風險規避之進一步省思
市場，動能，波動，價值，四大基本因子曝險都算好了，然後呢？
因子曝險，相當於用四盞超強的探照燈，從不同角度照進市場和投資組合的結構，把隱藏弱點一一顯明出來。在「前一篇」的論述中，認為我應該站在「消除風險」的，因為膽小如我，極端厭惡風險。但規避風險的結果，雖然安全感增加，淨值波動也較穩定了，但「富貴險中求」還是成立的，若不冒必要的風險，還是無法推高報酬。因此，在探照燈裝備齊全的條件下，允許「稍微，小部分，可控」的風格偏移，較高的報酬就是合理的期望。
先欣賞一下我的探照燈吧
- 精明管家-「動能因子」已經實作完成 (2025/12/10)
- 精明管家-實戰之理論驗證：因子模型 (2025/12/4)
左邊的一組四大因子數值，代表每一支個股，其四個面向的風險性質：
- 市場：與大盤共振的程度。
- 動能：漲的能力。
- 波動：就是「彈跳」的能力。注意它是沒有方向性的，負的表示「彈跳力」很弱，很牛皮，不代表會跌。
- 價值：公司帳上有形的資產，相對於股價的倍數，也就是本淨比的倒數。
相對於一般人看股價 K 線，看新聞，或營收財報等等，這是四個嚴謹系統化，也相對獨立的角度，其意義和資訊強太多了。原始定義與算法，前文都有詳細描述，這裡試著進一步以應用的角度來解讀。比如說 0050 與聯發科，與大盤幾乎同步；聯詠動能低，漲勢明顯落後；智源則很會跳上跳下；價值因子方面，則這幾支幾乎都偏重成長性，股價都反應了未來的預期，所以因子值都是負的。
右邊相對的也有四個欄位，重要的不是個股數值，而是在標題顯示的的綜合表現。因為這是依據自己的真金白銀的曝險金額，加權平均而成的，曝險比例就是管理者主要決策的控制變數。任何妖股或地雷股，對於不買的人，是一點影響都沒有的，可見買賣決策之重要。買賣決策，若沒有數據為參考和佐證，風險並不會因為無知而消失，這些數字是需要好好的面對的。
上一次解釋過市場與動能因子，這次加上了「波動」，他的特別之處是「沒有方向性」，加權平均時不會多空互抵，是以絕對值的金額比例為權重，-0.28 代表整個投資組合波動算是低的。
價值因子是以「淨值 / 股價」經標準化成為 z-score 而得的。-0.41 代表投資組合的取向，以反映未來的成長性為主。這裡也有一個特別之處，就是 0050 包含 50 家公司，並沒有一個簡單的淨值可以抓取，也不是用淨值去加權平均，必須用 50 家公司的因子曝險，加權平均計算而得，其邏輯等同於算我自己的投資組合一樣。
所以這裡衍伸出額外的工作，就是抓取 0050 成分股的權重，然後就被元大投信的網站搞死了！忍不住要抱怨一下，這種資料又不牽涉到什麼商業機密，本來就必須公開給投資人的，卻故意用一些很卑劣的手法去阻擋爬蟲，譬如說資料不一次吐完，故意要使用者按一個「展開」才會跑 script 動態顯示明碼資料，真正的資料都被打亂成複雜的對應，真是很討厭很沒水準。
總之我已經費盡千辛萬苦，抓好了所有公司的財報淨值，和 0050 的成份股權重。這樣基本的因子已經到齊，可以進行下一步計算：橫截面的多元回歸，期望可以對市場結構和行為有更深入的觀點。
橫截面多元回歸-求得「因子溢酬」
複習一下這優美的數學式：
- t： 代表特定的時間點，可以一天執行一次
- R 為報酬率，i 則表示特定個股
- f：為因子，必須至少涵蓋主要且基本的三面向，本系統已經達標
- Beta (i, f)：特定股票 i 對特定因子 f 的曝險
以上以周成交金額前 500 名的資料點，執行回歸線趨近運算，得到 Lambda (f)，就是特定因子 f 對當天的個股報酬率的平均影響力。相對於這些冗長描述，以上數學式真是優美簡潔。系統已經完成，呈現如下：
資料處理和計算，雖然麻煩也有點難，但真正挑戰還在於解讀和應用，這一組數字必須累積一段時間，由趨勢來解讀才比較有感，也才會有比較穩定的結論。以上述僅有的兩天資料勉強解讀之，對駑鈍如我實在很難，但冰雪聰明的 ai 卻看出一堆洞見，真是厲害：
[
{
"lambdas": {
"book_to_price_z": 0.002160781016687802,
"momentum_z": -0.0010619231829035853,
