這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文
和我們一起踏入投資的專業世界

論文大綱:
這些文本探討了長期資本管理公司 (LTCM) 的失敗及其對風險管理的影響。文章討論了 LTCM 如何錯誤地估計其風險，特別是透過其對「風險價值」(VaR) 模型的使用，該模型未能充分捕捉市場波動性和流動性緊縮。LTCM 的策略，例如其趨同套利交易和高槓桿操作，使其極易受到市場衝擊。

內文討論:

1. LTCM 的成立、策略與初期成功
2. LTCM 的災難性失敗
3. LTCM 失敗的關鍵原因分析
4. 對風險價值 (Value-at-Risk, VaR) 模型及其限制的批判性分析
5. LTCM 失敗對金融機構風險管理的教訓與影響

資料來源: Jorion, Philippe. "Risk management lessons from long‐term capital management." European financial management 6.3 (2000): 277-300.

這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文
和我們一起踏入投資的專業世界

論文大綱:
該文本探討了1998年全球金融危機，特別強調了流動性溢價在危機期間的動態變化。它詳細闡述了長期資本管理公司 (LTCM) 的「近乎破產」事件，並指出金融模型在其中扮演的角色有限，主要問題在於LTCM從流動性提供者轉變為需求者。文章批判了靜態風險管理措施，如傳統的資產負債表和Value-at-Risk (VAR)，認為它們在極端市場壓力下無法準確捕捉風險。

內文探討:

一、 危機爆發的原因：

二、 危機產生的影響：

三、 對全球金融市場產生的結構性變化

資料來源: Scholes, Myron S. "Crisis and risk management." American Economic Review 90.2 (2000): 17-21.

這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文
和我們一起踏入投資的專業世界

論文大綱:
此文章探討了人工智慧驅動的動態資產配置如何提升波動金融市場中的投資組合最佳化。文章中比較了多種機器學習模型（如深度強化學習、深度類神經網路和樹狀集成模型）與傳統方法，如Markowitz平均數-變異數和Black-Litterman模型。作者利用2007年至2022年的美國市場數據進行實證分析，顯示機器學習策略在夏普比率和最大回檔幅度方面均顯著優於傳統基準。特別是在2020年COVID-19市場崩盤期間，人工智慧模型展現了其適應市場劇烈變化的能力，有效降低了風險並保護了資本。

內文討論:
 
A. 機器學習到底是怎麼「學」會投資策略的？
B. 為什麼傳統的資產配置方法不夠用，要改用 AI？
C. 如果市場資料一直在變，那 AI 會不會學到過去沒用的東西？
D. 機器學習的模型會不會因為「過度擬合」而在真實市場失敗？
E. 在高波動的市場裡，AI 真的能比人類判斷得更好嗎？
F. 這篇論文提到的「自適應資產配置」跟一般的動態配置差在哪裡？
G. AI 做投資配置時，會不會因為黑箱問題，投資人根本不知道為什麼它要這樣配置？
H. 如果 AI 模型需要很多資料，那新手投資人怎麼可能有這些數據？
I. 投資報酬率真的能因為 AI 提升嗎？還是只是換一種複雜的方法？
J. 如果 AI 模型突然做出錯誤判斷，投資人要怎麼知道什麼時候該停用它？

資料來源: Olanrewaju, Ayobami Gabriel, et al. "AI-driven adaptive asset allocation: A machine learning approach to dynamic portfolio optimization in volatile financial markets." Int J Res Finance Manag 8.1 (2025): 320-32.

