Re: [閒聊] 是不是每位投資客都該去看一次韮留美
--
雖然我知道這又是一系列廢文,不過剛好看到這個問題:
→ Rothax: 問個,新手沒概念的情況下,要怎麼知道風險是大是小?
反正我現在很閒,就稍微講一下。
不過再說答案之前,先來看一個問題:
「在一個價格為『前期數字*隨機值』,隨機值為=[-0.1,0.09,...,0.1]公式的
計算模型下,採取停損與停利策略,賺賠比=2:1,是否能創造正期望值,
而讓模擬結果的資金曲線往右上增加?」
假設你完全不靠AI回答,想要靠自己推論找出答案的話,
首先第一步是將概念簡化成你可以理解的形式,例如:
--
┬停利價
│ 所以在幾何的形狀比例上,你可以看到停利比停損要遠。
┼成本價 但由於停損比停利近,而在問題的純隨機環境下。
┴停損價 由於價格變動是公平地變動,意思是往上或往下跑機率大約是50:50。
故不論是你用歷史數據回測,還是用Excel、python寫一個純隨機程式模擬。
最終都會得到觸發停利機率<0.33,而觸發停損機率>=0.66的現象。
而就像遊戲計算a,b對戰的命中率公式,其中一種是用對抗式的公式,
令玩家屬性(a)=5,敵人屬性(b)=7,則:
玩家命中率(P)= a / (a+b) , 5/(5+7)=0.416, 41.6%。
用同樣的公式概念,你就可以類推推論出觸及停損停利的機率公式:
停利(a)=2、停損(b)=1,P=事件機率,則停利機率(Pa)
Pa = b / (a+b) =0.33、 Pb= a/ (a+b) =0.67。
--
接下來就是算期望值(EV),獲利a=2,a機率=0.33、虧損b=-1,機率b=0.67
EV = 0.33*2 + (0.67*-1) =-0.01。
所以這代表什麼?這代表你在隨機賭博下,長期你不能創造出正的期望值與財富增長。
停損在純隨機的環境下並不是"沒用",但它的效益跟你預想的"遵守就能發大財"不同。
停損與控制部位比例的效果是:藉由下注的資金比例,來控制你連續損失的程度,
也就是:
連續虧損n次後的本金(G) = 期初本金 - (1-r)^n ,r=比例,此案例為停損比例。
然後你就可以用excel算出表格:
單筆虧損% 連續10次虧損後剩餘本金
-1% 90.4%
-2% 81.7%
-10% 34.8%
-20% 10.7%
--
這個公式的基礎概念是:我承認我可能不會賭贏,但我可以控制損失避免衰到破產。
如果你很有耐心地看到這邊,那恭喜你已經有初步的風險概念了,
也就是說,所謂的風險就是:「我承認我不知道結果,但我要控制萬一賭輸的損失」
我認為承認不知道是一件很重要的觀念,就我來說我只能說,
直到今天我還是不能很有把握地說,哪些東西算是投資、哪些算是含隨機性的賭博。
真正穩賺不賠的東西就只有利率,例如你把錢放銀行等利息。或者買債券等到期。
但如果你基於「債券穩賺不賠」的觀念,延伸到我要低買高賣賺債券價格價差。
那麼由於債券價格,或者某些債券期貨是反過來用債券收益率來計算。
不管單位是啥,由於實際上這些數字的變動,是存在隨機性的。
故你想要賺利息又賺到價差,實際上是從利率收益,轉向隨機價格價差的投機。
當然我不是說你不能賭,但你必須要意識到「你不知道結果,而且可能會賭輸」
你有這樣的觀念下,才有機會找出不太可能會短期爆賺,但也不會爆賠的方法。
同樣的東西可以類推到其他衍伸金融商品,例如外匯保證金、指數期貨、股價價差。
--
到這邊可能已經有人想反駁「長期股市就是往上的」,來反駁股市不是賭博。
但如果你的獲利核心在於價差,也就是說你要賣高價獲利的話。
就像你不會知道明天的個股或指數價格會漲還會跌,你可以把這段敘述寫成
命題:每一期價格,都會接受到一個隨機的價格衝擊變動。
但漲跌幅有正負值,所以你可以用先平方後開根號的標準差概念,
你一段時間後的隨機報酬,等於持有時間△t開根號,也就是√△t
所以假設你持有股票有現金股利(r),持有一定時間後的收益:
R = (1+r)^n + 期望值(EV)
穩定收入 + 連續n期漲跌後的價格結果
嚴格來說,股市的"投資"概念僅存於前面項,而後面項則是含隨機性的投機。
如果你有學過財管,那麼接下來你就可以試著推導出,將隨機的價格波動率,
拆解成:「單一個股的隨機波動」和「其他商品價格波動的相關性」
找出相關性後,就可以發現市場報酬(beta)=資產價格和市場報酬的相關性。
--
最後你就可以找出幾個現象:
1.你持有一檔標的,會擔負其價格隨機變動的風險
2.持有多個不同標的,如果出現不同標的上漲與下跌,可以達到漲跌抵銷的現象
故可以觀察到相關度低的標的,組合後似乎可以降低風險。
3.但終究會存在「所有標的都下降」,也就是當相關性都提高
那不管你持有幾檔最終都會賠錢,這個就是所謂的市場風險(beta)。
所以你的股價報酬是哪裡來的?答案是你承擔多少的市場風險,
CAPM公式會告訴你,你承擔的市場風險越高,運氣好就可以獲得更高的報酬。
最終才會形成你看到的風險溢酬。
所以說為何像是槓桿ETF,例如正向2倍為何會有較高的報酬率?
因為這代表你承擔的是單日兩倍的價格波動,例如令無風險利率=0.01、
標的年化價格波動率=0.13,由於你承擔2倍風險,所以報酬率為
大漲報酬率= 0.01 + (+0.13 *2) = 0.27
大跌報酬率= 0.01 + (-0.13 *2) =-0.25
--
拉回到南韓的案例,雖然你可以從龍頭股的比例>30%,或者個股槓桿ETF
對市場影響切入。但對於資產定價模型(CAPM)來說,答案極其簡單:
如果你承擔兩倍的市場風險,而且又有大量的部位,那麼碰到大跌的未實現損失
大致上就是:部位 * -2倍的BETA風險。
特別是如果你是借錢融資,你存在本金<契約部位價值,所以有維持率問題。
首先一步一步來:
剩餘資產比例(Pr) = 1- 減損比例(r)。 例如跌1% =1-0.01=0.99
而槓桿代表的是,你只要用1/契約價值倍率(L)本金,就可以買一口。
所以資產剩餘比例 = 1 - (1/L) = (L-1) / L
倒過來就是你當下資產的維持率 = L / (L-1)
幾倍槓桿 維持率
2 200%
3 150% 也就是說,你出越少錢,相對維持率就越少。
5 125% 你離斷頭率例如25%就越近。
10 110%
--
這時當漲跌幅變大,就代表你原本就很近的斷頭價,因為單日價格波動是標的的2倍
代表只要幾天連續跌幅,就可能會到達斷頭線了。
當然你可以說我是在大漲初期買的,現在跌回去也只是少賺。
但這就是一種很典型的「路徑偏誤」,也就是你看到別人賺錢了,
而且現有資訊也表示大漲路徑大於大跌次數,所以你認為就算現在進場也沒有
別人講的高風險。
但這代表的是,你的進場點也跟其他人不同,所以像是碰到連續的跌幅。
就像韓國指數從10000多再往下跌幾千點,你9000點進場認為可以漲到12000。
但實際上大跌到7000點,你是借錢用5倍槓桿買正二ETF,那麼你大概就會被斷頭了。
就像你不能回到5年前狂買,我認為從過去的大漲對帳單,而推論出開槓桿風險低於
數學計算結果,由於你不能穩定重現每次都會大漲。所以這對於"買後大跌沒有
太多緩衝空間"的風險,並不會有任何助益。這種討論是沒有意義的。
不少人都會認為:「持有時間越長,累積的價格波動率會越大」
故「現在借錢買大部位放幾年就會暴賺」。
--
但儘管前面敘述是正確的,但不代表後面的敘述也是對的。
如果你有疑慮的話回去看上一頁。
你開始有能力分辨這兩者概念的不同,而開始想要怎麼應對預防的話,
你才會有所謂的風險意識與相對比較正常的風險觀念。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 98.159.43.5 (泰國)
※ 文章網址: https://www.ptt.cc/bbs/C_Chat/M.1784390336.A.76D.html
推
