是 對 他 的 方法 敬謝不敏 。 其實 學界 也 不惶多讓 ， 大家 都 只 看 學術 論文 ， 沒 人 看書 ， 難怪 馬克維茲 自己 也 調侃 道 ： 「 大家 根本 不 看 我 的 書 。 」 但 如果 我們 每 個 人 都 被 經濟學家 說服 ， 認定 市場 價格 波動 完全 是 隨機 時 ， 說 實在 的 ， 誰 還 需要 去 看 鑽研 風險 與 報酬 的 學術 文章 呢 ？ 就 像 看到 電視 中 股市 名嘴 將 一 檔 股票 用 技術 分析 捧上 枝頭 時 ， 有 誰 還 會 去 買 本 財務 分析 的 書 來 學 如何 選股 呢 ？ 風險 分散 的 極限 現在 我們 知道 ， 「 多角化 的 風險 分散 」 與 「 不要 將 所有 雞蛋 放 在 同 一 個 籃子 」 是 相同 意思 的 。 投資人 確實 可 透過 多角化 的 投資 方式 來 降低 風險 ， 但 這 是否 意味 著 ： 只要 無限 增加 投資 組合 內 的 資產 種類 ， 就 能 將 投資 組合 的 風險 降到 0 呢 ？ 這 答案 當然 是 錯 的 。 就 如同 上述 所 提及 的 ， 投資 組合 的 「 風險 分散 效果 」 ， 決定 於 資產 間 的 相關 係數 。 當 兩 資產 間 相關 係數 愈 大 ， 分散 的 效果 愈 差 ； 相關 係數 愈 小 ， 分散 效果 就 愈 佳 。 因此 ， 並非 只要 增加 資產 數目 就 能 降低 風險 ； 事實 上 ， 要 透過 增加 資產 數目 來 降低 投資 組合 風險 ， 必須 增加 「 有效 」 的 投資 標的物 始 有 效果 。 然而 ， 要 繼續 透過 多角化 的 作用 來 持續 降低 風險 ， 這 種 「 降低 風險 的 能力 」 將 會 愈來愈 小 。 我們 來 看 一 個 例子 ， 刊登 在 財務 頂級 期刊 中 的 一 份 資料 ， 他們 為了 驗證 投資 組合 的 規模 效果 與 風險 間 的 關係 ， 從 紐約 證券 交易所 中 隨機 抽取 股票 ， 以 漸近 方式 來 形成 多樣化 的 投資 組合 ， 然後 採用 相同 權重 （ 每 檔 股票 持有 相同 金額 ） 估計 投資 組合 的 年 報酬 標準 差 （ 風險值 ） ， 並 計算 其 占 單一 股票 標準 差 的 比率 ， 如 表 3-1 所 示 。 表 3 - 1 ： 投資 組合 數目 與 可 降低 風險 之 關係 投資 組合 之 股票檔 數 __UNDEF__ 期望 年 報酬 標準 差 投資 組合 標準 差 占 單一 個股 標準 渣 的 比率 12468101214161820253035404550751002003004004505006007008009001000 無限 檔 __UNDEF__ 49.23637. 35829.68726.64324. 98323.93223. 20422.67022. 26121.93921.67721. 19620.87020.63420. 45620. 31620. 203 19.86019.68619. 42319.33619. 29219. 27719. 26519. 24719. 23319. 22419. 21719 .
 
21119.158 1.000.760.600.540.510.490.470.460.450.450. 440. 430. 420. 420. 420. 410. 410. 400. 400. 390 .
 
390 .
 
390 .
 
390 .
 
390 .
 
390 .
 
390 .
 
390 .
 
390 .
 
