在網路上搜索「平均數-變異數投資組合最佳化方法」（Mean-variance optimization，MVO）的資料時，無意中發現《不同風險衡量下效率投資組合之比較分析》這篇文章，先記錄下來供以後複習。
作者
許晉雄─東吳大學財務工程與精算數學系副教授
鄒慶士─國立台北商業技術學院企業管理系教授
葉柏緯─國立台北商業技術學院商學研究所碩士
緒論
近年來隨著金融商品多樣化，無論對一般或專業投資人，投資的管道也愈來愈多元性，其中股票更是投資人最常運用的理財工具之一。
然而許多投資人在投資股票的時候，往往過度專注於某一支股票報酬率的高低，而忽略了高報酬必伴隨著高風險以及分散投資標的可為其降低投資風險的 事實。
自從 Markowitz 提出了平均數- 變異數投資組合模型（mean-variance portfolio model，簡稱MV模型）後，便開創了投資組合的理論，也為上述的事實提出了合理的解釋方法。
但是以傳統投資組合的變異數來衡量風險時， 其所分析出來結果尚有缺失。
因此，傳統以變異數（標準差）來衡量風險的方式，對於股市或其他金融商品的投資應用上不盡然合理。
然而，現今不論是在財務研究議題上或是在實務上對投資者而言，變異數或標準差是廣為被一般大眾所使用的風險衡量方式（Evans, 2004），但變異數或標準差並非唯一的風險衡量方式，在許多投資組合的相關文獻中，也有提供一些具有成效的風險衡量方式，例如：半變異數、左偏動差、平均絕對離差、風險值、條件風險值等（Lee, 2007）。
在傳統的Markowitz的理論架構下，風險的衡量往往是以變異數或標準差為主，此模式的概念是給予資產報酬的上方增值潛力與下方損失風險相等的重視，這與我們現實生活中，資產的下方風險才是投資人所關切的情形並不符合。
基於下方風險的修正
所以Markowitz（1959）即針對此不合理現象作了修正，於是提出了半變異數（semivariance，簡稱 SV）的觀念，他指出以半變異數為基礎所尋找出來的投資組合優於以變異數為基礎的尋找方式，其原因在於投資者通常是關心低於預期績效部份而非高於預期績效部份。
儘管Markowitz在其後續研究中並未對半變異數的加以擴展，卻陸續有其他學者開始建構不同的投資組合選擇模型，如Estrada（2008）是利用半變異數來衡量資產的下方風不同風險衡量下效率投資組合之比較分析險，提出一簡便的方法來找出最佳投資組合。
而另外一方面早在 1952 年Roy 也就開始進行控制下方風險的研究，之後如 Bawa 及 Lingenberg（1977）利用左 偏動差（lower partial moment，簡稱 LPM）來衡量資產的下方風險，Lucas 等 人（1998）與 Campbell 等人（2001）是利用風險值（Value-at-Risk，以下簡稱 VaR） 來衡量資產的下方風險，但 Artzer 等人（1999）指出 VaR 本身並不符合次可加性的特質，意即表示 VaR 並沒有分散投資組合風險的特質，因此增加新資產部位反而有可能會增加投資組合風險值。
因此本文另外參考Rockafellar及 Uryasev（2000）所提出的條件風險值（conditional value at risk，簡稱 CVaR）來評估風險測量值。
另外，從平均數-變異數投資組合模型的假設部分，其所具備的前題為資產報酬分配必須為常態分配，並且投資者具有一個固定的二次效用函數。
然而，過去研究文獻證明了實務上資產的報酬並不服從常態分配的假設（Lee, 2006），且在 Lee（2007）的文獻中則認為假設所有投資者具有一個固定的二次效用函數，並沒有一個可讓人信服的理由。
再者，Markowitz 所提出的平均數-變異數模型在超過一千檔股票的資產下，由於共變異數矩陣的複雜度提高，因此，在二次規劃的求解過程中，不僅提升了計算上的困難度，也增加了求解的時間。
有鑑於此，Konno 及 Yamazaki 利用分段線性風險函數 （piecewise linear risk function）建構出平均數- 平均絕對離差模型（mean-mean absolute deviation model，簡稱 MMAD 模型），其投資組合最適化的求解方式是透過線性規劃來取代在計算上較困難的二次規劃，不但降低計算上的困 難度，同時也節省了計算時間，並且與 MV 模型一樣可達到分散風險的目的（Konno and Yamazaki, 1991）。
然而，前述學者們使用其他理論來發展投資組合的資產配置模型，不論是在理論或實務上比起平均數－變異數模型更加優越的風險衡量。
即使如此，平均數－變異數模型仍是最廣為使用於求解資產配置問題，這是由於目前對於最適風險衡量的認定，仍尚未發展出可評價不同風險衡量方式的共同準則（Cheng 及 Wolverton, 2001; Byrne 及 Lee, 2004）。
而在 Cheng 及 Wolverton（2001）文章中，以不同的風險衡量方式來進行實證研究，在研究中指出了比較各模型間投資組合的困難點，他們發現每一種模型所產生的效率投資組合，僅侷限於該理論模型架構中。
除此之外，他們認為除非在不同風險衡量之間能夠發展出一套共同的評價準則，否則企圖尋找出能夠提供最優越的風險與報酬抵換之投資組合模型並沒有意義。
在過去的文獻中， 在做效率投資組合比較時，較注重的是目標空間上的比較，有鑑於上述作者的提醒，本研究擬參考Phillips（1993）所提供的分析觀點，透過不同風險的衡量模型在目標空間上所找到的效率投資組合，將其目標空間上的效率投資組合投射至相對應的決策空間中，比較其投資的資產種類與權重等相似性，以此來觀察不同風險衡量方式所產生的資產配置有何差異。
因此，本研究綜合過去文獻，以變異數、半變異數、左偏動差、平均絕對離差、條件風險值等方式來進行風險衡量，除了更加符合投資人對風險的態度，也更貼近實務上金融機構普遍使用上述衡量指標來衡量風險。
此外，本研究還希望以不同的角度，將上述的風險衡量方式進行統整並作相似度分析。
最後本文內容安排如下，首先在第二單元介紹不同風險衡量， 於第三單元介紹在此些不同風險衡量下，最佳投資組合之推導，第四單元進行實務資料探討分析，並作出結論。
你好，我是蔡至誠PG，《阿爾發證券投顧》教育長，《我畢業五年，用ETF賺到400萬》作者，《提早五年退休：PG 財經個人財務調配術》講師。
想定期定額投資美股ETF增加被動收入，我們公司推出的機器人理財平台能讓你一站式做好規劃，幫你追蹤財務目標達成率，幫你挑選低成本的ETF投資組合，投資之後24小時追蹤與自動再平衡。
陪您一起安心達成財務目標，點擊下方連結加入官方LINE@預約諮詢，讓今天的投資更輕鬆，明天的生活更美好！