如果你覺得閱讀文字太冗長，我之前有錄製過一集相同主題的 podcast，歡迎參考！
這篇文章會跟大家分享在德國指數公司實習的經驗。在台灣感覺比較少人到指數公司去實習，更常聽到的是到基金公司（投信公司）工作。近幾年來，ETF 的熱潮在台灣也有明顯地成長，越來越多人在討論哪些 ETF 更優質（例如配息更高、配息更頻繁等）。撇除所謂的主動型 ETF，也就是那些需要專業經理人頻繁進行交易決策的 ETF，許多的 ETF 都是追蹤那些根據一訂規則所制定（Rule-based）的指數的。
而我實習的公司做的就是這件事。跟大指數公司不一樣的地方在於，我們的主要產品是提供一個軟體給機構投資人自行編製指數，而不是像傳統的商業模式一樣由指數公司編製完之後，再授權給基金公司追蹤。
但真實的情況是：由於指數編製的複雜度遠高於整個軟體可以操作的範圍，往往還是需要一個產品團隊來為客戶開發新的指數。
如果你對指數公司跟基金公司之間的關係有興趣的話，你可以參考我之前的文章：指數及 ETF 概覽。
產品開發：開發甚麼
在我實習的 6 個月中，我建立過加密貨幣指數，也做過一般的大盤指數（像是 Nasdaq 100），也做過主題型指數（如美國銀行巨頭）。有些指數的目的還非常不一樣。舉例來說，歐洲證券管理機構委員會（Committee of European Securities Regulators，CESR）就有針對投資基金的風險值管理做出要求：UCITS 投資組合的 VaR（Value at Risk）不可以超過 Benchmark VaR 的兩倍，以確保 UCITS 的槓桿比率限制在 2 以內。
為了要符合這項規範，基金經理人就必須得找到一個 Benchmark 來滿足這項需求，而我以前的公司就是會幫助這些基金建立相應的指數以達到監管要求。以下我會舉兩個實際案例，讓大家可以更清楚地知道編指數究竟是怎麼一回事。
指數編製實例１：NASDAQ 100
首先，先用 NASDAQ 100 作為例子（source）：
- 在那斯達克交易所上市的、非金融領域的、市值前 100 大股票。
- 股票流通性：Free-float-percentage（自由流通股票數）必須佔總發行股數 10% 以上
- 流動性：過去三個月平均單日交易量必須要超過 500 萬美元
- 其他：如果是 SPAC 或是 REITs （房地產信託基金）會直接被淘汰；上市時長必須長於三個月。
- 採取自由流通市值（Free-float Market Cap）加權
- 每季度再平衡
- 單一股票不可以超過 24% 權重
- 所有比重超過 4.5% 的股票，加總權重必須小於 48%。
- Entry/exit Buffer: 避免成分股有太大的變動（25%）
指數供應商通常也會有自己的 database，不然就是要向其他資料 Vendor 買資料。有資料點之後就會根據以上的規則去篩選出初始 NASDAQ-100 的組成成分。篩選完成之後，指數供應商會進行回測，看看這支指數在過去一年、三年、五年等時間表現狀況如何，同時也會檢查有沒有資料點錯誤（例如 portfolio 的標的數少於預期，或是指數價值突然飆升 – 這種情況通常都是因為有些重大事件發生，相對應的調整沒有如期完成）。
最後，我們會設定所謂的起始點數，通常是 1000 點。假設指數生效日的市值加總是 3 百萬台幣，我們就會除以 300,000 （這個數就叫做調整項 / divisor）。Divisor 的重要性在於，這是一個固定的值 – 當組成成分的價格出現變化時，我們會透過除以相同的 divisor 去得到新的指數 level。當我們進行再平衡時，我們必須要確保指數的 level 不變（指數的波動應只來自於標的成分價格變化，而不應該因為組成成分出現變化而改變）。這種狀況下，我們會維持相同的指數水平，並用新的總市值除以該指數水平，得到新的 divisor。
前面有提到，比較小的指數供應商可能會稍微修改一些規則然後複製出一支幾乎跟 NASDAQ-100 一模一樣的指數 – 如此一來，他們就可以提供 ETF 供應商類似 NASDAQ 100 的產品，又不會「侵權」。
這種情況下，我們會希望追蹤誤差能越小越好。我們可以調整所謂的「標的宇宙」或是「指數編制規則」來縮小追蹤誤差。舉例來說，我們可以調整何謂 financial sector – 每一個資料公司的定義都不太一樣。又或者我們可以藉由調整對於流動性、流通性 etc 的要求 （例如：流動性的規則改成 過去一年最低單日交易量必須要超過 25 萬美元），看看不同的變化下，哪種狀況的追蹤誤差會最小。
指數供應商通常也會有自己的 database，不然就是要向其他資料 Vendor 買資料。有資料點之後就會根據以上的規則去篩選出 NASDAQ-100 的組成成分：這邊我們就進到了編製指數的精隨。由於每家指數供應商所擁有的資料點不同，像是所謂的「收盤價」，A 公司可能是拿 NASDAQ 交易所的數字，B 公司可能是拿法蘭克福證券交易所的數字，就會導致不同的資料 Vendor 出現差異。
此外，將一支股票「劃分」到某一個產業，更是會造成差異的行為。舉例來說，有些公司是採用營收占比來決定一家公司應該要歸屬於哪個產業，有些公司則是採取 Products, Services and Activities (PSAs) 來進行分類。通常來說，採取不同的分類方式是因為要把公司劃分到一些過去不存在的領域，例如人工智慧、5G 建設、工業 4.0 等。
很多公司會說自己有所謂的 Proprietary Data（自有資料），其實多半就是他們從公開資料中將資料點再重新分類，所得到的另一組資料組。
篩選完成之後，我們會進行回測（Backtest），看看這支指數在過去一年、三年、五年等時間表現狀況如何，同時也會檢查有沒有資料點錯誤（例如 portfolio 的標的數少於預期，或是指數價值突然飆升 – 這種情況通常都是因為有些重大事件發生，相對應的調整沒有如期完成）。
我建立自己的部落格啦：https://chiahuitsai.com
想完整讀完這篇文章請右轉：https://chiahuitsai.com/blog-post/work-experience-in-index-companies/
