Page 22 - MFB24論文-王維彤2024final
P. 22

T
                                                       T
                             min      var(w r  )=w     w ,
                                    2
                                    n
                                                                    
                                
                                                                                         T
                                     T
                                                 T
                                                                        T
                                                            T
                            s.t. (w r   )+(1+w 1)r      w      (1 w 1)r       ,w 1       1,
                                                      f                      f     P
                   其中我們假設有 r ,i=1,…,n 檔隨機資產報酬率,其中                                               為事
                                         i                                                    p
                   先給定的報酬水準, r                      為無風險利率,                 2  為投資組合變異
                                                 i                           p
                                        T
                                     r
                                r
                   數,r    n 1    ( ,..., ) 為 i.i.d. 之隨機報酬向量,E(r)=               n 1 ,var( )r   n n
                                                                                                    
                                 i
                                      n
                                                                       T
                   表示 n 檔隨機資產報酬率,w                     n 1    (w 1 ,...,w n ) 為投資組合權重,1 為元
                                               T
                   素 1 的 n ×1 向量。w r 為整個投資組合報酬。透過 MV 模型,可
                   以找出最小風險(變異數),因此最小變異數投資組合在權重加總為 1
                   的限制下找出最小的風險,公式如下:
                        min       var(w r   ) w     w ,s.t.     w 1   1.
                                               
                                           T
                                                    T
                                                                     T
                                2
                          w     p
                   在本研究中,我們使用 Python 來計算上述指標並進行回測。由於
                   ETF 投資組合通常不涉及直接購買無風險資產,在這樣的前提下,我
                   們設定無風險利率為 0,我們利用最小變異數模型重新分配 ETF 成
                   分股的權重,同時確保投資組合的權重總和為 1,以達到最優的投資

                   配置。





                   4. 實證結果



                   4.1. 績效比較


                         在本研究中,依據第 3.2 節所述的研究方法,選取 T0056 與

                   T00713 這兩檔具有代表性的高股息 ETF 作為研究對象,對比了這

                   兩檔 ETF 自 2017 年 9 月 27 日至 2023 年 12 月 29 日的日淨


                   值變化。透過圖 1 所示,除了 2020 年 3 月新冠疫情初爆發階段及

                   2022 年 10 月受系統性風險衝擊導致的較大幅度下跌之外,兩檔

                   ETF 在樣本期間基本呈現穩健的上漲趨勢。圖 2 進一步呈現,在樣

                   本期間內,T0056 的總累積報酬率約為 92.45%,而 T00713 則達到

                   114.58%。T00713 在投資報酬率上表現上顯著優於 T0056 。此外,


                                                            20
   17   18   19   20   21   22   23   24   25   26   27