07/19 00:31,
2周前
, 1F
07/19 00:31, 1F
推
07/19 00:35,
2周前
, 2F
07/19 00:35, 2F
推
07/19 00:41,
2周前
, 3F
07/19 00:41, 3F
→
07/19 00:41,
2周前
, 4F
07/19 00:41, 4F
推
07/19 00:47,
2周前
, 5F
07/19 00:47, 5F
推
07/19 01:23,
2周前
, 6F
07/19 01:23, 6F
→
07/19 01:23,
2周前
, 7F
07/19 01:23, 7F
→
07/19 01:23,
2周前
, 8F
07/19 01:23, 8F
推
07/19 01:42,
2周前
, 9F
07/19 01:42, 9F
推
07/19 01:42,
2周前
, 10F
07/19 01:42, 10F
→
07/19 01:42,
2周前
, 11F
07/19 01:42, 11F
推
07/19 01:51,
2周前
, 12F
07/19 01:51, 12F
推
07/19 01:57,
2周前
, 13F
07/19 01:57, 13F
推
07/19 03:00,
2周前
, 14F
07/19 03:00, 14F
→
07/19 03:00,
2周前
, 15F
07/19 03:00, 15F
→
07/19 03:00,
2周前
, 16F
07/19 03:00, 16F
嗯,我重新解釋一下。
首先在隨機的價格變動,決定報酬率的是期望值(EV),也就是:
EV=(獲利機率*報酬)+(虧損機率*虧損)。
那麼原本的公式的確有問題,要描述的話就是先分成 無風險利率 + 隨機下的期望值(EV)
假設我們對待錢放定存等利息,以及拿同樣的錢去賭博,價值(V)是相等的。
則V = EV / (1+r)^n。 但實際上人對於即使EV和無風險利率結果相當的情境,
例如假設你有兩個選擇:(1)不賭,投入1元,會還你2元,利率=100%。
(2)用1元賭,50%機率拿到3元、50%機率賠1元。EV=1
儘管在V =(2) / (1) 是成立的,但對於人類的選擇偏好來說,如果不賭就可以拿到;
那麼(2)有風險價值,不應該等於(1)啥都不做就可以獲利的無風險價值。
也就是說,有風險的選擇下必須要有更高的報酬誘因(x),才會值得去做。
那麼在設計上可以用 V = EV/ (1+r+x)^n。
放到分母是因為這樣可以解釋,如果x變得很大,例如在價格波動率變大的情境
代表可能大漲或大跌。那麼由於分母變大,代表隨機賭的期望值沒有跟著變大,
那麼風險上是不值得做的。
接下來就是如何找到這個未知的X,可能會有哪些因子。
這一塊會存在不確定性,我這樣說好了,假設你利用歷史資料回測,
得出了:「分散買20個股組合」,就回測結果有5%報酬率。
而相對的無風險報酬=1%,則組合的風險溢酬=5%-1%=4%。
這代表:「你冒著組合的虧損風險,基於數據可能有優於無風險利率的報酬。」
至於你觀察到的報酬會不會穩定重現?不知道,這端視接下來算的beta而定。
但怎麼樣才可以避免組合的虧損風險?那就要看組合中,各個個股,
本身的漲跌賺賠,和市場(大盤)的相關性,也就beta直觀看的:
beta = 大盤相關度 * 個股波動/大盤波動
如果用標準差來做為標準化波動的尺度:
你挑了一個波動較大的小型股(a),相較於大盤(b),
其中個股(a)標準差=0.3、大盤(b)標準差、兩者歷史資訊的相關係數=0.8。
帶入公式, beta= 0.8*0.3/0.2=1.2。
最後把beta和風險溢酬放回去原本未知的x, x= beta *(組合風險溢酬 -無風險利率)
組合的風險溢酬 = 無風險利率(r) + beta * (組合期望預估報酬 -無風險利率)
前面有多一次算無風險利率,是你的組合預估報酬應該要大於無風險利率。
