# 量化投資實務 W11 野村投信 量化部門主管 游景德 課堂演講–科技創新與投資分析實務
### 📅 2024-04-29, 台科大
### 講者:野村投信 量化部門主管 游景德 先生
### 筆記整理:Dada 劉永琦
## 📌 講者背景
### 游景德, PhD, CFA
### 學歷
台灣大學財務金融所博士
美國伊利諾大學香檳分校 財務碩士
### 經歷
匯豐中華投信 協理
富邦投信 基金管理部資深經理
復華證券 債券部中級專員
寶來投顧 研究部研究員
台灣工業銀行 證券部/營業部
協和投顧 研究部研究員
(以下資料摘錄於:2020 年「全國財務金融領導論壇」FB 貼文)
游景德先生畢業於台灣大學機械學士、
美國伊利諾大學財務碩士以及台灣大學財金博士,
具備美國財務特許分析師 CFA 證照。
曾任台灣工業銀行產業分析師、
富邦投信資深經理、ETF基金管理主管,
現任匯豐中華投信副總經理,
擁有擔任8年分析師、16年基金經理人的歷練,
並曾多次於大學演講相關主題,分享其豐富經驗
> 國內稱:基金管理公司,國外稱:資產管理機構
## 📌 題綱 Agenda(Overview)
* 生成式 AI(2023.02 開始大爆發)
* 半導體成長 => 算力(Computation Ability)大增,加速 AI 研發製程
* 新型投資工具 => ETF、ROBO(數量模型)
* 新型投資趨勢(新的"題材")=> ESG、Engagement
## 📌 2020 前後的市場走勢 & 2000 前後的市場走勢
1. IXIC 那斯達克 > TWII 台灣加權指數/半導體 > S&P500 標普中小型公司 > 道瓊(傳產 & 金融)
2. 歷史解析
LTCM 大買俄羅斯債券(高風險大槓桿的賭注)
俄羅斯政府倒債閉門
Margin Call => 資金枯竭,衍生出「流動性問題」
1999 ~ 2001 網路泡沫化
台積電 & 聯電,在工研院產學合作下,剛從小雞成長茁壯
但當時的規模不如美日半導體大廠:美國 NEC, 日本 Toshiba
2006 ~ 2007 第一代 Apple 手機
2008 金融危機(Financial Cricis)
2008 ~ 2011 Apple 手機
2020 疫情大跌(2020.03)
2021 上半年:海運、鋼鐵 | 下半年:電動車
2022 通膨、FED 強力升息
2023 AI浪潮(2023.02)「生成式 AI 的科技創新」
2024 AI中段(2024.04)
題材:重電、營建、水資源
## 📌 2000 ~ 2020 前後的市場走勢:小結-1. 趨勢
1. 新科技亮相:短線大漲
2. 資金退潮:短線大跌回原點
3. 不斷有後繼者出現產品、應用、研發結果
被視為「長期趨勢」:長線多頭緩漲
4. 下一個泡沫:重複「大漲 >> 大跌 >> 緩漲」的週期(循環)
## 📌 2000 ~ 2020 前後的市場走勢:小結-2. 比爾蓋茲的名句
比爾蓋茲:
「新科技剛推出時,人們總是高估它的價值;
而過一段時間(家喻戶曉後),人們又低估它的價值。」
## 📌 廣告:對 AI 研發人員的啟示
Smart Phone English Version (REMA 1000 Ads)
太複雜的技術,
如果使用者不會用、覺得太違反直覺,
就不符合「真實需求、市場的需要」
## 📌 ETF
1993 年,美國 Spyder ETF 上市
投資,最終只是為了「資產配置」
機器人理財:數據投資,用「數據 + 回測」,「自動或半自動」透過的方式,規劃資產配置
## 📌 KYC
銀行都要做 KYC,開戶程序很繁瑣
券商相對銀行而言,開戶程序比較簡單
## 📌 ETF: 比特幣
1. 美國率先掛牌
2. 香港是亞洲第一個掛牌
## 📌 ETF:「破壞式創新」題材
AI: gen AI / NLP / CV / ML
Big Data
Cyber-security
5G, 6G
矽光子, 超快光學
比特幣, 加密貨幣, 智能合約
AR, VR, Metaverse
Robotic
3D print
Health
奈米醫材
Recycle, 再生資源
## 📌 ETF: MPT => 自動控制「ETF/基金/投資組合」的風險
基於:現代投資組合(MPT, Modern Portfolio Theory)
