＊較硬核(Hard Core)內容。 最近因為投資市場波動大，跟我請教調整投資組合的同學增加相當多，為了有效的回應所有的同學，我在這裡先跟大家描述設計概念，比較有經驗的同學可能就能自行處理跟規劃，若還是看不懂，再跟我約諮詢時間😊 - 每篇設計相關的文章，都要有明確的前提，本文內為是針對以下假設： A每個人設計投資組合在乎的目標是．．． 1. 年化配息率達到百分之X（X為個人期望值，一般為6~10） 2.資產淨值波動傾向為『較低』 3.以知悉策略與風險為前提，投入項目傾向隨時可以申請贖回 B需理解的科普或名詞共識．．． 1. 配息率不等於總報酬率（配息來源與除息後淨值都要看） 2. 基金配息本金可能合法的含有本金（須符合基金契約與相關規範） 3. 賣出價外賣權能創造現金流（權利金是承擔下跌風險的補償，不是無風險收入） 4. 99% VaR不代表99%安全（必須交代持有期間、損失門檻與模型假設） 5. 回測可能有樣本選擇偏誤（還要考慮過度擬合、交易成本與樣本外驗證） 6. 股票與債券可能同時下跌（2022年就是值得研究的案例） 7. 基金可能限制或暫停贖回（不能任意停止，須依基金類型、契約與法規） 8. 管理人與投資人利益可能衝突（但不能推論所有管理費都是不合理的） 9. 高配息、低波動、隨時贖回三者並絕對互斥（關鍵是能否長期維持、成本與風險由誰承擔） C. 需先釐清觀念（三點） 第一、配息來自本金，不代表一定是壞商品。 假設投資人有 100萬元，基金一年賺了 5萬元，卻配出 8萬元，當中有 3萬元可能涉及本金返還。這不代表基金必然不適合投資。我比較建議衡量點是．．． 1. 投資人追求資產成長，還是穩定提領？ 2. 配息是否超過長期可持續的總報酬？ 3. 資產淨值是否持續侵蝕，導致未來現金流能力下降？ 資產配置是以系統管理者的立場去做整體價值管理，追求動態中取得平衡是預設立場，不能單單用配息來源單獨判定商品好壞，用投資目標與總報酬來評估較不會日日亂心神。 第二，低波動不等於低風險。 一檔基金淨值波動很小，可能是資產本身相對穩定，也可能是風險尚未實現、評價方式不夠即時，或採取了平常獲利有限、極端情境損失很大的策略。例如，理的項目若是賣出賣權，這就是典型需要觀察尾端風險的策略。 第三，金融商品有管理費，不代表管理公司必然占投資人便宜。 專業管理、交易執行、法遵、保管與風險控管都有成本。所以合法合規能公開上架的商品買進賣出才會如此快速方便，如果你走過old school的投資機構買賣流程，你真的會很想死，但這樣的機構通常是有比一般金融通路有更高的價值存在。 回到一般的金融商品收管理費這件事，真正的問題是．．． 收取的費用，是否換來相稱的服務與價值？ 比較基金時，應觀察扣費後績效、比較基準、風險調整後報酬，以及費用是否合理，而不是單純把管理費視為剝削。美國證券交易委員會（SEC）在2026年8月19日發布的基金配息投資人公告，也明確提醒．．． 基金配息可能包含本金返還，配息不等於績效，評估時應觀察總報酬。 - 如果是正式課程，可能會教計算VaR或操作選擇權之類的，但這部分我不建議同學與一般投資人鑽研，我的建議如下： Ａ請先嘗試瞭解幾個觀念（我每次諮詢都會問的）．．． 1. 投資目標：需要的是資產成長，還是每月現金流？（我一天到晚在強調的二選一流派，資本利得派還是金流茁壯派）要能寫出自己的投資目標及期限 2. 報酬辨識：10%配息是否代表賺10%？要能計算含息總報酬與本金變化 3. 風險承擔：資產最多可以跌多少？必設定最大可承受損失金額 4. 流動性管理：急需用錢時，哪些資產能變現？建立資金流動性水庫（我十幾年來提供的資金水庫模型） 5. 資產配置：不同資產如何互補，而非一起受傷？這是完成個人投資組合配置表的關鍵 《舉例》以結果論，100萬資金的分配概念可能類似．．． a. 