學習目標（Learning Outcomes）#

• 討論固定收益、股票、不動產、匯率報酬的預期設定方法
• 辨識新興市場固定收益與股票投資人面臨的風險
• 解釋經濟與競爭因素如何影響不動產市場預期
• 比較主要的匯率預測方法
• 說明波動度（volatility）的預測方法
• 依總體因素的趨勢與變化，建議全球投資組合的權重調整

預測工具總覽#

三大類型#

選擇預測技術，本質上就是選擇要根據什麼資訊（conditioning information）來形成預測。

• 統計方法（statistical methods）：以歷史資料估計參數
• 折現現金流模型（discounted cash flow, DCF）：估計目前價格隱含的必要報酬率
• 風險溢酬模型（risk premium models）：將預期報酬拆解為無風險利率加上一個或多個溢酬

估計技巧的補強#

• 樣本統計：尤其是樣本平均，估計誤差大
• 收縮估計（shrinkage estimation）：將兩個估計加權結合，得到更精準結果
• 時間序列估計：能描述歷史動態，但不解釋驅動原因

風險溢酬建模三法#

• 均衡模型（如 CAPM）
• 因子模型（factor models）
• 建構區塊法（building blocks）

固定收益預期報酬#

三種方法#

• DCF：唯一精確到可支援個別債券交易的方法
• 建構區塊法
• 納入均衡模型

YTM 作為預測的修正#

YTM 是最常被引用的指標，但需考慮：殖利率變化對再投資現金流的影響、投資期末的估值。

建構區塊四要素#

• 短期無違約利率（short-term default-free rate）
• 期間溢酬（term premium）：大致與存續期間成比例
• 信用溢酬（credit premium）：在曲線短端通常較大
• 流動性溢酬（liquidity premium）

期間溢酬與信用溢酬都與殖利率曲線斜率正相關。流動性溢酬可由市場最高品質發行人（通常是主權）與第二高品質大型發行人（多為政府機構）之間的利差作為基準估計。

信用利差的拆解#

信用利差 = 信用溢酬（額外預期報酬） + 預期違約損失

新興市場債券的特殊風險#

• 能力面（ability to pay）：經濟脆弱
• 意願面（willingness to pay）：政治／法律不穩定

新興市場政府的財政紀律不足、稅基狹窄、依賴特定產業、容易遭遇資本外逃；契約執行與財產權保護薄弱也擴大了違約意願風險。

股票預期報酬#

Grinold–Kroner Model#

將股票預期報酬分解為三部分：

• 預期現金流報酬：股息率 − 流通股數變動率
• 預期名目盈餘成長
• 預期重新評價報酬（repricing return）：P/E 變動率

Singer–Terhaar Model#

Singer–Terhaar 是國際 CAPM 的版本，將「全球完全整合」的 CAPM 均衡與「完全分割」的單一資產類別預期報酬加權結合。

直接預測股權溢酬的限制#

直接預測股權溢酬與直接預測股票絕對報酬一樣困難。建構區塊法在此提供的洞見有限。

新興市場股票風險#

• 經濟更脆弱、政治與政策框架不穩、法律保障薄弱
• 投資人特別需要關注所有權價值被剝奪的風險：
  • 公司治理標準
  • 會計與資訊揭露
  • 財產權法律
  • 政府行為的制衡

不動產預期報酬#

資料平滑問題#

不動產的歷史報酬資料受到顯著的平滑化（smoothing）影響，這會低估波動度、扭曲與其他資產類別的相關性。任何不動產分析都必須明確處理此問題。

景氣循環與不動產#

不動產存在 boom–bust 循環，既驅動景氣也被景氣驅動。

Cap Rate 與報酬模型#

• Cap rate = 當期淨營業收入 / 物業價值，是商用不動產的標準估值指標
• 可套用類似 Grinold–Kroner 的模型估算預期報酬
• Cap rate 與風險程度呈正向關係：風險高的物業類型、品質較差或地段較差者，cap rate 較高

不動產含有的風險溢酬#

• 期間溢酬：壽命長、現金流穩定，存續期間高
• 信用溢酬：固定租期類似租戶發行的擔保債
• 股權溢酬：擁有人承擔物業價值與租金、續租、空置風險
• 流動性溢酬：交易頻率低、成本高

匯率預測#

為什麼難#

匯率與政府、金融體系、法律體系、地理綁定，預測時須辨識何種力量最具影響力。

主要影響因素#

• 貿易流（trade flows）：通常影響不大，只要能被融資
• 資本流（capital flows）：通常規模較大、波動較大
• 購買力平價（PPP）：短中期預測差，多年期則漸佳
• 經常帳餘額：取決於是否持續、是否可維持
• 資本平衡觀點（portfolio balance）：匯率隨各幣別資產組合的相對規模與組合變動

利率與匯率動態#

• 完全資本流動下，長期匯率將被推到「預期變動率 = 風險調整後預期報酬差」的水準
• 短期可能反向超調，因熱錢追逐高報酬
• Carry trade 平均有利可圖，這與未拋補利率平價（uncovered interest rate parity）的預測相反

變異—共變數矩陣（VCV Matrix）#

樣本 VCV 的兩大問題#

• 無法處理大量資產類別
• 取樣誤差大

改善方法#

• 線性因子模型：能處理大量資產，但若假設不成立則有偏誤
• 收縮估計：樣本 VCV 與目標 VCV 的加權平均
• 平滑資料調整：未調整不動產等私有資產的平滑效應，幾乎必然導致扭曲的配置決策

波動度叢聚與 ARCH#

金融資產報酬呈現波動度叢聚（volatility clustering）：高低波動期交替出現。ARCH 系列模型即為此設計。

最簡單的 ARCH：今日變異數 = 昨日變異數 + 新衝擊的線性組合，能呈現叢聚特性。

全球投資組合的調整#

將總體分析轉化為配置建議#

當以下面向出現結構性轉變或循環訊號時，需要重新評估配置：

• 經濟成長趨勢、景氣循環階段
• 通膨環境
• 貨幣與財政政策
• 經常帳趨勢：考慮從赤字擴大國轉向盈餘擴大國
• 資本帳與貨幣：評估是否已過度反映 → 若已超調，需把貨幣對沖成本納入考量

量化觀點的七步流程#

1. 估計所有資產類別的 VCV 矩陣
2. 以 Singer–Terhaar 與 VCV 矩陣決定均衡預期報酬
3. 以 Grinold–Kroner 估計股票市場報酬
4. 以建構區塊法估計各債券類別的預期報酬
5. 對相對於本幣的貨幣建立方向性觀點
6. 將貨幣成分納入股票與債券的預期報酬
7. 以 Black–Litterman 框架結合均衡報酬與步驟 3–6 的預期報酬

估值很重要：不論方法為何，最終都必須回答「目前價格已反映哪些預期？」