這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文
和我們一起踏入投資的專業世界

論文大綱:
這份NBER工作報告深入探討了動態資產配置在面對事件風險時的影響，其中事件風險指的是可能導致股價和波動性突然大幅變化的重大事件。文章利用了Duffie、Pan和Singleton (2000)的雙跳模型，此模型將股價和其回報的波動性視為跳躍擴散過程，並提供了最佳投資組合問題的解析解。研究發現，事件風險顯著改變了最佳投資策略，使投資者更不願意承擔槓桿或賣空頭寸，行為上像是其部分財富可能變得不流動。

內文討論:
 
A. 什麼是「事件風險」（event risk）？它和一般市場波動的差別在哪裡？
B. 如果事件風險是不可預測的，那投資人要怎麼在配置上事先準備？
C. 為什麼作者要用跳躍過程（jump process）來描述資產價格？這是不是代表市場會突然大跌？
D. 如果事件風險發生時，我是不是只能被動承受損失？有沒有什麼保護的方法？
E. 動態資產配置在事件風險下跟一般情況有什麼不同？
F. 論文提到避險策略，那是不是要一直買保險或選擇權來防禦？
G. 如果事件風險的機率很低，為什麼還要花心力去考慮它？
H. 事件風險會不會讓長期投資策略失效？
I. 勞動收入或其他穩定現金流在事件風險下有幫助嗎？
J. 論文最後說最優策略取決於風險厭惡程度，那新手投資人怎麼知道自己適合哪一種？

資料來源: Liu, Jun, Francis A. Longstaff, and Jun Pan. "Dynamic asset allocation with event risk." The Journal of Finance 58.1 (2003): 231-259.

這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文
和我們一起踏入投資的專業世界

論文大綱:
這篇文章深入探討了在存在通貨膨脹且僅有名目資產可供選擇的情況下，有限期投資者的動態資產配置問題。文章首先建立了一個分析框架，用於推導投資者在通膨環境下的最佳投資策略和間接效用，並給出了封閉形式的解決方案。作者接著校準了其模型，使用了美國國庫債券殖利率和消費者物價指數（CPI）的月度數據，以及年度數據。研究結果顯示，動態策略的效益和投資組合中的期限效應，高度取決於實際利率的均值回歸特性。

內文討論:
 
A. 論文裡提到通貨膨脹對資產配置有影響，那通膨會不會把所有投資回報都吃掉？
B. 為什麼在模型裡要同時考慮「實質資產」和「金融資產」？這兩者的差別是什麼？
C. 通膨會讓投資組合的風險變大嗎？還是只是回報的不確定性增加？
D. 為什麼作者用了隨機過程來描述通膨？通膨不是政府數據可以直接預測的嗎？
E. 如果利率和通膨是一起變動的，那我要怎麼知道什麼時候該調整投資？
F. 論文裡有提到動態配置，那是不是代表我要一直頻繁調整我的投資組合？
G. 為什麼效用函數可以衡量我對通膨風險的厭惡？這跟一般「怕風險」有什麼不一樣？
H. 勞動收入在通膨下也要被考慮進資產配置，這是不是代表上班族在高通膨時期更難投資？
I. 通膨對股票和債券的影響差在哪裡？是不是股票比較能抵抗通膨？
J. 論文最後提到長期和短期的配置會不同，那我應該怎麼分辨自己是要採取長期還是短期策略？
 
資料來源: Brennan, Michael J., and Yihong Xia. "Dynamic asset allocation under inflation." The journal of finance 57.3 (2002): 1201-1238.

敘述
這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文
和我們一起踏入投資的專業世界


內文討論:
此文件摘錄自一封由橡樹資本管理公司（Oaktree Capital Management）的霍華德·馬克斯（Howard Marks）所撰寫的備忘錄，題為「價值的算術」（The Calculus of Value）。這份備忘錄探討了投資中資產價值與價格之間的關係，強調了基本面（例如公司的盈利能力）如何構成資產的內在價值。文中解釋說，雖然價值是抽象且主觀的，但價格卻是具體的，是由投資者的共識和心理所決定。備忘錄進一步指出，短期內資產價格會受到投資者情緒的影響而波動，但長期而言，價格往往會回歸其內在價值。最後，該文件建議在市場估值較高時採取更為防禦性的投資策略，例如考慮信用投資，並警示了對「這次不一樣」這種論點的盲目採信。

這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文
和我們一起踏入投資的專業世界

論文大綱:
主要探討動態資產配置，概述了投資者在不同時間框架下的消費與投資決策。內容涵蓋了離散時間與連續時間多期模型，並詳細闡述了效用函數的建模，包括風險態度、習慣形成與遞歸效用等概念。此外，文件中也探討了在常數投資機會與隨機投資機會下的資產配置問題，特別是利率、股票收益、通貨膨脹風險及勞動收入等因素對投資組合的影響，同時簡要介紹了動態規劃和鞅方法這兩種分析工具。

