投資雖然聽起來簡單,但如果把全部資金都投入某一支股票,風險就會被大幅放大。這篇文章將帶你了解分散投資的重要性,以及為什麼不要只賭在單一標的上。
我們會從市場波動、公司基本面、以及個人財務目標三方面說明,並提供實際範例,讓你知道如何用少量資金分布於多支股票或其他投資工具,以降低整體風險。
為什麼單一股票的風險會高?
如果你把全部資金都投在一家公司的股價上,任何一個負面事件——如營收下滑、管理層失誤或產業衝擊——都可能導致整體投資損失達到百分之百。這種「單點風險」是分散投資能避免的主要原因之一。
風險分散的三大好處
- 降低波動幅度:不同產業或市場的股票往往不會同步上漲或下跌,整體組合的價值變化就會相對平滑。
- 提升回報潛力:即使某些標的表現不佳,其他投資可能仍能帶來正向收益,使總體績效保持正勢。
- 減少情緒決策:當投資組合多元時,單一股票的大幅波動不會讓你過度焦慮或急於賣出,維持長期策略更容易實踐。
建立多元投資組合的實務技巧
- 設定分配比例:先確定每個產業、地區以及投資類別(如股票、ETF、債券)的目標權重,避免過度集中。
- 選擇低相關性標的:透過歷史價格資料或基金評級,挑選與你持有資產關聯度較低的投資對象。
- 定期再平衡:每半年或一年檢視一次組合比例,調整偏離目標的部分,以維持原本風險設定。
投資組合範例表格
| 標的 | 產業 | 持股比例 |
|---|---|---|
| 台積電 | 半導體 | 25% |
| 聯發科 | 通訊晶片 | 15% |
| 中華電信 | 電信服務 | 10% |
| 大立光 | 光學鏡頭 | 12% |
| 元件科技基金 | ETF | 18% |
| 美國國債 | 債券 | 20% |
用程式簡單算分散效益(Python 範例)
import numpy as np
假設有三支股票的日報酬率資料
returns = np.array([[0.01, 0.02, -0.01], [0.00, -0.03, 0.02], [0.02, 0.01, 0.00]])
計算共變異數矩陣
cov_matrix = np.cov(returns.T)
投資比例向量 (均等分配)
weights = np.array([1/3, 1/3, 1/3])
組合波動率
portfolio_volatility = np.sqrt(np.dot(weights.T, np.dot(cov_matrix, weights)))
print("組合波動率: {:.4f}".format(portfolio_volatility))
以上範例僅示意,實際操作時建議使用更完整的歷史資料與風險模型。
