本章作者：Bing Li（PhD, CFA）、Yin Luo（CPA, PStat, CFA）、Pranay Gupta（CFA）

學習目標#

讀完本章後，應能：

• 比較主動管理的基本面（fundamental）與量化（quantitative）兩種取向
• 分析由下而上（bottom-up）、由上而下（top-down）、因子型（factor-based）與積極主義（activist）主動策略
• 描述基於統計套利與市場微結構的主動策略
• 描述基本面與量化主動策略的建構流程
• 討論股票投資風格的分類方式

主動管理的兩大取向#

主動股票投資依執行方式分為兩大類：

兩種取向並非互斥：基本面分析常用估值模型、量化篩選；量化策略也常使用公司基本面變數。

主要差異#

• 資訊性質：基本面用包含「不可量化」的資訊（管理品質、品牌、ESG 細節）；量化只用可量化資訊
• 分析焦點：基本面深耕少數標的，量化散布於大量標的
• 資料方向：基本面預測未來，量化以歷史資料建模
• 組合建構：基本面以判斷為主（個股風險），量化以最佳化器為主（組合層級風險）
• 再平衡：基本面持續監控、隨時調整；量化以固定週期（月／季）規則化執行

量化建模務必避免前視偏差（look-ahead bias）與倖存者偏差（survivorship bias）；使用「當時可得」的原始數據，且包括日後下市或失敗的公司。

主動策略類型#

依「分析起點」可分為由下而上（個股出發）與由上而下（總經出發）。

由下而上：基本面派#

關注：

• 商業模式與品牌（business model & branding）：價值主張、營運流程、價值鏈、品牌溢價
• 競爭優勢：自然資源、技術、品牌、進入障礙、規模效應
• 公司管理：管理層與股東利益對齊、長期視野、ESG 表現、內部人交易

估值常用 DCF、股利折現或相對乘數法（P/E、P/B、EV/EBITDA）。

價值取向（Value-Based）#

源自 Benjamin Graham 與 David Dodd 的 Security Analysis（1934），強調「安全邊際」。常見子風格：

• 相對價值（relative value）：同產業比較估值倍數
• 逆勢投資（contrarian）：與市場情緒反向，買落難股
• 高品質價值：兼顧財務強度與盈利能力（Warren Buffett 風格）
• 收益投資（income）：偏好高且穩定的股利
• 深度價值（deep value）：投資極端低估值、可能瀕臨困境的公司
• 重整／不良債務（restructuring / distressed）：投資處於財務困境並有重整機會的公司
• 特殊情境（special situations）：併購、分拆、剝離等事件帶來的暫時錯價

成長取向（Growth-Based）#

聚焦營收／盈餘成長超越產業或大盤：

• 高 ROE 公司多保留盈餘再投資
• 接受高估值倍數
• GARP（growth at a reasonable price）：用 PEG = P/E ÷ 成長率 找「合理成長」

由上而下：總經取向#

• 國別／區域配置：依宏觀展望調整地理權重，常用期貨或 ETF 執行
• 產業／行業輪動：全球性產業（科技、能源）與在地性產業（不動產、必需品）採不同的處理方式
• 波動度策略：以選擇權、VIX 期貨、波動度互換實作；典型如「多頭跨式（long straddle）」買進相同履約價的買權與賣權

• 主題式投資：捕捉結構性轉變（如智慧型手機、雲端、潔淨能源、Fintech）；要分辨結構性 vs. 短暫流行

基本面 bottom-up 投資也可結合「組合疊加（portfolio overlay）」 — 以衍生品調整不慎產生的產業／國別偏差，加入 top-down 風險控制。

因子型策略#

因子是「能用以排序股票與預測未來報酬／風險」的變數。已被廣泛驗證有長期溢酬的稱為 rewarded factors（如 Size、Value、Momentum、Quality）。

實作方式#

• 避險組合法（Fama–French hedged portfolio）：依因子分位，做多最佳分位、放空最差分位
• 因子傾斜組合（factor-tilting）：長期多頭，控管追蹤誤差，類似增強型指數
• 因子模擬組合（factor-mimicking portfolio, FMP）：理論上純因子組合，僅暴露於目標因子；實務上須加入流動性與借券限制

避險組合的限制：忽略中間分位資訊、假設線性關係、組合集中、依賴可放空、且仍會有其他因子曝險。

風格因子#

• Value：低 P/E、低 P/B、高股利率；Basu (1977)、Fama–French (1993)

• Price Momentum：Jegadeesh & Titman (1993) 發現 12 個月贏家延續優勢；可進一步做**產業中立化（sector-neutralized）**降低尾部風險

• Growth：歷史或預期成長率

• Quality：盈餘品質、應計項目、財務強度、營運效率；Sloan (1996) 應計項目異常

• Analyst sentiment / News sentiment：分析師盈餘修正、自然語言處理（NLP）新聞情緒

非傳統因子#

來自大數據與另類資料（alternative data）：

• 衛星影像
• 信用卡支付、線上提及次數
• 客戶－供應商鏈訊號（以最大客戶上月報酬作為預測訊號）

積極主義策略#

積極主義投資人取得持股後主動推動公司變革以實現價值：

• 多數持股不超過 10%（不追求收購）
• 對沖基金最為活躍：法規寬鬆、可槓桿、績效費誘因
• 常見手段：爭奪董事席位、公開信、AGM 提案、資本結構重整、薪酬調整、媒體攻勢、訴訟