資本利得型>現金及約當現金10%；債券類20%；股票類70%>重視長期增值，接受較高市場波動。 b. 金流茁壯型>現金及約當現金15%；債券類55%；股票類30%>重視定期現金流，同時保留部分資本成長能力。 c. 資產穩定型>現金及約當現金35%；債券類50%；股票類15%>重視資金可用性與降低波動，仍須承擔利率及信用風險。 以上比例為單純假想案例，不代表適合特定人士的投資建議；債券類亦不等同於固定配息或保本，基本上，往下還有得談的🤔 B壓力測試的部分則有三個基本命題．．． 1. 股票市場下跌30%，你的投資組合會損失多少？ 2. 你突然失業六個月，是否需要出售投資資產？ 3. 債券與股票同時下跌時，你還能不能維持原本的配置？ 這是把風險概念真正轉化為自己決策的能力驗證。 - 我個人給入門者的規劃建議．．． Ａ投資組合不是從商品開始，而是從個人財務三張表開始：

- A. 當前市場與資金環境 1. 美股上漲集中於AI龍頭。 分析師觀察到S&P 500與NASDAQ創高，但道瓊及其他類股相對疲弱，認為股市表面繁榮、內部資金分布不均。 2. 全球債券殖利率偏高。 債券價格與殖利率反向變動，高殖利率環境提高企業融資成本，也可能壓抑股票估值。 3. AI資本支出正在考驗金融市場。 科技巨頭大量建置GPU與資料中心，逐漸依賴公司債及其他融資工具。市場開始關注投資能否產生足夠現金流，以及是否存在過度槓桿。 4. 地緣政治增加不確定性。 中東衝突可能透過油價、運輸成本與通膨預期影響利率及資產價格。 5. 黃金採取分批配置策略。 分析師認為，若債券殖利率回落，可能有利黃金；若殖利率持續上升，則須留意價格回檔，避免一次投入過多資金。 - B. 另有Anthropic研究的主要訊息 1. AI衝擊的是工作任務，不一定是整個職業。 同一職業內有些工作可自動化，有些仍需要人類判斷與實體操作。 2. 模型設計三種情境。 依AI實際採用率、自動化比例及新工作創造速度不同，可能出現溫和成長、顯著成長，或生產力快速提升但勞動市場劇烈調整的結果。 3. GDP成長不代表薪資同步成長。 在極端情境下，AI可能大幅提高產出，但腦力工作者薪資下降，勞動所得占GDP比重降低。 4. 財富分配可能偏向資本持有人。 AI基礎設施、算力、軟體與企業股權的持有人，可能比單純提供勞動的人獲得更多成長紅利。 5. 最大的變數是實際採用與再就業。 AI有能力完成任務，不代表企業立即採用；即使企業採用，也不代表被替代的勞工無法轉型。 一句話摘要： AI可能讓整體經濟變得更富裕，但不保證每個勞動者都能同步受益；金融市場則正在提前投入大量資金，押注這場轉型能夠實現。 》班克先生這部分先聊幾個重要觀念： - AI龍頭創高，市場漲幅集中、風險偏好分化。資金是否緊缺仍要看貨幣市場、銀行準備金與信用利差。 - S&P 500成分股依10月12日Reuters報導，約四成成分股年初至今下跌。 - 國債殖利率主要受利率預期、通膨、財政供需及期限溢酬影響；企業債殖利率通常還要加上信用利差。兩者可能共同上升，但不是每次都必然由企業債帶動國債。 - 國債殖利率上升會壓低同一債券的價格，但不同年期、不同國家的走勢不一致才是健康狀態。 - 黃金主要看國債殖利率，另仍須注意實質利率、美元、央行需求與避險資金流向。 - 截至10月16日，美股科技類股已出現明顯修正，市場焦點也轉向AI融資成本及高利率壓力。這支持「市場開始重新評估AI投資」的方向，全球貨幣供給有枯竭傾向，但不必然一定枯竭，班克老話一句，金融圈現象若用斜坡理論推演，誤判幾乎百分百。 - Anthropic的報告，核對原始研究。三種情境的2030年GDP，相對於沒有AI的基準情境，分別高出1.6%、8.3%、32.4%；極端情境下勞動所得占GDP比重降至45.2%。