(2026-8-19) 股債策略回測

以追蹤 60/40 股債組合的代表性 ETF（如 iShares AOR 或 Vanguard VBIAX）整體回報趨勢計算，2021 年至 2026 年的逐年走勢如下：

• 2021 年： +13% ~ +15%

• 2022 年： -16% ~ -17%

• 2023 年： +14% ~ +18%

• 2024 年： +11% ~ +14%

• 2025 年： +12% ~ +18%

2022 年美國通脹率衝上近 9%，美聯儲展開數十年來最激進的加息週期。股市因估值修正大跌，債券價格也因利率急升而同步暴跌，導致 60/40 組合遭遇罕見的股債雙殺。

包含 2022 的大跌在內，2021–2026 年持有 5 年下來，60/40 策略的年化複合報酬率仍維持在 6% ~ 8% 。

我見一般追求財務自由的投資者都是用兩三隻ETF建立組合，例如BND搭配VTI。

(2026-8-19) 股債組合

一直没有深究為什麼股債組合會流行60/40比例，昨天給我追溯到:

1952年，馬科維茲提出了現代投資組合理論（MPT）， mathematically 證明了透過將「負相關或低相關性」的資產（例如股票與債券）組合在一起，可以在不降低整體預期回報的情況下，大幅降低整體投資組合的波動與風險。

1970年後，Vanguard的創始人John Bogle大力推廣，將學術界的高深理論轉化為一般大眾易懂且可執行的策略。他推廣了指數化投資與簡單配置概念，並提出著名的「100 減去你的年齡」法則（即股票比例為 100−年齡，其餘為債券）。

對於一位 40 歲左右的中年投資者而言，100−40 就正好是 60% 股票 + 40% 債券。柏格與 Vanguard 的推動，讓 60/40 配置成為機構法人與個人退休基金（如美國 401k）過去 40 年來的標準黃金基準（Benchmark）。

(2026-8-17) VNQ

今日翻看VNQ，2022年跌去26%，今年已經重回高位。

VNQ 持有美國商業地產、住宅、數據中心、物流倉儲等實體不動產投資信託（REITs）。

對比港股領展房產基金(823) ，2019年跌足5、6年仍未回到高位。想起也感到慶幸，我没有輸錢純粹因為没有耐心坐倉，微利就跑了，當時的氛圍十分流行這種投資。

REITs 商業模式依賴高度槓桿，透過發債與銀行貸款購買地產。前幾年的低利債券到期後，被迫以 6%–8% 甚至更高的利率重新融資（Refinancing），導致財務利息支出暴增，嚴重侵蝕應稅利潤與可分配股息。

疫情過後，工作與消費習慣發生了永久性改變，紐約、舊金山、倫敦等大城市的辦公大樓空置率創歷史新高。

相對堅韌的只有數據中心 REITs（如 Equinix - EQIX，受惠於 AI 算力需求）、物流倉儲（如 Prologis - PLD，受惠於供應鏈重組）、基礎設施（電信鐵塔如 AMT）。

當美國短債或高評級公司債動輒達 4%–5.5% 且風險極低時，股息率僅 4%–5% 的傳統 REITs（如 VNQ）顯得毫無性價比。

(2026-8-8) 判斷技術還是運氣

定義: 可重複出現、可解釋且具備統計顯著性的超額收益，才被視為技術。

評估方法:

分析交易次數（Sample Size）與收益分佈:

p-value（p值檢驗）： 在零假設（Null Hypothesis，即「該交易員無預測能力，勝率純屬隨機拋硬幣」）下，計算出現當前獲利結果的概率。如果 p<0.01，代表只有不到 1% 的概率是靠運氣，技術顯著成立。

t-統計量（t-statistic）： 檢驗平均超額收益是否顯著大於零。一般要求 t>2.0（甚至高頻交易要求 t>3.0），樣本數（交易筆數）越多，需要的獲利時間跨度越短即可驗證；相反，若一年只做 5 筆交易，即使全賺，統計學上也無法排除運氣。

收益歸因分析（Performance Attribution）:

某交易員一年賺了 30%，但歸因分析發現他只是重倉了高 Beta 的半導體股，而同期半導體指數漲了 35%。這說明他沒有技術，只是乘了市場風格的東風（Beta Exposure）。

某交易員在市場對沖掉方向性風險（Delta 中性）後，依然能在扣除槓桿與風格因子暴露後獲得穩定正收益。

蒙地卡羅模擬（Bootstrapping & Monte Carlo）:

將交易員過去所有的交易收益率打亂順序，進行數萬次隨機重組與重新抽樣，生成數萬條「平行宇宙」中的收益曲線。

如果該交易員在 95% 以上的隨機重組中都能保持盈利，說明策略具有極高的穩健度（Robustness）。

如果打亂順序後有大量暴雷，說明之前的獲利高度依賴特定時間順序的運氣。

有些交易員看似勝率極高、收益曲線完美，但本質上是在Selling Tail Risk，評估Sortino Ratio（只考慮下行風險）以及最大回撤（Max Drawdown）。如果收益曲線極度平滑但潛在下行空間無限，基金會判定為運氣。

「數據挖掘（Data Mining）」帶來的假陽性問題：如果同時測試了 1,000 個策略，就算全都是隨機垃圾策略，統計上也必然會有 50 個策略（5%）表現極佳。

採用 Harvey-Liu 框架 或 Deflated Sharpe Ratio (DSR) 指標。DSR 會將「交易員嘗試過多少次失敗策略」納入考量。如果一個交易員換了 100 個模型才找到一個賺錢的，該模型的夏普比率（Sharpe Ratio）會被大幅折降，歸類為運氣。