典型目標公司特徵：

• 營收／盈餘成長落後同業
• 股價動能為負
• 治理弱、資產利用率低

平均而言積極主義事件公告當日標的股價上漲約 2%；事前股價亦多有上漲（資訊外洩或活動建倉）；公告後一個月再上漲約 0.6%。事後公司基本面通常改善但財務槓桿也上升。

其他策略#

統計套利（statistical arbitrage）#

利用股價、成交量、限價訂單簿等資料尋找暫時錯價：

• 配對交易（pairs trading）：兩高相關股票價差偏離歷史均值時，多空中間，賭均值回歸
• 風險：「結構性斷裂（structural break）」可能讓價差永不回歸 → 須設停損
• 例：Canadian National Railway 與 Canadian Pacific Railway 兩家鐵路公司

市場微結構策略#

利用限價簿與高頻交易資料，捕捉毫秒級錯價。

事件驅動#

• 併購套利（risk arbitrage）：現金併購直接買標的，換股併購則做多目標、做空收購方
• 主要風險：交易破局；需精確估算「破局機率」與「成交時間」

創建基本面主動策略#

投資流程#

• 定義投資宇宙與市場機會（投資論點，investment thesis）
• 預先篩選取得可深入分析的小集合
• 產業與公司研究（含財務報表分析）
• 預測公司表現（現金流／盈餘）
• 轉換為估值並識別超額報酬機會
• 建構投資組合並符合風險偏好
• 再平衡與買賣紀律

賣出紀律#

• 設定目標價，股價達標即賣出或減碼
• 目標價可隨新資訊上下調整
• 設**停損點（stop-loss）**避免行為偏誤導致虧損擴大

基本面投資的常見陷阱#

行為偏誤#

價值陷阱與成長陷阱#

• 價值陷阱（value trap）：低估值看似便宜，但基本面持續惡化，股價可能更低；如 HSBC 在 2013–2016 的下跌

• 成長陷阱（growth trap）：高估值假設高成長持續，但若實際成長低於預期，或競爭者快速跟進，股價可能下跌

創建量化主動策略#

量化投資流程#

• 定義投資論點：使用因子預測報酬
• 取得與處理資料：公司映射、財報、調查資料、非結構化資料
• 回測（backtesting）：模擬實際投資；計算因子的資訊係數
• 評估策略：用 t 值、Sharpe、Sortino、VaR、最大回撤等衡量
• 組合建構：使用風險模型估計變異-共變異矩陣；納入交易成本

資訊係數（IC）#

• Pearson IC：因子分數與下期報酬的相關係數
  • 月度 IC = 5–6% 對美股是相當強的訊號
  • 但對極端值敏感
• Spearman 等級 IC：使用排序後的因子分數與報酬，較穩健

若一個極端值（outlier）能把 Pearson IC 從正翻負，務必查看 Spearman IC 或對資料進行極端值處理。

多因子模型#

• 將每個因子視為「資產」，用 mean–variance 最佳化決定權重
• 注意：個別因子有效但相互高度相關時，加入模型未必提升表現

量化投資的常見陷阱#

• 倖存者偏差（survivorship bias）：只看現在存活的公司，忽略過往破產／下市
• 前視偏差（look-ahead bias）：使用當時尚未公開的資料
• 資料探勘（data mining）/ 過擬合（overfitting）：在歷史資料中強行尋找規律
• 週轉、交易成本、放空限制：理想化的回測常忽略現實限制；如日股短期反轉策略在交易成本 30 bps 下利潤大幅縮水

• 量化擁擠（quant crowding）：眾多量化基金使用相似因子；2007 年 8 月「量化崩盤」即為典型案例

股票投資風格分類#

風格分類把股票切成幾組，同組內報酬相關性高、跨組相關性低。

為什麼分類重要#

• 讓資產所有人比較同風格的經理人
• 確認經理人是否真正主動（vs. 風格指數的偽主動）
• 多風格組合可改善整體風險／報酬

兩種分析方法#

• 持倉基礎（holdings-based）：自下而上聚合個股屬性；Morningstar 採每股單一風格，MSCI/FTSE Russell 採因子佔比拆分
• 報酬基礎（returns-based）：以基金歷史報酬對風格指數迴歸，估計風格曝險

Morningstar 風格箱#

3×3 矩陣：規模（大／中／小）× 風格（價值／核心或混合／成長）。

• 大型公司：成熟、揭露完整、覆蓋率高、風險較低
• 小型公司：成熟度低、成長空間大、但失敗風險也高
• 中型介於兩者之間
• 慣例上「大型」涵蓋市值前 70%、中型 20%、小型 10%

本章小結#

• 主動股票投資分為基本面（深耕個股、判斷導向）與量化（廣域因子、系統化）兩大取向，可彼此互補
• 由下而上策略可進一步分為價值、成長、GARP、深度價值、重整、特殊情境等子類型
• 由上而下策略含國別配置、產業輪動、波動度、主題式投資
• 因子型策略以避險組合、因子傾斜、FMP 等方式實作；常見因子含 Value、Momentum、Growth、Quality 及非傳統因子
• 積極主義者透過小於 10% 的持股推動變革，研究顯示確實能改善公司基本面但也會抬升槓桿
• 統計套利與事件驅動是兩類補充性策略
• 基本面投資需注意行為偏誤、價值陷阱、成長陷阱
• 量化投資需嚴防倖存者偏差、前視偏差、資料探勘與擁擠交易
• 風格分類有助於評估與選擇主動經理人