量化交易30天
本系列文章是紀錄一位量化交易新手的學習過程，除了基礎的Python語法不說明，其他金融相關的東西都會一步步地說明，希望讓更多想學習量化交易但是沒有學過相關金融知識的朋友們，透過這系列的文章，能夠對量化交易略知一二，也歡迎量化交易的高手們多多交流。

前面幾篇寫完技術指標研究以及串接下單後，接下來幾篇很跳tone的要來講關於投資組合的部份，因為現在被動投資正夯，例如：蠻多人再討論所謂的股債比80/20還是60/40比較好這種問題，這篇就要從量化的角度來切入，由淺入深的探討風險與報酬，當代投資組合理論...等等議題。

資產配置

資產配置就是指把錢分配在不同種類的資產當中，以達到分散風險的功能，但是怎麼選擇這些不同的資產呢？就要來考慮各個資產的相關性，相關性是統計學上的名詞，舉個例子來解釋會比較直觀一點：

假設今天我手上有A股票跟B股票，在2019年的時候，觀察A股價上漲的時候，B股價也同時上漲，那我們就可以說這兩支股票在2000-2019年的股價走勢呈現正相關，也就是相關性大於0。那如果2000-2019年A股價下跌的同時，B股票卻是上漲的，那就表示這兩支股票2018年的股價是負相關，也就是相關性小於0。

所以如果今天要建立一個投資組合來分散風險，假設只有兩種商品可以選擇，應該就要選負相關的商品才能降低總報酬的波動，但就衍生出來一個問題，假設我看好A股票，但是我為了分散風險選擇一個股價跟A負相關的B股票，可能會導致我的總資產在A上漲的時候，幾乎完全沒有成長，因為B把報酬抵消掉了。所以A股票跟B股票到底應該佔總資產的多少配比呢？下一篇會從報酬與風險的數據，來探討這個問題。

系統性風險/非系統性風險

另外，講到資產配置，一定要同時帶到系統性風險的概念，才知道資產配置的用途。

簡單地來說，當經濟景氣不好的時候，可以觀察到大部分的股票表現都不好，這個就稱之為系統性風險。而非系統性風險指得是只會影響部份產業或是部份公司的風險，例如：農產品價格波動可能會對食品公司影響深遠，但是對於科技產業可能就沒有這麼大的影響，那我們稱這個波動為非系統性風險。

從上面的論述就可以知道，資產配置能夠分散的風險，只有非系統性風險，舉幾個發生系統性風險的時間來說，2008年金融海嘯的時候，幾乎所有的股票價格都是下跌；再舉一個2020年的COVID-19，甚至導致美股與美債在某段時間是同時下跌的情況。

本篇總結

這篇大概就帶到幾個投資組合最基本的概念，下一篇就要數字及圖表來感受一下，相信會比這些文字還容易理解。

P.S.
如果大家對於量化交易有興趣的話，我自己有上過以下這門課，課程內容從串接股市資料API、儲存至資料庫、將自己的策略轉化成程式碼、自動下單，並且可以把整個流程自動化，每天早上執行一次，一整天就不用看盤了，覺得是蠻實戰的，可以參考看看。

筆者 Sean
奈米戶投資人 / Python愛用者
喜歡用Python玩轉金融數據，從個股基本面、技術面、籌碼面相關資料，一直到總體經濟數據，都是平常接觸到的素材；對於投資，除了研究歷史數據，也喜歡瞭解市場上大家在玩些什麼。