這些是模型情境，參考即可。 》班克先生的銀行端看法 以銀行觀點來說，這篇文章最值得討論的是⋯ 當金融市場已經投入大量資金，押注AI未來的生產力與營收時，如果實際收益無法跟上，會對整個信用體系造成什麼影響？ 我會從三個方向分析⋯ 1. 貨幣與資金流通風險：錢沒有消失，但能自由調度的錢可能變少🤔 大型科技公司投入數千億美元建設AI資料中心，資金透過公司債、銀行授信、私募信貸與SPV流向設備、土地及能源供應商。 這些錢不會因為投資就憑空消失，但可能跨境移動，或由高流動性的存款轉變成不容易立即變現的長期資產。 對銀行而言，這部分我在意三個問題⋯ - 資金儲備： 銀行是否仍有足夠的高品質流動性資產，應付存款流出與授信承諾？ - 擔保品質： GPU、資料中心及相關設備的抵押價值，是否會因技術更新快速下跌？ - 還款來源： AI服務產生的營業現金流，是否足以支應利息、本金與設備汰換？ 這裡有一個值得注意的風險⋯ 當銀行以為自己拿到的是高價值的AI設備，實際上卻可能拿到一批折舊速度超過預期的擔保品。 而當信用市場開始懷疑擔保品價值，往往不只是提高利率，還可能降低融資成數、要求追加擔保，甚至拒絕續貸。 （所有金融風暴形成的核心因素） 2. 槓桿與斷頭風險：最怕的不是資產跌價，而是跌價時還得還錢😩 延續之前Amazon GPU證券化的討論。（請看之前貼文） 假設一批GPU價值100億元，透過SPV融資70億元。 簡化的融資壓力試算： GPU資產跌價幅度30% 資產剩餘價值70億元 貸款／資產價值100.0% 假設貸款本金仍為70億元，未計折舊、攤還、利息與擔保條款。 🆘擔保安全墊已大幅縮小。 如果AI需求下降、晶片殘值縮水，原本的七成融資可能迅速變成高成數甚至擔保不足。 但必須注意！ 擔保品跌價不代表一定立即斷頭。 是否觸發追繳、提前清償或強制出售，取決於融資契約、財務承諾條款及是否違約。

Amazon正在規劃把約80億美元的NVIDIA AI晶片轉移給SPV，由SPV向保險公司、退休基金等投資人發債，再把GPU租回給Amazon使用。 簡單講就是⋯ 「資產賣掉、資金拿回來、設備繼續用。」 這不是單純把GPU拿去抵押增貸，而是把「所有權」與「使用權」拆開，再利用Amazon的租約現金流，讓原本躺在資產負債表上的GPU，變成可以融資的金融資產。但如果我是銀行，我最在意的反而不是Amazon有多大。而是．．． 五年後，這GPU還值多少？ 房子20年後大概還是一棟房子。但是GPU可能沒有壞，只是新一代算力更強、耗電更低，舊晶片瞬間失去競爭力？這叫「殘值風險」。 所以真正的關鍵從來不是GPU現在值80億，而是背後有沒有Amazon穩定支付租金，以及未來GPU還剩多少價值。如果這套模式成功，事情就很有趣了．．． 買GPU -> 證券化 -> 拿回資金 -> 再買GPU -> 再證券化 AI產業就能把保險、退休基金、債券與私募信用市場的龐大資金一起拉進來，資本擴張速度會更快。 但如果AI需求不如預期、晶片迭代太快、殘值暴跌，又建立太高槓桿呢？原本的「資本效率機器」，就會反過來變成「槓桿絞肉機」。 這就類似雷曼兄弟風暴的原型，前幾年市場老是有危言聳聽的雷曼重現那些事件，根本不及此事風險的百分之一。 注意！ 『證券化從來不會消滅風險，它只是把風險切開、重新定價，再交到不同的人手上。』 真正重要的從來不是你能槓桿幾倍，而是槓桿拿掉以後，底下那個東西，到底值多少錢？ 目前華爾街其實還沒有完全接受「GPU＝飛機」(*註)這個命題。 Reuters訪問的銀行與信用投資人指出，銀行目前對GPU常採約3～4年的折舊／承作視角，並要求更高利率、更厚的安全墊或更強的保證；已經成功取得投資等級的GPU融資，例如CoreWeave約85億美元的融資，關鍵也不是「GPU很值錢」，而是背後有Meta的合約付款作為可靠現金流。 