其實我並不完全相信歷史真的會完全重演，不過歷史「高機率」重演我是完全認同的！基於我認同歷史高機率重演的狀況之下，我選擇技術分析來當作我在股市戰鬥的工具。而 形態學 就是技術分析當中重要的一環。

對於技術線圖有一定程度了解的投資朋友應該會發現，市場的技術分析圖常看到很多一再出現的價格走勢圖形，而且後續的走勢與這些圖形都有一定的關聯。例如出現某種特定的圖形，後續上漲機率就會比較高！如果這項邏輯是正確可行的，那麼我們就可以透過價格走勢的圖形，作為分析股市趨勢的一個方法，這就是「形態學」！下面一起來看看形態學的介紹吧！

形態學是什麼？

形態學指的是透過觀察 歷史行情 價格走勢，歸納出數個重複出現的價格走勢圖形，並且觀察股價出現特定型態後的股價表現，作為分析股價趨勢的工具之一，我們稱之為「形態學」。

相較於其他技術分析來說，形態學相對容易，因為投資人僅需使用眼睛就能辨識價格走勢是屬於哪一種圖型，較為直覺與簡單！

為什麼要會形態學？

形態學的重要性除了可以協助判斷未來行情趨勢之外，更重要的是如果搭配價量關係，更可以清楚看出目前在股票市場上的行情，以及主力的心態、市場當時的氛圍，同時，投資人就可以藉此來判斷股市行情的方向與大戶思維喔。

形態學的原理是什麼？

形態學所借助的原理在於：透過「大量的歷史行情走勢」歸納出數個常見的走勢圖形，並且經過歷史行情的驗證，發現形態學確實對於股價具備一定的方向指引。

形態學可以分為哪幾種？

根據不同的時間週期形成的 K 棒，可以分為以下三種：

（一）單根 K 線型態（Single Candle Pattern）：單純使用一根K 線判斷當日市場強弱訊號。例如在技術分析當中我們介紹到的大陽線、墓碑線、小陰線等等

（二）組合K 線型態（Multi Candle Pattern）：兩、三根K 線所組合出來的組合型態，通常比單根K 線更具價格判斷趨勢的代表性。例如：紅三冰、晨星等等。

（三）圖形辨識交易（Pattern Trading）：透過一連串的股價 行情走勢 ，歸納出行情走勢圖形，並且透過歷史行情驗證，確認其影響價格趨勢的準確性。例如：W 底、M 頭、 頭肩頂 等等

本篇主要要介紹第三個-圖形辨識交易（Pattern Trading），下面用一些例子讓大家更快掌握主要的型態吧！

Cup and handle

這個型態像是一個帶柄的杯子，在型態形成後，我們預期股價會有相當可觀的漲幅。我們將這個型態分為四個階段，如上圖所示。前三階段可能占整個型態的 7／8 時間，第四階段占 1／8，型態的形成大多介於 3～6 個月，也可能更長，第一階段修正的幅度可能介於 15%～25% 間。

一段長期漲幅中，通常股價隨大盤及大環境的空頭走勢，而在上圖標示之第一階段向下進行回檔洗盤；進入第二階段，主力會開始收集籌碼，這時線型會慢慢趨於平緩，拉出一個橫盤整理型；第二階段後期，籌碼開始穩定，因為套牢而決定賣出的投資人以及耐心不足的投資人都忍痛賣出，於是進入第三階段；在進入第三階段時，主力仍會持續收籌碼，這階段要收的是因為解套而願意出貨的投資人的股票，同時也會有許多人在這裡進行買進的動作；於第四階段，也就是杯柄的部分；在第四階段會再次做洗盤的動作，也就是要淘汰在第三階段買進股票的投資人。

幾個需要注意的地方：第一個是，這個型態在前三階段應該形成的是 U 型，而不是 V 型；第二個是，在盤整的部分，也就是第二階段，應該要在 200 日均線以上盤整，也就是要有較窄的震盪及穩定性；第三個是，在第四階段杯柄的部分，回測幅度須在 10 周均線以上，不然我們會視為較脆弱的型態。

當然，我們可以加入成交量考量。在第二和第三階段之間，通常會有一大量出現做突破的動作，在杯柄形成後，要開始進入我們預期大漲前，會有量縮及爆大量突破的現象。

雙重底（W 底）

這個型態的第一隻腳部分，通常是因為前面跌深後，有人認為超跌而開始接股票，造成第一次的反彈，但前方套牢的人太多，在短期反彈後，會有很大的賣壓，因此又將股價向下壓回到第二隻腳的部分，這裡要注意的是，第二隻腳很可能比第一隻腳低一點點，這樣的目的是要淘汰一些信心較薄弱的投資人，而隨後的反彈，可以以 A 點為依據，再突破 A 點價格後，進行買進，也就是圖上的 B 點。

當然，第二隻腳到 B 點間，也會有成交量增加的現象。

Bull flag

這個型態形成前，通常有一段大幅的漲幅，股票在短期內，可能是 4～8周，股價有 100%～120% 的漲幅，而回測的幅度大約為 10%～25%，可能需要 3～5 周。

在大幅上漲後，原本持有股票的投資人，若信心不足，會在旗型回測中被淘汰，這個型態形成後，可能帶來的是 1：1 的漲幅，也就是可能與回測前具有相同幅度的漲幅。同樣的，這個型態也可以搭配量來判斷，在開始回測到下一個起漲點前，都應該呈現量縮的情況，要做突破時，會帶量突破。

Head and shoulders（頭肩頂）

經歷一段漲幅後，有一段獲利了結的賣壓，通常是左肩形成的原因，而在回檔後，股價反彈再創新高，又形成另一波獲利了結賣壓，而且賣壓非常重，股價下跌到比左肩還低的位置，接著又一波反彈，但反彈幅度小，並未突破前高，顯示在前兩波漲幅後，市場投資這檔股票的意願已經下降，因此股價已到頂點，後市可能進入盤整或進入熊市，這裡我們可以以 AB 兩點的連線來判斷是否進入熊市，通常我們稱此兩點連線為頸線，在右肩形成後，若股價跌破頸線，頭肩頂的型態便算完成，投資人宜及早出場或對股票做空。

這裡我們一樣可以搭配量來看，左肩的頂點處通常帶有大量，頭部也同樣會有大量出現，跌破頸線的 C 點處，若伴隨著大量，我們將可以更加確定是熊市的起點。

平底盤整

經歷過一段很大的漲幅，迅速拉回所有漲幅的 10%～15%，最高可能到 50%，並在一定區間內盤整，最大幅度在 25%內，窄幅的波動至少 5～6 周。

這個型態的心理是，在漲多拉回後，長時間的盤整可以淘汰耐心不足的投資人，且下跌後在此窄區間內盤整，代表股價在這價位有支撐，在淘汰不安定籌碼後，個股籌碼穩定，在突破盤整區間後，我們期待出現相當可觀的漲幅。同樣可以搭配量來看，在盤整的期間，量也是呈現縮減的情況，帶大量的突破，也是我們進場的好依據。

三角型態

三角型態是一種盤整型態，第一種是方向較不明確的，但上下震幅縮小，在縮小之後的突破，將表明接下來股價的方向；較常見的是在一個趨勢中，股價進入盤整，在突破後，股價通常會延續先前趨勢。

型態若如上圖 1，代表目前市場多空交戰，未有明確方向，應等到震幅縮小且突破後，再順勢操作。型態如後二圖所示，代表市場上正在製造一種股價到頂（底）的氣氛，以向上三角為例（圖 2），市場呈現價格到一定水平就有壓力，但底部價格卻不斷上升，顯示投資人不願意殺低賣出，也股價在此區間中有支撐；反之，向下三角亦然，看似底部有撐，但頂部價格卻不斷下降，顯示願意承接的人少，代表股價在此區間承壓。

如同其他盤整型態，三角盤整也可以與量共同作用，在盤整期間應該量縮的現象。

Ｖ型

這個型態的形成原因通常是在利空下，投資人有不理性的追價行為，以及恐慌造成快速的下跌，進而使股價有超跌的現象或在底部有重大訊息干擾，使得股價以同樣速度反彈。但這個型態一般對後市的影響並不明確。

這部分一樣可以搭配量來看，通常在 V 的底部會爆出相當大的量。

楔型（Wedge）

這個型態與三角型態相似，但不同的是，三角型態通常延續先前走勢，但楔形通常代表漲（跌）勢已到盡頭。

上升楔形（圖 1）看似股價正在上揚，但每次波動逐漸縮小，代表多方力道減輕，市場投資人隨著股價上揚，對這檔股票的興趣漸減，如此一來，在跌破下檔趨勢線時，就代表這檔標的已到頂點，我們可以在 A 點放空股票；下降楔形（圖 2）也是相同道理，隨著空方力道減少，在突破上檔趨勢線後，我們可以進行買進的動作，即在 B 點買進。

上升楔形在跌破時，通常是急跌的走勢，我們可以在A點就進行賣出，但下降楔形在突破 B 點後，可能會先平盤整理或漲勢緩慢，因此不需要急於在 B 點就立刻進場，可以再觀察一下，才進行買進的動作。

型態學有沒有參考性？

介紹完幾個重要的型態後，為了確保他們的獲利模式，讓我們來做些回測吧！

我們使用目前台股前 15 大權值股的歷史資料來測試，回測區間為 2012.01.01～2015.08.31，從歷史資料中找到相似的型態，再計算之後 7 天的報酬。以下提供幾個例子及績效給大家參考。舉例來說，在 Cup and Handle 最左邊的圖例中，2317 是鴻海（2317-TW）股票代號，型態的起始日是 2012 年 3 月 28 日，型態形成時間是 145 天，dist 是依照圖像辨識的評分方式（數值愈低表示誤差愈小，也就是與比對的型態愈相似，0 表示完全相同），7 days return 指的是形成後 t＋1 個交易日到 t＋7 個交易日的累積報酬率。

從回測中的幾個例子可以看出，歷史真的很有可能重演，用型態來分析雖是可行的辦法，但如何判斷型態是否形成，以及形成的型態是哪一個種類，都是很主觀的判斷，這邊我們用圖像辨識的方法來找出型態，僅是其中一種方式。實際操作上，還是得從經驗中不斷學習，才能做出最好的進出場判斷。此外，搭配量價關係應該可以協助我們做出更準確的判斷。

形態學是市場主力心態的語言

當股價在上下波動時，倘若主力有意操作某檔個股，就會營造出 多頭型態 的樣貌，暗示著市場的投資人：「這檔個股有主力要進場操作，投資人可以多加留意喔！」但實際上也是主力法人要逢低進場佈局股票，所形成的型態喔！

因此投資人可以透過觀察形態學，洞察主力的關鍵心態，作為判斷後續行情走勢的依據！

如果認同歷史將高機率重演，技術分析將有辦法辨識關鍵轉折，那麼型態學就是你在股市廝殺當中的一個重要利器。型態學在股市透露給我們的暗號，你抓住了嗎？

【延伸閱讀】

• 股市中存在哪些型態？這些型態長什麼樣子？教你運用型態抓買賣點！
• 歷史上利率升息的期間，股市都如何變化？
• 均線糾結是什麼？突破均線糾結就是起漲點？假突破怎麼辦？

The post 形態學是什麼？形態學主要有哪些形態？形態學可以看出股市趨勢嗎？ appeared first on StockFeel 股感.

隨著網路資源搜索的盛行，我們不難在許多學術文章（SSRN）或是相關網頁論壇（Yahoo Finance, Elite Trader）裡，找尋到許多適合自己偏好取向的交易策略。因此我們關心的是如何分辨這些交易策略的好壞，以及避免在這過程中犯下一些常見的錯誤，例如存活偏誤 （survivorship bias）、前視偏誤 （look–ahead bias）、資料窺探偏誤（Data-snooping bias）以及對交易成本的考量等，以下一一為大家介紹。

計量交易的流程

下圖為計量交易的流程．首先，交易者會從歷史資料或過去經驗中得到對於市場的知識，將知識量化後發展出交易策略，並使用策略對過去歷史資料做回測，產生對此策略的評估報告．這樣做的好處是，可以確保執行者對策略完全了解，另一方面，若在回測中發現不夠好的部分，也可以及時修正與改進．最後，此策略就可以進入實際操作的階段．而從發展策略到回測產生評估報告的過程，就是傳統投資方式與量化交易最大的差異處。

關於回測的各種知識

首先，是進行回測的平台，以下介紹幾個常用的回測平台：

• 第一個常用的回測平台是 Excel
  資料的輸入、輸出都可在同一張表格上完成，交易人可以輕易地做比較與判讀，但 Excel 的缺點就是只適合用來處理較簡單的模型。

• 第二個常見的交易平台為 Matlab
  Matlab 的優點如以下這張圖所示，它可以輕易的從外部的資料庫匯入資料，並有豐富的數學及統計工具幫助投資者建立較複雜的策略和處理大量資料，但 Matlab 的缺點是測試完策略後，至少到目前在一些的情形下，必須從另外的交易平台做下單。

註：與Matlab較為相似的平台，如「R」、「Python」也是一般常見的使用工具，各有其優缺點。

• 第三個是在國內較為常見的交易平台 Multicharts
  除了適用多種標的資產的交易如股票、期貨、外匯等項目外，簡易的操作方式與其所具備的許多服務功能，像是圖表交易、下單匣、交易追蹤視窗、市場深度視窗、自動化進場/出場與商品代碼轉換等特色所著稱。

另外，在國外更常被使用的交易平台為 Quantopian、Quantconnect、Portfolio123，此三個平台各自擁有相當多使用者，裡面有許多社群分享的交易策略，資源十分豐富。許多量化交易的前置作業，如選定標的資產，下載歷史資料等都能在這些平台上輕鬆完成，各網站的資料匯整連接的都十分完善，使用者只需專注在策略上的設計即可。

選定交易平台後，接著是尋找及使用歷史資料

交易人可以在網路上尋找到大量的免費資料來源，如 yahoo finance、CSI、Chicago Booth 的 CRSP、qanda.com 等，但在使用上述資料時，必須注意幾個要點，避免錯誤觸發交易信號。

1.標的是否有股票分割以及發股利的情況

以（IGE）ETF 做個例子，下表為 2005／6／7～10 的資料，在 8～9 間，該 ETF 做了一次 2 ：1 的股票分割，表格中可以發現兩天的收盤價差將近一倍，這時就需對分割前的收盤價做調整。也就是必須將收盤價除以二。

而下面表格則是 2005～07 年發放股利的狀況，必須針對每一次股利發放計算調整的乘數。乘數計算方式為 ( Prev. Close – Dividend ) / Prev. Close。

根據上述的調整方式，得到下表為調整完股票分割和股利發放後的收盤價，以此收盤價進行回測，才能得到正確的報酬。

2.標的的存活偏誤（Survivorship Bias）

做回測的時候，可能會面臨一個情況是部分標的已經下市無法得到資料，而未將這些資料放進歷史資料中，而得到有所偏差的報酬。舉個虛擬的交易策略為例，買進當年表現最差股票並持有一年。

由上面的兩個例子，可以得知交易人在進行回測使用歷史資料時必須非常小心，以免產生有所偏差的結果。

而如何公平比較不同的策略和不同交易人的結果，Sharpe Ratio 是一個公認較為適合的指標，Sharpe Ratio 衡量的是承擔每單位風險所得到的超額報酬。

3.前視偏誤（Look-ahead bias）

我們使用交易完成之後的資訊會導致前視偏誤，比如以在「當日最低價的 1% 之內買入股票」的策略就有前視偏誤，因為在收盤之前是無法得知當日股票的最低價格，使用有落後期數的歷史數據可以避免這一偏誤的產生。我們能依下列方式檢驗是否存在前視偏誤：

• 第一步驟是使用標的物的所有歷史數據運行程式，將推薦買賣倉位存入一個文件 A。
• 第二步驟是移除最近 N 天(10 天或 100 天)的歷史數據後，再次運行程式，將推薦買賣的倉位存入另一個文件 B。
• 第三步驟是不考慮文件 A 的最後 N 行，比對文件 A 和文件 B 的買賣倉位是否相同？如果倉位不一致，則說明移除的 N 天數據參與了文件 A 的運算，故回測程式有前視偏誤的存在。

4.數據窺探偏誤（Data-snooping Bias）

數據窺探偏誤指的是我們過度優化參數而誇大了回測績效，可分為參數優化和非參數優化兩種。參數優化是指像進出場門檻值，持有期限和回測期限等；非參數優化是指利用開盤價或是收盤價來交易，是否持有過夜，交易標的為大型股或是小型股等。這些類型的選擇往往可以優化回測績效，但對未來績效並不能保證會有好的結果。有三種方法來降低這種偏差：

• 第一種最常見的方法是增加我們的樣本量。
• 第二種是樣本外回測，樣本外回測指的是將歷史數據分成兩部分，用第一部分來優化參數，我們稱為訓練集（training set），用第二部分來做樣本外測試，我們稱為測試集（test set）。

從測試集的損益圖可以看出策略的績效很好，這個配對交易策略在訓練集和測試集上的 Sharpe ratio 都很高，因此，可認為此策略不存在數據窺探偏誤。如果把進場門檻值改為 1 倍標準差，出場門檻值改為 0.5 倍標準差，即在組合價值向下跌破 1 倍標準差時，購買該價差組合，當組合價值上升超過 0.5 倍標準差時，做空該價差組合。在訓練集上的 Sharpe ratio 會上升至 2.9，測試集的 Sharpe ratio 會上升至 2.1。

顯然，後面這組門檻值更好，但並不是所有訓練集上的參數優化都會提高測試集上的績效。這時應該選擇使得訓練集和測試集上的績效都較好（很可能不是最好）的參數。最後還要檢測是否存在前視偏誤。

• 第三種降低數據窺探偏誤的方法為敏感度分析。敏感度分析是指我們在模型參數優化、通過測試集的檢驗之後，透過改變這些參數，來觀察模型在訓練集和測試集上的績效變化。如果績效變化很大，或者說在參數取任何其它值時績效都不佳，模型很可能具有數據窺探偏誤。

5.交易成本考量

例 1：考慮交易成本的均值回歸模型

一個簡單的交易策略：以 1995 年到 2006 年這段期間，我們以收盤價買入前一交易日日收益最差的股票，賣空前一交易日日收益最好的股票。若不考慮交易成本，策略的 Sharpe ratio 等於 0.2510，而考慮交易成本的 Sharpe ratio 等於 -3.1884。因此這個策略是無利可圖的。

策略的改進

首先我們需要注意的是所有策略的改進都要有經濟學原理或者市場的現象作支撐，而不是亂套入些反覆試驗的方法，否則會產生數據遷就偏差。

例 2：對例 1 策略的微小改動

對策略進行如下改動：在市場開盤而非收盤時進行交易，不考慮交易成本的 Sharpe ratio 會增加到 4.43；而考慮交易成本的 Sharpe ratio 會變為 0.78，可以發現這個策略仍有利可圖。

小結

這篇文章主要是以 Quantitative Trading 這本書前三章內容為主，再加上與時下較為常見的交易平台作介紹，希望能讓讀書能對計量交易有初步的了解與認知，後續章節的部份會再陸續與大家分享。

【延伸閱讀】

• 全球領先的Python演算法交易平台─Quantopian
• 配對交易策略之期現套利

The post 從《QUANTITATIVE TRADING》讀書心得學 量化交易 入門 appeared first on StockFeel 股感.

在全球各地，金融產業環境、基礎建設、移動裝置普及率和監管機關態度等，決定了 FinTech 發展的進程，不過整體來說，此領域尚處於快速萌芽期，各式各樣的創新嘗試很多，但完整的研究與分析探討較少。很高興的是，在今年的世界經濟論壇 (World Economic Forum 2015, WEF)，專家們提供了一個金融服務未來發展的輪廓。

世界經濟論壇成立於 1971 年，因舉辦於瑞士滑雪勝地達佛斯 (Davos)，又稱達佛斯論壇 (Davos Forum)，以「致力於改善世界狀況 (committed to improving the state of the world)」為使命，匯聚全球工商、政治、學術、媒體等各領域的領袖人物，討論世界重要的經濟議題。

2015 年 6 月的世界經濟論壇，即針對金融服務的未來，邀請了 197 位來自全球重要的金融業社群、創新社群、學術界以及 FinTech 新創事業等的行業領導者及創新領袖，在香港、天津、波士頓、紐約、倫敦和達佛斯等六個城市舉辦大型工作坊，並在德勤集團 (DTTL, Deloitte Global, 台灣會員事務所為勤業眾信聯合會計師事務所及其關係機構) 的專業協助下，經過長達 15 個月的研究，提供了一份長達 178 頁的詳盡報告 (原始連結)，試圖回答 FinTech 創新所衍生的三個問題：

• 哪些創新對既有金融業的衝擊最大？
• 因為衝擊，既有金融服務的基礎架構、供給方式以及消費行為將如何改變？
• 對客戶、金融機構以及整體金融產業來說，這些改變蘊含了什麼意義？

針對這三個問題，WEF 提供了下圖「六大功能，十一組創新」的明確研究架構，刻畫出 FinTech 可能帶來的明日金融環境樣態。

首先可以看到這個圓被分為六大功能，從 11 點鐘方向開始，分別是支付 (Payments)、保險 (Insurance)、存貸 (Deposit & Lending)、籌資 (Capital Raising)、投資管理 (Investment Management) 和市場資訊供給 (Market Provisioning)。六大功能可看出，創新變化雖快，但人們的金融核心需求古往今來相當一致。

接著可以看到每個功能內的橢圓色塊，正是回答這份報告的第一個問題：哪些創新對既有金融服務產業的衝擊最大？

專家們一共選出 11 個創新項目做為解答，每個功能的創新項目如下表：

這些創新項目有的字面上即可理解，例如支付的「無現金世界」或籌資的「群眾募資」，立刻可以聯想到支付寶、Apple pay 和 Kickstarter、FlyingV 等案例；而有的創新項目則是較複雜抽象的概念，例如保險的「價值鏈分解」或投資管理的「流程外部化」，牽涉到的層面廣，也較難立刻掌握創新核心。

WEF 於是對每一項創新，以 10～15 頁的精闢說明，闡述每個創新發展的背景因素、帶來的嶄新價值，以及在該領域全球領先的 FinTech 新創公司和技術。同時每個創新項目的最後，皆是邀請專家們集思廣益，發想出三個未來可能情境和案例討論，讓我們對於如何迎向 FinTech 的機會與挑戰，有更具體的想像。

在開始對每個創新一一介紹之前，WEF 的專家們綜觀整個研究，歸納出六個關鍵發現：

1. 金融服務的創新是經過謹慎規劃且可以預測的；在目前收益最大，而又使顧客感覺不那麼方便的金融服務，將最有可能遭到 FinTech 的挑戰。
2. 平台化 (platform based)、數據密集 (data intensive) 和資產輕化 (capital light) 等創新模式，將對既有金融業產生巨大影響。
3. 立刻會感受到這些創新衝擊的是銀行業，然而受到影響最大的預計是保險業。
4. 既有金融業者會採取「並行策略」，一方面激進地打壓新進者，但另一方面也會利用既有資源來提供新進者需要的基礎建設和服務。
5. 政府、既有金融業者與新進者將必須多方合作，共同釐清這些創新對於整體產業帶來的正負面風險變化。
6. 破壞式創新不會是一時的，這些不間斷的創新力量將會改變消費者的行為、迫使企業的商業模式和金融業的長期結構做出調整。

以上六點，確實在全球各地已經陸續發酵，而台灣正要開始。

這裡我們將每個創新的關鍵趨勢和摘要彙總在下面六個表格，先讓各位讀者有個基本架構。

讓支付變得更快速流暢，並滿足互聯網時代 / 移動時代顧客的消費行為，是支付創新的核心精神。而在這之中，加密貨幣 (cryptocurrency) 無比高效率的移轉能力是推動它發展的動力。

保險的創新非常有趣，大多來自其他科技領域的跨界。例如共享經濟、自駕車、物聯網 (IoT)…等，這些會使得顧客面臨的風險改變，而評估風險的方式也須隨之演化，這些創新將使保險業的價值鏈發生裂解 (disaggregation)，由多種創新產業共同提供鏈上的價值。

更貼近顧客行為的新金融通路產生，而借貸的徵信方式也隨著互聯網發展有了革命性的做法。當存貸款不再一定要到銀行，銀行必須盡速思考自己的角色。

群眾募資平台正擴大一般民眾能參與的籌資活動範圍，這樣的發展擴大了風險投資市場，拉近供需雙方距離，使得整個經濟生態系統更加富有。

金融投資領域將有更多的流程須交由外部專業供應商來提供，以提升營運效率。也因為這些外部專業供應商的技術，降低了複雜財務管理的進入障礙，讓個人投資者有更好的能力與權力來做決策，使傳統的理財顧問面臨挑戰。

隨著數據處理與演算法的演化，快速回應即時時事的發生將成為交易的重點。而具有互聯網特性的資訊、商品交易平台，使得市場參與者彼此連結增加，提升整體市場的流動性與效率。

細心的讀者可能會發現在 FinTech 創新架構圖中，六大功能、十一組創新之間有多條虛線連結，此為 WEF 萃取出的六個大主題，包括：

1. 流線型設施 (Streamlined Infrastructure)
2. 高價值活動自動化 (Automation of High-Value Activities)
3. 中介減少 (Reduced Intermediation)
4. 數據策略性角色 (The Strategic Role of Data)
5. 專業化利基商品 (Niche, Specialised Products)
6. 賦權顧客 (Customer Empowerment)

這六大主題分別體現在十一種創新之中，例如「中介減少」這個主題可體現在支付：「新興支付」、籌資：「群眾募資」，與存貸：「替代管道」；這些創新項目都是利用資訊科技與互聯網特性，讓原有的金融流程中介參與者減少，進而提高效率，並對既有金融業產生競合關係。關於這些主題的細節，在各個創新的解說中會再為大家提起。

WEF 提出的十一項創新之背景、價值以及目前發展領先的 FinTech 案例和衝擊意涵，為金融科技勾勒出具體樣貌，期望能透過概略的分享，拋磚引玉，讓有興趣的讀者、業內人士、政府相關單位和 FinTech 團隊，能一同從全球經驗來塑造台灣金融產業有競爭力的未來。

Fugle 取得勤業眾信(Deloitte)授權，未經同意不得轉載。

The post 世界經濟論壇－未來的金融服務 appeared first on StockFeel 股感.

