本來這些吊書袋的東西應該要自己去找書， 但筆者收到幾位版友發問， 我想還是一併發文， 希望對各位有所幫助。 ============================= β值是一種統計資料， 說明大盤與某證券之間的關係。 更簡單說，就是闡述「市場」與「某證券」的連動性， 其值有正有負，絕對值越大表示連動性越強。 ============================= 上述這兩段話是一般人所認知的β值概念， 但那是「現象」，是一種結果。 因此，各位應該問的問題是， β值怎麼出現？ ============================= 首先，投資人可以下載台股指數， 比方說，以1997~2006共十年， 然後，透過財務的方式計算日報酬(or週報酬or月報酬)， 年報酬就算了，因為數據太少。 接著，同時下載1997~2006年之間， 某個證券的股價(or基金淨值)， 同樣計算日報酬(or週報酬or月報酬)，但是要和大盤一致。 接著，利用簡單迴歸(Excwl就有這樣的功能)， 可以跑出一條估計線。 這條線，在財務上稱為「特性線」(characteristic line)， 型態一般是這樣： 　Ri = α + β*Rm 　　其中： 　　　α：捷距項 　　　Ri：某證券報酬率 　　Rm：市場(大盤)報酬率 　　β：市場風險係數 這條特性線的意思是， 某證券報酬率有多少比例是可以從「市場報酬率」去解釋？ 而β的絕對值越大，就表示可以透過市場解釋的能力越強， 換言之，該證券報酬率受到市場牽動的情況就越明顯。 ==================================== 從上述的邏輯可以知道， β本身的出現，有很多「秘辛」在其中： 1.樣本數要夠多，才能有充足的規律可尋。 　但這麼一來，意謂著樣本的取得勢必要「長期」的數據才行。 　因此，部份版友認為：「預期大盤接下來要上揚，所以買β大的」， 　本身的瑕疵在於，β是一種長期性的統計資訊， 　短期內能不能如實反應，還在未定之天。 　因此，不是β要買低的好還是高的好的問題， 　實際上，買高的+β，出發點是沒錯， 　但「短期之內」是否真的可以達到預期效果， 　是有很大的爭議空間。 2.各位在任何網站看到的β，是怎麼計算的你知道嗎？ 　誠如筆者剛剛的舉例，β值的計算與研究者本身假設有關。 　如果我是採用5年的資訊，用週報酬去跑迴歸， 　或是採用10年的資訊，用日報酬去跑迴歸， 　兩者估計出來的β都不相同。 　因此，在你不能確定該網站提供的β是怎麼計算的？ 　採用的時間有多長？解釋能力有多高？ 　又怎麼會如此放心去使用β？ ====================================== 這就是筆者在某篇文章提到的， 統計數據只是一種資訊， 告訴你過去某個證券的表現情況； 或者與大盤互動的情況如何而已。 直接拿數據就買基金， 彷彿把統計數據當「先行指標」， 是一種具有重大瑕疵的投資決策。 如果統計數據這麼可靠， 完全可以依賴， 投資就不會存在風險。 ===================================== 至於「夏普值」、「崔納值」也是如此。 在應用統計資訊上， 建議各位版友要格外小心。 ===================================== 以上　淺見 -- 剛申請好的Blog，歡迎大家光臨～ http://tw.myblog.yahoo.com/siriue0 --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 220.131.99.237