變異數、共變異數 === 最佳化 + 相關性低 ===> 「報酬不變的情況下,風險降低」
多(全)市場監控 => 股票、債券、貨幣、黃金、房地產
## 📌 創新科技股(Innovative Stock)的資產過濾流程
## 📌 創新科技股(Innovative Stock)的資產過濾流程
量化分析: 資料 => 資訊
質化分析: 本益比(給多少合理? 1. 跟過去的自己比 2. 國內、外同產業競爭者) => 估值模型
投資策略: ETF > 1. Active 2. Passive
## 📌 總經:通膨率
## 📌 總經:資金動能
貨幣市場 => 台灣 看 M1B,美國 看 M2,FED 政策
IMF
## 📌 總經: 景氣循環 (Dada => ???)
「景氣衰退」階段,通常「債券價格」的表現較好
債券看美國 => 目前價格持續下跌
公債市場非常不流通
## 📌 職涯規劃:投信產業
基本面(個股研究 / 產業研究)研究員(國外稱 Analyst)
計量分析師(Passive Fund => 國內: for ETF,占比僅約 1/10)
基本面研究員 => 基金經理人 OR 操盤手
國外的 Buy Side => 台灣的【投信】
國外的 Sell Side => 台灣的【券商】
## 📌 職涯規劃:投信產業 > 知識
台科學生在產業研究的優勢
Intergrated => 比較懂【科技產業 的 專業知識】
專業知識 / 產業人脈 => 安排會議、訪談 / 財報分析 / 公司法說會
獲利預估
=> 三表 / 預估損益表, 預估資產負債表, 預估 XXX
=> 同業的【法人】看重
投資建議
=> 強力買進 / 買進 / 中立 / 賣出 / 強力賣出
=> 市場中的【散戶】看重
## 📌 職涯規劃:投信產業 > 知識: 分析師(投信)的行為
* 錨定效應
* 拉低預期 => 拉高預期 => 對公司管理階層有幫助
## 📌 職涯規劃:投信產業 > 知識: 指標
* VIX 低: 代表「市場偏多(樂觀)」
* 密大信心指數
* 報章雜誌報導: 台灣 => 看 "有交易戶數" & "大盤交易量"
## 📌 職涯規劃:投信產業 > 知識: ETF > 最佳化: 最小化追蹤誤差
指數公司 => 資料分析人員
投信公司 => 研究員、追蹤誤差
追蹤誤差: 「指數 和 所有成分股」的 標準差 和 相關性
100% 資金都投入股票
dividend yield exposure: 殖利率因子曝險
B: bechmark (or baseline), e.g. 0050
=> 標準化分數
## 📌 職涯規劃:投信產業 > Data-related Occupation
=> 高速運算
=> 資料
=> 資料量最多的公司: Google
=> 資料儲存單位
1 Byte = 8 Bits
1 Kilobyte (KB) = 1024 Bytes
1 Megabyte (MB) = 1024 KB
1 Gigabyte (GB) = 1024 MB
1 Terabyte (TB) = 1024 GB
1 Petabyte (PB) = 1024 TB
1 Exabyte (EB) = 1024 PB
1 Zettabyte (ZB) = 1024 EB
1 Yottabyte (YB) = 1024 ZB
=> 資料應用:
@ Google 資料科學家
"感冒相關詞彙 的 搜尋量(次數)" 預測 "流感、疫情大爆發時機"
=> 資料應用:
@ 財金期刊論文: In Search of Attention
美國股票代號 與 股價 有關係
Dada 的 疑問 =>
1. 是否有因果關係
2. 是否散戶的搜尋量具有領先性
3. 能否依此建構交易策略
=> 資料應用:
@ 投信 - 散戶觀察指標
1. 2330 可能不是查股票代號
2. 00940 幾乎只可能是查 ETF 代號
3. Dada 的解讀 => 「社群資料」或許可以做為「散戶情緒指標」的「前驅物」
(a) Dcard
(b) PTT
(c) FB
(d) 新聞: 鉅亨網, 工商時報, 經濟日報
(e) 電視: 非凡出貨台
(f) 雜誌: 理財周刊, 今周刊, 財訊, 報紙
## 📌 職涯規劃:金融業的種類
銀行、券商 => 人數較多
投信 => 專業能力高、多數有碩士以上、人數較少
投信境內銷售代理 => 行銷人員、接洽法人的業務:薪水有些不輸基金經理人
第四台投信老師 => 轉職:財經網紅、YTR
## 📌 職涯規劃:能力
1. People Skill
2. Integrated (Cross-Domain) Skill
3. Financial Skill
4. IT Skill
## 📌 職涯規劃:能力 > 基本
1. 財金專業 => 相關科系的學歷
2. 語文能力 => 英文、日文
3. 電腦操作 => Excel、VBA
4. 金融證照 => 高業、投信投顧法
## 📌 職涯規劃:能力 > 進階
10~12 人,多數都是研究員,2~3 位計量人員,1~2 位ESG研究員(特別是E:環保)
## 📌 ETF > 收費方式
內扣費用:0.3% ~ 0.5%,約 6 bp (萬分之六)
00940 => 募資金額: 1750 議員
管理費: 1750*6/10000 = 1.05 億
## 📌 職缺 > 人生道路:選擇
1. 台灣指數公司: 隨著 ETF 興起,職缺數預期會越來越多
2. 野村投信 (日商): LinkedIn (外商較多) > 104 (本土為主)
3. 富邦投信
4. 其它投信
5. 投顧公司 => 比投信的門檻低一些
6. 本土券商(證券公司) => 比投信數量多很多,財金系多數人的最愛
7. 財經網紅、財經 KOL => 比較沒門檻,淘汰率高,要知道年輕人的潮流趨勢
8. 第四台投顧老師 => 多轉戰 YT,變電視 YT 雙棲(近年看電視【財經投顧台】的收視率下降)