有分析師指出，比特幣於 2017 年 12 月初暴漲的原因可能與 CBOE 期貨交易所 (CFE，CBOE Futures Exchange) 於  12 月 10 日 (台灣時間 11 日早上) 開始進行比特幣期貨的交易有關。

比特幣火熱的市場正在參與一場賭注，看比特幣期貨的問世是否能帶動新一波的需求，而這些需求的主要來源是原先不能或不願意在非高度監理的傳統金融體系交易的機構與投資者。比特幣期貨成功的推行，也為比特幣 ETF 明年的問世鋪了一條路。屆時，數十億美元的資金也將進入加密貨幣市場中。

比特幣期貨的問世

芝加哥選擇權交易所 (CBOE) 比特幣期貨於台北時間 11 日上午 7 時正式上路。這是第一個與比特幣相關的主流金融產品，比其對手芝加哥商品交易所 (Chicago Mercantile Exchange) 早了一週。

比特幣期貨問世的頭一天價格就暴漲 26%。彭博資訊報導，比特幣明年 1 月期貨 11 日一度漲破 1 萬 8000 美元，高於開盤價的 1 萬 5000 美元，成交量超過 2、300 口合約。交易員指出，這種商品的初期成交量優於原先預期，反映投資人的濃厚興趣。

CBOE 表示，比特幣期貨的暫停交易機制為：

1. 若比特幣漲跌幅達到 10%，將暫停交易兩分鐘；
2. 若漲跌幅擴大至 20%，將暫停交易五分鐘；
3. 若波動進一步擴大至 30%，則至少暫停交易五分鐘；

在比特幣期貨開始交易的兩個半小時後，就首度啟動了暫停交易機制；四個小時後，又再度啟動了這個煞車機制，以抑制價格的波動。

對比特幣支持者而言，交易所推出期貨商品是比特幣向主流金融靠攏的一大分水嶺，因為能夠測試讓專業交易人員與主流投資人更容易做多或放空比特幣的基礎設施，從而引導其價格走勢。

其實，比特幣期貨在開始交易的頭八個小時合約總價值約為4億美元，遠少於同期約11億美元的比特幣交易金額。比特幣市場目前主要是散戶的天下，且並非所有經紀商一開始叫支持比特幣期貨，考量資本要求交高與風險限制偏嚴，比特幣期貨市場的投資人數可能有限。

在隔週，芝加哥商業交易所（CME Group Inc, CME-US） (CME) 將推出比特幣期貨，倫敦 TF 全球市場公司首席市場分析師阿斯拉姆表示，一旦市場建立得更好，專業交易人員就會在 CBOE、CME 及比特幣本身之間套利，能夠改善定價效率。

比特幣期貨的特性

1. 更均衡的市場

紐約大學史登商學院金融與商業轉型教授 David Yermack 表示：「期貨在標的資產波動劇烈時最為有用，比特幣正好如此。」「這項商品將有可能穩定市場，並藉由人們交易期貨，抵禦比特幣的持續上漲。這是當前市場所缺乏的東西，我期望會有大量投資者對比特幣與其他加密貨幣期貨合約有興趣，例如：以太坊 (ethereum)。」因此，比特幣期貨的問世，可能會驅使比特幣價格下跌，或至少製造一個波動較低、更均衡的市場。

2. 賣空比特幣極度危險

一家名為 Blockchain Capital 風險投資公司的研究主管 Spencer Bogart 警告，賣空比特幣是極度危險的行為。他將賣空比特幣與賣空股票相比較：「在股票市場中，投資人會藉由一些簡單的工具察覺出股價被高估；但比特幣並沒有這樣的判斷方式。

實際上，只有相當少的人與機構擁有比特幣，但對比特幣有興趣購買的人眾多，所以比特幣可以在任何時間輕易上漲。」Bogart 認為比特幣在未來的上漲趨勢會大於下降趨勢。他說：「我不確定期貨會在短期內給比特幣價格帶來什麼影響。但總體而言，我認為比特幣是看漲的，因為這是比特幣邁向制度化的開始。」

3. 比特幣期貨曲線

除了對價格的影響，在比特幣期貨交易開始後，人們也將會密切關注該期貨曲線的型態，大家也會希望了解 CBOE 列出的 10 份不同時段到期合約與比特幣的現貨價格之間的關係。

有些人認為，一開始，比特幣期貨將會發生逆價差，隨後期貨價格會在陡峭上升之後下跌。與其他期貨市場相比，黃金幾乎都處在正價差，期貨價格隨時間長度上升。另一大交易商品石油，會在正價差與逆價差之間波動，取決於市場狀況。與此同時，衡量股票市場隱含波動率指標VIX，在期貨VIX低時通常是正價差，在期貨 VIX 高的時候是逆價差。

CBOE Global Markets Inc. 的全球衍生性商品發展總監 Russell Rhoads 表示：「找出比特幣曲線的唯一方法是就是等待交易開始。」「我一直聽到有人問，『(比特幣)期貨價格和現貨價格的關係為何？』，我只能說『我不知道。』」他總結到：「在過去產品推出之前，我會先做好學術研究，然而先前對新市場的假設總是不準確。」「我曾聽過有人對比特幣期貨交易應該以正價差或逆價差的爭議。但對我而言，最好的策略就是，在比特幣期貨交易之後，看看市場能不能告訴我們什麼。」

比特幣 ETF 問世的可能性

在比特幣期貨問世後，比特幣 ETF 可能會是下一個發行的比特幣相關的衍生性商品。Blockchain Capital 風險投資公司的研究主管 Spencer Bogart 表示：「我認為，一旦比特幣期貨市場發展出高度流動性與健全的市場，我們將會看到以這支期貨相關的 ETF 在 6 到 18 個月內問世。」

事實上，VanEck 已在 2017 年 9 月時已觸動了「比特幣 ETF」的開關，向監理機關 – 美國證券交易委員會 (Securities and Exchange Commission) 提出申請。而當時，SEC 希望 Vanck 可以等到「比特幣期貨」開始能夠正式被交易之後，再思考是否發行比特幣的 ETF，因為VanEck提出申請的the VanEck Vectors Bitcoin Strategy ETF 會以「比特幣期貨」為標的。

另外，也有不少其他相關企業或機構開始蠢蠢欲動，希望能夠發行比特幣 ETF，如 VanEck、Winklevoss Bitcoin Trust (COIN) 、Rex ETFs、ProShares 等。在比特幣期貨發行的近日，或許比特幣 ETF 的未來會有更進一步的結果。

比特幣衍生性商品的影響

這一波比特幣相關商品的熱潮，不只是對市場上金融商品的數量產生了影響，以及可能會驅使比特幣市場的均衡。

另外，也將會開啟另一波比特幣相關產業 (半導體) 的動盪，甚至會影響到黃金相關金融商品的交易量。如此看來，這些將會是值得我們近期注意的商品以及產業。

結論

比特幣近期的波動似乎不小，而從文章中可以了解，許多比特幣相關的商品已經快速的被思考以及申請，或許在不久的將來，市場上就會出現許許多多以比特幣為標的的金融商品。

比特幣不像是一般的貨幣，似乎最大的影響成份為市場的供需，因此比特幣的走勢似乎是更難預測的，要如何在比特幣及其相關金融商品的交易上進行避險，應該會是在這些商品在初期階段一個投資者們以及發行商們可以思考的議題。

參考資料

• Nasdaq — Bitcoin ETFs: More Issuers Join the Race, By Sanghamitra Saha, Zacks.com, 2017/8/25
• etf.com — Bitcoin ETF Plans Hit Snag, By  Cinthia Murphy, 2017/09/29
• etd.com — Bitcoin Futures Raise Complex Questions, 2017/12/08

【延伸閱讀】

• ETF 的分類：一般型
• ETF 的分類：槓反型

The post 比特幣 ETF 即將問世 appeared first on StockFeel 股感.

貝萊德（BlackRock, BLK-US）全球配置團隊的投資組合經理 Koesterich 認為，從業績的角度來看，成長和動量都得益於經濟的緩慢增長。同時，他指出，“川普貿易”的瓦解已經使投資者重新回到那些能夠產生有機增長的領域，主要是科技領域。

緩慢但穩定的經濟也意味著低的經濟和市場波動，這一現象支持了動能。換句話說，緩慢增長和低波動性的結合，使得投資者傾向于有利於市場中與風險偏好相關的部門，而實際上投資者真正想要的是那些能夠在增長緩慢的世界中茁壯成長的公司。

業績表現圖

以Vanguard Growth ETF (VUG) 這個成長 ETF 和 iShares Edge MSCI USA Momentum Factor ETF (MTUM) 這個動量 ETF 為例，他們的表現與其他常見的指標相關，見下圖中的Vanguard Value ETF (VTV), PowerShares S&P 500 Low Volatility Portfolio (SPLV) 以及 Vanguard High Dividend Yield ETF (VYM)。可以看出，這些指標的表現都劣于成長基金和動量基金。

如果通過 ETF 追蹤增長是目標，那麼有一些大型的、流動性好的、來自大型發行人的基金，比如iShares、Vanguard、State Street 和 Schwab。這四家公司在這一領域佔據了主導地位，其中有 18 檔增長 ETF ，其成本在 0.04% 至 0.30% 之間。

這些基金擁有數十億美元的資產——最大的，Vanguard Growth ETF (VUG)，擁有 300 億美元的 AUM，它們今年都在吸收新的資產，其中至少有 6 家資產超過 5 億美元淨資產收入。

表現靠前的成長型 ETF

考慮一下今年增長最快的 ETF 資產：

• Vanguard 成長 ETF (VUG)：今年迄今的淨收入為 8 億美元

VUG研究了6種不同的增長指標，以捕捉美國大型股和中型股的最佳增長。這一投資組合與CRSP指數掛鉤，主要投資科技股和消費股，有 33% 投資在蘋果（Apple, AAPL-US）、亞馬遜（Amazon, AMZN-US） 、Facebook 和 alphabetand 等科技公司。它的成本只有 0.06%。

• iShares S&P 500 成長 ETF (IVW)； 淨收入為 6 億美元

IVW 是 2000 年進入市場。該基金根據三個增長指標 — 銷售增長、盈利增長和增長動量，從標準普爾 500 指數中挑選股票。該投資組合還與技術和消費者自由裁量權有關，兩者共同佔據了 51% 的權重。200 億美元的基金平均每天交易 8000 萬美元。它的費用比率為 0.18%。

• iShares 核心標普美國成長 ETF (IUSG)； 淨收入 5 億美元

IUSG 根據兩種增長指標 — 增長預測和歷史價格／帳面價值，在美國大型、中、小型股中搜索成長型股票。這 26 億美元的投資組合，僅占 0.05% 的支出比例，將近三分之一的股份分配給科技股。

• Vanguard 中型成長 ETF (VOT)； 淨收入 55 億美元

VOT 是一個中型基金，它關注的是投資組合中的幾個增長指標，這些指標傾向於更大、更高的增長名稱。工業部門的風險敞口為 22%，科技股緊隨其後，為 21.5%。這是唯一一種最受歡迎的成長 ETF 中，不是由科技股主導的。Vanguard 擁有 50 億美元的總資產。

• Schwab 美國大型成長 ETF (SCHG)；淨收入 74 億美元

SCHG追蹤了一個道瓊指數，該指數根據美國市值最大公司的 750 家公司的 6 個因素來選擇成長型股票，45 億美元的基金在費用比率上是 0.04%。科技和消費產業占了行業敞口的 50%。

• iShares S&P mid – cap 400 成長 ETF (IJK)；淨收入 10 億美元

IJK 是另一隻從標準普爾 400 中挑選成長型股票的中型基金。該基金尋找銷售增長高、估值高、勢頭強勁的股票。該公司於 2000 年推出，總資產為 69 億美元，目標價格為 0.25% 的費用比率。不像其他的基金，IJK 重點關注工業產業，占比 23%，其次是金融產業，占比 20%。

動量 ETF 的不同

在動量投資領域中，iShares Edge MSCI USA Momentum Factor ETF (MTUM) 佔有絕對性優勢，擁有近 40 億美元的資產，並且，今年已吸引了近 5 倍的資產，成為第二大熱門 ETF 。

其他大型發行者，如 Vanguard 和 Schwab，並沒有在特定的動量投資領域出現。華爾街的動量基金，SPDR S&P 1500 Momentum Tilt ETF (MMTM)，它的總資產只有 2100 萬美元。

在這一領域，它最大數量的動量基金 — 16 個行業或區域特定投資組合。它們都規模較小，其中一些基金實際上在 2017 年出現了淨流出。

主要的動量 ETF

• iShares Edge MSCI USA 動量 ETF (MTUM)；淨收入 14 億美元

MTUM尋找價格穩定上漲的股票。該基金追蹤了一項大型和中型美國股票的指數，根據6個月和12個月期的價格升值和過去3年的低波動性，選擇並加權。該投資組合中有近60%與科技和金融相關。該基金的費用比率為0.15%。

• PowerShares 標準普爾新興市場動量投資組合 (EEMO)；淨收入 7 億美元

EEMO 為投資者提供了投資新興市場股票的機會，投資組合著眼於 12 個月的股價表現，並減去最近一個月，根據波動率進行調整。該基金在 5 年多的時間裡總共擁有 3.7 億美元的資產。此外，科技和金融類股也很占比重，EEMO 的成本為 0.29%。

• Pacer Trendpilot 750 ETF (PTLC)；淨收入 9100 萬美元

PTLC 追蹤了美國大盤股和基於動量的三個月期短期國庫券之間的一個指數。根據 FactSet 的資料，當環境是風險上行的時候，PTLC 提供了進入美國大盤股的機會，並偏向於中型股。科技股和金融股是該基金最大的板塊，總投資組合中有 40% 是投資組合。該 ETF 的總資產為 5.47 億美元。

點評

這篇文章指出了，在目前經濟緩慢增長的情況下，在單因數投資策略下，成長型 ETF 和動量 ETF 擁有較好的表現。並且列舉了美國市場上一些表現很好的 ETF 以及他們的投資策略。這些 ETF 主要關注科技股和金融股。

市場上首先有單一因數 ETF （英文？）出現，這些 ETF 針對長線風險調整後報酬具有吸引力的個別因數進行投資。許多投資人熟悉的因數包括動量、價值、成長。價值型 ETF 關注那些價值在市場上被低估的公司，運用例如本益比（P / E）等指標與市場同類公司相比，找到目標股票。成長型 ETF 則相反，關注那些波動性較大、正在快速成長的公司，希望獲得超過市場平均回報率的收益。

選擇何種 ETF 通常和個人的風險偏好有關。對波動容忍性小的投資者通常選擇保守型的 ETF 例如價值投資 ETF ，而對波動容忍大的投資者則偏向選擇成長型 ETF 。同時，投資目標的時間也是一個重要的考慮因素。一般，投資目標時間越長，能夠承受越多的風險。

• 何時選擇價值 ETF

價值型 ETF 一般投資那些產品會被每天使用的公司，一些傳統的價值股票例如AT&T、寶潔、通用電氣和可口可樂（Coca-Cola, KO-US）等。這些公司採取保守的長期成長策略，並且擁有相對較低的波動率。此外，價值型 ETF 一般會產生穩定的現金流，這些現金流以分紅的方式被發放。分紅作為一個穩定的可預測的收入流，也是 ETF 投資回報的一個主要的方面。

• 何時選擇成長型 ETF

成長型 ETF 一般包括一個核心的投資組合。一些受歡迎的成長股包括 Facebook、Amazon、Alphabet 等，會產生超過平均水準的回報率。但是它們一般伴隨著很大的波動，並且在經濟下行時很容易陷入危機。

• 何時選擇動量 ETF

動量 ETF 一般選擇那些在近幾個月產生很大的價格漲幅，並且在外來的近幾個月這種增長趨勢會延續的公司。動量投資系統性的追蹤那些價格上漲的趨勢，策略的核心就是“追漲殺跌”，那些漲的厲害的股票會繼續漲，那些跌的厲害的股票會繼續跌。因此該策略在市場上行或者市場下行時有效。同時注意，由於該投資提供的回報率是短期的，並不穩定，因此需要比較高交易頻率和交易費用。

Source：http://www. ETF .com/sections/features-and-news/growth-momentum- ETF s-gaining-ground

【延伸閱讀】

• ETF 的分類：一般型
• ETF 的分類：槓反型

The post 成長型 ETF、動能 ETF 表現強勢 appeared first on StockFeel 股感.

ETF 最早的創始是在 1989 年，於美國證券交易所與費城證券交易所進行交易，追蹤的指數是 S＆P 500，但只維持了很短的一段時間便因為訴訟而終止。而隨後 1990 年，類似的商品在加拿大的多倫多交易所開始交易，追蹤的指數是 TSE 35 和 TSE 100，受到了投資人的歡迎，美國也因此開始重視 ETF 產品，並開始研究開發符合美國證券交易委員會法規的內容的規範。

終於，在1993年美國開發出了標準普爾存託憑證 (Standard & Poor’s Depositary Receipts)，又被稱為 SPDRs，由 SPDR 標普 500 指數 ETF (SPY) 在紐約證券交易所 (New York Stock Exchange，英文縮寫 NYSE)上市，正式打開了美國 ETF 市場，並在後來成為了世界最大的 ETF 。

1998 年，追蹤道瓊工業平均指數 (Dow Jones Industrial Average) 的 ETF (DIA)，同樣在紐約證券交易所被發行。隔一年後，納斯達克證券交易所 (National Association of Securities Dealers Automated Quotation，英文縮寫 NASDAQ) 緊跟著發行了追蹤 NASDAQ-100 的 ETF (QQQ)。

要了解美股市場的 ETF ，就不能不提到貝萊德（BlackRock, BLK-US）  公司，是全球最大的投資管理公司，總部設於美國紐約市，也是目前美國 ETF 當中市佔率最高的發行者，達到了 38.2%，旗下的 ETF 品牌iShares發行了美國第一隻債券型的 ETF (LQD)，追蹤的標的是美國國債與公司債。

隨著 ETF 的逐漸擴張，各個種類的 ETF 也被開發出來，供投資人作投資組合上的選擇。截至 2017 年，美國已經擁有了超過2000支 ETF ，依照資產管理規模的前 10 名分別是 SPY、IVV、VTI、EFA、VOO、VWO、VEA、QQQ、AGG、IJH。

我們在此稍微簡述一下前三名的 ETF 。SPY以2385.2億美元的資產規模牢牢佔據著第一名的位子，當中前三大的成分股分別是全球知名的蘋果（Apple, AAPL-US）公司 (Apple Inc.)、微軟（Microsoft, MSFT-US）公司 (Microsoft Corporation) 以及臉書（Facebook, FB-US）公司 (Facebook, Inc. Class A)。

第二名的 IVV 是 BlackRock 公司推出的 ETF ，資產規模達1223.5億美元，追蹤的標的與 SPY 相同是 S&P 500。

第三名是代號為 VTI 的 Vanguard Total Stock Market ETF ，是一個全市場的指數，包含了美國股市的大、中、小與微型股，其績效表現幾乎等於美國股市整體的表現，資產規模達 815.8 億美元，前三大成分股分別是蘋果公司 (Apple Inc.)、微軟公司 (Microsoft Corporation) 以及亞馬遜（Amazon, AMZN-US）公司 (Amazon.com, Inc.)。

台灣 ETF 市場

在台灣，國內的第一檔 ETF 是由寶來投信所發行的，追蹤標的是台灣 50 指數，正式名稱為「寶來台灣卓越 50 基金」，於 2003 年 6 月 30 日在交易所掛牌上市，正式揭開了台灣 ETF 市場的序幕。在 2006 年時，寶來投信又發行了台灣的第二檔 ETF ，以台灣中型 100 指數為追蹤標的，正式名稱為「寶來台灣中型 100 基金」。

隨後，台灣的 ETF 市場開始飛速的成長，發行的 ETF 檔數成倍地增加，礙於金融法規的關係，在發展初期我們只能看見一般型的 ETF ，但隨著市場的需求，台灣也逐漸開放相關法規，各式各樣標的的 ETF 推陳出新，給予投資人多元化的選擇，以下是台灣 ETF 的重要里程碑。

1. 2004 年：台股 ETF 劃分出了市值型、產業型、主題型
2. 2009 年：境外 ETF
3. 2011 年：中國 A 股、美股、日股、韓股、印度 ETF
4. 2014 年：股票槓反 ETF 、商品 ETF
5. 2016 年：商品槓反 ETF 、VIX EIF
6. 2017 年：推出了多元資產 ETF ，如貨幣 ETF 、債券 ETF 、企業社會責任 ETF 、Smart Beta ETF 、REITs ETF

截至2017年的7月，台灣的 ETF 市場中，有台股 ETF 15 檔、海外指數 ETF 20 檔、槓桿反向 ETF 30 檔、商品 ETF 6 檔、債券 ETF 6 檔、貨幣 ETF 3 檔、VIX ETF 1 檔，共計 81 檔，資產規模達 2870 億新台幣，日均成交值 46 億新台幣。

從集中市場的角度來看，2014 年成交市占率約莫 1.88%，到了 2015 年更成長了數倍，來到了 7.26%，並在 2016 年達到了最高峰的9.03%。雖然到了 2017 年的 7 月成交市占率下降至了 5% 左右，我們依舊可以看出 ETF 在台灣市場佔有舉足輕重的地位，未來台灣的主管機關也會努力促使投信公司與指數公司合作，推出國際指數型的 ETF ，進一步擴展台灣的投資環境。

中國 ETF 市場

ETF 在中國被翻譯為交易型開放式指數基金，中國第一檔 ETF 是上証 50 ETF ，是由上海證券交易所將上証 50 指數授權給華夏基金使用，華夏基金管理公司因而成為了中國第一個 ETF 的管理者。

在 2012 年 7 月 9 日，中國首次發行了跨境 ETF ，首募規模達 52.01 億元人民幣，其中包含了兩檔 ETF ，分別是追蹤香港恆生指數的華夏恆生 ETF 與追蹤恆生中國企業指數的易方達恆生中國企業 ETF 。

華夏恆生 ETF 首募期間淨認購金額為 35.85 億元，有效認購總戶數為 2 萬 1504 戶，易方達恆生中國企業 ETF 首募期間淨認購金額為 16.16 億元，有效認購總戶數為 3092 戶。在 2012 年 8 月 17 日結束認購後，兩檔 ETF 隨即在 2012 年 10 月 22 日分別在深圳證券交易所與上海證券交易所上市交易。

原先中國的投資人若直接投資香港股市，會受制於佣金比例較高、每年換匯額度限制、手續繁瑣、實時行情收費等問題，上述的 ETF 則很好的解決了這些問題。它以人民幣計價，可以在交易所之中買賣，也可以進行申購、贖回，大大降低了投資人與投資機構參與香港市場的難度。

時至今日，我們從上海證券交易所獲取的最新資料顯示， ETF 市價總值約莫在 1700 億元人民幣，在 2017 年中，單日最低成交總額是 15.37 億元人民幣，最高更是達到了 61.57 億元人民幣。下列是過去幾年 ETF 市價總值的比較。

一直以來，中國的 ETF 市場一直在穩定的成長，在投資的品項和流動性上，依舊有許多的提升空間，尤其是在當前的市場上，主動式管理的基金所佔的份額逐漸在縮小，而 ETF 的市場份額越來越大，顯見 ETF 依舊會在在未來的投資市場上佔有一席之地。

在投資策略上，原先中國的投資人喜歡以買入個股的方式來進行投資，自從 ETF 的出現後，越來越多人選擇則購買 ETF 以獲取其一籃子成分股的報酬，並且搭配其他國家指數的 ETF 、黃金 ETF 及商品 ETF 作為投資組合， ETF 對於中國投資市場的魔力不容小覷。

【延伸閱讀】

• ETF 的交易機制
• ETF 的分類：一般型
• ETF 的分類：槓反型

The post 美中台 ETF 市場大 PK appeared first on StockFeel 股感.