內文討論:
 
A. 為什麼投資人需要同時考慮「未來消費」和「資產配置」這兩件事，這兩者之間的關係是什麼？
B. 論文裡常提到「效用函數」，這到底是什麼？作為新手，我要怎麼用效用函數來理解自己的投資選擇？
C. 在「單期模型」裡，為什麼只看一段期間的投資就能幫助我們理解更複雜的多期決策？
D. 為什麼風險趨避（risk aversion）的程度會對投資組合分配產生這麼大的影響？
E. 「隨機投資機會」這個概念是什麼？是不是代表市場每天在變，我就要每天調整資產配置？
F. 為什麼要學「動態規劃」這麼數學化的東西，它在真實投資中有什麼實際用途？
G. 論文提到「次佳策略的損失」（loss from suboptimal strategies），這是不是表示如果投資錯誤一次，影響會很大？
H. 在討論「隨機利率」時，為什麼需要用到像 Vasicek 或 CIR 這樣的數學模型？這跟我實際投資有什麼關聯？
I. 如果我有勞動收入（薪水），論文說資產配置要考慮它，那是不是代表上班族應該投資比較保守？
J. 論文最後提到「交易限制與交易成本」，那是不是意思是手續費和不能隨便交易的限制，會比數學模型更重要？
 
資料來源: Munk, Claus. "Dynamic asset allocation." Lecture Notes, University of Southern Denmark (2005).

這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文
和我們一起踏入投資的專業世界

論文大綱:
這項研究考察了投資者情緒與全球18個工業化國家未來股票報酬之間的關係，藉由消費者信心作為情緒指標。研究結果顯示，平均而言，情緒對未來股票報酬具有顯著的負向預測能力，即當情緒高漲時，未來報酬往往較低。此外，這種關係對於價值股的影響尤其明顯，且在短期至中期預測範圍內最為顯著。研究進一步發現，情緒對股票報酬的影響在市場誠信度較低以及文化上更傾向於群體行為和過度反應的國家中更為強烈

內文討論:
 
A. 為什麼投資人情緒對不同國家的股票市場影響程度會不一樣？
B. 他們是怎麼測量「投資人情緒」的？這個指標準嗎？
C. 為什麼在某些國家，情緒和股票報酬的關係反而不顯著？
D. 投資人情緒是短期還是長期會影響股市報酬？
E. 小型股和成長股是不是總是比較容易被情緒影響？
F. 這篇研究結果能應用在台灣市場嗎？
G. 情緒和市場風險（像是波動率）有什麼關聯？
H. 如果我只投資大型穩定股，是不是就比較不用擔心情緒影響？
I. 論文提到的情緒變數可以用來設計交易策略嗎？
J. 全球化的投資環境下，情緒會不會跨國傳染？
 
資料來源: Schmeling, Maik. "Investor sentiment and stock returns: Some international evidence." Journal of empirical finance 16.3 (2009): 394-408.

這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文
和我們一起踏入投資的專業世界

論文大綱:
這項研究考察了投資者情緒如何影響股票的跨部門回報，挑戰了傳統金融理論中情緒不起作用的觀點。作者們提出，市場情緒的波動會不成比例地影響那些估值高度主觀且難以套利的股票。他們透過分析1963年至2001年間的股票回報數據來驗證這一假設，並利用多種指標（如封閉式基金折價、IPO活動和股息溢價）來衡量投資者情緒。

內文討論:
 