所以報酬應該是:無風險報酬 + 扣除無風險利率後的組合報酬差額 *市場變動(beta)
大概就是這樣。
※ 編輯: midas82539 (98.159.43.9 泰國), 07/19/2026 04:31:31
推
07/19 06:36,
2周前
, 17F
07/19 06:36, 17F
→
07/19 06:36,
2周前
, 18F
07/19 06:36, 18F
→
07/19 06:36,
2周前
, 19F
07/19 06:36, 19F
→
07/19 06:36,
2周前
, 20F
07/19 06:36, 20F
→
07/19 06:36,
2周前
, 21F
07/19 06:36, 21F
→
07/19 06:36,
2周前
, 22F
07/19 06:36, 22F
→
07/19 06:36,
2周前
, 23F
07/19 06:36, 23F
→
07/19 06:36,
2周前
, 24F
07/19 06:36, 24F
→
07/19 06:36,
2周前
, 25F
07/19 06:36, 25F
→
07/19 06:36,
2周前
, 26F
07/19 06:36, 26F
→
07/19 06:36,
2周前
, 27F
07/19 06:36, 27F
→
07/19 06:36,
2周前
, 28F
07/19 06:36, 28F
→
07/19 06:36,
2周前
, 29F
07/19 06:36, 29F
→
07/19 06:36,
2周前
, 30F
07/19 06:36, 30F
→
07/19 06:36,
2周前
, 31F
07/19 06:36, 31F
→
07/19 06:36,
2周前
, 32F
07/19 06:36, 32F
→
07/19 06:36,
2周前
, 33F
07/19 06:36, 33F
→
07/19 06:36,
2周前
, 34F
07/19 06:36, 34F
→
07/19 06:37,
2周前
, 35F
07/19 06:37, 35F
→
07/19 06:37,
2周前
, 36F
07/19 06:37, 36F
→
07/19 06:37,
2周前
, 37F
07/19 06:37, 37F
→
07/19 06:37,
2周前
, 38F
07/19 06:37, 38F
→
07/19 06:37,
2周前
, 39F
07/19 06:37, 39F
→
07/19 06:37,
2周前
, 40F
07/19 06:37, 40F
→
07/19 06:37,
2周前
, 41F
07/19 06:37, 41F
→
07/19 06:37,
2周前
, 42F
07/19 06:37, 42F
→
07/19 06:37,
2周前
, 43F
07/19 06:37, 43F
推
07/19 09:05,
2周前
, 44F
07/19 09:05, 44F
推
07/19 11:29,
2周前
, 45F
07/19 11:29, 45F
→
07/19 11:29,
2周前
, 46F
07/19 11:29, 46F
推
07/19 11:31,
2周前
, 47F
07/19 11:31, 47F
→
07/19 11:31,
2周前
, 48F
07/19 11:31, 48F
→
07/19 11:31,
2周前
, 49F
07/19 11:31, 49F
推
07/19 11:45,
2周前
, 50F
07/19 11:45, 50F
→
07/19 11:45,
2周前
, 51F
07/19 11:45, 51F
→
07/19 17:35,
1周前
, 52F
07/19 17:35, 52F
討論串 (同標題文章)
完整討論串 (本文為第 4 之 5 篇):
閒聊
161
428