由於 ETF 以追蹤指數表現為目標，ETF 的報酬會貼近標的指數的績效表現，所以，投資人只要用買賣股票的方式來買賣 ETF，就可以獲得相當於標的指數報酬率的投資績效，交易高效率、資料高透明、操作高靈活、低成本和有效分散風險的指數化投資工具。

由於ETF的便利性，相對於其他而言，ETF 可說是唾手可得的投資標的，因此也廣受投資大眾青睞。

投資ETF有許多好處， 可分為以下幾點敘述：

• 交易便利且流動性高：

ETF 在證券市場掛牌，與一般證券交易規則相同，投資人只需備有證券帳戶即可在開盤交易時段自由買賣。與一般證券不同的是，ETF 在上市之初就能進行信用交易，看好未來趨勢融資買進、看壞未來趨勢融券賣出，投資人能更有效的使用資金；另外，在許多國家的股市有平盤下不得放空的規定，ETF 並未受到相關規則的限制。

因為 ETF 追蹤的標的多為市值較大且流動性較高的股票，ETF 本身也會同樣具備高流動性的特點。

• 成本低廉

一般傳統的基金是主動式的管理，需要頻繁地進行買賣，而ETF這種被動式管理的模式只需要依照指數進行投資組合的變動，使得交易成本較低，所收取的管理費也比主動式管理少了許多，更能省下一筆分析研究的費用。在交易稅上，ETF 交易稅約莫千分之一，僅僅為股票交易稅千分之三的三分之一。

整體來說，我們只需要付出少許的費用，就能夠輕鬆的複製大盤指數的報酬，比起自行去組合大盤指數的成本實在是非常划算的。

• 資料透明化

全球各國所編制的指數成分權重等資訊皆有揭露，資料透明，而ETF本身所追蹤的標的即為指數，投 資人只要上網便能夠查詢到成分股與其佔比，便能夠於投資過程更加精準地預測報酬率。

• 多樣化且資金需求較小

ETF 連結的指數涵蓋各個國家、市場不同產業，範圍廣泛，提供多樣化的選擇，而不像股票或是其他金融商品可能因為國家不同、投資平台不足或是資金不夠而無法交易。另外，由於 ETF 交易方式與證券同，可用小額資金買進低單位數的一籃子股票或標的，讓投資人有更多使用資金的空間。

• 風險分散

因 ETF 的編制方式，投資人買進 ETF 就是擁有了一籃子股票，資金被分散在各個標的上，單一股票的漲跌波動，並不會對績效造成太大影響，有效降低個別公司所帶來的風險與投資組合的波動性，使投資人能夠處在安全的位置上。

• 作為市場上有效的避險工具

過去，期貨被視為一種長期的避險工具，但常遇到各種問題，像是每日平倉、結算、交易價差、交易成本等等。而 ETF 的本質是一籃子股票，可將其當作指數期貨，且多空操作沒有限制，透過 ETF 來進行避險，就不會遇到上述的到期日及轉倉的麻煩，提供投資人更多元的操作選擇。

談了這些關於 ETF 的優點，相信投資人對於投資 ETF 躍躍欲試；但是市場中沒有任何一項投資工具是安全無虞的，投資人還是必須注意投資 ETF 時所需承受的風險：

• 流動性風險

ETF 為開放式基金，雖然投資人並未參與 ETF 增設與贖回的過程，但實際上基金單位會不斷浮動、定期調整增減來應對市場上的動態。流動性風險指的就是，當市場成交量不足或缺乏願意交易的對象，進而導致買進或賣出無法在理想的時間點完成的風險。

• 系統風險

系統風險又稱為市場風險、亦稱不可分散式風險，指的是歸因於某種因素，導致市場上的股票下跌，最終使投資人蒙受損失。投資人可利用投資策略搭配自己的投資組合，避免個別企業的風險；但是大環境變動所帶來的損失是無法趨避的，深深影響每一項投資工具。ETF亦暴露在這一類的風險當中。

• 匯率風險

匯率風險發生於跨國或是跨區域的投資上。當投資人選擇了海外的ETF，由於其屬於外幣計價的金融資產，務必要特別注意匯差上面的損益，有時候匯率的波動會造成獲利的減損。

• 追蹤差異與追蹤誤差

追蹤差異 (Tracking Difference，簡稱 TD) ，指在某一段時間內，ETF 與其追蹤指數之間回報的差異；追蹤誤差 (Tracking Error，簡稱 TE) ，會量度 ETF 與其追蹤標的之間的一致性，並以回報的波幅顯示。

以兩個例子解釋二者所代表的意含：某 ETF 的表現長期大幅度的劣於其追蹤的指數，但差距幅度穩定，可描述為這檔ETF追蹤差異 TD 大、追蹤誤差 TE 小；另一 ETE 的表現則是緊貼其追蹤的指數，但每一時間點的差距不穩定，則可描述為此ETF追蹤差異 TD 小、追蹤誤差 TE 大。

造成上述影響原因有二：一為交易費用，當基金發行商在購買標的成分的時候，需要付出交易稅及手續費，這些支出會被算進 ETF 的績效當中，造成與追蹤指數的偏離；另外則是前文提及之流動性問題，當市場上成交量低或缺伐交易對象時，基金發行商可能無法即時取得標的成分股而造成誤差。

金融市場中，投資金融商品報酬與風險並存，每一項投資工具都有它的好處與風險，本篇文章探討的是投資 ETF 時的優點與風險。最重要的是，投資人心中有一把尺，評量、評估自己能夠投資的工具、資金、可承受的風險程度與可承擔的損失後，再去對照市場上所能夠使用的投資工具，享受投資工具所帶來的好處之外，不能忽視投資可能造成的損失，定期研究檢視標的，並且注意投資標的是否有任何詭異的變動，才能夠掌握自己的財富不至於虧損。

在ETF.com中，提供給了投資人一些衡量ETF的方法，評分的方向主要分成了以下三項：

1. Efficiency (效能)：考量投資者持有 ETF 的相關成本和風險。
2. Tradability (可交易性)：此 ETF 在公開市場中，是否能夠進行公平的交易。
3. Fit (符合)：考量 ETF 與相對應的追蹤標的之間的相關性。

Efficiency 描述的是 ETF 的成本以及風險，當中也有考量到 ETF 發行券商對商品的預期報酬。其最後的分數 (0~100) 會是所有考量項目的加權平均，對投資者影響較大的項目會有較高的權重。

Tradability 描述的是投資者在公開市場買買基金時所產生的費用以及面對的不確定性，預期好的投資標的應具有足夠且穩定的交易量，以供有意願的投資者進行基金的買賣，並在價格上有一定的穩定性。在 Fit 的部分會從基金以及相對應市場基準 (例如：黃金或是石油的價格) 的歷史報酬來了解兩者之間的相關性，如此將幫助我們了解基金建構方法的準確性以及影響。

在這三個方向中，ETF.com 分別會給予 0 到 100 的分數，其中 Efficiency 和 Tradability 都是在衡量投資者的成本，因此 ETF 額外將兩者的分數結合轉換為等地，計算方式為兩者的平均；Fit 的分數則會單獨呈現，因為 Fit 是在告知投資者 ETF 與追蹤標的之間的相關性有多高。

接下來我們介紹兩個例子，分別是 SPY 和 LQD。在 ETF.com 上 SPY 獲得了 Efficiency 98、Tradability 99 及 Fit 97 的分數，其中Efficiency 和 Tradability 的平均取得了 A 級的等地，因此總體評價為 A|97。LQD 的三項評分為 93、96 及 86，前兩項的平均分數同樣了獲得 A 級等地，總體評價便為 A|86。

【延伸閱讀】

• ETF 的分類：一般型
• ETF 的分類：槓反型

The post ETF 投資的好處與風險 appeared first on StockFeel 股感.

ETF (不包含境外 ETF) 的交易單位與股票、認購(售)權證、存託憑證、REITs 一樣都是一千單位，至於境外 ETF 的交易單位則不為 1000 單位，會有個別的規定，例如恆生 H 股指數 ETF (台灣證券交易所：0080)為 200 單位，恆生指數 ETF (台灣證券交易所：0081) 為 100 單位，但以上兩檔 ETF 已經於 2015 年 12 月 9 日下市。目前在台灣市場上唯一一支交易單位非 1000 單位的 ETF 是標智上證 50 ETF (台灣證券交易所：008201)，交易單位是 100 單位。

ETF 市場分為初級市場及次級市場。我們首先從初級市場開始了解，參與證券商若要發行 ETF ，便會拿出 ETF 到市場上換回成分股，若要買回 ETF ，則是由手中持有的成分股交換，這些動作就是所謂的 ETF 實物申購／買回。到了次級市場，交易則採用現金交易，如股票一般透過經紀商下單，價格則由市場的供需方決定，參與的人包含了機構投資者、散戶投資者及參與證券商。

一般投資人接觸到的 ETF 市場便是次級市場，所以接下來我們將深入介紹 ETF 再次級市場的交易機制，以下的表格比較了台灣 ETF 與股票交易機制的異同，讓大家能夠更加輕易的去理解。

經過了以上的介紹之後，相信大家對於如何買賣 ETF 已經有了初步的了解，但投資一定會有風險，在買賣 ETF 前，務必要詳閱公開說明書，再去實際進行操作喔。

現股 ETF 與 ETF 期貨比較

隨著 ETF 市場規模的逐漸成長，新型態的的 ETF 也持續地推陳出新，如槓桿/反向型 ETF ，另外 ETF 期貨的上市也帶給投資人更多操作的選擇。 ETF 期貨具有許多的優勢，像是在槓桿倍數高、交易成本低廉、避險效果佳及多空操作靈活等，以下我們繪製了一個表格，來對比現股 ETF 與 ETF 期貨。

在此我們舉一個現股 ETF 與 ETF 搭配的例子，當進行 ETF 投資時，除了單一購買 ETF 之外，我們還能加入 ETF 股票期貨來進行避險策略。當 ETF 跌價的時候，我們可以賣出期貨避險，以降低持有 ETF 之損失。除了上面這個避險交易策略，尚有投機交易策略、價差交易策略及套利交易策略供投資人採用。

【延伸閱讀】

• ETF 的分類：一般型
• ETF 的分類：槓反型

The post ETF 的交易機制 appeared first on StockFeel 股感.

上一篇的 ETF 分類文是針對一般型ETF，探討的商品都是基於最原創的精神，ETF 以投資一籃子標的資產直接追蹤某一檔指數，並沒有其他的人為加工。本篇延續並拓展了上一篇的內容，我們介紹槓反型 ETF，它包括了兩種特殊形式的 ETF：槓桿型 (leveraged) 及反向型 (inverse)。非常特別地，這些商品近三年來才在台灣市場推出，但卻已攻佔了證券交易所 ETF 八成的交易量，深獲台灣投資人的青睞。

此外，與上一篇相同的是，在應用上我們介紹配對交易，這是一個實務上經常運用到的策略，我們以文中所介紹的產品做實證回測。

槓反型 ETF 分兩類型：槓桿型及反向型

槓桿型的 ETF 為每日追蹤標的指數收益正向倍數的 ETF，我們假設有一槓桿型的 ETF，其槓桿倍數為 A 倍，當標的指數上漲了 1%，該槓桿型 ETF 則會上漲 A%；反之標的指數若下跌了 1%，則該槓桿型 ETF 會下跌 A%，例如 SSO，追求 S&P 500 Index 每日的兩倍績效。

反向型 ETF 為每日追蹤標的指數報酬反向表現之 ETF，假設某反向型 ETF 的倍數為 B 倍，標的指數上漲了 1%，反向型 ETF 則會下跌 B%；反之標的指數若下跌了1%，則該反向型 ETF 會上漲 B%，例如 SH，其投資績效與 S&P 500 Index 的日績效相反。

另外從台灣市場來看，於 2014 年度首次推出槓反型的 ETF，共有 4 支，分別是 T50 正 2、T50 反 1、上証 2X 和上証反 1。T50 正 2 與 T50 反 1 具有臺灣 50 指數單日正向 2 倍與反向 1 倍報酬之績效；上証 2X 和上証反 1 具有上証 180 指數單日正向 2 倍與反向 1 倍報酬之績效。該年度槓反型 ETF 即在 ETF 交易中佔了很大一部分的比例，並且檔數逐漸增加，交易量及總交易量中的佔比皆逐年迅速上升。

有別於一般型的 ETF，槓桿型和反向型 ETF 的倍數與報酬皆是以單日作為基準，在經過了一天之後就會受到複利的影響，進一步地偏離投資目標，因此較適合作為短期持有，但能夠讓投資人有更多的投資選擇，去做多樣性的投資策略。

一般型與槓反型 ETF 的佔比

槓反型 ETF 的標的資產以作為衍生性商品的期貨為主，這與一般型 ETF 標的以基本現貨，如股價、債券、匯率等，相當不同，風險的暴露程度亦有極大差異。因此，在市場上的接受程度上也有所區別。

以美國為例，雖然並沒有精確的 AUM 的數字可以得知一般型與槓反型 ETF 的佔比，不過從 etfdb.com 所記錄之前 100 檔交易量最大、最熱門 ETF 的資料顯示出，槓反型 AUM 的占比僅有 1.29%，這是一個很低的比例。反觀台灣，附圖顯示出，槓反型 ETF 推出的數年間，槓反型 AUM 的占比已逾八成，極有本地特色。

（圖：台灣一般型與槓反型 ETF 歷年成交值）

槓反型 ETF 的交易策略：以配對交易為例

由於槓反型 ETF 的本質是期貨商品，投資人在使用槓反型 ETF 上就可以相當多元。以下列舉一經常使用的交易策略概念：配對交易 (pairs trading)。此觀念可參考延伸閱讀「配對交易策略之期現套利」，當中介紹了指數期貨與指數 ETF 的期現套利策略。

利用兩種商品來組成配對交易，其方法是找一ETF以及該ETF 的反向型 ETF。當看好行情時，買進該 ETF，並把反向型 ETF 持有部位全部賣出；當看壞行情時，把 ETF 持有部位全部賣出，並買進反向型 ETF。不難看出其中的交易邏輯：當 ETF 價格上漲時，持有該 ETF 以增加報酬，而當該 ETF 價格下跌時，賣出 ETF 並買入反向型 ETF 來達到避險的效果，甚至有機會繼續增加報酬。

以下，以追蹤 S&P 500 指數，也是全球交易量最大的 SPDR S&P 500 ETF (簡稱 SPY)，與其反向型 Short S&P 500 ETF (簡稱 SH)來組成配對交易。利用 14 天RSI (relative strength index) 與 20 天移動平均、150 天移動平均、200 天移動平均的穿越作為交易訊號。其方法為當14天 RSI 大於 70 或 20 天移動平均同時向上穿越 150 天移動平均與 200 天移動平均時，買進總資產價值 10% 的 SPY，同時把 SH 的持有部位歸零。

反之，當 14 天 RSI 小於 30 或 20 天移動平均同時向下穿越 150 天移動平均與 200 天移動平均時，買進總資產價值 10% 的 SH，同時把 SPY 的持有部位歸零。關於技術指標 RSI 的意義與使用方式，可參考延伸閱讀「機器學習在演算法交易中的應用— 技術分析」。

將此策略放入 Quantopian 平台上做回測，回測的時間為 2007 年 1 月 1 日到 2017 年 10 月 26 日，初始金額為 1 萬元美金，並把用所有資產放於 SPDR S&P 500 ETF 做為大盤表現。回測的結果是優於大盤，配對交易投組的總報酬為 156.39%，高於大盤的 123.99%，夏普指數為 0.71，年平均波動率為 14%，也低於大盤的 18%，總體來說，算是有不錯的表現。另外，買進次數為 175 次，賣出次數為 31 次，總交易次數 206 次，換言之，平均一年約交易 20 來次，是在可接受範圍內。

另外，在整個交易過程中，在 2008 年金融海嘯發生至 2009 年初，大盤開始回彈時，這段時間因為手中資產主要為 SH，並沒有因為大盤的下跌而導致虧損，報酬反而是呈現上升的狀態。因此，用此策略於 2007 年開始做交易，整體表現是不錯的。

【延伸閱讀】

• 配對交易策略之期現套利
• 機器學習在演算法交易中的應用— 技術分析
• 全球領先的Python演算法交易平台─Quantopian

The post ETF 的分類：槓反型 appeared first on StockFeel 股感.

在上一篇簡介文中，了解到 ETF 發展史以及近年來全球是如何興起了 ETF 的巨風狂潮。本篇接著透過將 ETF 的商品分類，並列舉許多產品的功能，使我們更認識此新興市場，以及如何做聰明投資。

依照 ETF 所追蹤的標的，通常可以劃分成四類，分別是商品型 ETF、匯率型 ETF、股票型 ETF 及債券型 ETF，以下分述之。(以下例子均為美國市場。)

一般型 ETF 分四類：商品、匯率、股票與債券

• 商品型 ETF

這類型的 ETF 追蹤的標的是原物料價格，包含了各式能源、貴重金屬及農產品等。能源的部分有石油及天然氣，例如 USO，追蹤西德州中級輕原油的價格表現；貴重金屬則包含了黃金、白銀乃至於工業用途的各類金屬，例如美國的 IAU，是一檔追蹤黃金市場的 ETF，當投資人買入時，就相當於持有一小部分的黃金；農產品則包括了作物及畜牧業，例如 DBA，投資標的為農產品，追蹤 DBIQ Diversified Agriculture Index Excess Return的績效表現。

• 匯率型 ETF

從直觀上來看，匯率指的便是貨幣之間的兌換，因此匯率型 ETF 主要追蹤的標的就是各國的貨幣，像是美元、日圓、歐元、英鎊、人民幣等…例如 JYN，是一支追求日圓與美元外匯即期利率績效的 ETF，當日圓相對於美元升值，價值就會上升，若日圓相對於美元貶值，則價值就會下降。另外也有些匯率型 ETF 會一次包含多國的貨幣，例如 CEW，追求達到和新興市場各國貨幣兌美元的匯率總報酬一樣的績效表現，包括價差與貨幣市場的利息收益。

• 股票型 ETF

股票型的 ETF 追蹤的標的便是股票市場。根據股票市場，我們又能以地域的方式劃分為三類。首先是全球型，橫跨了世界各區域的 ETF，例如 VEA，是投資美國以外的已開發與新興市場。

依據 2017 年六月底的資料，VEA 投入的前五大國家分別是日本、英國、加拿大、法國與德國。另外 VWO，追蹤的指數是 FTSE Emerging Markets AllCap China A Inclusion Index，包含了全球三大新興市場區塊，包括拉丁美洲、歐洲與亞洲新興市場，前五大國家分別是中國、台灣、印度、巴西、南非。

再來是區域型，範圍則是在各大洲，如北美洲、亞洲、歐洲、拉丁美洲等；最後就是只在各國自行做交易的單一國家型，例如 VOO，追蹤標的是 S&P 500，是記錄美國 500 家上市公司的股票指數，另外還有 VB，追蹤的是 CRSP US Small-Cap Index，成分分佈主要是中型股 38.01%、小型股 51% 及微型股 10.63%。

股票市場又依照其產業類型有不同的劃分，像是金融業、醫療業、能源工業、電信產業及交通業等，我們也能夠依照此方式對股票型 ETF 做劃分。VNQ 就是其中的一個例子，其追蹤的標的是 MSCI USREIT Index，包含了超過美國三分之二以上的不動產投資信託市場。

• 債券型ETF

債券依照投資的風險能夠區分成各種等級，從政府發行的公債到公司債等，這個部分我們不細究其分類，我們來稍微比較一下股票型 ETF 和債權型 ETF。

股票型 ETF 追求的是長期的資金成長，從股票的上漲中來獲取利益；債券型 ETF 則是透過配息來獲利，穩定的獲取定期分配收益。由上述可知，債券型的 ETF 風險較股票型的ETF來得低，但是獲利也會較低。以下列舉幾檔債券型的 ETF：

1. MUB 追蹤的指數為 S&P National Municipal Bond Index，該指數包含的標的為美國市政府債券；

2. LQD 追蹤的指數是 iBoxx US Liquid Investment Grade Index，是衡量美國公司債市場表現的指數；

3. BIV 追蹤 Barclays U.S. 5–10 Year Government/Credit Float Adjusted Index，包含的債券以中長期為主，主要為美國公債、投資級的公司債、以及美元計價的國際債券，並且到期年限在 5~10 年之間；

4. TLT 則是一支追求 Barclays Capital 20+ Year US Treasury Index 績效為目標的 ETF，該指數為為衡量美國 20 年期以上的公債市場績效之指數。

上述的幾種 ETF，我們統稱為一般型 ETF，表示他們是 ETF 最原始的狀態，直接去追蹤其中的一籃子標的，並沒有其他的人為加工。下一篇，我們將繼續介紹兩種特殊的 ETF：槓桿型 ETF及反向型 ETF，這些商品近兩年來才在台灣市場推出，但已攻佔了 ETF 八成的交易量，深獲台灣投資人的青睞。

ETF 聰明投資術：分散、分散、再分散

以上林林總總的商品，要如何實際的應用在投資面呢？藉由現代科技之賜，機器選的  ETF (實為一些電腦程式演算法) ，可以做為相當穩健的參考。

以下考慮一檔 ETF 投資組合的績效表現 (資料來源 https://www.tradingvalley.com/app/product-detail/growth) ，這是一檔成長型投資組合 (growth portfolio) 。它將投資期間的配息進行再投資，投入了原本的投組。回溯測試顯示，從 2006/7 到 2017/9 以來的平均年報酬率為 11%，同期間 S&P 500 指數平均年報酬率為 6.15%。另外用來衡量風險程度的波動率，此投資組合為 11.74%，相較之下 S&P500 的波動率為 19.92%。以上數據說明了此成長型投資組合將能夠產生比投資 S&P500 指數更為穩定的報酬。

此表顯示成長型投資組合的中所納入標的 ETF 代號 (symbol)，屬性(Category)，以及權重 (Weights)。可觀察到投資範圍涵蓋美國股市 (USEquity)、外國股市 (Foreign Equity)、固定收益 (Fixed Income)、以及原物料 (Commodity)，而當中所投資的 ETF 都是文中已經介紹過的資產。雖然投組納入了僅十檔的 ETF，但從各追蹤指數所連結到的股票、債券、原物料等標的資產的數量，卻有成百上千那麼多，分散風險的程度令人咋舌，絕非一般共同基金投資組合所能比擬！

至於可不可以應用到台灣的 ETF 市場呢？原則上是可以，但因台灣證交所目前所發行的 ETF 還不夠多元，投組的績效就會受影響，有興趣的朋友們可以參考網站。

至於這檔投資組合是如何產生的？它乃是根據機器人理專 (roboadvisor) 的辦法，其標榜的優勢在於：低風險、穩健報酬、低門檻與低手續費。相關細節以及更多關於 ETF 的交易策略以後會另撰系列專文介紹之。

【延伸閱讀】

• ETF 簡介 – 最熱門的投資商品
• 投資 ETF 必知的 10 大準則

The post ETF 的分類：一般型 appeared first on StockFeel 股感.