銀行邏輯不是『因為你有一顆很貴的GPU，就願意借你很多錢』，銀行真正想知道的是『誰會用這顆GPU賺錢，而且誰負責把錢還我？』 （這就是我上課常講的當鋪邏輯與銀行邏輯的差異，還款能力的重視度不同） 而NVIDIA現在確實已與多家大型資產管理與金融機構建立融資平台，希望長期動員超過5,000億美元第三方資本，把AI算力逐步發展成可投資的基礎建設資產類別。這也是我認為這新聞真正比「Amazon省了80億資本支出」大得多的地方．．． AI正在從科技故事，進入信用市場的故事。 接著， 華爾街日報昨天報導了一個很震驚的消息，就是2032年後，AI營收需要達到美國GDP的9%，如果沒有，那所有AI產業支撐起來的泡沫就會破滅？？！！ 這個數據不是亂謅的，是哥倫比亞大學教授 Van Nieuwerburgh 做了一個計算。他把現在所有資料中心的興建計畫加總，假設每 1 美元營收能產生 0.5 美元現金流，投資人要求 10% 的報酬率，通過這樣的方式算出來的。 那為何這個數字令人震驚呢？ 因為這個數字是所有電腦和軟體產業加起來總營收的兩倍。在美國只有醫療健康(佔GDP18%)與飲食(佔GDP9%)，其他都沒辦法達到這種程度。也就是說，AI 營收得變成和全美國人飲食總支出一樣，現在砸下去的錢才回得了本。 但我個人認為⋯ - 「不到GDP 9%，AI泡沫就會破」屬於是過度解讀。8.8% 是特定假設下「要讓這批資本取得 10% 報酬所需要的營收」，不是泡沫破裂的臨界值。即使只有 5%，也可能只是投資報酬低於預期、部分資料中心取消或資產減值，而非整個AI產業崩潰。 - OpenAI＋Anthropic年化營收「1,800億美元」也有差距。目前較可靠公開資訊顯示，OpenAI年化經常性營收接近700億美元；Anthropic目前的規模並不足以把兩者推到1,800億美元。Van Nieuwerburgh相關討論使用的量級約是合計1,000億美元左右。 - 「哈佛研究：程式碼增加30%，完成專案幾乎沒增加」來源描述要再確認。我請AI協助查到相符的是2026年的NBER研究，不是「哈佛研究」。研究涵蓋逾50萬GitHub開發者，確實發現AI提高coding activity，但效果沿著「寫程式 -> 專案 -> 實際發布」逐層衰減；因此「生產力沒有完全轉換成最終產出」方向成立，但二手文的數字與出處混用了。 - 「早期資料中心1年回本、後來3年、現在5年」這部分的依據也要再確認。資料中心的回收期高度依賴GPU價格、利用率、電價、租金、融資與建設時程，不能當成產業通則。不過「越晚建成，面臨價格下降與技術迭代的風險越高」確實是有研究支持；甚至一年的延遲就可能顯著侵蝕專案價值。（我相信做研發的都理解這種價值衰減的恐怖）

『當市場上的錢開始變少， 銀行第一件事情不是停止借錢， 而是重新決定——誰值得借。』 ——班克先生 這幾天有兩則金融新聞，我覺得應該放在一起看。 第一則： 是銀行開始喊「錢緊」，今年7月底本國銀行平均流動性覆蓋率LCR降到約115%，雖然仍高於100%的法定標準，但相較過去常見130%以上，資金確實沒有以前那麼寬鬆。另一方面，銀行放款持續增加、存放比走高，有些銀行開始搶存款、調整放款價格與撥款速度（各銀行開始排撥囉！）。 換句話說，銀行目前就是錢借出去的速度，跑得比存款進來還快。而且快很多！ 第二則： 這就更有意思了。10月底，聯徵中心與證交所準備啟動跨業信用資訊交換。意思就是，這幾年老是想圖捷徑辦貸款的同學一直在跟我確認的資產債務比偷吃步，很可能全部都要失效了！ 以前你去銀行借錢，銀行主要看到銀行體系的負債（聯徵紀錄為主）；你在券商融資、借錢買股票，兩邊資訊並沒有完全打通。