← 研究動態
研究2026/03/26 上午08:03

10 種資產,3 種波動個性——你的投資組合認識它們嗎?

投資組合波動率資產配置

讀者互動

登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

持續追蹤這項研究

收藏、追蹤與明日提醒只保存必要識別資料,可在會員中心檢視或刪除。

研究資訊不構成個人投資建議;提醒僅代表研究更新,不代表交易訊號。

訂閱研究摘要

研究摘要與新文章,不轉售、不寄廣告,隨時可退訂。

[提出: Claude, 執行: Claude]

10 種資產,3 種波動個性,你的投資組合認識它們嗎?

你的投資組合裡有幾種資產?不管是 ETF、個股、黃金還是加密貨幣,每一種資產都有自己的「波動個性」。了解這些個性,是聰明投資的第一步。

資產也有性格?

想像你要組一個團隊。你需要了解每個成員的個性:誰在壓力下會崩潰?誰會保持冷靜?誰不管好壞消息都一樣激動?

資產也是一樣的。我們分析了 10 種主流資產,發現它們的波動行為可以歸類為  3 種截然不同的個性 。

下圖是我們用統計方法繪製的「波動率性格圖譜」,橫軸是波動的大小,縱軸是波動的不對稱程度:

10 種資產的波動率分類圖譜:3 種截然不同的波動個性

第一種個性:恐慌型(股票類)

 代表資產 :SPY(美股)、QQQ(科技股)、0050.TW(台股)、IWM(小型股)

這類資產有一個明顯的特徵: 壞消息的衝擊遠大於好消息 。

用日常生活來類比:這就像一個容易焦慮的人。聽到一個壞消息,他會失眠三天;聽到一個好消息,他只會微微一笑就忘了。

具體來說:

  • 當 SPY 下跌 2% 時,隔天的波動率會飆升約  45% 
  • 當 SPY 上漲 2% 時,隔天的波動率只會下降約  15% 
  • 這個 3:1 的不對稱比,就是學術上說的「槓桿效應」

 投資啟示 :持有股票類資產,你必須為「恐慌時刻」做好準備。這就是為什麼股票有較高的長期報酬,你在承擔這種不對稱風險。

第二種個性:淡定型(黃金、債券)

 代表資產 :GLD(黃金)、TLT(長期公債)、EFA(國際股票)

這類資產面對好消息和壞消息的反應 幾乎一樣 。

繼續用性格類比:這是一個情緒穩定的人。不管是升職還是被罵,他的反應都差不多,不太興奮,也不太沮喪。

具體數據:

  • GLD 的不對稱比約為  1.2:1 (幾乎對稱)
  • 壞消息和好消息對波動率的影響差距不到 20%
  • 這意味著黃金不會因為「恐慌」而暴跌,它的風險更「公平」

 投資啟示 :這就是為什麼黃金被稱為「避險資產」。不是因為它不會跌,而是因為它跌的方式比較「紳士」,不會突然翻臉。

第三種個性:狂野型(加密貨幣、原油)

 代表資產 :BTC-USD(比特幣)、USO(原油)

這類資產的波動率本身就很高,但有一個有趣的特點: 它們的不對稱性出奇地低 。

性格類比:這是一個天生精力旺盛的人。他隨時都在跑跳尖叫,不管是好事還是壞事。他的基本能量值就是「爆炸」,不需要特別的理由。

具體數據:

  • BTC 的年化波動率約為  70% (是 SPY 的 4 倍多)
  • 但不對稱比只有  1.1:1 ——幾乎完全對稱
  • 暴漲和暴跌的機率差不多,波動率不會因為方向而改變

 投資啟示 :加密貨幣的風險是「公平」的,漲跌一視同仁。但「公平」不代表「安全」。如果你能承受整體的高波動,至少你不需要特別擔心「壞消息加速效應」。

一張表看懂 3 種個性

特徵恐慌型淡定型狂野型
 代表 SPY, QQQGLD, TLTBTC, USO
 基本波動 中等(15-25%)低-中(10-18%)高(40-70%)
 不對稱比 3:11.2:11.1:1
 壞消息反應 劇烈放大溫和跟好消息差不多
 避險功能 需要被避險可以幫忙避險本身就是風險
 性格標籤 焦慮型高管冥想大師能量飲料代言人

對你的投資組合意味著什麼?

 一個核心 takeaway :好的投資組合不只是分散「報酬風險」,更要分散「波動個性」。

如果你的組合全是恐慌型資產(純股票),那每次市場下跌,你的整個組合都會「同時恐慌」。加入一些淡定型資產,不是為了追求報酬,而是為了在暴風雨中有一個不會崩潰的隊友。

 三個實用建議 :

  1.  檢查你的「個性比例」 :理想的組合應該有三種個性的混搭,而不是全部押注在同一種上
  2.  下跌時看誰在幫你 :真正的避險資產不是「不跌」的資產,而是「不會因為恐慌而加速跌」的資產
  3.  加密貨幣可以少量配置 :波動高但對稱,作為「非相關波動源」有其價值,但比例要控制在能承受的範圍

(基於 K383 研究發現,數據來源:yfinance 日度數據,10 種資產 2005-2025 年分析。GJR-GARCH(1,1) 模型估計不對稱參數)

相關文章

先讀正式關聯,若無則使用標籤與主題相似度補齊

📄
K1884:拿 VIX1D 對照 SPY 同一天的已實現變異,年化分母、報價時點與盤中窗口各自能把答案改掉多少
一般讀者版〈一日恐慌指數開盤報的當日變異,平均是 SPY 盤中實際的 1.56 倍:這個數字該怎麼讀〉給的是水準與讀法。這篇處理做這個比較時要先決定的三件事:VIX1D 要除以哪一個年化分母、要拿哪一個時點的報價、已實現變異要涵蓋盤中哪一段。 K1884 的結果顯示,這三個選擇造成的偏移,與要量的效果同一個量級;選錯任何一個,程式不會報錯,只會回答另一個問題。 先釐清估計量。K1884 量的是同一…
→
📄
K1378:VIX 長期成分讓 SPY 波動預測勝過 GJR-GARCH,這個優勢在疫情窗外更穩定
做風險控管或選擇權定價的人,常要在兩種日頻波動模型之間取捨:只用報酬本身的 GJR-GARCH,或在 GARCH 之外加一個由 VIX 驅動的長期成分。後者多了一個外部變數要維護,值不值得,要看它的預測優勢從哪裡來。如果優勢只來自 2020 年那種市場崩跌的少數日子,平常用它就只是多背一個依賴;如果優勢出現在一般日子,它才是日常可用的改進。 K1378 用 SPY 的樣本外一步預測回答這個問題:A…
→
📄
K1862:HAR-RV 一個月波動預測的誤差,平均偏誤不隨波動水位變號,隨水位變寬的是誤差分布
用 HAR-RV 預測未來一個月波動的人,常會想加一層修正:波動很高時把預測往下調,波動很低時往上調,理由是 HAR 的均值回歸可能修正過頭。這層修正值不值得加,取決於 HAR 的誤差是否真的隨預測當下的波動水位系統性變號。 一般讀者版〈HAR 波動預測的誤差往哪邊偏:六成交易日高估,平均誤差卻幾乎是零〉處理的是整體偏誤。這篇處理條件結構:依預測當下的波動水位把樣本外日子分成五組,誤差的平均、中位…
→