隨著時代的進步，社會對於投資理財的需求越來越大，新聞媒體中也充斥著許多市場資訊，諸如外幣、黃金、外匯、有價證券等許多金融產品可供投資人選擇。

然而投資伴隨著風險，想要獲取較高的報酬便需要承擔較高的風險，對於剛接觸到投資領域的人，往往會沒辦法從琳瑯滿目的項目中找到適合自己的投資產品，更需要時常擔心因市場的變動而承擔莫大的損失。接下來，本文將介紹一款金融產品，能夠幫助投資人免除選股的煩惱，更能夠分散投資風險。

ETF 歷史

ETF ，英文全名是 Exchange Traded Funds，台灣翻譯名稱是「指數型證券投資信託基金」。不論是在時間上對短、中、長期的投資期間來說，或是空間上對股票、債券、外匯、原物料等市場廣度來說， ETF 絕對是全球近二十年來最成功的金融創新之一，相當值得大家關注。

要了解 ETF ，便要從證券交易市場開始說起，以股票為例，股票是一種有價證券，是公司在籌資階段發給投資人作為公司資本部分所有權的憑證，這些投資人被稱為股東，能夠獲得股利，並分享公司成長所帶來的利潤，而股票市場便是指股票發行、買賣、交易的地方。

隨著證券市場多元化的發展，後來衍生出以交易一籃子股票、債券等的證券投資基金，也稱作「主動式基金」。具有上百年歷史的這項傳統投資工具，它是按照利益共享、風險共擔的原則，使得原本分散的投資人透過基金的銷售，將手上的資金集中起來，委託專門的機構或專業經理人統一進行管理與運用。大家所耳聞的共同基金(mutual funds)就是主動式基金的一種商品，其價值由操作基金的團隊績效所決定，通常一天只有一個報價可供交易。

為了能夠更好的衡量經濟的變化，於是有了市場指數的出現。它是由專門的機構編製，用以表明某一市場變動的資料，比較常見的指數有道瓊指數、 S&P500 指數、英國富時 100 指數、美元指數、上證指數、台灣加權指數等。由於這些指數常被作為基金投資績效的比較對象，與指數連結的基金因應而生。

什麼是 ETF

本文中我們所介紹的 ETF 就是一種能夠自動追蹤上述指數的漲跌變化，並且可在證券交易市場中像股票一樣被交易的基金，因此價格由證券市場決定。相對於由專業團隊所發行的主動式基金，具有自動化性質的 ETF 常被稱為「被動式基金」。

由於投資人可能無龐大的資金去購買如此多的股票， ETF 便提供了他們一種新的投資管道， ETF 以持有與指數相同的股票為主，並且將它切割成一小份的投資單位，再去發行受益憑證，使投資人能以較低的單價去購買一個與指數相同的投資組合。

原本是用以表示市場趨勢的指數，透過證券化的過程，變成了能夠像股票一樣在市場上交易的 ETF 。這個證券化的過程，指的是投資人不用傳統的方式去購買一籃子股票，而是以擁有某一比例標的的受益憑證來進行間接投資。

最後，提供一個小花絮。當 ETF 追蹤指數時，必須支付指數授權費給指數編製公司，當指數化投資資產越來越龐大時，編製指數亦成為了一門生意，吸引了許多公司加入，例如摩根史坦利（Morgan Stanley, MS-US） (MSCI)、富時 (FT)、道瓊 (DJ)、標普 (S&P)、羅素 (Russel)、湯森路透 (TR) 等指數公司。而 Vanguard，美國最大的基金管理公司之一，就曾經在 2012 年 10 月 2 日更動了旗下 22 檔 ETF 所追蹤的指數，目的就是為了要節省指數授權費用呢！

ETF 新發展

下圖標示了從 1998 到 2016 年以來，在美國所發行之 ETF 和共同基金的資產管理金額 (AUM, asset uner management) 。可以觀察到 ETF 的成長驚人地接近 160 倍，而同期共同基金增長約 3 倍。

不過以規模來說，共同基金仍至主力，即使到2016年 ETF 仍約只有共同基金的六分之一，這個比重預估在未來會持續上升。另國際上最新資料亦指出，全球 ETF 所管理的資產總規模，已從 2009 年的一兆美元，成長到今年四月份的四兆，預計在 2020 年將成長為十兆。

由於沒有跡象顯示出主動式基金的績效得以超越大盤，被動式基金 ETF 狹持著追蹤大盤指數的低費率，良好的稅務效能，以及如股票一般可做日內交易等優勢得以快速增長。尤有甚者，預計將在 2018 年 1 月完全生效，由美國勞動部所頒發的「信託規定 (fiduciary rule) 」要求理專與基金仲介商在服務投資人的退休與 401 (K) 帳戶時，必須以客戶的最高利益行事，不得推薦不是最便宜或不是最好的選擇給客戶。在這股新動能的推升之下， ETF 無疑是當今最值得重視投資標的！

（Data Source: Statistica.）

【延伸閱讀】

• ETF 投資 初心者攻略
• 投資 ETF 必知的 10 大準則

The post ETF 簡介 – 最熱門的投資商品 appeared first on StockFeel 股感.

IMF 在今年 4 月 19 日發佈的「全球金融穩定報告」中，提到中國信貸快速成長使得金融穩定風險不斷增加。在該月底，中國主席習近平指出要堅決守住不發生系統性金融風險底線，維護金融安全和穩定。相對地，上週美國聯準會 (Fed) 主席葉倫 (Yellen) 表達從 2008 年的金融海嘯以來，美國金融體系更加安全，而他們也有能力察覺出類似的危機。

穩定金融系統的議題，一直嚴峻地考驗著各國央行的經驗與智慧！隨著金融市場的國際化，以及體系風險的升高，是否中國會成為繼全球金融危機、歐債危機之後的一個隱憂？

體系風險的內涵

回顧 2008 年，由美國次貸危機所導致的金融海嘯，造成全球經濟上不可估量的損失。當時的危機由房地產業引起，進而透過資產證券化、信用衍生品的推波助瀾，將風險如滾雪球般放大並散布到整個金融體系。後果是百年投資銀行雷曼兄弟 (Lehman Brothers) 破產，美國保險集團 (AIG) 等許多金融機構必須接受政府的救援計畫，甚至對全球經濟造成了破壞式的影響，經濟活動極度萎縮。

當時金融界反思，亟需強化風險管理，因此 2010 年，參議院通過陶德-法蘭克 (Dodd–Frank) 法案，要求華爾街進行金融改革，依託此法案，美國財政部成立了 Office of Financial Research (OFR) ，其任務在於研究金融體系及機構的穩定性，提高金融資料的準確性、公開性，以及對現有監管、法案或金融研究的不足等問題進行探討。

同年，歐洲議會成立歐洲體系風險委員會 (European Systemic Risk Board) ，旨在促進歐元區金融體系受到進一步的監管。

本文將 Systemic Risk 譯為金融體系風險，以強調並便於區隔系統性風險 Systematic Risk。前者，金融體系風險是指整個市場或系統出現了停滯、不穩定的狀態，乃至於崩潰。後者，又稱作市場風險，則是一般人熟悉的觀念，強調由某事件、政策、或是天災等因素，導致股票市場出現萎縮，且此風險無法透過交易手段加以分散。明顯地，無論從廣度與深度來看，體系風險顯然都具有更大的殺傷力。

前述之金融海嘯是體系風險的典型案例！相對地，例如在 1995 年破產的霸菱銀行 (Barings Bank) ，當時由於一位交易員的投機交易，導致了 8 億英鎊的鉅額損失，造成當時匯率跌至新低，倫敦以及世界股市出現暴跌，這個事件則可視為系統性風險。

識別金融體系風險

金融體系風險傳播範圍之大、影響之深使得各國央行與監管單位不得不重視。如何識別體系風險的產生並監控其發展動態？是否可能在危機出現的前、中、後其為政府提供預警、救市金額、持續期間等決策資訊，而非亡羊補牢？

現任美個紐約大學商學院波動率研究所的 Robert Engle 教授，也是 2003 年諾貝爾經濟獎得主，倡議以評估大型金融機構在未來資本短缺的數量來衡量金融體系風險，並建立一指標 SRISK，他已將全球各金融市場納入風險評估，並以公開透明的方式呈現給世人參考。由於金融機構的資產負債表所反映的是歷史資訊，SRISK 強調對體系風險的衡量需加入未來的預期變數，因此注重在一定條件下機構之間的交互作用，以辨識體系風險。

據此量化模型並採用演算法，我們可評估大型金融機構在未來一定條件下，可能出現資本短缺的情況，並以具體數字呈現必要時的救市金額參考。如圖為美國金融業自 2005 年 7 月到 2016 年 7 月 SRISK 的整體結果，包括以商業銀行為代表的 Deposits (藍色) ，券商代表的 Brokers (橘色) ，保險的 Insurance (灰色) ，以及相關周邊單位 Others (黃色) 。

自 2005 年 7 月到 2007 年 7 月，美國金融業整體的預期資本短缺在 2、3000 億美元左右。從圖中可以看出此期間大部分的體系風險來自的證券部門，如高盛（Goldman Sachs Group, GS-US） (Goldman Sachs) 、摩根士丹利 (Morgan Stanley) 、貝爾斯登 (Bear Stearns) 與雷曼兄弟。次高的系統風險來自‘其它’部門，如兩房 — 房利美（Fannie Mae, FNMA-US） 與房地美（Freddie Mac, FMCC-US） 。

自 2005 年起 SRISK 就顯示這些體系風險逐步上升，特別是美國在 2008 年 10 月 3 日所實施的問題資產救援計畫 (TARP) ，其 7000 億美元的金額也符合顯示在圖中的預測規模。

金融海嘯之後，美國展開了一系列的救市計劃，從 2009 年至 2014 年，共分別實施了 3 次量化寬鬆政策。

2008 年 11 月 25 日開始第一輪量化寬鬆 (QE1) ，至 2010Q1 結束，一共投入了 1.725兆美元。QE1 結束后，道瓊指數上漲，失業率居高。2010 年 11 月至 2011 年 6 月，美國實施了第二次量化寬鬆計劃 (QE2) ，投入 6000 億美元，經濟維持正成長，但是失業率仍高，CPI 指數開始升高。2012 年 9 月至 2014 年 10 月推行了第三輪量化寬鬆 (QE3) ，就業市場開始好轉，物價持續上漲。

QE1、QE2 的時間與規模與我們預測的資本短缺數量大致吻合，但是 QE3 的規模就遠超過預期的資本缺口，一般認為這與後來股市或商品價格大漲的情形有相當關聯，也就是救市的錢成為了熱錢，流竄於全球。

去槓桿降體系風險？

俗稱黑色星期一的 2015 年 8 月 24 日，上證指數收盤暴跌 8.48%，同日全球股市全面下跌，香港恆生指數下跌 5.17%，日經指數下跌 4.61%，英國 FTSE100 指數下跌 4.67%，美國道瓊指數下跌 3.12%，而台北股市盤中跌幅逼近 7.5%，創下台股有史以來跌幅最大紀錄。

雖沒有引起體系風險，各界對中國金融機構的疑慮甚高！之後中國採取了一系列的救市與監管措施，包括了熔斷機制 (因成效不彰，已於 2016 年 1 月取消) 以及持續的去槓幹化等作為，極力維護金融市場的穩定。

去槓幹化常是央行或監理單位對金融機構降低曝險的有效措施。分析顯示美國大型金融機構自 2008 年以來平均槓幹幾乎降了一半，體系風險指標 SRISK 有效下降逾九成。最近幾年中國金融系統的槓幹值與 SRISK 均略有下降，然而因其金融業的體量持續增加，SRISK 仍然處於歷史上較高的水準，市場必須持續關注其未來的變化。

結語

金融體系風險的產生帶給全球市場極深刻的教訓，造成經濟活動嚴重的停滯甚至倒退，

這促使政府必須遏止其再次出現。然而有時制定的政策、監管本身下藥過猛，反而不當的激勵金融機構，對全球經濟未必是好事，我們可以從美國 SRISK 的變化以及對照 QE 救市政策有所觀察。過去幾年內，金融體系風險是一門顯學，其量化方法的發展突飛猛進，目前已經能夠普及性與即時性的針對全球金融市場，進行動態的監測，成為央行、監理機關甚至是投資機構的參考。

美國聯準會主席葉倫於 6/27 日在倫敦聲稱，在「我們有生之年」應不會再經歷另一波金融危機！若從以 SRISK 衡量體系風險的觀點，數據顯示近期美國大型金融機構預期短缺水準達到新低，金融體系穩定性較高；中國的體系風險近來雖有下降，然而有效作為仍需持續注入，以期達到一個更加穩定的狀態。

【延伸閱讀】

• 寫在 2008 年金融海嘯前的先知文 教你如何觀察市場即將觸頂
• 巴菲特寫在 2008 年金融危機恐慌時的經典好文

The post 金融體系風險的再現？ appeared first on StockFeel 股感.

金融機構在此時就扮演很關鍵的角色，提供媒介讓資金能給需要的人，增進流動性，提升社會福利，以上是從個人資金需求的觀點來說。如果是企業、新創公司等需要較大的資金需求，除了向銀行借錢之外通常會考慮舉債或股權增資的方式來擴大規模。

企業貸款增資？Private Placement Offer？從創業者的角度出發

企業在草創之時，常常需要大量的資金以及需要一些營運上的指導，起初企業資金需求還不會那麼的高，所以有資金需求通常會向公司經理人的朋友、家人等借款，更甚者，會向銀行的企業金融部門貸款。

然而隨著企業規模愈趨擴大，企業開始需要擴大生產、研發等單位，資金需求也會越來越高，這時候企業通常會開放將公司一定比例的股份售出給一些具有較高淨資產的私人投資人，我們稱這些投資人為天使投資者 (angel investors) ，以及如創投基金之類的機構投資人進行注資，此時因為對於企業的不確定性也較高，通常這些機構投資人會採用播種 (seeding) 的投資技巧，以中量的資金供給確保機構持有達到一定比例的股份，但是投資總額風險可以調整到可以接受的範疇。

而在數個播種輪結束之後，公司資金需求若又提高，此時便會考慮將公司在次級市場中上市，舉行IPO (Initial Public Offering) 。而IPO的同時，通常便是這些私募基金、創投將起初的投資份額獲利了結的時候。畢竟如果是一家話題性十足的公司舉行IPO，如 Facebook，它們所公開標售的股價，通常是溢價發行的。

而常在此階段，若企業有多餘的資金需求或是營運不善，就會有私募基金、投資銀行介入，買入持股影響公司決策，視私募基金的性質以及長處，通常會有不同的手段來使這家公司更好，如重構 (restructure) 、收購與併購 (merger and acquisition) 等常見的做法來幫助這家公司改善現有問題。在此我們整理出一般創業募資的流程如下圖，不再深入的探討從 PE/VC 層面出發的技術性的財務評估。

Fintech－What to expect？

Fintech，顧名思義就是金融與科技做出結合，使金融服務變得更有效率，提升了生活的水準及服務的品質，甚至大幅度的改變現有的服務結構。

且看看前一段所敘述的內容，提到了借款、存款等個人金融的行為。在網路普及化的現在，借款、存款也變得相當的方便。人手一台手機，隨時隨地的都可以用手機的行動 ATM 管理自己的金錢與帳戶，甚至可以隨時隨地的管理自己的投資活動，比如許多商業銀行所提供的行動 ATM APP 中就有提供目前帳戶的投資內容以及績效等等的評量，不再需要像從前為了要買金融商品還得臨櫃購買那樣耗時。

除了個人資金管理上的革新，資金流動的過程也有很大的變革。從原先由金融機構所主導的借貸，進化到了最新的 P2P 借貸等方法，直接地將中介的成本降低之外，更使群眾募資等人們十年前絕對想不到的主意開始萌芽。

而群眾募資的出現使得對小資本的個別投資人而言，是第一次大家可以親手接觸到創投基金的業務的機會。如此的產業變化，一定會大大的衝擊目前業內的從業人士，然而對於創業者而言，是提供自己擴大公司規模以及資本更好的方法。

金融創新仍然在進行中。我們都值得一個更美好的世界，一個更便利更簡單直覺的世界，而Fintech就是一個協助我們達到此一目標的方法。未來，無論是在投資、儲蓄等等，Fintech 都將伴隨著我們。然而近年Fintech創業者要如何獲得資金呢？目前除了傳統創投外另外還有 Corporate Venture Capital & Initial Coin Offering。

Corporate Venture Capital (CVC) ：P2B (Peer-to-Business) 募資的變形

Corporate Venture Capital，文字上可能看不太出和創業投資 (Venture Capital) 不一樣之處，實質上主要在於 CVC 是由大公司直接注資的子公司來評估創業投資的標的，而不是透過外部的創業投資團隊。最著名的 CVC 團隊舉例而言有：Google Ventures、Intel Capital、Johnson & Johnson Development Corporate、鴻海（2317-TW）策略投資部門。而 CVC 的投資相對較為持久，從新創企業的觀點而言，是一個更好更穩定的募資來源……是嗎？

答案實在不能過於武斷的說好或壞。從上一段，我們可以知道實際上有很多 CVC 團隊是屬於科技業、生技業以及 FMCG 產業。他們能給新創公司資金，甚至是大小從法務到專利上的協助，但都是有其目的。

如果說傳統 Venture Capital 著重的是你在財務上的前景 (也因此多半會選擇在五年左右的時間 IPO 或出場) ，那麼 CVC 除了對於財務前景要求較為寬鬆之外，其實更加著重的是對於新創公司的「策略性」，意即此新創公司在未來能否對其母公司帶來戰略上發展的機會，用句行話就是評估未來若要走上併購此新創公司，這個交易所帶來的綜效 (Synergy) 多寡。

若經過評估綜效高，能在早期以低成本的價格，也就是在公司價值尚未一飛衝天的時候就能夠入股，將大大節省母公司的未來現金流。因此若新創公司選擇透過 CVC 來籌資，建議將未來發展納入考量，並且綜合考量企業現實的需要，如專利、RD 等層面的需求來取用 CVC 資源，也許會比起透過傳統 Venture Capital 取得資金來得有效率。

ICO (Initial Coin Offering) ：群眾募資的黑科技進化版

ICO，也稱 Token Sale，相對於 IPO (Initial Public Offering) 絕對是新穎的概念。ICO 源自於最新的區塊鏈 (blockchain) 技術 (其又源自於 cryptocurrency 技術) ，並加上了許多群眾募資的觀念、技術，成為了未來新創企業擴大規模又不用承擔喪失經營決策權的風險。

如同 IPO，ICO 實際上也是將一定比例的公司權益發售出去，然而最大的不同在於 ICO 使用的是加密貨幣來發售，精確來說叫「代幣」，代幣很像股票，但是偏向特別股的性質，因為不具有投票權，此外代幣的最小交易單位通常在小數點下 4-8 位，因此適合小額投資。

特別的是 ICO 面向的是對於公司特定方向有興趣的個別投資者，而非單純將公司的價值決定於財務上的數字面向普通的投資人，也就是 ICO 更像群眾募資的特色之一。然而，ICO 並不是群眾募資，ICO 的參與者本質上還是投資人，期待新創公司帶給他們投資回報而非單純如同群眾募資時代常見的 Donation-based 而是 Equity-based，也因此 ICO 也可以被理解為 Crowdsales。

如何投資 ICO？

• 通常 ICO 案件會在各大媒體平台發布消息，此外也可以透過社群網站 (Medium、twitter、Reddit、Facebook等) 了解該計畫的團隊與內容
• 前往該計畫網站，了解計畫內容，查閱所謂的交易白皮書 (White paper) ，裡面詳載公司運作模式與技術架構
• 下載該 ICO 指定加密錢包 (Cryptocurrency wallet) 來儲存自己的 token。

ICO 的出現，其實是奠基於加密貨幣技術的演進。從最初而言，是加密貨幣公司所釋出的募資方案。加密貨幣公司會使用白紙黑字來訂定與目標貨幣之間的交換合約，其中會說明此一方案所需要達到之最少募資額以及方案所希望運用資金達成的目標。若募資不及最低水準則宣告募資失敗，目標貨幣會被發還給投資者。

其中最成功的例子，便是 Ethereum，以太坊在 2014 年以約 6000 萬以太幣募得約 3 萬 1500 比特幣，以現在的幣值而言市值約折合 3700 萬美元。以太坊之所以成功在於他們開創了智慧合約的加密貨幣功能。

智慧合約更加的擴大了加密貨幣在募資上的優勢與便利性，運用 Token 機制取代稍傳統的加密貨幣交易機制 (#ERC 20，https://github.com/ethereum/EIPs/issues/20) ；運用潛在的可套利性質對於幣值穩定起了市場作用。此一優點也吸引了機構如 Microsoft 的支持、J.P. Morgan、蘇格蘭皇家銀行等金融機構採以太坊的架構為藍本，開發私人區塊鏈帳本。

儘管現在 ICO 募資的主要社群來自加密貨幣族群，在未來技術以及合約標準化過程臻於成熟之時應用在相對較為一般性的新創公司可說是指日可待。

而事實上，ICO 對於投資人而言是個機會，也可能是個巨大的風險。目前整個加密貨幣市場還很年輕，由於加密貨幣本身的分散性與抗監理性，加上許多金融監管機制、信用評等、法律機制也尚未定型，使得 ICO 很可能成為公開詐欺的一個工具。

最後還因為網際網路本身的間接接觸性質，投資人不能直接面對面的感受到新創團隊的動機以及是否可信。因此對於潛在投資人而言，必須要非常小心的審視投資的標的以及控管自身投資的曝險程度。

你還在為你的新創團隊缺錢而煩惱嗎？希望這篇文章可以給你更多的啟示以及想法，也期待你可以不吝將你的經驗分享給大家！

【延伸閱讀】

• 群眾募資─向全世界兜售你的新點子吧！
• 什麼是藝術？群眾募資與專家觀點驚人一致

The post Banking－源自於需求而生的行為 appeared first on StockFeel 股感.

隨著科技的進步，本來需要很多人力的活動逐漸開始自動化，而這股風潮也擴散到了金融業。在證券交易所裡，原本大廳塞滿交易員的情況已經不復見，取而代之的是越來越多的工程師加入了金融自動化的行列，以數據為根據的量化交易打著理性交易的大旗逐漸成為市場主流，可見數據扮演著多麼重要的角色，本文所要介紹的就是一間號稱金融數據界的維基百科 — Quandl 。

起源

Quandl 在 2013 年由 Tammer Kamel 和 Abraham Thomas 兩人創立，他們本是避險基金的工程師，主要的工作就是跟數據打交道，包括獲取數據、清理數據等等。

某天，在結束一連串繁複的數據處理流程之後，他們突然有個想法 –『如果有一個金融數據的維基百科該有多好？』這個突如其來的靈感就成了他們創業的開端。經過幾輪募資以及發展後， Quandl 現在已經擁有超過 10 萬使用者，並以路透、彭博等老牌數據供應商為目標繼續成長中。

優勢

Quandl 的優勢是什麼呢？經過整理大致有以下幾點：

1. 便宜及客製化：

Quandl 的產品是為數眾多且涵蓋範圍不同的數據源，他們提供服務的方式就是使用者根據需求選定特定的數據源並以月租或年租的方式付費。

當然 Quandl 也有提供一些免費的數據源供有興趣的人做使用，但這類免費數據源的資料來自比較不準確的地方，可能會有資料錯誤或缺漏問題，如果需要可信度更高的資料還是要付費。使用者可以透過上 Quandl 官網搜尋數據源的方式，自己組建出一個適合自己策略的資料庫。

2. 支援多款程式語言的 API：

Quandl 幾乎支援市面上常用於分析資料的程式語言，例如 Python、R、Matlab、Excel……以往在資料下載完之後還需要透過繁複的步驟才能把需要的資料格式處理好，但如果使用 Quandl 的 API 只需要簡單的一行程式碼就可以將使用者想要的資料以使用者需要的資料格式輸出，一些簡單的設定選項如下：

• 資料庫以及標的：可以透過輸入資料庫以及標的代號的方式交叉使用不一樣的資料庫已輸出需要的資料。
• 時間：可以藉由輸入開始時間以及結束時間來抽取使用者所需時間之內的資料。
• 資料頻率：使用者可以決定要輸出日資料還是月資料、季資料……可以根據不同策略需求做出調整。

另外，如果是使用付費的數據源， Quandl 會提供一組金鑰，在使用前把金鑰輸進去就可以無限制的使用所有購買的數據源。

合作夥伴

Quandl 目前也跟很多資料提供者合作，以期能夠擴充自己的資料完整度，有一點很有趣的是既然自稱為金融維基百科，他有像真實維基百科一般與民合作的機制，如果發現某個資料庫有缺漏或是不正確的部分，只要附上正確來源，他就會立即修改。

另外 Quandl 還有跟一些資料使用者合作，例如像是Quantopian (https://www.quantopian.com) 以及一個叫 Fintech Sandbox (非營利性推廣金融創新的組織，主要提供新創公司一些基礎設施)的組織，這樣的合作對於 Quandl 名聲的提升有顯著的影響。

同業比較

Quandl 是比較偏向研究型的資料庫，所以如果真的要使用在即時交易上可能還需使用別的資料源。

研究型的資料庫最有名的就是彭博跟路透，但跟 Quandl 不一樣的是這兩個資料庫是非常固定的，例如說彭博就是要買彭博終端機，那費用選擇上也不多，由於是一整個資料庫一起購買所以費用上也是相當高，而且常會造成明明只使用一小塊類型資料仍要花大錢的狀況。但是對於機構使用者來說，完整性跟即時性是非常重要的，這類型使用者目前還是會傾向使用上述兩種傳統的資料庫。

Quandl 當初所鎖定的族群就是散戶或資金比較不足的小公司，這類型的使用者因為資本有限，所需要操作的資料範圍也較為單一，所以 Quandl 的確是更為適合的選項。

結語

隨著越來越多的人加入數據的使用，未來關於數據方面的要求一定會更多，品質的部分一定也會要求得更高，這時候先進入相關產業的公司一定會有相當程度的優勢，更何況 Quandl 的確走出和老牌強權公司不同的路，他服務的是更大宗的散戶族群，已經為未來的數據大戰已經打下完整的基礎。

【延伸閱讀】

• 利用群眾力量打敗華爾街分析師–Estimize
• 大眾專屬的理財顧問-機器人理專

The post 金融的維基百科 Quandl appeared first on StockFeel 股感.

