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