未來取得客戶同意後，銀行可以更完整知道你在證券端借多少，而券商也可以知道你在銀行端借多少。所以很多人直接聯想到，是不是「四貸同堂」氾濫應運而生的應對策略？（房貸＋房屋增貸＋信貸＋股票融資） 金管會特別澄清這不是四貸同堂管制，目前仍沒有直接限制你同時使用四種工具，就不能再借錢。 但是我以銀行觀點來評析，這兩則新聞放在一起，我反而想問兩個問題．．． - 第一個問題：台灣的錢，到底跑去哪裡了？ 是不是「有錢人對台灣沒信心，所以把錢搬走了」？這猜測當然過度簡化了，近年台灣的對外投資快速增加，其中很重要的一股力量，就是台積電與精密科技等台灣供應鏈全球化。 以前企業在台灣借100億蓋工廠，錢付給台灣的設備商、營造商、員工，轉了一圈，很大部分還是留在台灣金融體系。現在借100億去美國蓋工廠？想當然爾，土地買下去、設備買下去、薪資付出去，這些錢就是真的離開台灣金融體系。 但一剛開始的猜測也不能忽略，富人的錢，也確實愈來愈「國際化」。資產規模愈大的家庭，本來就愈有能力配置海外股票、債券、不動產、保險甚至第二居所。所以，這波現象不能簡化成「大家不相信台灣」。比較像三股力量同時發生： 1. 企業全球化需要錢 2. 高資產族群全球配置需要錢 3. 台股熱絡又把部分存款搬進資本市場 - 第二個問題：既然銀行的錢開始變珍貴，為什麼偏偏這時候把銀行與券商的資料打通？ 金管會說得沒有錯，跨業查詢本身「不是限貸令」，銀行還是按照授信5P原則，看借款人、資金用途、還款來源、債權保障與未來展望來評估。但是站在銀行實務的立場我老實說，『看得到，不代表一定少借』 不過以前看不到的負債，現在看得到，本來就可能改變授信結果。但仔細想想，會有這樣毫無節制的不對把可貸資金拉出來的狀況，通常是投資市場極端的時候，這時候讓放款單位多點可以參考的資訊也是好事。 即使政府沒有下令必須「少借」，銀行自己的負債比、還款能力、風險模型、授信額度與利率定價，本來就可能重新計算。所以民眾感受到「額度縮水」，跟政府直接下令「限貸」，本質上還是有分別的。 - 那是不是有『把平民的額度砍掉，把錢留給有錢人』的疑慮？ 就現象來看，雖然有這種傾向但我猜想當初也不是存心如此，政策上，好心做壞事的案例比比皆是。 但是銀行有一個很現實的問題，同樣1000萬，我為什麼要借給你？當資金充裕，銀行可以廣做生意。當資金開始有價格，銀行自然會重新挑選客戶。收入穩定、負債低、現金流漂亮、擔保品充足、信用紀錄良好的人，本來就更容易取得資金。 與其要叫「富人專屬規則」 還不如說這叫「風險定價」。 但最後確實會產生一個值得注意的結果是『資金愈緊，信用差距的價值就愈大。』 - 那麼，我們這些還沒變成富人的中產族群怎麼辦？ 富裕族群可以把資產搬去美國、日本、新加坡，可以同時配置股票、債券、不動產與不同幣別；但一般家庭最大的資產，很多時候還是「未來二、三十年的工作收入」。所以不要看到有錢人在做全球配置，就急著照抄他的資產負債表。我認為現階段一般家庭反而要做好四件事： 第一：保留現金，不要把每一塊錢都拿去追資產。當銀行開始挑客戶，資產流動性的強弱變得相對重要。 第二：整理負債。房貸可以是長期槓桿，但信貸、增貸、股票融資全部疊在一起，你自己覺得是資金效率，銀行看到的可能叫風險。（良善管理資產負債比） 第三：保護自己的授信能力。不要等到要買房、創業、週轉時，才發現以前為了多賺一點報酬，把自己的信用額度用光了。（學會計算自己剩餘的信用額度） 第四：才是資產配置。台灣資產可以有，海外資產也可以慢慢建立；股票、債券、現金流工具依自己的能力配置，不必一次把錢搬出去。 一般家庭真正需要追求的，不是「有錢人現在買什麼我跟著買」，而是『下一次機會來的時候，我手上還有沒有錢？銀行還願不願意借我錢？』 所以我看到這兩則新聞，不免有些感觸．．．