說到聊天機器人，就不能不談到 Facebook、Line、蘋果（Apple, AAPL-US）、Google 這幾間公司總是在發表會上給我們驚喜，我們來看有哪些關於聊天機器人的發表內容吧！

Facebook Messenger

Facebook 活躍且大量的用戶數量奠定了 Facebook 發展其 Messenger 聊天機器人的地位。Facebook 於 2016 年初推出 Bot Platform，提供開發者自由開發各式 bot。開放 API，如同當時 iOS 所開放的 Apple Store，使得程式設計師可以將自行設計的聊天機器人服務放置到 Messenger 的開發者平台上，並且能夠串接 Facebook 粉絲專頁，因此成為眾多聊天機器人產生器的首選平台。

Facebook 在 F8 會議上展示了如何使用 Chatbot 來提供服務，如同宣告訂定聊天機器人的程式設計標準。發表會當中提到目前 Facebook Messenger 能夠整合多 App，能夠讓使用者分享地點、圖片、音樂 (Spotify)、檔案 (Dropbox) 至社群，並提到人們是非常願意透過訊息互動、並且使用這些建構在 Messenger上的功能，相當積極在建構聊天機器人的生態圈。

人們從事商業活動，從一開始的面對面對話、電話、到網路時代、行動商務、App 行銷，人們會因 Email 垃圾訊息過多所苦，也會減少下載 App 讓手機保持精簡，David Marcus 同時批評致電客服總是忙線中，故其提出商業化的下一步應擁抱具備以下四條件的 Messenger才是與客戶互動較佳的方式。

• 即時性 (Instant)
• 永久標誌、個人識別 (Persistent Identity)
• 具備上下文的對話 (In Context)
• 正規標準化，具典範模式 (Canonical)

而為了增加好的顧客體驗，也防止聊天機器人亂推播，Messenger 提供使用者一鍵 Block 的機制，以避免破壞聊天體驗，而 Messenger 也另外增加三種方式增加聊天機器人的曝光性：

• Messenger plugins (可安裝至網站、App、電子郵件)
• codes, usernames, links (每一聊天機器人都有一獨立識別帳號，如 @xxxxx)
• Search bot (優化搜尋)

除此之外，使用 Messenger 能夠協助企業省去 SMS 推播，此種去中介化管道 (如電信業) 能幫助企業減少 SMS 成本，且透過其 Facebook 粉絲專頁直接點選聊天按鈕，讓使用者能夠更加直接與企業粉絲專頁聯絡。

目前 Facebook 宣稱其有超過 9 億用戶，讓我們拭目以待之後的發展。

LINE 生意動得快，整合企業官方帳號，開放企業平台

LINE 於 2016 年 4 月 7 日宣布 LINE Business Center 上線，配合 LINE Business Center 的推出，開始受理「BOT API Trial Account」的申請，提供聊天機器人的套件，試用帳號於短短一周內即達 1 萬筆申請上限。LINE 於同年 9 月 29 日的「LINE DEVELOPER DAY 2016」發表會上，公開了功能性及開發可能性較以往的 Bot 更高，還可提供開發人員更豐富支援的 Messaging API 功能。其中將其聊天機器人定義成以下三種型態：

(整理自來源：Bot 對話功能正夯！LINE 宣布推出 3 款新聊天機器人！)

2016 年 12 月 26 日 Line 開發者大會 TechPulse 來臺，將 LINE DEVELOPER DAY 2016 的精選內容移植至台灣，可看出 LINE 相當鼓勵台灣開發者投入 LINE 聊天機器人。

以下整理 LINE 開發者大會的精選內容，共整合五套開發套件，提供使用者開發相關聊天機器人應用 (整理自 Line開發者大會 TechPulse 來臺，整合 5 套開發套件，讓使用者開發聊天機器人應用)

在 2017 年 1 月 24 日，LINE 推出了2.0版本的 LINE Login，也同時提供可支援LINE Login 2.0版的 Web API 及 Android／iOS SDK。除此之外，LINE 還提供了 LINE BOT AWARDS (2017/2/22 截止) 最高獎金一千萬日幣，可看出 LINE 亟欲集思廣益找出最好的商業應用模式。(新聞來源：LINE BOT AWARDS、LINE_DEV.)

Google 的 Allo 內建語音助手讓聊天更加智慧化

Google I/O 2016 的開發者大會，發布了一項智能聊天應用 Allo，其中內建語音助手 Google Assistant，讓使用者能夠問 Google 各種問題，語音助手能夠馬上回答各種問題，等於宣布了聊天機器人將在未來有舉足輕重的地位。(參考來源：Google I/O 大會亮點全紀錄：8項酷炫新產品將把你帶入未來. )

和過去一次性回答不同的是，語音助手能夠回答後續問題，且能夠於使用者與朋友的聊天當中加入，予以各種協助。(如提供推薦晚餐、旅館、目的地地址或電話、評價等)，更多使用方式，讀者們可以參考這篇 Google Allo 聊天可用 Google 個人助理中文指令 15 則實測教學。

以聊天機器人為發展重點，微軟（Microsoft, MSFT-US）即將重返榮耀？

微軟 MSN 的 Bot 也曾一度引領風騷，現隨著語義分析、人工智慧等技術大幅躍進，聊天機器人又登上舞台， 微軟目前著重在增加自家的開發者，提供多場次聊天機器人建置入門課程(單日台幣 2000 元)，標榜能夠協助開發者迅速建立聰明、又能在 Facebook Messenger、LINE、Skype 等通訊軟體上使用的聊天機器人。透過其 Azure 的資料庫和機器學習技術，強調能夠讓使用微軟開發的聊天機器人能夠擁有以下三大優點：

• 精通多國語言，所有客人都能服務
• 能判斷語意，知道顧客在問什麼自己該講什麼
• 從購買記錄判斷顧客喜好，推薦商品

微軟執行長薩提亞．納德拉 (Satya Nadella) 在其Build大會上亦宣示「對話即平台」 (Conversation as a Platform) 概念，將雲端平台與聊天機器人平台搭載，相信能夠帶來更多商業上活絡的價值，更多微軟的聊天機器人訓練資料，可以參考「話若投機消費多」該聊什麼，您的機器人最知道。

結論

聊天機器人被視為一個可發展的事業，相較於傳統客服，聊天機器人能夠提供更準確/及時的服務，可視為成長性高然而市占率仍百家爭鳴的事業，故若欲採用者必須快速發展市場並且超過競爭對手，如同 Facebook 副總裁 David Marcus 提到的，UI 的設計相當重要，而好的對話設計才能夠讓聊天帶入商業性。而聊天的設計，範圍從基本的對話，到圖片推送 (增加消費者信心水平)，到價格陳列與顧客購買的中間，需有細膩的策略思考。最後聊天機器人亦能夠及時給予顧客收據 (但聊天機器人的功能應不只如此)

其次，若公司欲發展聊天機器人，需有部分技術背景人員投入，但重要的是發展其行銷策略，並增強服務之企業的廣告優勢。故以長遠來說，企業導入聊天機器人的長遠目標乃要建立顧客與公司之間的信任關係及品牌認同，且導入聊天機器人也應能和其 CRM 系統整合，以及後續發展商業之基石。

【延伸閱讀】

• 淺談聊天機器人
• Facebook 人工智能的真正野心
• 人工智慧的黃金年代：機器學習

The post 聊天機器人：Google、Line、Facebook、微軟的四巨頭之爭？ appeared first on StockFeel 股感.

聊天機器人依照其開發方式，分成兩類：一是能搭載自然語言處理 (natural language processing, NPL) 系統，二為擷取輸入的關鍵字，再從資料庫中找尋最合適的應答句。其能夠應用的範圍仍在發展當中，不僅能協助企業客戶的服務、也能幫助顧客快速獲取資訊，當然也不應侷限於這些範圍。

案例分享

分享幾個有趣的聊天機器人，如 Poncho，是一個能用有趣的方式告訴你附近的天氣狀況；而機器人彼此也有互相對話的時候，如 Cleverbot，利用人工智慧讓機器人聊天的內容不斷進化；而邊緣機器人，則可以輕易回復許多生活中用語。

聊天機器人為什麼重要？

為什麼我們應該關注聊天機器人呢？當社群媒體興起，每個人的行動訊務量都增加得太過迅速了，甚至有使用者每天花超過 90% 以上的時間在聊天軟體及平台上！故公司若想建立新的商業服務或應用，考慮建立在使用者最多的聊天通訊平台當作公司的重要通路，是值得肯定的作為！理由有以下三項：

• 要求使用者下載新的 App 服務的成本實在太高了(需另增加建置及維護 App 的固定成本)
• 雖然社群媒體興起，但行動訊務量近幾年也迅速增加，可知能夠「及時與社群通訊」成為未來發展聊天機器人的重要關鍵基礎。可以發現你我身邊的使用者已經開始減少手機內的 App 數量，僅留下少數黏著度高的 App 如聊天通訊軟體等。而公司若將其服務開發在聊天機器人上，就可讓使用者不需要另外安裝任何 App，而又能夠進行及時性的互動，增加客戶黏著性。

• 由 Business Insider 的圖表可以發現，前四大聊天 App 的活躍使用者已經超越前四大社群 App 的活躍使用者數量

基於以上三點，尋找聊天機器人最適當的運用、並且精進其與人溝通的流暢性，顯然將成下一波聊天機器人的發展重點。聊天機器人一般來說已擁有協助企業促銷、搜尋、導購、售後服務以及再次行銷的能力，若能建構對話式商務生態體系，就能夠讓消費者有更直覺、更及時的體驗。

聊天機器人特別適合新聞產業，可以觀察到新聞產業龍頭如 Wall Street Journal、The Economist、BBC 新聞網就是用聊天機器人來推播新聞的聊天機器人早期採用者，內容也涵蓋到線上文章、圖片、問卷、影音等，可說是相當豐富、相當成功。

企業如何利用聊天機器人翻轉溝通方式，更多做法讀者們可以參考此篇文章。

如何迅速建立你的聊天機器人？

目前市面上已有許多容易上手的聊天機器人產生器 (Chatbot Builder)， 整理如下：

要怎麼選擇哪個聊天平台當公司的訊息發布管道呢？

不過目前有琳瑯滿目的聊天軟體，然而究竟要建立在哪一個平台上才有效呢？基於聊天平台具有網路外部性、地域性的差別，故應依照該地區該 App 使用人數、App 開發特性、與其他 App 的差異性來挑選，因為這些因素都會影響哪個聊天 App 會是較適合的發布平台。

在選擇開發聊天機器人時，須重視使用者體驗及流暢性。不良的使用者體驗、強行搶先上線的測試版或不良品，也可能讓消費者避之唯恐不及、破壞原先品牌印象。建議欲建立聊天機器人以取代其部分客服的公司而言，必須更加審慎檢視推送給用戶的內容。

至於要在哪裡建立你的聊天機器人呢？讓我們期待下一集：如何選擇聊天機器人平台：Google、Line、Facebook、微軟（Microsoft, MSFT-US）的四巨頭之爭？

【延伸閱讀】

• Facebook 人工智能的真正野心
• 人工智慧的黃金年代：機器學習

The post 淺談聊天機器人 appeared first on StockFeel 股感.

共享經濟的出現，像是 Uber 或 Airbnb 等平台所帶來的創新服務，已經開始提供許多有趣且便利的生活方式。從金融的層面看，因者科技帶來的破壞式創新，使得金融機構不再是主要且唯一的金流管道。

作為未來金融服務的驅動者，金融科技（fintech）的功能可歸類六大部分，包括支付（Payments）、保險 （Insurance）、存貸（Deposit & Lending）、籌資（Capital Raising）、投資管理（Investment Management）以及市場資訊供應（Market Provisioning），而上述運作的方式可劃分為企業對企業（B2B）、企業對消費者 （B2C）、與消費者對消費者（C2C）。

以 C2C 作為主要的模式，我們介紹兩個有趣的 P2P 經濟學案例。第一個例子是 P2P 借貸（Peer to Peer Lending）， 在借貸過程中，資料與資金、契約、手續等全部透過網路實現，這是金融借貸服務的發展趨勢；第二個例子是 P2P 保險（Peer to Peer Insurance），這是一種具代表性的保險科技（Insurtech），它提供人們建立互助小組，建立共同分擔風險的機制。

案例一：P2P 借貸創新公司 – Social Finance

Social Finance, Inc.（一般稱之為 SoFi）是由 Mike Cagney、Dan Macklin、James Finnigan 與 Ian Brady 在 2011 年 8 月時所創立。共同創辦人兼 CEO – Mike Cagney 在其就讀史丹佛大學商學院時，發現超過六成的學生都背負就學貸款，於是他決定創造出新的借貸模式。

創始人期許 SoFi 可以為承擔就學貸款的學生提供更多實惠的選擇，以避免畢業之後背負過於龐大的利息壓力。他們將希望獲得投資收益的人（放款方）與希望獲得貸款的人（借款方）串接起來，並使就學貸款以債券的方式出售。

貸款對象的選擇

SoFi 原本是以學生貸款為主要業務的一間公司，過去使用美國消費者信用評分（FICO）來核發貸款；然而根據 FICO 之中的資料，學生的信用評等普遍偏低。於是，SoFi 決定自行蒐集資訊，依照工作資料、未來前景、人際脈絡等，自己開始做信用評等。學生們只要進入 SoFi 公司的官方網站，即可線上估算自己的信用評等，公司再從中尋找出低風險的學生或者是畢業生，以減少違約的事情發生。

SoFi 選定貸款的對象皆以美國排名前 200 名大學的學生，根據美國教育部統計此類族群的學生平均違約率為 1.6%，遠低於整體學生平均貸款違約率的 8%，以此來提供較低的貸款利率。

將貸款對象限制在學生，這樣的選擇幫助 SoFi 建立起了成員間的連結，所形成的社群網路也成為 SoFi 公司重要的無形資產，期望透過連結在學學生與校友，強化社群網絡的互動。

提供的服務與營運模式

目前 SoFi 在貸款方面推出了六種不同的產品，分別是學生貸款再融資、抵押借款、抵押借款再融資、個人貸款、父母貸款、父母貸款再融資。

與一般的貸款不同的是，SoFi 提供了一種特殊的方式，讓原先已經有貸款且信用評價良好的學生，能夠將貸款轉移到 SoFi 公司下。針對這些已經持有貸款的畢業生，SoFi 提供了他們低息貸款，以利他們一次性償還過去在其他地方較高利息的貸款（例如：美國聯邦政府學貸利息的貸款），因為 SoFi 提供的利率低很多，學生們就可以減少一筆不少的利息支出。

申請再融資貸款的畢業生們，會到 SoFi 的網站上填寫他們的個人資料，並將貸款的詳細內容一併填寫進去，在經過一個工作天的審核，SoFi 便會告知申請人將承受的貸款利息，並在 10 天之內協助學生去償還過去已經存在的較高利息貸款，往後借款者只須以較低利息向SoFi慢慢清償即可。

為了維持公司的持續營運，SoFi 從貸款基金中收取 0.75% 的管理費和 0.5% 的服務費。

資金的來源

首先由各校的校友投入第一筆資金，開始提供在學學生或畢業生低利息的貸款，投入這些資金的校友也可以從中獲取投資收入。2013 年的 11 月，SoFi 成為第一家以 P2P 的貸款， 並取得信評公司評等的公司。它宣布與 Barclays、Morgan Stanley 合作，透過金融工程中證券化的流程，進而發行基於 P2P 借貸的債券，用以降低資金成本與營運風險。

成果

SoFi 不但是 P2P 借貸業者中第一家完成資產證券化的公司，並在 2016 年 10 月獲得國際信評公司穆迪（Moody’s）的 3A 評等，寫下金融科技業者贏得穆迪最高級評等首例。這歸功於 SoFi 透過自己的信用評等來篩選借貸者，而這些借貸者均出於名校畢業，社經地位較高，因此 SoFi 幾乎沒有發生貸款違約的事件。

截至 2016 年 10 月， SoFi 已經提供了超過 120 億美元的總貸款量並有 17 萬 5,000 名成員。

如此校友融資貸款的模式，能夠將學生與校友連結起來，通過學生貸款再融資與校友及機構投資者，將這個連結建立起來，如此一來，不只學生們可以享受到超低的借貸利率，校友們也能夠透過這項投資獲得回報。除此之外，學生們也能夠利用這一份連結網絡，做到除了貸款之外的事情，例如：在遭遇金錢方面困難時得到協助、獲得較佳的職業發展諮詢機會以及導師制的創業輔導。

另外，SoFi 也計畫在將來設立美國學校國際學生的校友基金，將貸款的對象從美國本土的學生（擁有美國公民身份或具永久居留權）延伸到國際學生，減輕國際學生在貸款上的壓力，同時進一步擴大公司的規模與影響力。

案例二：透過友誼連結的 P2P 保險 – Friendsurance

P2P 保險是一種去中心化的保險模式，它不存在有一個大的公司組織或是財團法人來與保險者進行傳統保險的行為，而是採用參與保險的人們之間共同約定分擔風險的方式。Friendsurance 於 2010 年創立，是全球第一家將 P2P 概念帶入保險制度中的德國保險經紀公司。顧名思義，Friendsurance 是將朋友（friend）與保險（insurance）作結合，消費者可以利用 Facebook 和 LinkedIn 邀請朋友或家人一同投保，共同組合成一個風險分擔小組，若一年當中無任何人發生需要理賠的事件，小組成員們更可以拿回部分保費作為回饋。

保險科技的崛起

隨著科技的進步，越來越多的開放式資料被揭露在網路上或儲存在雲端，透過數據分析進行風險評估，保險科技公司便可以提供消費者更加客製化的產品。例如在歐洲新型態的車輛保險，其概念便是透過車載診斷器或行車紀錄器等感應器，去蒐集駕駛人的駕駛習慣，再根據其危險程度訂立保費。

除了傳統的保險項目之外，有一些新型態的保險也因為科技的進步而被提出，像是無人駕駛飛機被使用取代人工，來進行一些巡邏或是噴灑農藥等工作，因此無人駕駛飛機的保險也是現代社會所需要的。最重要的是，保險科技不同於以往的保險業，改變過去以保險公司銷售為主導的發展模式，真正回歸到以客戶需求為導向，重點從保險產業結構裂解、保險產品創新和資訊技術三個方面實現突破。

服務模式

Friendsurance 公司在服務模式上，將 P2P 概念融入保險當中，改善了許多傳統保險業的缺點，如：資訊不對稱、典型的保險合約過於複雜且冗長、各類保險產品同質性高且缺乏競爭力等。Friendsurance 公司設定了回饋機制，保戶投保後，若當年度共同保險的成員中無理賠事件發生，每位成員可拿回保險費 40% 的現金回饋，如果有其中一位成員發生意外而需要進行理賠，那麼每位小組成員未來所獲得的返還保險費則會降低。

另外人們也可以小組進行投保，依照不同的型態進行分組，例如財產保險、汽車責任險等，每個保險小組的人數上限設定為 15 人。消費者可以透過社群網站來號召朋友或者是家人組成保險互助小組，甚至也可以讓 Friendsuranc 公司自動在網路上協助媒合，將想保相同類型保險的顧客進行分組，並提供給用戶們參考。

成果

在 2013 年和 2014 年，有超過 80％的用戶透過了 Friendsurance 公司設定的回饋機制，即他們擔保的對象並未在當年度發生理賠事項，拿回了他們部份的保險費用。 在財產保險這個項目當中，平均現金的回饋是他們所付保險費用當中的 33％。

在其官網上有個例子，來自科隆的 Michael Tomoff 做為 Friendsurance 公司的早期用戶之一，在過去三年裡，他已經在他的四個保險契約中獲得了超過 680 歐元的現金回饋，這相當於他所付出的保險費用的 40％。

融入新元素的 P2P 經濟學

介紹完了上述的兩個例子，我們可以發現一個共同的特徵，這兩間公司都將人與人之間的關係，加到了他們的產品以及服務當中。Social Finance 公司建構出的校友社群網路，利用無形的校園情誼，幫助了部分貸款者能找到工作，再償還借款，且使用者也會因為風評的因素，而較願意償還款項。Friendsurance 公司則開放讓人們選擇信任的夥伴， 一同參與到保險合約當中，讓他們彼此監督，用以降低發生保險理賠的風險。人際關係成為了 P2P 經濟的新元素，讓人們可以感受到金融科技的無限可能。

【延伸閱讀】

• 五大變革（3）：如何讓信用變成財富？看新金融扭轉市場
• 淺論美國 P2P 借貸 I ─ Lending Club（LC）
• 美國 P2P 貸款系列 II ─ Lending Tree（TREE）

The post 大有學問的 P2P 經濟學 appeared first on StockFeel 股感.

ETF簡介

本文要介紹的產品就是大家最近耳熟能詳的產品—ETF，ETF的全名是Exchange Traded Funds，直接翻譯就是在交易所上市的基金。ETF可以視為一種股票及基金的混和物，它像股票一樣是一種在交易所掛牌的有價證券，每天在交易所都有報價提供投資人做買賣。另外，ETF也像是基金一樣由一籃子的標的所組成，ETF的發行者把手上一籃子的標的分割成很多小單位賣出，而投資人以擁有某一比例標的的受益憑證進行間接投資。

ETF帶來的好處

那使用這項金融商品會帶來什麼樣的好處呢？我們可以粗略的把ETF的優點分成下列幾項：

1.  方便：

ETF帶來最直觀的優點大概就是便利性了，所謂的便利性分成兩類，一個是投資ETF的投資人再也不用沒日沒夜地分析市場中各個標的的走勢以及表現，就像基金一樣他有專人幫忙管理部位。但跟基金相比它還有個更便利的地方就是ETF每天都可以任意地進行買賣，一旦情況不對或是急需資金都可以快速的處理。

2.  透明性：

ETF是追蹤指數的一種產品，所以指數的成分股就是ETF的組成成分，但如果想知道ETF所包含的標的，投資人可以隨時上發行公司的官網查詢，這樣的透明性可以讓投資者對於這份投資有更精確的獲利預期。

3.   交易成本低：

ETF屬於被動式管理，跟一般基金的主動式管理相比，所收取的管理費少了許多，雖然基金沒有一個公訂的管理費收費標準，但我們可以用同性質的產品來比較，台股基金的管理費約莫介於1.2%~1.6%，但0050這檔ETF的管理費只有0.32%，約莫是六分之一。而在交易稅方面，ETF的交易稅約莫千分之一，比起股票交易的千分之三，足足少了三分之一。另外一個方面來看，只花很少一部分的錢就能複製大盤指數的報酬，比自己去複製大盤指數的成本實在是少了非常多。

4.   分散分險：

ETF另一個廣為人知的優點就是所謂的分散風險，在前面提到過ETF其實就是一籃子的標的，很明顯的資金會分配在各個標的上，所以單一股票的漲跌並不會造成太大的損失，投資人的部位可以處在一個相對安全的狀態。

ETF的風險

闡述完了優點，我們也要來看看關於ETF的風險：

1. 追蹤誤差風險：

常見的誤差風險有兩種，第一種跟交易費用有關。基金發行商在購買標的產品的時候，常常會伴隨著手續費或交易稅，這種費用會內涵在ETF的績效裡，會造成ETF跟其追蹤指數偏離。另外一種原因是由於某些市場因素，例如說流動性的問題，或是該市場不在
交易時段，這些原因會讓基金無法第一時間取得變動的標的，這也會使得ETF的報酬偏離。

2. 系統風險：

根據投資組合理論，個別的企業風險可以規避，但沒辦法因應大環境所造成的損失，所以ETF仍暴露在這種風險中。

3. 匯率風險：

如果投資人投資的是海外ETF更要多注意的是匯差上面的損益，有可能會因為匯差上面的損失造成本來ETF的獲利縮減許多。

ETF的種類

接著我們來談談ETF的分類，我們可大致分為二種，詳述如下：

1.  一般型：

一般型就是我們最常看到的ETF，也是ETF最原始的狀態，他的標的可能是股票、債券、匯率甚至是商品市場，就是直接追蹤那一籃子標的的報酬，沒有過多加工，一般來說會用在定期定額的投資上，另外也因為有很多種區域或類型的ETF，可以帶動投資人關於資產配置的概念。

一般型的經典例子就是元大所發行的台灣50，這檔ETF追蹤的是台灣市值前50大的公司，每三個月會對持有部位進行調整，近十個月的漲幅約18%優於集中市場的11%，表現十分良好。下圖即是元大台灣50 ETF與台灣50指數的績效比較圖，去掉配息相關問題之後可以看到的是走勢大致都跟其追蹤指數相符。另外台灣50 ETF可能會有稍高的報酬，這是因為基金公司在操作的時候會有一些現金操作，這部分會造成多於大盤的獲利。

2.  槓反型：

槓反型的ETF可以分成兩類，一類為看漲，這類型的ETF可以用來放大看漲獲利槓桿，例如說有一檔ETF叫做國泰臺灣加權指數單日正向2倍ETF，就是追蹤台灣加權指數，當台灣加權指數報酬為1%，他的報酬就會是2%。另一類是看跌，這是為了解決ETF的放空問題而產生的商品，實際上的操作就是當追蹤標的跌1%，這檔ETF會漲1%，有一個經典的例子就是元大發行的T50反一，當台灣50指數跌1%的時候，這檔ETF就會漲1%。

