你的雨傘在漏水嗎 ? 論基金投資費用過高問題
收藏文章
很開心您喜歡 ETF 的文章, 追蹤此作者獲得第一手的好文吧!
ETF美股—世界財經
字體放大


分享至 Line

分享至 Facebook

分享至 Twitter


你的雨傘在漏水嗎 ? 論基金投資費用過高問題

2017 年 6 月 30 日

 
展開

除非投資人把投資基金當成是投機的工具,每天猜測市場走向、短進短出,不斷的在轉換基金, (事實上這些人也是長期投資者,只是他的週轉率更高,成本費用更貴)。

不少投資人很天真的以為可以掌握到哪個市場或國家好,適時的做進出,否則長期投資人都會面臨一個問題,那就是投資成本費用過高。

ETF-美股世界財經)你的雨傘在漏水嗎_-01

透過高費用成本基金不代表它會有著高效率,更不能保證它會有著高績效,不過幾乎可以確定的是,它是會讓你延後好幾年退休的保證。

台灣投資人持有前十大基金

ETF-美股世界財經)你的雨傘在漏水嗎_-03

5 年下來,十間公司中只有 5 間調降費用,3 間持平費用,更甚至有 2 間基金公司還把費用調高,分別是貝萊德(BlackRock, BLK-US)基金與路博邁基金,2 支基金分別逆勢變本加利調漲 5.4%、4.7%,這種情形我看只有台灣才會發生,而前十大基金平均成本費用都在 1.5% 上下。

ETF-美股世界財經)你的雨傘在漏水嗎_-02

可以知道台灣境外基金隨著規模越大,在投資成本上幾年下來其實跟本沒有什麼太大變化,這些基金公司真的對投資人非常不友善。

台灣境外基金公司就是吃定台灣投資人,看準台灣投資環境封閉,利用資訊的不對等,跟台灣投資人不願意做任何改變,因為大家都覺得把錢匯去國外麻煩或是擔心不見。

在台灣肯投資海外的投資人也是只有少數族群,對他們來講跟本不痛不養,如果投資人多做一點功課會發現,海外投資會比台灣安全,不管是法條或是稅務,遠比台灣進步太多。

以下是 Vanguand ETF 總開支費率,也是投資人最常用來做配置的 ETF,不管任何一支 ETF 調降幅度都遠超過台灣所賣的境外基金。

ETF-美股世界財經)你的雨傘在漏水嗎_-04

這 5 年間 Vanguard 這 10 支 ETF 調降最少的是 VOO,只有 16.69%,不過他的費用只有 0.05%,真的已經算是物超所值了,跟台灣境外基金動輒 1.5% 起跳的管理費,差了 29 倍,而降幅最多的分別是 VEU 與 VSS 調降了 42.42%。

這才是有替投資人著想的基金公司,隨著規模越大,也會分享給投資人,而不是隨著規模越大還把費用加重在投資人身上。

我們舉 2 個簡單的例子:

假設 A 先生他從現在開始想長期投資 20 年一直到退休,在 ETF 部份選了 5 支分別是 VTI、VWO、VGK、VPL、BND。

用 2014 年費用一共加總是 0.51%,或是他用 2 支台灣賣的境外基金做全球化配置(假設基金可以存活到 20 年),2 支基金總費用是3%,每年存入 20 萬,20 年後本金是 400 萬,都不算每年報酬率情況下,光是費用成本差異有多大。

ETF-美股世界財經)你的雨傘在漏水嗎_-05

每一年投入 20 萬在(4543-TW) 3% 高費用下,20 年差距來到 84 萬,等於投資人每年存 20 萬投入,還需要多 4.2 年才能追上使用低成本費用的投資人。

這還只是最簡單算法,如果你想存到 2000 萬退休,期望報酬值每年 4~6%,通膨 2.5%,在考慮到基金績效部份 (長時間很難贏過指數),我想退休可能又會再晚個 4.5 年,等於要晚將近 10 年退休,你甘心嗎?

再來看一個 Vanguard 舉的例子,假設一個由 10 萬美元開始,年平均增長率為 6% 的投資組合,用以說明 30 年間的開支對回報有何影響。

ETF-美股世界財經)你的雨傘在漏水嗎?-06

在低成本情境下,投資者每年支付 0.25% 的資產開支,而在高成本情境下,投資者支付 0.90% (相當於美國股票基金的資產加權平均費用比率)。

10 萬美元經過 30 年後,低成本與高成本情境中投資組合的潛在表現差異十分顯著,最終資產值相差接近 10 萬美元,而這 10 萬元差距你需要再花多少年才能填補?

投資人最在意的不外乎就是希望基金有著高品質,效率又好,也會隨著規模越大費用調降越低,這才是投資人想選的基金,而在台灣找的到嗎?

ETF美股—世界財經》授權轉載

【延伸閱讀】

 
週餘
 
 
分享文章
分享至 Line
分享至 Facebook
分享至 Twitter
收藏 已收藏
很開心您喜歡 ETF 的文章, 追蹤此作者獲得第一手的好文吧!
ETF美股—世界財經
分享至 Line
分享至 Facebook
分享至 Twitter
地圖推薦
 
推薦您和本文相關的多維知識內容
什麼是地圖推薦?
推薦您和本文相關的多維知識內容