第三章 .資料樣本選擇與研究方法
第二節 .投資組合及策略建立
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第二節.投資組合及策略建立
一.策略之建立方式
本研究策略建立方式分為 3 種，分別是是高減低法、Linear 權重法、Rank 權 重法。
高減低法總共分成四個投組，依照因子由大到小將貨幣排序。前 20%的貨幣 排入投組 1，20%~50%的貨幣排入投組 2，50%~80%貨幣排入投組 3 最後 20%的貨 幣排入投組 4。而高減低法只會交易排名最高及最低的投組也就是投組 1、投組 4。Linear、Rank 權重法則是會交易所有貨幣，只是在權重的大小方面排名最大 (投組 1)及最小(投組 4)的貨幣會比投組 2 及 3 的貨幣大。Linear 權重法與 Rank 權重法的不同則是計算權重方法不同。
1.市場因子(MAR 因子):
即 Lustig et al.(2011)中的市場報酬因子，是賣出美元並買入所有 37 國貨幣 的平均報酬，代表此因子以分散風險為策略目標。
2.利差交易(Carry Trade):
即 Lustig et al.(2011)中的利差交易因子。利差交易為借低利率國家貨幣，並 投資於高利率國家來獲取報酬，因此稱之為利差交易。而根據拋補利率平價(CIP) 得知兩國的利率差距會近似於遠期貼水，故使用遠期貼水來代替利差。因此，使 用 37 個貨幣之遠期貼水大小排序，最大的遠期貼水貨幣(前 20%)排在投組 1 反 之最小的遠期貼水貨幣(70%~100%)排在投組 4。利差交易之超額報酬為高遠期貼 水投組平均報酬(投組 1) − 低遠期貼水投組平均報酬(投組 4)。
0% 20% 50% 80% 100%
投組 1 投組 2 投組 3 投組 4
‧
3.動能交易(Momentum):
按照論文Asness et al. (2013)中Momentum因子作法，動能交易是按照各貨 幣前 2 期至 12 期之平均報酬為依據，若過去的報酬為正報酬則本期報酬亦為正
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
略的建構方式可能有反向的意味。
二 . Linear權重法:
依據Menkhoff et al. (2016)算法。這個策略跟分投組不一樣的是投組方法只 會交易投組 1 跟投組 4 的貨幣，而linear策略是每個匯率都會有一個權重:
𝑊𝑊
𝑖𝑖,𝑡𝑡+1= 𝑐𝑐
𝑡𝑡× (𝑋𝑋
𝑖𝑖,𝑡𝑡− 𝑋𝑋
𝑖𝑖,𝑡𝑡𝐵𝐵𝐵𝐵𝐵𝐵) ,
𝑐𝑐
𝑡𝑡= 1
∑ |𝑋𝑋
𝑖𝑖 𝑖𝑖,𝑡𝑡− 𝑋𝑋
𝑖𝑖,𝑡𝑡𝐵𝐵𝐵𝐵𝐵𝐵|
𝑟𝑟𝑅𝑅
𝑡𝑡+1𝑝𝑝= � 𝑊𝑊
𝑁𝑁𝑡𝑡 𝑖𝑖,𝑡𝑡+1× 𝑟𝑟𝑅𝑅
𝑖𝑖,𝑡𝑡+1𝑖𝑖=1
其中𝑋𝑋𝑖𝑖,𝑡𝑡可以是Carry(MOM、Value)指標，因此若𝑋𝑋𝑖𝑖,𝑡𝑡大於平均 Bar 就會有正
的權重反之小於平均 Bar 有負的權重；而𝑁𝑁𝑡𝑡為國家數。
三 . Rank權重法 :
依據Menkhoff et al. (2016)算法。Rank策略跟linear有不同的權重計算方 式，𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟(𝑋𝑋𝑖𝑖,𝑡𝑡)為將𝑋𝑋𝑖𝑖,𝑡𝑡在全部國家的排名。這個策略是比較保守的策略(離群值 會有較小的權重)。
𝑊𝑊
𝑖𝑖,𝑡𝑡+1= 𝑐𝑐
𝑡𝑡× (𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟(𝑋𝑋
𝑖𝑖,𝑡𝑡) − � 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟(𝑋𝑋
𝑖𝑖,𝑡𝑡) 𝑁𝑁
𝑡𝑡𝑁𝑁𝑡𝑡 𝑖𝑖=1
)
在下面列出各投組之超額報酬及各因子之間相關係數:
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
下表(3.2)為各因子之 4 個投組報酬，在利差交易的 4 個投組可以發現高利 率貨幣投組的 C1 至低利率貨幣頭組的 C4 報酬是呈現遞減的，因此利差交易是買 入高利率貨幣投組並賣出低利率貨幣投組會有更高的超額報酬。在動能交易的 4 個投組可以發現前期高超額報酬貨幣投組 M1 至前期低超額報酬貨幣投組 M4 報 酬是呈顯遞減的，代表確實有動能的存在。在價值交易的 4 個投組可以發現價值 低估貨幣投組 V1 至價值低估貨幣投組 V4 報酬是呈現遞減的，因此價值交易是買 入價值低估貨幣賣出價值高估或幣會有更高的超額報酬。
下表(3.3)得知市場因子的平均報酬比利差、動能及價值來的低，是因為市 場因子有分散風險的特性。另外，使用高減低法的平均報酬會比 Linear 權重的平 均報酬來的高，是因為高減低法只採用該因子之排名最高及最低的貨幣投組因此 報酬會較採用所有貨幣的 Linear 法來的高，而 Linear 權重平均報酬又會比 Rank 權重來的高是因為在 Rank 權重法中極端值的權重更低所導致。
下表(3.4)為因子之間的相關係數，可以發現 Carry 因子與其他兩個因子的 相關係數非常低且不顯著。Momentum 因子與 Value 因子相關係數比較高為負相 關且非常顯著，而根據論文 Asness et al. (2013)的研究發現 Valu 因子與 Momentum 因子報酬負相關的一部份原因可能是來自它們兩個對流動性風險指標相反的相 關係數，因此在後面章節也會做此檢驗。
表(3.5)、(3.6)為 Linear、Rank 權重法因子間相關係數，可以發現(Linear Carry,Linear Momentum)、(Linear Carry,Linear Value)、(Rank Carry,Rank Value)相 關係數變成正的；可能是因為權重改變導致因子之組成貨幣改變的結果，但其相 關係數都很小。
‧
‧
Momentum -0.0304
(0.56) 1 -0.4372
相關係數/P 值 Linear Carry Linear Momentum Linear Value Linear Carry 1 0.0874 0.1527
Linear Value 0.1527 (0.005)***
Rank Momentum 0.1227 (0.01)**