較少，而且復原速度也更快。如果全球再度遇到一次大崩盤呢? 我可以合理期待，這次的慘烈程度應該也會在承受範圍內，至少我不用擔心股票「下市」的問題。

重點是，我完全可以按照既有計畫，讓資產配置發揮效用。當市場變得浮躁，各種一夕致富的文章出現，我繼續過生活，樹也繼續長大。當大家緊張的看著新聞，當網路上的氣氛變得悲慘，我還是過我的生活、賺我的錢、寫我的書、喝我的酒。我猜各位和我一樣，進入市場是為了賺錢而不是勞動，那麼或許優雅的資產配置，可以完成妳的目標。

11. 如果讀者看到這裡，依然不知道如何配置的話，我提出一個常見案例。

最近25年，股市大盤年化績效是10%，最多跌了50%，花了6年多復原。

假設現在REITS有5%，股市35%，債券60%，每個月再平衡，那這樣會得到什麼結果呢? 年化績效大約是7.3%，最大跌幅是22%，不到兩年半復原。

妳可以進一步優化，小市值成長因子股票30%，長期債券65%，REITS配2%，貴金屬3%，同時加上55%的槓桿。這樣配置的結果，年化績效13.3%，最大跌幅依然是22%，但是一年四個月復原。換句話說，在將資產分散並優化配置後，我們可以賺得更多、虧得更少、睡得更好。

如果你就是喜歡刺激，認為50%跌幅根本不算什麼，畢竟房價都可以跌到超過65%了，想要找更激進的方式，當然也可以。當你把槓桿增加350% (4.5倍槓桿)，在海嘯的時候會跌掉63%，花了一年八個月回到新高，同時會得到35.7%的年化績效。

(注意，以上配置只經過簡單歷史回測，而且不考慮各種槓桿成本和通膨，所以各位不要直接抄作業。妳如果破產，我會笑妳。)

由此可見，工具本身可以為投資人帶來更理想的回報，同時降低波動風險。但我再強調一遍，如果市場風險可以被控制或了解，那事實上也不會叫風險了。我認為，當我們猶豫的時候，倒不如保守一些，因為在市場上長期存活才是第一法則。

12. 資產配置適合各位嗎?

淺談了資產配置的方法，或許大家會有更多疑問，而我還必須澄清幾個迷思。

有些人認為，資產配置只適合富有的人，但這就是個笑話。想想看，我在描述績效或風險的時候，有提到資產門檻或金額嗎? 沒有，我全部都在講「比例」。這是因為，不管是股票、債券還是REITs，全部都在二級市場上。對於指數型的ETF，我們根本不用擔心流動性的問題，而且既然是散戶，也無法影響大盤。(當然，要是你有本事獨自把大盤買到漲起來，請聯絡我。) 因此，只要我們的配置比例一樣，績效就會一樣，這不正是資產配置適合所有人的最佳證據嗎?

另外，也有人說資產配置會降低報酬，所以一般人倒不如單壓股票拚翻身。我說，想要提高速度很簡單，靠槓桿疊上去就好了，問題是妳都不用考慮風險嗎? 舉個例子，同樣時速200公里，我明明可以在高鐵上輕鬆愜意，為什麼要用一輛老三輪去賭命? 想要提高報酬，可以從資產、配置和優化層面下手，沒必要盲目的冒險。因此，如果各位再聽到這種說法，不如勸對方去買彩券，這才是真正的大賺。

資產配置難嗎? 可以很難，因為各種優化模型都大有來頭。BL的Black沒有得到諾貝爾獎，只是因為他過世得早；MVO的Markowitz就因為卓越貢獻，真的拿過諾貝爾獎；基於Risk Parity的全天候基金，也讓Dalio享譽世界；提出因子的Fama，又是另一個諾貝爾獎得主......同時，資產配置也可以很簡單。股票、債券、房地產、貴金屬等指數，我們都可以透過ETF投資，完全就像買單一股票，這樣的門檻很高嗎? 別小看自己了。

各位讀者看到這裡，如果對某些模型有興趣，不妨自行找資料研究，或是翻到前面閱讀相關章節。當然，我也很鼓勵大家設計好自己的配置方案，然後將資金放入市場，開始「種樹」。