"volatility_z": -0.00031083274573390413
},
"id": "2025-12-15"
},
{
"lambdas": {
"book_to_price_z": 0.0016549000702412672,
"momentum_z": -0.001725315815681376,
"volatility_z": 0.00017878742371234269
},
"id": "2025-12-16"
}
]
這兩天的 regime 是：「非趨勢、非風險偏好、輕微 defensive + valuation-aware」的過渡期 regime。換句話說：
- 市場 稍微在乎估值：連續為正，溫和獎勵「便宜」，市場不想追高。
- 市場 沒有在獎勵方向：連續為負且向下，沒有反彈訊號，市場正在「懲罰追價與單邊暴露」
- 市場 沒有明確懲罰低波：小幅震盪，沒有明確方向，結構穩定，不給方向獎勵。
- 時間溢酬 > 方向溢酬
regime 是指市場在特定時間內所處的宏觀環境、行為模式或結構性狀態，就是經常在機構研究報告中所稱的牛市，或熊市，或震盪盤整，等等，實際上每一種狀態並沒有明確的定義和區分，是一個超大混屯，極為複雜的動態過程。不需爭論說，現在到底是處於熊市還是牛市，或經濟是否已經進入衰退之類的，因為根本沒有明確的定義，所有狀態理論上都是「一期一會」，但都可以盡可能地去近似歷史狀態歸納出來的某一個 cluster。決策的難點在於哪些指標傾向或接近某個閾值，沒有很簡單機械化的決策方式。隨著用數據觀點「刺入，頗開」複雜的市場，逐漸可以更精確地檢視其內涵的方方面面。
蒐集數據並妥善治理
必須避免「數學上的完美，實務上的脆弱」，重心先轉向好好累積，並解讀，呈現，視覺化這些得來不易的資料。風險對沖和規避是我基本的交易哲學，若藉著這些數據對 regime 有比較深入的掌握，就可以在條件允許的狀態下，增加特定因子曝險，這應該是通往較高報酬的正確路徑。
下一步是定義並計算 Regime Stability Score，概念如下，從單一因子開始定義：
- 分子為一段時間的 Rolling Mean of Lambda，表達市場是否有持續獎勵某因子。
- 分母則為 Rolling Std Dev，看看此因子是否「亂跳」
而多因子綜合表現的穩定度，可以把各個因子穩定度相加再平均。通常的標準為大於 0.7 就可視為獲得清晰可依賴的 regime。此數值可應用於 Risk Budget 的制定，越穩定的因子，允許比較大的曝險。
此外，還可以定義一個「因子輪替偵測」的指標：
若數值偏高，代表主導市場的力量正在改變，減少曝險就對了。
還有一些觀察的眉角，將持續搭配實戰鍛鍊敏感度：
這一套管理機制可以普及化嗎？
不知不覺越走越到深水區了，本來想賣這套系統的，但可能陷入越專業越難賣的窘境。但我相信沒有人喜歡低價值垃圾的，重點只在於認知層級的提升。而認知的提升不在於專業術語的堆積，而是可以把專業內涵，包裝成平易近人的應用語言，這是我將努力的方向。
行情預測和教人賺錢的東西幾乎都是詐騙，這套系統完全沒有這些元素，但它的確可以幫助人提升決策品質。高手過招，就差那麼一點點的部位控制，就可能決定是悠閒漫步或死亡驚駭；注意孫子兵法所說的「百戰不殆」，不是百戰百勝喔！活久了，勝利就自然降臨了。再度確認這是對社會有貢獻的系統，我一定會想辦法服務到更多人。閱讀到此的有緣人，來成為我的早期使用者吧，慧眼識英雄 (尚未發跡的)，讓我們一同成長吧。
https://newman-portfolio.azurewebsites.net/
Newman 2025/12/17
- 導覽頁：精明管家
- 技術議題有興趣者，也可關注這兒：紐曼的技術筆記-索引
後記：第三天的 Factor Return 出來了，頗具戲劇性，特此紀錄：
波動因子猛然跳升！這是否具有重大意義？還真的是。要知道此數據是一個全市場的統計結果 (我是用周值前 500 大，更具代表性)，大福排除「單一，隨機」的雜訊，這代表「市場正在獎勵波動」，相對的動能溢酬仍在低檔徘徊，就是在「逞罰方向性的動能交易」。所以很清楚吧，若少做一次突破或跌破交易，這訊號就值得了。