槓反型ETF和一般型最大不同是他提供的是所謂的單日報酬槓桿，所以在基金部位的配置上會以期貨進行，不像一般的ETF是以股票為主。但是這種單日重設的制度會造成複利，複利的效果會在一段時間以後造成ETF和n倍指數(端看ETF的槓桿數)偏離。

台灣ETF市場

台灣的ETF市場從2003年第一檔ETF—元大台灣50的發行開始至今，成長得相當快速，可以從下圖各年國內ETF檔數中看出在2016間，發行ETF的檔數成長了將近一倍，在ETF發展初期，礙於法規的關係，只有傳統股票型的ETF，但隨著市場需求，法規漸漸開放，多了許多追蹤不同標的ETF，包含了產業型、主題型、商品期貨型，今年年底更是有不少債券型跟貨幣型的ETF已經或正在發行中，提供投資人更多不同的選擇。而在成交佔集中市場比重的部分，從2014年的1.8%到現在約莫10%，可以看出ETF對於台灣的投資環境漸漸有了舉足輕重的地位，台灣的主管機關也積極推動投信公司與指數公司簽訂合約發行國際指數型的ETF，期望能為台灣市場注入更多活力。

中國ETF市場

截至2016年7月，中國共有132只ETF基金，總淨值規模達到4636億元。中國ETF基金以被動型投資為主，股票型、債券型和商品型ETF基金主要為被動型，貨幣型ETF基金均為主動型。然而中國的ETF在投資品種與流動性上依舊有較大的提升空間。

目前，從全世界來看，公募基金現在越來越進入到工具化投資為王時代。尤其看美國市場ETF占的市場份額跟其他主動基金管理的市場份額，走勢是相對分化狀態，此漲彼消。ETF市場份額一直在提升，主動管理基金一直在逐漸萎縮。在中國也是出現了這樣的趨勢，只不過ETF的地位很大程度被分級基金替代掉。從2014年到2015年一波快牛行情當中，分級基金大出風頭。但是從長遠看，分級基金可能聚集著過去幾年投資者的熱情，但ETF確實是中國市場的未來。

中國股票體量在全球市值、成交額來看已經占到四分之一到五分之一的比重，成交占三分之一。然而，中國ETF的權重，在全球只有1%。相比之下，美國ETF權重有72%。這等差距的背後說明ETF在中國還有很大的空間。

目前在中國，個股投資，特別是中小題材股投機是主流，這樣指數化投資是必然被邊緣化的。但隨著機構投資者崛起，監管嚴格執行，去散戶化，退市、上市制度市場化，量化對沖交易逐步佔據主導地位等市場成熟過程的不斷推進，ETF將會迎來大發展。

美國ETF市場

雖然ETF最初是在加拿大發行，但是他是在美國發揚光大，所以一般認為美國是ETF的發源地。下圖是在美國交易的ETF檔數，可以看到的是經過最初幾年的不熟悉，ETF的檔數開始急速增加。增加的原因就是上文有提到的成本低廉、交易方便等。

接著我們看一下美國ETF發行者的概況，其中佔據最大市佔率的就是一家叫BlackRock的資產管理公司，他的市佔率達到38.2%，一般來說因為ETF本身的特性，造成新的發行者比較難以跟舊的發行人競爭，因為同樣標的ETF的持有人可能不會換不同的ETF做投資，但是近幾年有越來越多有野心以及強烈動機的發行者進入市場，這樣的情況對投資者非常有利，可以得到更多優良品質的商品。

ETF近期發展

近年來，市場上出現了一種叫做smart beta的ETF商品，這樣商品提供了消費者介於主動管理和被動管理兩種方式間比較中性的選擇，所謂的smart beta是一種特別的指數創造方式，他會從市場上挑出一些具特定特徵的標的，例如說高股息的股票，亦或是低波動率的標的，一旦選擇的規則設立，該ETF就會嚴格按照準則創建投資組合，以期獲得穩定收益。

另外因為現在Fin-tech蓬勃發展，在金融科技中有個領域叫機器人理財，這個領域的公司提供小資族自動化管理他們資產的管道，而機器人理財公司常使用ETF作為他們的投資標的，他們會挑出適當的ETF將投資人的資產放入，這會是一個相對保守的投資方式，但這也是小資族比較傾向的投資方式，隨著機器人理財的發展，可以預期的是ETF的市場會越來越大，所以開始研究這項好用的金融商品可能會是投資人一個不錯的選擇。

The post 完美的大盤追蹤者—ETF appeared first on StockFeel 股感.

產品豐富、功能多樣

趣分期平臺針對大學生提供了多項產品與服務。其中有：

商品分期：

平臺提供 iPhone 等各種 Apple 電子產品及華為、小米等品牌的手機的分期購買這項服務與銀行提供的 iPhone 分期貸款服務類似。但趣分期能提供更多的產品,貨源均來自京東、易迅、蘇甯、小米商城等品牌電子商城的正品貨源。其更有特色的地方在於其分期首付全部支援零首付。

趣白條：

趣白條給用戶提供低息貸款。新用戶享有 1000 元的一期免息貸款。信用良好的客戶最高可享有 5000 元的貸款。

來分期：

致力於為高信用人群提供即時線上金融服務，芝麻信用分超過 600 分的人群都可以線上申請、線上審核，最高可用額度 20 萬元，3 分鐘即可提現到賬。

野蠻生長：瘋狂融資&燒錢

趣分期一經問世即收到了資本的青睞，作為分期平臺的開拓者，蠻荒年代唯一的供給方，資本紛紛流向這家初創公司。自 2014 年初獲得數百萬的天使融資後，在 2014 年一整年內，趣分期又分別完成百萬美元到千萬美元的 A、B、C 輪融資。

更蜂擁的資本在 2015 年更加瘋狂，趣分期先後獲得了昆侖萬維領投的 1 億美元、2 億美元的 D、E 輪融資。 一時間趣分期成為了風險投資的“香饃饃（追捧）”。

同時，校園分期市場受到了資本的重視，多家類似的初創公司成立以與趣分期競爭。然而，獲得大量資本的趣分期展現了其十足的狼性，其發展速度與燒錢誇張之度遠遠超于競爭對手。趣分期在 2014 年發起了對同業的價格戰爭：當業內普遍收取 30%年化利率時，趣分期直接打對折。這樣粗暴的競爭模式讓它迎來了野蠻生長，趣分期的公司規模從最初的 4 人擴張到了 4000 人，更是獲得了 30 億元的 pre-IPO 融資。趣分期 CEO 羅敏和其 4 人的初創團隊，依靠一個想法和理念，緊緊抓住了行業最初的機遇，做到了一個奇蹟。

困境：退出校園市場

2016 年 9 月，趣分期突然宣佈退出校園貸款市場，要知道，趣分期是以校園貸款市場起家，長久以來根據地的放棄引起了業內輿論的軒然大波。

其實，校園貸的退出依舊有跡可循，如初期經營的野蠻模式——瘋狂圈地&燒錢，便給後續的發展埋下了病根。古云：“一鼓作氣，再而衰，三而竭”。趣分期發展太快而後勁不足，其最初的運營機制與變現能力不足以應付快速擴大的公司規模。另外，趣分期宣佈在去年 11 月實現了盈利，然而其盈利主要來源並不健康。相比同業當期還款金額 1%的滯納金，趣分期居然以全部還款金額計算滯納金，這種不健康的盈利模式並不能持久，且受到了輿論的曝光，被緊急叫停。

同時，行業環境也有了變化,校園貸頻繁出現了“自殺”，“裸貸”等黑暗一面，趣分期的公眾形象一落千丈。2016 年，隨著 P2P 新政的出臺，P2P 行業又面臨了大幅度的整改與轉型。而失去了之前最主要的盈利模式，不盈利的趣分期很難維持一個龐大的業務規模。

核心缺陷：缺乏風控能力

趣分期的業務本質是消費金融，本身是風險相對較低的產品。然而趣分期的天價滯納金根源於
其風險防控措施缺失或不完善，從而要靠高額滯納金彌補壞賬損失（趣分期借款用戶未能及時還款需要繳納高達還款總金額1%的違約金）。自成立以來，趣分期每月可以從滯納金中營收千萬元。這樣的暴力盈利蒙蔽了趣分期審視風險的雙眼。由於其風控能力的不到位，趣分期的壞賬率依舊很高。

自放棄校園業務後，趣分期乾脆把其風控業務交給了螞蟻金服：新使用者需要有619分的“芝麻信用”才能在平臺上分期購物。這表明趣分期已經將其核心競爭力交給了別人。

趣分期在校園貸市場苦心經營多年，此次撤出是無法承受越來越沉重的資金壓力和輿論壓力的表現。相較於陸續入場的分期樂、京東白條、螞蟻花唄等，趣分期無法再利用大面積燒錢的策略打開局面，滯納金下調，催收成本卻無法下調，缺乏盈利手段和風控建設的趣分期已經很難正常運轉了。

轉型：信用累積，佈局長遠

相比外界惋惜 趣分期退出校園業務是壯士斷腕，趣分析創始人認為這是從校園消費金融轉型為信用服務，從原有的線下地推模式轉為專屬服務校園的生態公司，同時其服務也拓展到實習、就業、兼職等，旨在培養學生用戶累積信用的概念，等學生畢業後再做金融服務。

而對於消費金融之外的打算，趣分期需要將對使用者的信用審查機制進一步升級，從技術層面講，要更多採用新技術，而不是傳統的面簽完全依靠人力。趣分期要成為一家真正的 Fintech 公司尚需時日。

The post 分期有樂趣─趣分期 appeared first on StockFeel 股感.

Estimize – 利用群眾力量打敗華爾街的分析師

Estimize 是一個數據投資社群，由 Leigh Drogen 創立於 2011 年。創辦人 Drogen 曾經從事對沖基金的工作，這樣的經驗讓他熟悉華爾街金融市場運作，同時看到華爾街其中的弊病，而在 StockTwits 的工作經驗讓他看到群眾力量在證券投資上的重要性。於是他決定成立一個數據投資社群，建立開放且透明的金融預測平台，和 StockTwits 一樣，致力於建立一個股票投資者的免費社群網站，透過群眾的智慧和即時的討論，更加準確的預測股市走向。然而，不同於雪球和 StockTwits 等以文字討論為主的投資社群，Estimize 完全是根據數據透過模型做最後的營收預測。

StockTwits

StockTwits 也是一個線上的投資社群，使用者可以在社群上分享自己的投資狀況還有掌握到的市場資訊，另外，使用者也可以在 StockTwits 上追蹤有興趣的股票，還可以追蹤其他可以在 StockTwits上的使用者，以此獲得投資的資訊和即時的討論。StockTwits 就好比是股票投資者的臉書（Facebook, FB-US），一般民眾在臉書上可能分享自己的日常心得和轉發文章，將喜歡的朋友或明星加入追蹤名單，而在 StockTwits 上，投資者分享自己的投資獲利，交易心得和注意到的財經新聞，另外也將欣賞的投資者加入追蹤名單，在 StockTwits 上追蹤有興趣的類股等。

華爾街的弊病

在證券市場中，買方機構常常會買來自華爾街分析師的市場分析報告，然而，這些分析師大多受雇於賣方機構，因此造成若干問題：

(1) 分析觀點狹隘 — 僅限於華爾街

(2) 賣方分析師可能因利益衝突而沒有誠實中立分析

因此，Estimize 創辦人 Drogen 發現華爾街出產的分析報告會因公司而有相當大的差異，而且大多都不是相當準確。

Estimize的金融創新

1. 群眾力量結合大數據

Estimize 是一個免費註冊的投資分享社群，不論註冊者是來自賣方還是買方，專業還是業餘，機構分析師還是獨立投資者，都可以在社群上分享自己的證券分析結果，輸入對上市公司的收益、每股盈餘等公司營利預測，Estimize 會再透過分析這些來自四面八方的數據，最會出產一個結合群眾智慧和 Estimize 大數據模型的公司財務預測。

2. 打破區域的限制

Estimize 透過網路的連結，讓身處世界各地的投資者，都可以無時無地的上 Estimize 社群分享自己的分析和預測。

3. 可靠性

有人可能會質疑，既然人人都能夠成為分析師，這樣的分析可靠性是否會因為分析師能力的參差不齊而下降？

Estimize 把參與預測的所有用戶組成一個評委會，也對每一位分析者的每一次分析資料做紀錄並計算其過往以來的分析準確率，如果有準確率過低的用戶就會被剔除在評委會之外。

Estimize 的模型也會針對不同的用戶，根據其實際身分（專業）和預測紀錄，給予不同的信賴權重。

成果

Estimize 創辦人 Drogen 表示，大約有70%的公司，由 Estimize 出產的公司營利分析報告更優於華爾街的分析師。Estimize 也成為現在許多投資人參考的投資社群網站，並在 2013 年被 Forbes 選為九大最佳的新創公司之一。

目前 Estimize 涵蓋 1,500 家上市公司的預測，有超過 7,000 位線上分析師，上萬名社群註冊者，而且使用者的數量仍然在成長中，隨著參與者越多，Estimize 出產的財務報告也會越準確。

Estimize 的營利模式

群眾智慧就是 Estimize 的原料，再透過建模、數據分析，產出對公司的分析報告。Estimize 的財務分析被多家主要財經媒體所引用，如 Forbes, Barron’s, Wall Street, CNN, Investor’s Business Daily等， 並可以在 Bloomberg 和 Quantopian等金融平台上獲得。另外，Estimize 提供付費的API給其他對沖基金公司、投資機構、學術界或開發商等團體。

Estimize 的下一步

作為免費的分享社群網站，Estimize 提供了比華爾街分析師更為準確的公司營利預測報告，已無疑成為獨立分析師和投資者的新寵。Estimize 創辦人 Drogen 被選為最具金融影響力的人之一，甚至有人認為 Estimize 會建立華爾街的新秩序，成為華爾街的新指標。

關於 Estimize 的下一步，Drogen表示除了公司營利預測外，目前已經加入總體預測，並預計將業務拓展到 international data， ETF revenue，以及中、小型股的預測等。

另外，也必須持續推廣平台、增加分析師和使用者數量，並讓 Estimize 的分析報告為更多財經媒體和華爾街機構引用。

【延伸閱讀】

• 金融的維基百科 Quandl
• 2018 金融科技 10 大趨勢：誰將鑄就下一個金錢帝國

The post 利用群眾力量打敗華爾街分析師 – Estimize appeared first on StockFeel 股感.

大眾投資的新幫手 機器人理財顧問

就在這樣詭譎的投資環境下，很多民眾對投資相關的商品敬而遠之，大家存在著一個普遍的認知，金融投資是一個輸多贏少的遊戲。然而，或許大部分的人尚未察覺到，這一切即將開始發生轉變。隨著近年人工智慧的發展臻至成熟，全世界趨之若鶩的將人工智慧應用在各種面向，而在眾多的應用領域當中，金融投資市場 — 一個資訊、服務不對稱、有著眾多規範的古老產業，想當然爾首當其衝，即將面臨徹底的改變與挑戰。試想，如果人工智慧可以思考、學習，那為何不能幫大眾理財、挑選股票呢？這樣的想法，催生了機器人理財顧問的誕生。

那，到底什麼是機器人理財？機器人理財是提供自動化、客製化投資的網路平台，利用網路上的問卷衡量每個人可承受的風險程度，利用演算法來做分散式的資產配置，並定期自動化的追蹤市場情況，幫助投資人調整投資組合的內容。簡單來說，就是電腦完全幫我們管理資產，它不會隨著市場的高低起伏而有任何的情緒波動，保持絕對的理性與紀律，完美實踐投資組合理論，幫助我們做資產管理。

與傳統的理專與投資方法相比，機器人理財的服務具有底下特性：

(1) 更低的成本：

機器人理財顛覆了傳統的金融服務模式，大幅降低了享有理財服務的門檻傳統上，若是在美國想要享有理財顧問服務，平均需要擁有五十萬美金的資產，且每年所需的管理費更高達1%-2%不等; 反觀機器人理財服務，只需要100美金即可享有服務，且每年管理年費下降到只需要0.25%。傳統銀行提供資產管理服務只瞄準前10%高資產客戶，而透過機器人理財這樣的方式讓原本享受不到傳統金融機構服務的90%人能輕鬆享有。

註. 機器人服務為使投資組合達到分散風險，會利用多元的ETF進行配置，儘管每個服務的ETF標的可能不盡相同，但每個機器人理財服務會考慮ETF額外的管理費用、流動性、追蹤標的的能力等，將使用者資產配置在固定的標地上(如圖上述的六檔ETF相關標的)，並利用演算法來計算合理的配置權重，每季做調整。

(2) 自動化管理：

機器人理財服務會依據投資人可投資的金額自動分配置投資標的，並且將收到的股利在自動化分散投資到既有的投資組合內。結合儲蓄與複利投資的概念，讓錢滾錢自動幫投資人累積財富，而這一切，全部交由機器人背後的演算法執行，投資人不需要每天盯盤，可以享有更好的生活品質。

(3) 穩定的投資報酬：

機器人理財大多採指數型投資的方法。從2009年至今，整體市場指數約可產生7%的年化報酬率，而目前市面上的機器人理財服務平均同期可產生4~5%的報酬。雖然不比大盤的報酬率，但靠著多角化的投資組合配置，大幅降低投資組合價值的波動，如即便在2009年金融海嘯，機器人投資組合均能較大盤能有更小的虧損。

超級比一比：大盤、經理人 & 機器人投組

回到投資人最關注的話題：機器人理財服務的績效比起其他經理人或大盤又是如何呢？大部分的機器人投組採指數型投資，這種利用多元資產分散風險的方法，可產生不遜於大盤的報酬，卻同時擁有更低的波動率，讓整個報酬曲線相較於大盤平穩許多。

為了讓讀者更容易了解差異，TradingValley團隊實際依照不同的風險屬性— 風險趨避、風險中立、以及風險追逐創造了三種類型的機器人投資組合，並將其與大盤及私募基金經理人的績效與風險程度做比較，資料期間從2010年起至今。不同投資組合間的報酬率如下表：

可以看到自2010年的多頭市場，S&P每年有近8.71%的年化報酬率。在這樣的多頭市場，平均的私募基金經理人的報酬卻非常慘淡，即便持股接近100%，承擔高風險的結果下也只有平均5.5%的投資報酬率。相較之下，三種不同風險屬性的機器人投組表現得相當亮眼，即便最保守的機器人也可以產生不遜於大盤的報酬率。

不過，既然機器人可以產生與大盤相仿的報酬率，投資人為何不選擇投資大盤就好，反而相信機器演算法的操作？這時我們可以探討影響投資組合價值的另一個層面 – 風險承擔。投資組合價值波動率越高，代表此投資組合的風險越高，資產漲跌變化的幅度越大。下圖顯示大盤與三組機器人投資組合的資產價值變動，從圖中可以觀察到大盤相較於其他投資組合變化幅度比較大。若將其轉換年化波動率時，結果如下表所示：

從結果來看，即便是承擔最高風險的積極型機器人投資組合，波動率也較大盤來得低。因此這類型機器人投資組合提供的是比大盤更穩健的報酬率，也讓使用者不需每日盯盤也可享有與大盤相若的報酬，提供普羅大眾一個比起定存、基金更好的標的物。

市場的機會與挑戰

挾著2008年金融海嘯後民眾對金融機構的不信任，美國機器人理財服務快速成長，以科技公司為發展主軸，所提供的機器人理財服務標榜完全的中立，民眾再也不需要擔心是否會買到金融機構因業績、政策導向所推出的金融商品，而由機器人管理的理財服務擺脫舊有金融機構的束縛，一切真正的以服務使用者為出發。

根據彭博的報告，至2016年年底，機器人理財的管理資產總額預計達到3,000億美金，至2020年時，該管理資產的總金額將成長到2.2兆美金。

而因機器人理財服務的低成本、便利使用、低風險等的特性，非常適合25-40歲間初出社會的上班族。這些人通常對投資理財概念有限，更缺乏時間做投資研究或盯盤，且手上的資產又不足以付擔一般金融機構提供的理財顧問服務價格。有了機器人理財服務，對千禧世代族群而言，終於出現了專為其族群打造的財富管理服務，並可體驗此不同以往的投資方法，去了解儲蓄、投資與複利累積資產等概念的重要性。

然而，當越來越多人使用機器人理財服務，其簡潔的服務特性逐漸也受到一些質疑，如：現有機器人理財服務它並無達到真正的客製化的服務、投資使用的演算法過於單調等等。甚至，因為英國脫毆造成的市場劇烈波動，更有國外知名的機器人理財公司，將旗下的機器人演算法暫停服務的情況。種種的質疑與挑戰，似乎暗示著機器人理財顧問的背後還是或多或少由人為操縱。也延伸出了另一個討論議題：到底，我們傾向的是全自動化的投資理財服務，還是要有人為干預呢？

在大家都在說的機器人、人工智慧的服務背後，到底服務我們的是披著機器人外表的人類呢，還是有著如人類外表的機器人？

但不難想像的是，這些種種質疑將會隨著時間一一被解決，許多擁有技術、創新的新創公司相繼投入此領域，最終，機器人理財服務一定會持續進化，為投資人提供更加多元的策略組合、全面自動化、趨近完美的理財服務。

或許，這個將來將會比你我想像的來得都還要快。

The post 大眾專屬的理財顧問-機器人理專 appeared first on StockFeel 股感.

其中，動量交易策略( Momentum Trading Strategy )就是個簡單，且相當有效的量化策略，其適用於各種市場、資產組合，以及不同的時間範圍。動量交易的基本概念為歷史不斷重複，因此這個策略會購買過去表現好的資產組合而放空過去表現差的資產組合。

但在實證上，動量交易的報酬曲線卻會不規則的出現正報酬向下反轉的情況，且反轉的程度極大，稱之為「動量崩潰」( Momentum Crashes ) 。當「崩潰」出現時，會維持一段時間且帶來巨大的損失．舉例來說，2009年3-5月時，過去表現好的投資組合上漲8%，但同時過去表現差的組合卻上漲163%，在動量交易策略一買一賣下，可以想見投資人承受了巨大的損失( 8% – 163% = -155%)。

根據研究，崩潰會發生在市場已持續下跌一段時間並準備回升的時間點。學者認為合理的解釋為動量交易策略特性是購買低beta資產並放空高beta的資產，以資本資產定價模型舉例( CAPM Model，Rportfolio=Rrisk-free+βportfolio^*Rmkt , 其中 Rportfolio為投資組合的報酬 , Rrisk-free為無風險資產報酬 , Rmkt為市場報酬 )，當市場回溫時， Rmkt>0，這個策略相當於擁有極大的負beta值， βportfolio<0，因此會產生極大的負報酬。

另外，在實證上還有另外一個值得注意的現象。當市場為熊市時，動量交易策略會表現出類似「賣買權」的報酬型態，如下圖所示。

以下使用S&P 500自2005年到2015年的資料，我們將以簡單的迴歸式驗證這個現象。

首先，是熊市下的動量交易策略：
R^ei,t=[α0+αB^*IB,t-1]+[β0+IB,t-1(βB+IU,t^*βB,U)]Rm,t+ϵt

迴歸式中使用的變數：
R^ei,t：動量交易投資組合的月報酬
Rm,t：S&P 500指數月報酬
IB,t-1 : 熊市指標．其值為1時表示市場為熊市
IU,t：市場上升指標，其值為1時表示市場正在走升
ϵt：市場噪音

此回歸式得到的參數為：

其中， β0+βB反映市場為熊市下，動量交易投資組合的報酬與市場報酬間的相關性。β0+βB+βB,U則反映市場為熊市，且市場情況回升下，動量交易投資組合的報酬與市場報酬間的相關性。

接著，是牛市下的動量交易策略：
R^ei,t=[α0+αL^*IL,t-1]+[β0+IL,t-1(βL+IU,t^*βL,U)]Rm,t+ϵt
IL,t-1：牛市指標，其值為1 – IB,t-1

得到的參數為：

根據上面回歸式驗證的結果，我們可以看到當市場處於熊市時，動量交易策略的投資組合會產生負的beta值( β0+βB = -0.6203)，而當市場為熊市，且同時市場狀況回溫時，投資組合會產生更大的負beta值( β0+βB+βB,U = -1.7804)，也就是前面提到的「賣買權」的報酬型態。但當市場為牛市時，同樣的報酬型態卻不會出現。藉由這個結果，再加上選擇權易受波動率影響的特性，可以考慮將預測市場波動率的因子加入投資組合中，避免「崩潰」情況的發生，以得到更穩定的報酬率。

【延伸閱讀】

• 從《QUANTITATIVE TRADING》讀書心得學量化交易入門
• 量化交易經驗分享！怎麼會開始量化交易？量化交易投資人的一天！

The post 量化交易—動量交易策略 appeared first on StockFeel 股感.

