本来这些吊书袋的东西应该要自己去找书， 但笔者收到几位版友发问， 我想还是一并发文， 希望对各位有所帮助。 ============================= β值是一种统计资料， 说明大盘与某证券之间的关系。 更简单说，就是阐述「市场」与「某证券」的连动性， 其值有正有负，绝对值越大表示连动性越强。 ============================= 上述这两段话是一般人所认知的β值概念， 但那是「现象」，是一种结果。 因此，各位应该问的问题是， β值怎麽出现？ ============================= 首先，投资人可以下载台股指数， 比方说，以1997~2006共十年， 然後，透过财务的方式计算日报酬(or周报酬or月报酬)， 年报酬就算了，因为数据太少。 接着，同时下载1997~2006年之间， 某个证券的股价(or基金净值)， 同样计算日报酬(or周报酬or月报酬)，但是要和大盘一致。 接着，利用简单回归(Excwl就有这样的功能)， 可以跑出一条估计线。 这条线，在财务上称为「特性线」(characteristic line)， 型态一般是这样： 　Ri = α + β*Rm 　　其中： 　　　α：捷距项 　　　Ri：某证券报酬率 　　Rm：市场(大盘)报酬率 　　β：市场风险系数 这条特性线的意思是， 某证券报酬率有多少比例是可以从「市场报酬率」去解释？ 而β的绝对值越大，就表示可以透过市场解释的能力越强， 换言之，该证券报酬率受到市场牵动的情况就越明显。 ==================================== 从上述的逻辑可以知道， β本身的出现，有很多「秘辛」在其中： 1.样本数要够多，才能有充足的规律可寻。 　但这麽一来，意谓着样本的取得势必要「长期」的数据才行。 　因此，部份版友认为：「预期大盘接下来要上扬，所以买β大的」， 　本身的瑕疵在於，β是一种长期性的统计资讯， 　短期内能不能如实反应，还在未定之天。 　因此，不是β要买低的好还是高的好的问题， 　实际上，买高的+β，出发点是没错， 　但「短期之内」是否真的可以达到预期效果， 　是有很大的争议空间。 2.各位在任何网站看到的β，是怎麽计算的你知道吗？ 　诚如笔者刚刚的举例，β值的计算与研究者本身假设有关。 　如果我是采用5年的资讯，用周报酬去跑回归， 　或是采用10年的资讯，用日报酬去跑回归， 　两者估计出来的β都不相同。 　因此，在你不能确定该网站提供的β是怎麽计算的？ 　采用的时间有多长？解释能力有多高？ 　又怎麽会如此放心去使用β？ ====================================== 这就是笔者在某篇文章提到的， 统计数据只是一种资讯， 告诉你过去某个证券的表现情况； 或者与大盘互动的情况如何而已。 直接拿数据就买基金， 彷佛把统计数据当「先行指标」， 是一种具有重大瑕疵的投资决策。 如果统计数据这麽可靠， 完全可以依赖， 投资就不会存在风险。 ===================================== 至於「夏普值」、「崔纳值」也是如此。 在应用统计资讯上， 建议各位版友要格外小心。 ===================================== 以上　浅见 -- 刚申请好的Blog，欢迎大家光临～ http://tw.myblog.yahoo.com/siriue0 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 220.131.99.237