Page 11 - 論文-黃毓婷V3 MFB

3.2.2 模型建構

本研究採用 Black-Litterman 模型作為投資組合配置的基礎架

構，並將每一檔個股預期報酬率視為投資者之主觀觀點納入模型

中。為建構個別資產的預期報酬率，本文使用結合 CAPM 因子與情

緒變數的迴歸模型，公式如下：


R  R     (R  R f )  Sentiment  ， (5)
m
i
i
i
f
式 (5) 中 ， R 表示第 i 檔個股報酬率，R 為無風險利率，R - R 為
i
m
f
f
市場風險溢酬，Sentiment 為每檔個股新聞文字探勘所建構之情緒指
i
標。每期以滾動視窗 (長度 12 個月) 估計係數，並將迴歸模型中最
後一個月的超額報酬與情緒值帶入模型，預測個股未來一期報酬率：
ˆ
ˆ
) 
R  R  ˆ    (R  R  ˆ Sentiment ， (6)
i
i
f
i
i
f
m
i
ˆ
式 (6) 中係數 ˆ  、 、 ˆ  分別為迴歸模型中之估計值，使用預期報
i
i
ˆ
酬 R 作為 Black-Litterman 模型中觀點向量 Q。
i
2
此外，本研究採用每檔股票的判定係數 (R ) 作為各觀點的信心
水準，以建構含信心參數之 Black-Litterman 主觀觀點。換言之，信
心水準設為：
2
Confidence  R ，
i
i
此設定允許模型依據不同資產預期報酬的可解釋性自動調整觀點影
2
響力。當迴歸解釋力較強 (即 R 較高) 時，表示模型對該資產未來
報酬的預測較具信心，Black-Litterman 模型將賦予較高權重；反之，若

解釋力較差，則模型將更依賴市場均衡報酬，進而提升整體資產配置

策略之穩健性。

本研究的資料期間為 2020 年 1 月至 2024 年 12 月，並採用

固定長度 12 個月的訓練視窗，每期的資產配置權重是根據過去 12

個月的資料進行迴歸分析及 Black-Litterman 模型推估。資料自 2020

年 1 月起進行擷取，並以此為起點建立預測模型，第一期投資組合
9