(2026-8-21) 港股ETF市場

港股上市的 ETF 資金高度集中在港股指數（如恒指、科指）與中國概念（如 A50、科技股）。雖然近年推出了美股指數、黃金、虛擬資產及沙特 ETF，但整體選擇與美股覆蓋全球各行業、各國主權債、主題型及主動管理型的廣度及規模都無法相比。

像資產規模最大的2800盈富基金，只有1378億港元。2020年推出的規模只有639.23億港元。還有一隻比較受歡迎的3416，也只有224億港元。對比我買入的SCHD，已經高達1000億美元以上。

規權影響到流動性，還有明顯的管理費差異，港股ETF同類型的都比美股ETF高。例如VOO規模夠大可以壓低至0.03%，港股則在0.1-1%。

美股由 Vanguard、BlackRock、State Street 等巨頭發動了長達數十年的「價格戰」，大型指數 ETF 的費用率已趨近於零；而港股 ETF 由於整體規模較小、規模效應不足，基金管理費及營運成本相對高昂。

其中一個原因是香港散戶偏好高波動、槓桿產品或短期個股，香港市場的衍生權證（窩輪）與牛熊證（CBBC）極為發達，吸走大量短線散戶資金，削弱了對指數型 ETF 的需求。

另外，美股有源源不絕的退休金資金定期定額流入ETF，401(k) 與 IRA 等養老金體系構成強大的買盤支持。

(2026-8-20) primary market redemption arbitrage

ETF的股票是放在信託中，而ETF本身可以理解為交易工具，信託存起的股票並没有進行買賣。理論上價格受買賣影響，有機會脫離NAV。

發行商賺的是管理費，負責發行及管理。ETF可以做到緊密追蹤NAV，即資產價格總和，就是靠ETF creation，當ETF價格高於NAV時，會有market maker在市場買入股票，換回ETF出售，從而套利。發行商也不介意，因為偏離NAV太遠，ETF會失去吸引力。

同理，當ETF價格低於NAV時，market maker就會買入低價的ETF去換回股票，即ETF redemption。

除了market maker，還有一類稱為AP，authorized participants，如Goldman Sachs、Morgan Stanley。現實中可以是同一機構，可以理解為批發商。ETF的creation及redemption就是AP跟發行商之間進行。MM則可以理解為零售商，跟AP及二級市場在進行交易。

這班MM手上會有一定倉位，dealer inventory。這類in-kind transaction因為不涉及現金，不會產生稅收。

這種套利散戶難以做到primary market redemption arbitrage，除了creation unit有資金門檻(25000-10萬股)，專業機構的程式盤在微秒內已經利用專用的gateway及HFT系統吃乾抹淨價差。

(2026-8-20) Diary of a Professional Commodity Trader

作者彼得·布蘭特（Peter L. Brandt）是專業商品及外匯交易員，不是業餘散戶之流。

這本書記錄了他從 2009 年 12 月到 2010 年 4 月這 21 週（約 5 個月）的真實交易過程與詳細盈虧。

總獲利金額大約為 $226,816 美元。

他的操作通常是將本金設定為 $100 萬美元，因此在這 21 週內的收益率約為 22.7%。

在他超過 30 到 40 年的職業生涯中，他保持了平均高達 40% ~ 68% 的複合年化報酬率。

書中坦言，自己的長期交易勝率只有大約 30%。也就是說，他每 10 筆交易有 7 筆是賠錢的。但他之所以能賺大錢，是因為他能嚴格停損（讓虧損極小化），並在極少數看對的趨勢中讓利潤奔跑，靠著極高的「盈虧比」勝出。例如2009年10月至11月，27筆交易，高達24筆虧損，只有3筆獲利。

作者是實戰的高手，但寫書而言，內容枯燥乏味，也没有坊間那些所謂長線投資的說話來得漂亮、高大上。

這是一種低勝率+高賠率的組合，我自己是佩服但做不到，個人做法更傾向高勝率+低賠率，人性上的阻力大減，切合我這種普通凡人。

(2026-8-20) 買少少

美股的交易成本很低，買入市值約HK$10萬的ETF，只是US$1.93，遠比港股低。

也不用盯盤，盤前預先掛MOO盤，開市自動以open price成交。

(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。