與計量分析相比，機器學習不需要事先假定具體的分析模型，機器學習模型會根據給出的訓練資料自我調整的調整模型參數，使得訓練出的參數是對訓練資料內含規律的最佳描述。其優點是擺脫了分析人員對分析模型認識的局限性(如不同的計量回歸分析模型的選擇)；其缺點則是無法解釋輸入變數對輸出變數的影響。但是在股票分析預測中，特別是股票交易中，我們更關注的是預測的準確性。這也正是本文將機器學習方法應用在演算法交易中的原因。

使用監督式機器學習的架構來分析股票資料，主要考慮的有三個方面問題，一是輸入資料選擇與處理，二是輸出資料(目標值)的選擇與處理，第三則是模型的選擇。

一、機器學習的輸入資料

本文主要考慮了技術分析所涉及到的兩個重要分支，一是技術指標，二是股票型態。

技術指標
技術指標是對某一特定期限長度的歷史資料(包括開盤價，最高價，最低價，收盤價，成交量)通過某種演算法計算而得到的指標值。演算法的不同，指標值呈現的意義也有所不同。有人將這些技術指標簡單分爲順勢型指標和逆勢型指標，也有人進一步細分，將其分爲趨勢類、震盪類、成交量類以及人氣類。以下通過 EMA, MACD, RSI, OBV 對技術指標進行說明。

EMA (Exponential Moving Average, 指數移動平均)

指數移動平均是以指數式遞減加權的移動平均。各數值的加權影響力隨時間而指數式遞減，越近期的數據加權影響力越重，但較舊的數據也給予一定的加權值。

• 設時間t的實際數值為Yt，而時間t的EMA則為St；時間t-1的EMA則為St-1
• 計算時間t≥2是方（6561-TW）程式為:    St= α*Yt +(1-α)*St-1
• 在技術分析中，不同的市場對常用天數(n值)有不同的需求，例如：某些市場普遍的n值為10日、40日、200日；有些則是5日、10日、20日、60日、120日、240日，視乎分析時期長短而定。投資者冀從移動平均線的圖表中分辨出支持位或阻力位。

MACD(Moving Average Convergence / Divergence) 指標計算及原理

• 差離值(DIF值)：利用收盤價的指數移動平均值(12日/26日)計算出差離值。公式：DIF= EMA(close,12)–EMA(close,26)
• 訊號線(DEM值，又稱MACD值)：計算出DIF後，會再畫一條(訊號線)，通常是DIF的9日指數移動平均值。公式：DEM= EMA(DIF,9)
• 直條圖或棒形圖(histogram/bar graph)：接著，將DIF有與DEM的差畫成(直條圖)(MACD bar/OSC)公式：OSC = DIF- DEM

MACD指標主要是通過EMA、DIF和DEA(或叫MACD、DEM)這三值之間關係的研判，DIF和DEA連接起來的移動平均線的研判以及DIF減去 DEM值而繪製成的柱狀圖(BAR)的研判等來分析判斷行情，是預測股價中短期趨勢的主要的股市技術分析指標。其中，DIF是核心，DEA是輔助。DIF是快速平滑移動平均線(EMA1)和慢速平滑移動平均線(EMA2)的差。BAR柱狀圖在股市技術軟體上是用紅柱和綠柱的收縮來研判行情。

• 差離值(DIF)形成「快線」，訊號線(DEM)形成「慢線」，當差離值(DIF)從下而上穿過訊號線(DEM)，為買進訊號；相反若從上而下穿越，為賣出訊號。
• 棒形圖會根據正負值分佈在零軸(X軸)的上下。棒形圖在零軸上方時表示走勢較強，反之則是走勢較弱。
• 差離值由下而上穿過零軸代表市場氣氛利好股價，相反由上而下則代表利淡股價。差離值與訊號線均在零軸上方時，被稱為多頭市場，反之，則被稱為空頭市場。
• 當股價創新低，但MACD並沒有相應創新低(牛市背離)，視為利好(利多)訊息，股價跌勢或將完結。相反，若股價創新高，但MACD並沒有相應創新高(熊市背離)，視為利淡(利空)訊息。更多MACD在交易中的應用讀者可參考 MOVING AVERAGE CONVERGENCE-DIVERGENCE (MACD) 。

RSI (Relative Strength Index) 指標計算及原理

• 設每天向上的變動為U，向下變動為D。
• 在價格上升的日子：U = 當日收市價 – 昨日收市價；D = 0
• 在價格下跌的日子：U = 0；D = 昨日收市價 – 當日收市價
• 所謂相對強度，即U平均值及D平均值的比例：RS= EMA(U,n)/EMA(D,n)
• 相對強弱指標計算公式為：RSI= EMA(U,n)/[EMA(D,n) +EMA(U,n)]*100%

• 某證券的RSI升至70時，代表該證券已被超買(Overbought)，投資者應考慮出售該證券。相反，當證券RSI跌至30時，代表證券被超賣(Oversold)，投資者應購入該證券。
• 當RSI指標與盤勢發生背離時，則代表盤勢即將反轉，若股價在創新高時，RSI沒有跟著創新高，則為轉弱訊號，下跌即將開始;若股價在創新低時，RSI沒有跟著創新低，則為轉強訊號，上漲即將開始。
• 結合不同天期指標判斷：短天期指標向上穿越長天期指標為黃金交叉，買進;短天期指標向下穿越長天期指標時為死亡交叉，賣出。

OBV(On Balance Volume) 指標計算及原理

• 以日為計算週期為例，其計算公式為： 當日OBV=本日值＋前一日的OBV值。
• 如果本日收盤價或指數高於前一日收盤價或指數，本日值則為正；如果本日的收盤價或指數低於前一日的收盤價，本日值則為負值；如果本日值與前一日的收盤價或指數持平，本日值則不於計算，然後計算累積成交量。這裡的成交量是指成交股票的手數。

能量潮理論成立的依據重要是：

1. 投資者對股價的評論越不一致，成交量越大；反之，成交量就小。因此，可用成交量來判斷市場的人氣和多空雙方的力量。
2. 重力原理(the Law of Gravity)。上升的物體遲早會下跌，而物體上升所需的能量比下跌時多。涉及到股市則可解釋為：一方面股價遲早會下跌；另一方面，股價上升時所需的能量大，因此股價的上升特別是上升初期必須有較大的成交量相配合；股價下跌時則不必耗費很大的能量，因此成交量不一定放大，甚至有萎縮趨勢。
3. 慣性原則(Principle of inertia)。動則恒動、靜則恒靜。只有那些被投資者或主力相中的熱門股會在很大一段時間內成交量和股價的波動都比較大，而無人問津的冷門股，則會在一段時間內，成交量和股價波幅都比較小。

股票型態
我們參照了 歷史不斷重演－型態學 一文中提及的型態，通過圖像辨識的方法對股票時間序列資料進行處理，進而作為機器學習的輸入。

二、機器學習的輸出資料

在機器學習輸出資料的選擇上，由於本文策略邏輯是基於股票的趨勢交易，因此所考慮到是先將股票時間序列進行趨勢分析，進而將趨勢資訊轉化成為以風險為基準的交易訊號。通過計量模型，我們可以把股票價格序列進行趨勢分析。趨勢分析範例如下：

接著我們計算每一段趨勢的夏普值(Sharpe ratio)作為對應的風險交易訊號。

三、機器學習模型的選擇

大量文獻研究表明支援向量回歸(support vector regression)，類神經網路(artificial neural network)相較於其他機器學習方法在處理股票資料上有較強泛化能力及較高的預測準確性。支援向量回歸是支援向量機(support vector machine)的一種變形，它屬於非線性回歸(nonlinear regression)的一種方法，藉由增列資料的特徵(feature)，建構一個或多個高維度的超平面來分類資料點。類神經網路屬於一種平行計算系統，它由許多神經元(artificial neurons)或節點(nodes)組成。概念上，類神經網路是模仿人腦的神經元網路，建立以下模型：每個神經元代表一種特定的輸入/輸出函數，以其它神經元或外部環境取得輸入資料，通過運算程式處理後，輸出其結果到其它神經元或外界。

本文選擇機器學習模型為支援向量回歸及類神經網路。通過這兩種機器學習演算法對目標歷史資料進行學習，分別構建技術指標與交易訊號、股票型態與交易訊號之間的量化聯繫，這種量化聯繫可用來預測交易訊號。

根據上述的演算法，我們分別構建了中低頻交易策略與中高頻交易策略。在中低頻資料上，對大陸、臺灣、韓國、及美國四個不同市場的日資料進行了測試。發現以技術指標作為訓練模型的輸入資料時，在大陸和臺灣市場上有可觀的收益；以型態評分資料作為訓練模型輸入資料時，在大陸和韓國市場上有可觀收益。至於在日內5分鐘的中高頻資料上，對大陸股指期貨，及主要商品期貨產品進行了測試，發現在波動較高的期貨產品中有較好的回測績效。

以下列舉對三個大陸市場的實證分析，並考慮交易成本，各圖中黑色曲線表示對標的資產以 buy and hold 策略交易的回測績效，紅色曲線表示機器學習產生交易策略的回測績效。至於相對應的表內則顯示機器學習所產生交易策略的統計量。

The post 機器學習在演算法交易中的應用— 技術分析 appeared first on StockFeel 股感.

行動支付屬於第三方支付的一類，第三方支付是一個獨立且具有信譽的仲介機構，能夠對買賣雙方的交易進行監督。近年來，第三方支付藉由智慧型行動載具普及化的幫助而擴展至更多領域，發展出了行動支付，進一步的提升交易的便利性，明顯地開始改變了人們的交易與消費習慣。

阿里巴巴（Alibaba, BABA-US）的支付寶就是一個例子，他以第三方支付為起頭，近兩年開始進入投資、融資、保險等金融業領域，讓中國民眾能夠使用支付寶進行許多大大小小的交易，像是買賣基金、保險、繳費，甚至小到搭車、買早餐都可以用支付寶完成。另外，地球的彼端—丹麥也宣布2016年1月起推動全國數位付款、無紙鈔交易，快速地進入了信用卡或手機行動支付的階段。

由於行動載具不僅具有社交、通訊的功能，還擁有隨時、隨地、隨身的特性，使得現代的電子商務模式能更加的豐富、更具有創新的空間，也使網路支付、行動支付、雲端帳戶等不同的消費方式更加的頻繁。未來，引領電子商務的主流將會是行動購物、行動支付，而“O2O（Online To Offline）”也將是其中一個的重要環節。第三方支付將漸漸地融入到世界上每一個角落、每一個人的生活中。

線上金流明星—Stripe

Stripe的創辦人為Patrick Collison和John Collison，兩兄弟發現要在網路上銷售自己的軟體，能選擇的金流服務並不多，因為蘋果（Apple, AAPL-US）的服務通常不支援蘋果以外的產品，而常見的PayPal也有費用計算複雜及必須連結到PayPal網站才能完成付款等不便性。因此，在2010年1月時，兩兄弟開始策劃Stripe這間創新支付企業，為B2B和B2C業務提供網站與手機的支付服務。

目前Stripe支援全球14個國家、139種貨幣及比特幣，且商家可接受來自全球10億人的付款。現有的客戶為跨入電子商務的社群媒體Twitter、叫車軟體Lyft、群眾募資平台Kickstarter、加拿大電商平台Shopify、生鮮產品運送服務的Instacart、媒體網站WIRED和TED等。

Stripe提供商家完整的顧客及商品管理介面，也能夠在後台觀察客戶資料、收入變化、轉帳情形等各種資訊。

首先介紹後台的顧客管理介面，下圖是一個範例顧客及此顧客資訊畫面的一部份，除了記錄ID、電子信箱與描述之外，也可編輯metadata〈後設資料，描述資料的資料，給予所有顧客一個實質的結構，讓商家更容易的儲存及管理〉，另外還有信用卡資料、銀行帳戶、付款資訊、訂閱內容、擱置中或已實現的付款收據、訂單及折扣等一連串完整的顧客資訊，都可以在這一頁面中讓商家一覽無疑。

以下的test 1是一個商品上架的例子，除了可以放上此商品的照片、名稱、標題、描述及基本資料—ID、URL連結，也可以選擇商品的特性〈如顏色、尺寸等〉及是否能夠船運等等。更進一步的還可以編輯metadata，幫助商家儲存、控制及管理存貨，也幫助消費者搜尋、辨識及選擇商品。

接下去是存貨的管理與新增〈Add SKU (Stock Keeping Unit，最小存貨單位)〉，除了載入存貨的相片、輸入金額及幣值、ID、商品特性、數量及可以海運商品的佔據空間。數量可在倒數第二欄的Inventory輸入，除了可選擇個數之外，也可以在存貨是以一組〈包〉做計算的時候，選擇Bucket，並選擇是否有現貨等等。

貼心設計X友善環境X簡單支付

除了上個部分介紹的商家介面的完整性之外，Stripe對每筆交易收取清楚簡單的30美分與總金額2.9%的費用也是一個優勢。Stripe希望提供想在產品中添加支付功能的公司整個支付交易過程的服務，這不僅可以讓許多缺乏資金和人力的新創公司降低開發成本，也不須陷入複雜的銀行交易體系中。另外，Stripe也提供開發者容易使用、說明完整的API，只需要用幾行JavaScript便能進行各種調整。

Using Stripe is almost as easy as embedding a YouTube video into a website. Stripe讓串接金流變得跟嵌入 YouTube 影片一樣簡單。

Stripe提供給網站開發者的API程式碼範例與說明(上圖為前一個段落中顧客資訊的相關程式碼)

另外，Stripe在付款過程的畫面上下了不少工夫，不光是每一個產品開發的小組〈product engineering teams〉，就連Collison兄弟也會參與其中，像是Stripe的付款流程中使用者輸入信用卡卡號的動畫，就是Patrick Collison寫了程式進行改善的。因為他們覺得，當使用者已經進入付款流程時，代表他已經完全信任這個網站及公司了，為了能夠增進使用者的體驗，Stripe在付款流程間增加了一些動畫。不過這些動畫的功能絕對不是為了愉悅、取悅，而是為了強化付款流程的體驗、幫助客戶更容易了解產品。

以下是Stripe所設計的一些具有特殊功能的動畫例子：〈Stripe 如何設計付款流程動畫〉

首先，在填寫資料時，Stripe不希望在使用者填寫錯誤時，直接在每個欄位糾正，這樣會給予使用者較大的挫折感與衝擊感，且有可能增加使用者放棄結帳的機會；所以只透過搖啊搖，利用輕微搖動畫面，並配合將錯誤欄位邊框改為紅色的動畫，對使用者做簡單的提醒，這不僅不會讓使用者產生挫折感，依舊可以指出問題的所在。

另外，隨著「Remember me」被勾選後，才會出現輸入電話號碼的隱藏式對話框，這很清楚地告訴了使用者，電話號碼是「記住我」這個步驟所需要的資訊。

Stripe也採取了兩段式的驗證程序，先寄送驗證碼到使用者手機，再要求將驗證碼填入表單，這會使驗證程序中等待的時間稍長。Stripe利用了「魔術」這個動畫，透過傳達運（6120-TW）轉中意思的小動畫告訴使用者系統正在努力之外，也有一系列的畫面顯示系統正在運行或已完成了哪些程序。這樣能夠讓使用者「感覺」時間過得比較快一點。

最後，在付款資訊的步驟中，隨著步驟的前進，在畫面下方都會顯示出下一個階段的內容〈付款資訊Payment Info→支付25美元Pay$25.00〉，清楚地告訴了使用者，填完付款資訊後，會進入檢視資料的畫面，接下來則是進行付款，再透過第三次的動畫告訴使用者付款完成。

最大競爭者—PayPal

在線上支付公司領域，Stripe的最大競爭者是PayPal，兩者除了在服務的範圍上有些許的差異—PayPal主要為實體店面做支付服務，而Stripe則主要在網路與行動支付上發展。Stripe更希望改變開發者架設網站的方式，使支付功能與網站或行動程式完整結合。

Stripe的未來展望

Stripe已有上述較簡化的支付流程、易於操作的支付系統及和PayPal之間差異化等優勢，下一步要改進的是入帳時間，雖然Stripe已於2014年6月將部分國家的收入轉帳時間從七個工作天縮短為兩個工作天，但要與PayPal和Square的隔天入帳競爭，還需要在這部份多做努力。另外，在全球的擴張也是他們必須關注的課題，為了提供滿足不同需求的接口，Stripe不僅需要處理交易，還需考慮退款、額外收費、貨幣匯兌等問題。

近期的新聞中還提到，Stripe可以協助全球的科技人才透過Stripe成立美國帳號，把事業登記在美國德拉瓦州，透過其系統讓業者接受全球線上付款。這樣說來，Stripe可以被視為FinTech公司的FinTech公司了。

參考資料來源：
1. Stripe API
2. What is Stripe? Or Stripe.com – A Comprehensive Overview
3. Memberful—Stripe vs PayPal: Who should you choose?

The post 量身訂做的行動支付平台—Stripe appeared first on StockFeel 股感.

Bitcoin比特幣，目前最廣為人知的虛擬貨幣，在經歷過投機泡沫之後，讓大部分的人覺得它遙不可及。但其獨特的挖礦模式與幣數上限讓比特幣相較正常國家貨幣更不容易被操縱和增印，隨著線上支付在全球日漸盛行，無現金時代慢慢的來臨，在這場行動支付大戰中大筆的手續費被中介商賺走，但在Blockchain.info推出的my wallet比特幣轉帳竟然是零費用！？

即時的比特幣金融數據與礦區開採資訊

在blockchain.info的網站上可以隨時查閱即時bitcoin對美元或人民幣的匯率，總交易量，也同時可以查詢目前的礦區資訊，包括正在開採礦區、已拒絕礦區、Hub節點(大規模交易節點)等，同時blockchain也將礦工的開採成本與交易成本都計算完整了。

(資料來源：Blockchain.info)

只聞其聲不見其影的Bitcoin

也許你會有疑惑？Bitcoin有什麼特色足夠吸引我，大家不都傳言這是一種很危險而且不健全的貨幣嗎？隨著金融科技以指數方式向上成長，能夠接納的商品也越來越多，bitcoin雖然歷經波折，但由於已逐漸臨界到開採上限的緣故，未來貨幣匯率將趨於穩定，而讓世界各國政府無法認同虛擬貨幣的主要原因就是它無法受到政府的控制，但這也代表bitcoin無法任意受到外界干擾，相較於新興市場的貨幣還要來的更加穩定。

My Wallet與區塊鏈─未來新金融的趨勢

Blockchain.info除了即時數據外還提供了比特幣錢包-My Wallet，這種比特幣帳戶與傳統銀行帳戶的儲存形式並不相同，採用了雙重加密的方式，使用者在使用瀏覽器進行帳戶操作後將再經過一層加密才會傳輸到服務器上，也就是連官方也無法得知密碼，大大減低了外部駭客侵略的機率。

而最具劃時代創新的就是各個My-Wallet之間貨幣流通的方式了，應用了Bitcoin背後的技術-blockchain區塊鏈，而區塊鏈的概念簡單來講可以把它想像成一個公共的帳本或資料庫，而這個帳本：

1. 存放在網絡中各個節點上，可以把每台電腦都想像為一個節點，而每個節點都有一份完整的備分。
2. 每次新區塊產生後，都會把交易紀錄用加密的方式儲存在帳本上。
3. 帳本是分區塊儲存的，每塊包含一部分交易信息，且每一塊都記錄著上一塊的IP位置，形成一個鏈狀的結構，為區塊鏈名稱由來。
4. 當發起一筆新的比特幣交易時，要將交易信息在網路上廣播，經過其他節點認證之後，礦工就會將信息記錄成一個新的區塊，完成交易。

將這種技術應用在支付及轉帳上的話就代表可以直接在兩個帳戶之間流通貨幣，而不需要受到第三方像銀行之類的限制與手續費用，而認證的方式就是得到其他節點認同這筆交易，若有一定數量的節點不認可該筆交易(例如帳戶只有10元卻轉帳了20元)，則會將此筆交易紀錄到被拒絕區塊，視同無效。

 而每筆交易之間的紀錄是公開的，所有人都可以瀏覽，但一經紀錄到區塊中之後便會透過嚴格密碼學的方式綁定，想要竄改交易紀錄將會付出很高的代價，必須要將區塊鏈中其他有記憶該筆交易的節點資料都完全竄改才算是有效的交易，因此在保密與安全上My-Wallet絕對高於傳統金融帳戶。

(資料來源：Blockchain.info)

顛覆傳統銀行業的創新技術

區塊鏈的技術目前正被許多頂級投行所追逐，若成熟發展此項技術後將淘汰傳統的資料庫模式，發展此項技術也讓Blockchain.info成為了2015top50金融科技公司的第12名，已獲得來自Visa,Citi和Nasdaq的資金挹注，或許比特幣終究無法像政府貨幣一樣被接受，但其背後的區塊鏈概念將是金融史上的一大突破！

The post 打造自己專屬的比特幣銀行─Fintech公司Blockchain.info appeared first on StockFeel 股感.

大數據是時下最夯的一個詞，各行各業似乎都跟他扯得上邊，因此近來很多大師或業界權威的演講中它也常常會是分享的主題。

到底甚麼是所謂的大數據呢？根據維基百科的定義是指「所涉及的資料量規模巨大到無法透過人工或者電腦，在合理時間內達到擷取、管理、處理、 並整理成為人類所能解讀的形式的資訊」，跟傳統統計最大的不同就是大數據使用所有蒐集的數據(來源多樣而且都沒甚麼規律)來找出其中的關聯性並建立出模型。

Fintech—Ayasdi

本文要介紹的是在 fintech 中市場資訊供應類的一家叫 Ayasdi的公司。 Ayasdi 是印地安語，意思是「尋找」。2008 年的時候由史丹佛大學的 Gurjeet Singh，Gunnar Carlsson 和 Harlan Sexton 創立，這三位是研究如何將拓樸學運用到資料分析上的專家，公司剛創立時就拿到了 DARPA 350 萬的資助，到了 2015 年更從 Kleiner Perkins 募得了 5500 萬的資金。他們只提供 B2B 的服務，主要的客群為需要藉由大數據分析解決問題或找出模式的企業，企業涵蓋領域非常多樣化，例如 General Electric、Citi等等的知名公司，甚至有醫療方面的應用。

Ayasdi三位創立者認為分析複雜的數據是未來企業必須的能力，而他們的願景是讓複雜的數據變得有用。而他們創造的這樣產品是一個用於大數據分析的機器學習平台。Ayasdi 的基礎使用的是 Apache Hadoop(一個能儲存並管理大量數據的雲端平台)，這使得他們能直接使用 Hadoop 的數據，然後利用拓樸數據分析技術及各種機器學習的算法來處理複雜的數據，最後確定各個數據節點的相似度，跑出來的結果會是一張圖，相近的數據點會構成一個個集合，方便使用者作分析之用。這是他們與一般大數據公司最不同的地方，而另外一個不同的地方在於他不像一般大數據系統需要輸入查詢式問句，他能自動從數據中發現隱藏的模式。

醫療體系的改革者

Ayasdi最大的衝擊是在醫療的方面，他解決了許多醫生和醫療機構困擾已久的問題，許多醫療機構想要提升臨床護理的效率以及質量，他們想要產生出一套流程，當某一個病人走進來說明完他的病情就能直接使用某一程序給病人最好的治療。這在以前是一件不可能的事情因為牽扯的變數太多太複雜了，但在拓樸數據分析技術的幫忙下，數據的某些特定部分與特定的病人間的關係已經可以使用，可藉由找出病人屬於哪一個集合，然後從集合中提取最佳解。

風險控制和市場預測的行家

Ayasdi 既然是一家 fin-tech 公司，他當然也有金融方面的運用，這主要分為兩部分，風險控制與市場預測。

• 在風險控制的部分，它可以加快風險模型，一般而言風險模型的形成耗時良久，需要量化分析師不斷做猜測及嘗試來確定加入模型的變數，但透過Ayasdi 一開始就會把所有的變數都考慮進來，並能有效率的從中找出關聯性高的變數，快速地建立出正確的模型。
• 在市場預測的部分，很直覺的可以想到 Ayasdi 是把世界上各個市場的經濟 數據拿來分析，找出高度相關的變數建立出模型，另外這個模型不只有跨地區的特性，它同時也兼顧了當地不同時間段的特性，產生出來的模型比起傳統更加的精確有效。

結語

我認為拓樸分析這項技術真的帶來許多便利，一般來說傳統我們學的數據分析都是跑出數字結果，但是 Ayasdi 的產品所產生的拓樸圖能夠給使用者更清楚的分析結果。另外一個我覺得這項產品很不錯的地方在於他在醫療上的應用，透過發現隱藏在數據中模式的這種行為，他成功幫助發現乳腺癌的多種變種，將來應該也可帶來更多有用的發現。但是這種產品的出現也讓我不禁開始擔心未來的就業市場，當電腦越來越聰明的情況下，人力的需求會漸漸下降，未來的產業鏈會是什麼樣子真的讓我難以想像。

The post 看見數據的脈絡─Fintech公司Ayasdi appeared first on StockFeel 股感.