390. 39 表 中 第一 欄 的 49.236 ， 即 表示 假若 你 從 紐交所 中 隨機 抽取 一 檔 股票 ， 並 將 資金 全部 投入 此 證券 ， 你 得到 的 年 報酬 標準 差 約 等於 49.236％ 。 假若 挑 了 兩 檔 股票 ， 則 年 報酬 標準 差 可 降為 37.358％ 。 表 中 重點 在於 第三 排 數字 ， 該 數字 表示 增加 股票 數目 後 ， 投資 組合 的 標準差 占 一 檔 個股 標準 差 的 比率 。 兩 檔 股票 投資 組合 時 比率 為 0.76 ， 這 表示 你 在 紐交所 隨機 挑選 兩 檔 股票 並 平均 投資 後 ， 風險 可 降為 原先 只有 單一 股票 的 76％ ， 降幅 為 24％ ； 若 持有 到 200 檔 以後 時 ， 這 數值 幾乎 是 停滯 的 。 這 就 表示 若 我們 想 再 透過 增加 持股 數目 來 降低 風險 ， 其實 是 有 其 極限 的 。 上述 的 驗證 與 說明 多 只 針對 股票 市場 ， 那麼 ， 不同 市場 是否 也 是 如此 ？ 我們 再 來 看 一 份 統計 資料 ， 研究 者 選取 了 不同 種類 的 資產 ， 有 股票 、 各 類型 債券 與 消費者 物價 指數 ， 並 按照 權重 建構 投資 組合 ， 以 月 資料 計算 1963年 至 2002年 間 這些 投資 組合 的 報酬率 與 標準 差 ， 結果 如 下 頁 表 3 - 2： 表 3 - 2 ： 美國 各 類型 資產 投資 組合 之 年 報酬率 與 標準 差 投資 組合 __UNDEF__ 算數 平均數 __UNDEF__ (％ ) __UNDEF__ 標準 差 __UNDEF__ (％ ) 紐交所 小 規模 公司 股票 （ 占 比 約 20％ ） __UNDEF__ 25.2 標準 普爾 500 指數 __UNDEF__ 11.9 16.6 高評等 長期 公司債 __UNDEF__ 8.5 美國 長期 政府 債 7.1 美國 國庫券 6.3 消費者 物價 指數 __UNDEF__ 4.6 表 中 我們 可 注意到 ， 標準 普爾 500 指數 的 標準差 為 16.6％ ， 而 小 規模 公司 股票 的 標準差 大約 是 高於 其 60％ ， 達 41.8％ 。 這 就 說明 不同 資產 間 的 風險 分散 限度 是 不同 的 。 透過 上述 說明 ， 我們 知道 持有 資產 數目 愈 多 時 ， 投資 組合 的 風險 是 可 降低 的 ， 這 類型 的 風險 稱為 「 可 分散 的 風險 」 ， 學術 上 稱為 「 非 系統 風險 」 或 「 公司 獨特 風險 」 。 而 當 「 可 分散 風險 」 到 了 極限 ， 所 殘留 的 部分 風險 就 稱為 「 不可 分散 的 風險 」 ， 學術 上 稱為 「 系統 風險 」 或 「 市場 風險 」 。 圖 3 -3 可 闡述 上述 論及 的 風險 ： 圖 中 不 難 看出 兩 個 重點 ： 首先 ， 個別 資產 的 某些 風險 可 透過 投資 組合 來 消除 ， 就 是 可 分散 風險 區域 。 其 二 ， 有 一 部分 風險 是 無法 透過 多角化 來 消除 的 ， 就 是 不可 分散 的 風險 區域 。 那 為何 某些 風險 可 透過 多角化 消除 ， 另 一 種 風險 卻 不行 ？ 這 答案 當然 就是 系統 與 非 系統 風險 的 區別 了 。 假若 我們 持有 單一 股票 ， 該 股票 價值 就 會 隨 公司 的 特定 事件 而 波動 ； 若 持有 一 個 投資 組合 ， 組合 中 某些 股票 會 因 正面 的 特定 因素 升值 ， 某些 會 因 負面 因素 而 貶值 ， 影響 效果 互相 抵銷 後 ， 對 投資 組合 總價值 的 影響 效果 變更 小 。 這樣 我們 就 可以 知道 ： 個別 資產 的 某些 風險 是 可 藉由 多角化 來 消除 ， 只要 持有 夠多 資產 ， 即可 降低 這 類型 風險 。 然而 ， 系統 風險 為何 不行 透過 多角化 來 消除 呢 ？ 因為 系統 風險 是 影響 「 所有 資產 」 的 風險 ， 通常 是 由 戰爭 等 因素 引起 ， 是 無法 透過 多角化 來 消除 的 風險 。 所以 我們 任何 投資 的 總風險 可 表示為 ： 總風險 ＝ 系統 風險 ＋ 非 系統 風險 對 一 個 多角化 良好 的 投資 組合 而言 ， 非 系統 風險 可 透過 多角化 消除 ， 是 可 忽略 的 ， 市場 沒 必要 支付 報酬 給 未 經