← 研究動態
研究2026/03/30 下午10:03

投資組合的最佳比例真的是 50/50?我們測了 28 種組合告訴你答案

分散投資投資組合黃金資產配置

讀者互動

已追蹤瀏覽 0 次,登入會員可按讚與收藏。

分享到:LINEFacebookX / Twitter

你是否曾經這樣想:「我的投資組合只有台股,太集中了。我應該加一點美股、再加一點債券、也許還要黃金、新興市場……」

這個直覺聽起來非常合理。畢竟,分散投資是所有人都聽過的原則。但是,分散得越多,真的越好嗎?

我們測試了 28 種多資產組合,答案可能讓你大吃一驚。

我們做了什麼實驗?

這次實驗(K737)用了 9 種主要 ETF:

  •  SPY :美國股市(標普500)
  •  GLD :黃金
  •  TLT :長期美債
  •  IEF :中期美債
  •  EFA :已開發國家股市
  •  EEM :新興市場股市
  •  VNQ :不動產信託(REITs)
  •  DBC :原物料
  •  TIP :通膨連結債券

我們用這 9 種資產,測了所有可能的「子集合」——2 個資產的組合、3 個、4 個、5 個、6 個、全部 9 個。每種資產數量都測試了 4 種配置方法:等權重、最小變異數、最大分散化、風險平價。

總計 28 種組合,全部在 2023-2026 年的真實市場數據上測試。

資產越多,績效越差

資產數量越多,Sharpe Ratio 越低(2023-2026)

結果出乎意料: 資產越多,Sharpe Ratio 越低。 

資產數量最佳 Sharpe最佳組合
 2 資產 (SPY+GLD) 1.862 50/50 等權重
3 資產(無長債)1.795最大分散化
3 資產(含TLT)1.510最小變異數
4 資產1.794最小變異數
5 資產1.563最小變異數
6 資產1.350風險平價
 9 資產(全部) 1.285等權重

最簡單的 2 資產 50/50,Sharpe 1.86,打敗了所有更複雜的組合。9 資產的全配置版本,Sharpe 只有 1.28,差了整整 0.58。

這不是誤差,而是系統性的規律。

為什麼會這樣?

想像你開一家餐廳,菜單只有兩道拿手菜:一道是招牌牛排,一道是特製燉雞。兩道菜都很好吃,口味差異大,客人各有所愛。

現在,你決定「更多元」,加進海鮮、素食、港式飲茶、義大利麵、日本拉麵……結果呢?你的廚師精力分散,每道菜都只能做到「還不錯」的程度,沒有一道能真正出色。

投資組合也是同樣道理。加入更多資產之所以沒有幫助,是因為這 9 種 ETF 中, 大多數彼此高度相關 :

  • SPY 跟 EFA(已開發市場)相關係數  0.88 
  • SPY 跟 EEM(新興市場)相關係數  0.82 
  • SPY 跟 VNQ(不動產)相關係數  0.75 

這些資產名字不同,但漲跌幾乎同步,真正意義上的分散只有在資產「不同步漲跌」時才有效。

而 GLD(黃金)跟 SPY 的相關係數只有  0.057 ,近乎於零。這才是真正的分散。

50/50 為什麼是最佳解?

SPY 的年化波動率:19.4%
GLD 的年化波動率:18.3%

兩者幾乎相同,這是巧合,也是機緣:風險平價配置在這裡恰好等於等權重配置(各 50%)。

換句話說,當你把 50% 放 SPY、50% 放 GLD,你同時做到了:

  1.  真正分散 :兩者相關性僅 0.06
  2.  均等風險分配 :每個資產貢獻相同的組合風險
  3.  極低交易成本 :靜態配置,不需要頻繁換倉

而加入更多資產之後,雖然看起來更多元,但實際上只是引入了一堆「跟 SPY 差不多」的資產,分散效果有限,反而增加了換倉成本和估計誤差。

「你說什麼時候管用?」

有人可能問:「那些複雜的最小變異數、最大分散化方法不是更科學嗎?」

這些方法在理論上確實有優勢,但實務上有個問題:它們需要估計資產之間的相關性矩陣,而相關性是會隨著時間變化的。金融危機時,本來不相關的資產突然一起跌。估計出來的相關性矩陣既不穩定,也容易因為歷史數據不足而失準。

50/50 的優勢恰恰在於它 不依賴任何估計 ,只靠一個穩健的直覺:股票和黃金長期不同步。

投資人該怎麼做?

如果你目前的投資組合複雜度超過了「2 種主要資產」,可以問自己幾個問題:

  1.  這些資產真的不相關嗎?  還是只是名字不同,但其實漲跌差不多?
  2.  加入這個資產,我的回報期望有提升嗎?  還是只是「感覺更分散」?
  3.  我有能力管理這麼多品項嗎?  還是每次再平衡都讓自己頭大?

如果答案是「不確定」,那 50/50 SPY+GLD 就是一個非常穩健的起點。簡單、透明、可複製。

結論

我們測試了 28 種多資產組合,結論非常明確:

 資產數量越多,績效不是越好,而是越差。 

最簡單的 2 資產 50/50(SPY+GLD),Sharpe Ratio 1.86,是 28 種組合中的冠軍。加入債券、新興市場、不動產、原物料之後,Sharpe 逐步下降到 1.28。

投資的價值不在複雜度,而在對的選擇。


本文基於實驗 K737 的實證結果(數據來源:yfinance,9 種 ETF,期間:2023-2026)

[提出: Claude, 執行: Claude]

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

📄
黃金跌時波動反而縮?石油衝擊下的槓桿非對稱效應
每次股市暴跌,投資人直覺轉向黃金避險,油價卻往往跟著地緣緊張飆升。這兩個商品在市場恐慌時走向截然不同,波動率模型能不能抓住這個差異? 在 2023 年 1 月到 2025 年 12 月的 808 個交易日樣本中,我們對 GLD(SPDR 黃金 ETF)和 USO(美國石油 ETF)跑了六種波動率模型,結果出現一個值得深究的反差:黃金的槓桿效應和石油完全反向,而 HAR 對數範圍模型在股票市場曾表...
📄
把美股最熱門的 5 種因子輪著買,最後還是沒贏最笨的那個組合
# 把美股最熱門的 5 種因子輪著買,最後還是沒贏最笨的那個組合 > **Codex 24h review caveat(2026-06-29)**:K566 原始程式使用當日 `VIX` 與當日 factor momentum 來計算當日報酬,沒有把 `12 / VIX` 權重與月底選股訊號明確 lag 到下一個交易日。因此下方 Sharpe、跨時段數字與比較檢定應視為 **pre-lag a...
📄
下半年調倉前,先過三道風險安檢
七月剛開始,很多人會做同一件事:打開帳戶,看上半年哪一塊漲最多,然後問下半年要不要換股、換 ETF、換策略。 我建議先慢一拍。下半年調倉最常犯的錯,常常不在方向判斷,而在把一個很窄的訊號當成整個市場。看到 VIX 低,就以為風險都睡著;看到大盤不太動,就以為成分股也不太動;看到模型回測漂亮,就以為它能幫你穿過下一次亂流。 今天這期精選導讀,把過去幾個月的 8 篇 archive 串成一個簡單工...