身為一個夢想家、一個創業者，常常擔心自己的夢想、創意要付出多少代價才能實踐。往往要實現一個創意點子，需要許多現實資金的挹注。許多新創公司的成立往往為了籌措資金，不斷向銀行借款，不時的說服自己的親朋好友，辛苦的取得集資的機會。往往也有多新創團隊因資金的缺乏而放棄自己的夢想。透過網際網路的發展，現今正流行著一種全新的做法，即是直接在網路上兜售你的新點子及創意，透過網路平台向世界各地的網友闡述你的想法，看是否有願意提供資金者幫助你實現你的夢想，這便是群眾募資的想法。

群眾募資〈Crowdfunding〉，以字面上解釋而言即是向群眾募集資金。提案者向群眾募資平台提交專案，可能是社會活動、創意點子、夢想、創業企劃，並提供相應的回饋，設定好目標金額，運用影像、影片、文案說明具體內容，以吸引群眾贊助計畫。而贊助者則是自由選擇自己喜愛的創意點子給予支持並提供資金。則此種平台便媒合了「有創意、有夢想、有想法，但缺乏資金」和「有資金，且願意支持好創意點子」的人們。

群眾募資提供了計劃者許多的機會以展現自己的創意與夢想。不僅如此群眾募資還有許多實質的效果。商品設計者可以預先掌握產量以減少庫存。提案者除了可以獲取募集的資金還可以得到及時、有效的建議，同時過程中也可以藉由平台達到宣傳、行銷的效果。而一個成功的資金募集文案，亦提高了其他單位及投資者願意贊助投資的意願。以上種種原因使現今群眾募資在今日網路發達的背景下蓬勃發展。

認識國際間著名的群眾募資FinTech新創公司

雖然國際間現存許多群眾募資平台的想法與概念都大致相同，但依據各地不同的環境背景與市場競爭下，卻各具特色。以下將介紹國際間兩大群眾募資網與台灣當地募資平台，互作分析比較。

全球最大群眾募資網KICKSTARTER

此平台一開始是為了協助缺乏資金的電影人、音樂家、藝術工作者募集資金的一個網站。目前已有十萬以上件提案成功募集到資金，總金額超過二十億美元。網站的收費方式採用All-Or-Nothing，唯有提案者募資成功才會收取5%的費用以維護網站的運作。Kickstarter對於提案者的要求較為嚴謹，除了有想法之外，還要設定好明確目標，經過審核後才可以上架進行募資。因此提案被拒絕的比率高達到四成，如此一來便可以保持站內提案的高品質。同時Kickstarter通常限制提案者須在兩個月內達到募資目標，這樣的時間限制使提案者投入更多的心思以使夢想達標，也使其更有機會贏過同業。如今站內的提案五花八門，謹慎地站內維護提供了募集的成功率，使得Kickstarter在茫茫募資平台中脫穎而出。

INDIEGOGO

起初創立時，主要是獨立製片相關計畫。目前則發展到開放各種類型的專案，即使是企業需要融資亦可。Indiegogo與其他募資平台很不一樣的是，他們喜歡主動接觸提案團隊，並更樂於協助創業者延續其資金來源以發展成「公司」。Indiegogo在軟硬整合創業者裡甚至扮演著複合角色，協助其測試市場、公關操作、接觸用戶，成為軟硬整合創業者踏入國際市場的選擇之一。網站收費方式採用All-Or-Nothing〈達到募資目標收取5%交易費，沒達目標退回給捐款人〉及Keep-It-All〈達到募資目標收取5%交易費，沒達目標則收取10%交易費〉兩者並行，提案者可以自行選擇，較為彈性。相較於Kickstarter，他以不審查專案的作法，讓欲創業者、企業家自由參加募資，因此亦能在群眾募資網之中佔有一席之地。

台灣最大的群眾募資平台FLYINGV

FlyingV在2013至2014年間，因一系列路跑與社會運動專案而打開知名度，同時也讓台灣更多人認識群眾集資模式。開站四年共有684個成功專案，平均每2天就有1個專案成功募得所需資金，累積集資金額達1.3億台幣。而分析在這些成功專案中，卻是隱藏著高達六成的募資失敗率，其中成功率較高者分別為影視類與社會文化類別。這與台灣本土的風俗民情，與近年因公民意識高漲的社會環境相關。FlyingV這樣的一個募資平台，透過群眾的力量，集結各方的資源，讓台灣的優秀設計、音樂電影、創意商品、公益專案等，多了一個全新的管道可以向社會大眾宣傳、推廣以尋求支持與資金，增加達成目標及夢想的機會。

2015年中最成功的專案是新時代中文字體《金萱》，為一台灣本土研發字體，其字型風格介於明體與黑體之間。以台灣文字風景經由FlyingV的網站打響其知名度，僅僅三天的集資就破兩千萬，成為創字型集資世界最高紀錄。在社會運動方面，2014年的太陽花學運，經由PTT網友在FlyingV發起集資廣告，為打破特定媒體的選擇而築下的高牆。剛推出活動30分鐘後便募得了第一階段的目標150萬元，不到三小時，金額已達第二階段633萬元的目標集資，並成功買下了「紐約時報的國際板全版廣告」，也打破了台灣募資的最快紀錄。

以目前專案的類型而言，FlyingV屬於台灣在地社會活動及創業的募資平台，因應群眾募資國際化的發展趨勢，FlyingV欲從台灣慢慢推向亞洲市場，期望成為亞洲使用者在群眾募資時的最佳選擇。

The post 群眾募資─向全世界兜售你的新點子吧！ appeared first on StockFeel 股感.

債券市場還維持著和數年前相同的交易模式，賣方和買方中間存在著中介商，中介商先買下賣方的債券，在去市場尋找潛在的買方，由此可見，價差便是由中介商來決定，而這樣的交易模式與債券流動性大有關聯，因為價差涉及到交易成本，市場風險的提升，便會讓中介商把價差提高，買方需要付出更高價格來購買債券，最終導致債券流動性下降，這是債券市場頭痛許久的問題。

ALGOMI成立於2012年，由史都‧泰勒(Stu Taylor)所創辦，他原本就職於瑞士聯合銀行(UBS)，後來決定自行發展事業，於是打算成立一家創新的金融科技公司，也就是ALGOMI。

就如同許多金融科技公司，ALGOMI扮演的角色是平台，投資人或者銀行只要購買了這套軟體，等於是擁有了另外一個更方便的市場來交易債券。ALGOMI運用它獨特的「蜂巢系統」建立一個交易網絡，來促進固定收入市場(Fixed Income Market)，也就是債券市場的流動性，「蜂巢系統」是它們研發用來處理大數據的系統，一格一格的蜂巢分別放進不同的個別債券，並且將所有商品的資料依照重要特性分門別類，並且將相關性高的商品聚集在同區域，讓買方賣方能夠更迅速的尋找到交易對象，減少了交易者大量的時間成本以及風險。ALGOMI主要有兩大交易對象─買方(投資人)以及賣方(銀行)，對於這兩個客群分別提供不同的服務以滿足特別的需求。

一個為您量身訂做的交易員

買方，包括個別投資人、基金經理人以及公司集團等，為了投資或者避險等目的需要購買債券來作為股票市場的互補，當然最大問題包含如何快速尋找合適的交易對象和買賣雙方資訊的不對稱，首先，透過剛剛提及的蜂巢系統，買方可以設定條件如：金額、多空頭、債券種類等來找到自己合適的商品，若是買方並沒有明確的投資策略，ALGOMI也會主動針對客戶的資產、交易紀錄來主動推薦商品，讓買方能夠擁有更多的資訊量。

再來，透過網路該如何讓投資人能確保交易能安全進行，ALGOMI提供隱密的協商管道，若一旦確定了交易對象，雙方會進入一個嚴格加密的對話室來談細節，其中的談話紀錄都不會讓其他客戶看見，因為客戶都是匿名，此舉除了能讓買賣雙方擁有對方更多資訊，也能避免市場的噪音出現，假如我們看到其他客戶都在放空債券，債券市場便有可能開始崩盤，何況透過此平台的功能，價格失靈會發酵的比以前快更多。ALGOMI保障客戶資料，只有在交易確定時才能看到對方的交易紀錄，如果遇到更大筆金額的交易，也有提供語音對話來增加安全性。

不用再為大量客戶煩惱

賣方，主要為銀行，他們需要服務大量的客戶，促進客戶之間的交易，或者推薦他們良好的投資機會，每天都有客戶會打給交易員，時間點、交易金額、標的全都不一樣，ALGOMI系統幫忙銀行整合其客戶資料，運用特殊的整合引擎來配對不同客戶，讓客戶彼此以最滿意的價格成交，大量減少了銀行的機會成本，ALGOMI也會主動提供最佳交易的排行，交易員為了幫搓合客戶，只要看著排行名單便可以立刻找到交易對象。另外，銀行所承擔的風險隨著海內外客戶的增加，變得更多樣、複雜，透過此系統，加速流動性，也更有效地監視著客戶的交易情形，同樣避免噪音擾亂市場，讓銀行能提前一步避免危機。

未來的超新星

ALGOMI在香港、倫敦和紐約這三個金融重鎮都設有分公司，目前已經有140家買方公司以及14家銀行都安裝了它的程式，它獲得了《Euromoney》2015年「年度最佳金融技術創新獎」，也入圍富比世2015年前五十大金融科技公司，ALGOMI，將以它創新、獨特的技術以及概念來影響未來金融市場。

The post 債券市場的催化劑─FinTech新創公司ALGOMI appeared first on StockFeel 股感.

芝加哥商業交易所（CME Group Inc, CME-US）（CME）於1988年發展出SPAN(Standard Portfolio Analysis of Risk)保證金計算系統，運用VaR(Value at Risk)的概念，估算投資組合之整戶風險，按標的資產商品分類，以商品群組為基礎，進行風險切割及風險互抵，並運用市場風險情境(Market Scenarios)計算保證金。

SPAN的運算有幾個重要的參數，價格風險、跨月風險、交割風險、跨商品折抵、放空選擇權最小保證金(SOM)等，這些參數可以從TFE網站中取得，每天盤前、盤中、盤後都會更新，市場波動大時，會更新得比較頻繁。接著，讓我們來介紹一下這些參數的意義。

價格風險

首先，我們來介紹一下價格風險，價格風險是根據16種不同情境估算可能造成的損益，這16種情境是由不同的價格變化和波動率變化組合而成。以下我們提供兩個表格，分別為台指期的價格風險矩陣和接近價平的台指買權(Delta＝0.531547)的價格風險矩陣，從表格中，我們可以看到，波動度對期貨的價格風險是沒有影響的，但對選擇權就有很大的影響。細心的讀者可能發現了，期貨的風險情境價格變化3倍價格偵測全距的情況下風險值竟然比變化1倍的風險值小，這是因為發生的機率太小了，所以TFE將這極端的風險值只取了其中的32%。

TFE將價格偵測全距訂定與公告的結算保證金相同。而結算保證金＝指數×指數每點價值×風險價格係數，其中，風險價格係數為參考一段時間內價格變動幅度，估算至少可涵蓋一日價格變動幅度99%信賴區間之值。台指期價格偵測全距為61,000。

跨月風險

接著是跨月風險，跨月風險指的就是相同商品不同月份下的價差風險，這邊TFE採用固定比率的方式計算跨月風險值，例如，一多一空不同月份的台指期，需提列的保證金為台指期結算保證金×30%；一多一空不同月份的人民幣期貨，需提列的保證金為人民幣期貨結算保證金×50%。

跨商品折抵

再來，我們要介紹跨商品折抵的部分，這部分的概念是，不同商品群組的相關性，像是台指期和金融期及電子期會有一定程度的連動性，當我們多一口台指期，空一口電子期的時候，風險值其實沒有各別計算一口保證金那麼大，那麼該如何計算呢？我們可以先看TFE提供的參數表，來了解一下。我們就以台指期與電子期為例，參數列在表格的第一列，TX是台指期，TE是電子期。從TFE的SPAN參數檔中，可以取得台指期加權價格風險值為61,000，電子期加權價格風險值為50,000。

實例

為什麼SPAN能讓資金的運用更有效率呢？讓我們來看一些例子吧！以下的運算依據2016/01/05 TFE於16:15公布的參數檔。

從上面幾個例子，可以發現SPAN能夠顯著的增加我們資金運用的效率，但是，中華民國期貨業商業同業公會期貨交易人採行整戶風險保證金計收方式自律規則第六條第二款告訴我們：在大部分情況下，以SPAN計算之保證金低於以策略基礎計算之保證金，惟仍有少部分情況，前者計算之保證金將略高於後者計算之保證金，此係合理反映部分風險所致。以下就來舉幾個這樣的例子：

從上述的例子可以看出，確實在某些時候，SPAN系統會收較多的保證金，但差距通常不大。最後，來了解一下使用SPAN系統的申請資格和注意事項：

• 申請資格
  一、開立期貨受託契約滿三個月。
  二、最近一年內期貨及選擇權契約交易成交各十筆以上，其開立期貨受託契約未滿一年者亦同。
  三、未曾有期貨交易違規紀錄。

• 注意事項
  一、期貨交易人未沖銷部位所需之保證金數額不得低於以SPAN計算之原始保證金數額。
  二、在大部分情況下，以SPAN計算之保證金低於以策略基礎計算之保證金，惟仍有少部分情況，前者計算之保證金將略高於後者計算之保證金，此係合理反映部分風險所致。
  三、期貨交易人之未沖銷部位可形成跨商品或跨月組合者，當一部分部位因了結或到期而不再形成組合部位，將可能發生所需保證金增加或追繳之情形。
  四、期貨交易人之當日沖銷交易部位，應依期交所公告之期貨契約當日沖銷交易保證金計收標準計收保證金，其盤中當日沖銷交易之未沖銷部位，不併入一般非當日沖銷交易之未沖銷部位以SPAN計算保證金。

結語

SPAN保證金制度的目的是為了忠實地呈現風險，本意並非減少保證金的收取，全球70%以上交易所都使用SPAN保證金制度，台灣金融業要打亞洲盃，投資人也要跟進學習，在新加坡、香港、泰國和日本等國家，也都是使用SPAN制度。保證金減少的情況，只是針對台灣現行的兩種保證金制度(是否申請使用SPAN制度)作比較，在有效率的運用資金背後，其實也隱含槓桿相對放大，讓部位倍增也代表虧損可能倍增。因此，缺乏資金控管能力的投資人，申請使用SPAN前還是應該再三考慮。

The post 更有效率的運用資金－SPAN保證金制度 appeared first on StockFeel 股感.

首先了解什麼是配對交易和期現套利，配對交易（Pairs Trading）是一種提供投資人在二種相關性資產間進行交易的策略，期現套利是配對交易中的一類，指投資股票指數期貨合約和相對應的一攬子股票的交易策略，以謀求從期貨、現貨市場同一組股票存在的價格差異中獲取利潤。一種情況是當期貨實際價格大於理論價格時，賣出股指期貨合約，買入標的ETF，以此獲得無風險套利收益；另一種情況是當期貨實際價格低於理論價格時，買入股指期貨合約，賣出標的ETF，以此獲得無風險套利收益。

理論上我們可以賺取期現價差收益，但實際操作需要考慮各種交易成本，這勢必會減少套利機會，準確捕捉套利點是期現套利的第一步，即套利區間的確定。

如果實際期貨價格正好等於理論期貨價格，則套利者無法獲取套利利潤。但在實際操作中，會存在無套利區間。在這個區間中，套利交易不但得不到利潤，反而將導致虧損。具體而言，若將期指理論價格上移一個交易成本之後的價位稱為無套利區間的上界，將期指理論價格下移一個交易成本之後的價位稱為無套利區間的下界，只有當實際的期指價格高於上界時，正向套利才能夠獲利；反之，只有當實際期指價格低於下界時，反向套利才能夠獲利。顯然，對於套利者來說，正確計算無套利區間的上下邊界是十分重要的。

當股指期貨價格高於無套利區間上限時，期貨價格被高估，可以賣空股指期貨，買入股指現貨，當股指期貨到期時，期貨價格和股指現貨價格必趨於一致，獲取價差收益。

實證一 正向套利

根據無套利區間的計算，1506合約價格6月1日收盤價偏離無套利區間上限，存在正向套利機會，即可進行買ETF賣IF1506的操作。投資者初始資金190萬人民幣，股票帳戶和期貨帳戶中分別預存160萬元和30萬元用於交易。2日當日開盤價差140點，耐心等待大於140點位入場，價差一度縮小後又擴大，盤中IF1506與滬深300指數期現價差擴大至153點，此時入場，進行買3000張華夏滬深300ETF，賣一手IF1506的操作。

買ETF費用合計為5.098×100×3000×（1+0.15%）=1531694.1元，賣股指期貨共花費5212.6×300×（15%+0.0075%）=234684.28元。此刻期貨帳戶中還剩餘資金65315.72元，可承受期指217.7點的上漲。當日臨近午盤期指振盪下挫，價差縮小至67.7點，午後卻大幅拉升，臨近尾盤期指一度達到5326.6點的高位，此時價差157點，持倉過夜。3日開盤價差下滑至110點，盤中震盪運行並繼續下滑，於是，耐心等待理想點位的出現。最終在價差為60點時離場，賺取價差93點。

實證二 反向套利

考慮期現價差存在反向套利的情況，我們需要賣出ETF，買入期貨操作，目前台灣也可買賣中國ETF，在台灣掛牌的有四檔中國ETF，包括寶滬深(0061)、FB上證(006205)、元上證(006206)、FH滬深(006207)。

根據無套利區間的計算，寶滬深15年9月期貨合約（0061=U5）8月25日收盤價偏離無套利區間下限，存在反向套利機會，即可進行賣寶滬深（0061）買期貨合約的操作。

投資者初始資金19萬台幣，股票帳戶和期貨帳戶中分別預存160000台幣和10000台幣用於交易。26日當日早盤價差0.35點入場，進行賣10張寶滬深ETF，買一手寶滬深期貨的操作。賣ETF費用合計為15.52×1000×10×（1+0.1425%+0.08%）=155545.32台幣，買期貨共花費15.15×10000×（0.002%+0.08%）+21000=21124.23元。此刻期貨帳戶中還剩餘資金8875.77元，可承受期貨0.88點的下跌。當日午盤后價差振盪上行，價差縮小至0點附近震盪，耐心等待理想點位的出現。最終在價差為0.03點時離場，賺取價差0.32點。

實證三 遠月合約套利

根據無套利區間的計算，12月1506股指期貨合約對滬深300指數出現顯著升水，遠月IF1506升水遠離套利區間上沿數日，最高達到298點，套利機會不可多得，即可進行買ETF賣期貨合約的操作。但應多注意資金風險。

交易風險

1、資金風險（強行平倉）

當期現價差出現與預期走勢相反的極端情況時，無風險利潤將為負，且由於期貨的保證金交易制度，存在被強行平倉的風險，因此需即時監控價差走勢並控制倉位。

當極端情況出現時，根據資金總額計算可承受風險點位。例如12月15日，進行IF1506的正向套利，若在當日期指收盤價3460點進行套利，則期貨帳戶資金需能承受期指135點的上漲，否則日內存在被強平的風險，而且接連兩天期指持續上漲近200點才有所回落，價差利潤回吐甚至為負。

2、ETF指數追蹤誤差風險

利用滬深300指數進行期現套利存在指數追蹤誤差風險，因滬深300指數本身不可交易，因此只能交易相對應的ETF，如華夏滬深300ETF，將其價格乘以1000，與滬深300指數進行比較，存在一定程度的偏離，有無法避免的跟蹤誤差。

以實證一為例，實證一中入場和出場所觀察的數據使用IF1506合約和滬深300指數的價差，而實際使用華夏滬深300ETF交易，實際價差嚴重縮水，所以此次交易將直接參照IF1506與華夏滬深300ETF的價差進行。

2日當日開盤價差220點，迅速回落至80點，耐心等待合適點位入場，盤中IF1506與華夏滬深300ETF指數期現價差擴大至119.6點，此時入場，進行買3000張華夏滬深300ETF，賣一手IF1506的操作。買ETF費用合計為5.097×100×3000×（1+0.15%）=1531393.65元，賣股指期貨共花費5216.6×300×（15%+0.0075%）=234864.37元。此刻期貨帳戶中還剩餘資金65135.63元，可承受期指217.1點的上漲。當日臨近午盤期指振盪下挫，價差縮小至64點，午後卻大幅拉升，臨近尾盤期指一度達到5306.4點的高位，此時價差143點，持倉過夜。3日開盤價差下滑至95點，盤中震盪運行並繼續下滑，於是，耐心等待理想點位的出現。最終在價差為32.2點時離場，賺取價差87.4點。

87.4點的價差相較實證一的93點有所減少，但實際收益卻多於實證一，這是因為實證一中存在指數追蹤誤差。

3、成交風險

由於期現價差套利為配對交易，計算的最優交易點位的前提為期現同時交易，但實際上通常無法嚴格同時成交，因此存在套利組合部分成交而部分暴露於價格波動的可能，及平倉時無法確保成交於獲利價位的可能。

The post 配對交易策略之期現套利 appeared first on StockFeel 股感.

參與初上市股票的抽籤，是許多人獲利來源之一，但之所以要抽籤，就是因為僧多粥少，抽到的人馬上享受折價所帶來的利潤，那沒抽到的人呢？該如何運用IPO資訊來做交易？

筆者一次拉開Facebook(Symbol:FB )上市至今的線圖，觀察到一個非常有趣的現象：Facebook花了近一年半的時間，才突破上市當天的高點，但突破後，股價的漲幅甚是驚人，竟然翻了兩倍之多。於是，我們有了這樣的想法…

突破IPO當日新高就買進

我們就利用IPO當天的最高價作為基準點，來看看每次突破後買進，這樣會不會是一個獲利的方式呢？

值得一提的是，在845檔股票中，有805檔在突破後隔日能為我們創造利潤，只有40檔會造成我們在進場隔日虧損，由此看來，此策略是個好的進場策略。

持有Ｎ天的報酬率

從過去的資料我們發現，筆者觀察到FB，BABA、MBLY、SHACK和BITI等，都經歷了一段打底期間，但一旦股價突破IPO當天最高價後，隨即買進持有，似乎都能為我們提供不錯的報酬。根據這樣的觀察，筆者不禁好奇，到底持有幾天會有比較好的報酬呢？

以下我們設定打底期為至少20天，也就是在IPO的20天後，我們才去判斷是否有突破IPO時的高點，並且看看在突破後的5天、10天、20天和60天，分別能為我們帶來多少獲利，以及這樣的勝率是多少。

從上表我們可以看出，在突破後的60天內，時間越長，勝率越高，平均報酬率也越高，但如果我們看年化報酬率，可以發現持有時間越短提供的年化報酬率越高。

接著，讓我們來看看，持有5、10、20和60天，報酬率分布的直方圖，我們也可以看到如統計表中的結果，持有天數越長，勝率就越高。

使用Safezone指標作移動停損

Safezone的停損方式是來自Alexander Elder的Come Into My Trading Room，這是一個有移動停損概念的策略，因為我們只有買進策略，因此以下僅介紹買進策略下的停損機制，在做多的情況下，我們以每日的最低價為依據，若今日最低點破前一日最低點，那我們就將他們的差值記錄下來，視作市場的深度；因為書中作者建議選擇10~20天的數據來計算，這裡我們選擇10天，接著，我們將前10天(含當日)的深度加總除以前10天中有破前一日低點的日數，我們稱作平均深度；然後用前一日的最低價扣掉兩倍的前一日平均深度，就是當日的參考停損點，最後，取前三日（含當日）的參考停損點最大者，當作今日的停損點設定。

接下來讓我們來看看用Safezone作停損，並且打底期設為20天，會有什麼結果呢？

總共有471檔股票會做買進的動作，勝率高達59%，但winning/loss rate有149.81%，顯示這樣的策略獲利的期望值是相當高的。接下來，我們可以看到這樣的策略在獲利時會是一個短天期的策略，而在損失時反而持有較久的時間。

再來我們可以從圖中發現，Safezone的停損價與收盤價是非常貼近的，這將造成我們很可能在短時間內受到一點波動就停損，因此接下來我們加入一個參數來做測試，就是買進後N天不進行任何動作，在N天後才開始作是否停損的判斷，在這裡我們將N設為5，結果如下：

從這裡可以看到，勝率提高了，但收益率下降了，持有天數沒有明顯的改變，主要就是我們增加的5天，因此，或許對於Safezone策略來說，這個想法是沒有必要的。

結論

從本文中可以看出，以突破IPO當日最高價為進場依據，勝率是相當高的，突破後也很有可能出現很高的報酬，但市場總是有波動，首段所提到的最高報酬，我們真的能得到嗎？真的能賣在高點嗎？這當然是非常困難的。因此，有了好的進場依據後，如何能讓我們獲得超額報酬，在什麼時候要做停損停利的動作，將是一個重要的議題，俗話說的好，「會買的是徒弟，會賣的才是師傅。」本篇僅以Safezone做為一個測試，結果所呈現的是這樣的進出場策略組合，是能為創造報酬的，勢必還有更多有效的出場方式，留待未來再做測試。

The post IPO沒抽到，何時進場才好？ appeared first on StockFeel 股感.