A. 為什麼投資人情緒會特別影響小型股、年輕公司或沒配息的股票？
B. 這篇論文是如何衡量「投資人情緒」的？情緒指數怎麼算出來的？
C. 高情緒時，這些投資人偏好的股票未來報酬為什麼反而變差？
D. 如果一家公司同時是高成長又高風險，它會不會被情緒影響兩倍？
E. 為什麼有些股票比較難被套利？難套利跟情緒之間有什麼關聯？
F. 市場上是不是永遠都會有這種情緒造成的錯價？能被完全消除嗎？
G. 這些研究結果跟 CAPM 或 Fama-French 模型矛盾嗎？
H. 我是投資新手，應該怎麼判斷現在市場的「情緒」高還是低？
I. 如果情緒這麼影響報酬，那是不是可以拿來設計一種情緒反指標策略？
J. 他們說這些現象不是系統性風險造成的，那有沒有可能只是樣本偏誤？
 
資料來源: Baker, Malcolm, and Jeffrey Wurgler. "Investor sentiment and the cross‐section of stock returns." The journal of Finance 61.4 (2006): 1645-1680.

敘述
這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文
和我們一起踏入投資的專業世界

論文大綱:
本論文探討噪音交易者如何影響市場價格，並揭示即使有理性投資者，錯價仍可能持續，產生無法忽視的風險。

內文討論:
 
A. 噪音交易者（noise traders）到底是怎麼影響市場價格的？
B. 為什麼即使有理性投資者，噪音交易仍然不會被完全消除？
C. 論文提到的「噪音交易風險」和一般市場風險有什麼不同？
D. 噪音交易者的錯誤信念是如何被量化或建模的？
E. 套利者為什麼無法無限地糾正噪音交易造成的價格偏離？
F. 噪音交易會造成資產價格長期偏離基本價值嗎？
G. 論文中提到的「限制套利」具體是什麼概念？
H. 如果噪音交易風險增加，投資組合應該如何調整？
I. 噪音交易者的存在會不會讓市場更容易出現泡沫？
J. 理性投資者有辦法從噪音交易中獲利嗎，還是反而需要承擔更高風險？
 
資料來源: De Long, J. Bradford, et al. "Noise trader risk in financial markets." Journal of political Economy 98.4 (1990): 703-738.

這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文
和我們一起踏入投資的專業世界

論文大綱:
這些文本概述了資本資產定價模型（CAPM），這是一個於1960年代提出並廣泛應用於估算公司資本成本和評估投資組合績效的理論。該模型預測了預期收益與風險之間的關係，但實證檢驗顯示其經驗記錄不佳，無法解釋所有資產收益的變化。雖然早期的測試支持了CAPM的某些版本，但後來的研究發現，市值、帳面市值比等因素也能解釋預期收益，這對CAPM的有效性提出了質疑。該文解釋了兩種對這些實證問題的解釋：非理性定價（投資者過度反應）和理性風險（CAPM未能充分捕捉所有風險維度）。最後，文章介紹了由Fama和French提出的三因子模型作為CAPM的替代品，該模型能更好地解釋觀察到的收益模式，儘管它並非沒有自身的局限性。

內文討論:
 
A. 為什麼CAPM說只有市場風險會被報酬補償，其他風險就不重要嗎？
B. beta是什麼？我要去哪裡查我持有的股票的beta值？
C. 為什麼CAPM預測的報酬率在實證研究中常常偏離實際結果？
D. 如果CAPM常常失準，為什麼還這麼多人學它？
E. 報酬率和風險的線性關係有被證實嗎？
F. 模型裡的「風險溢酬」（risk premium）是固定的嗎？怎麼估算？
G. 實際投資時CAPM怎麼幫我選擇投資組合？
H. 為什麼價值股和小型股的表現常常超過CAPM預測？
I. 如果我的投資組合有很多現金部位，CAPM還適用嗎？
J. 市場投資組合的定義是什麼？實務上要怎麼代表這個市場組合？
 
資料來源: Fama, Eugene F., and Kenneth R. French. "The capital asset pricing model: Theory and evidence." Journal of economic perspectives 18.3 (2004): 25-46.

這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文
和我們一起踏入投資的專業世界

論文大綱:
這篇學術文章，由 Renuka Sharma 和 Kiran Mehta 撰寫，深入探討了Fama-French三因子模型在解釋印度股市股票回報行為方面的應用與有效性。

內文討論:
 
A. 為什麼市值（Size）和帳面市價比（B/M）能預測股票的預期報酬？
B. 論文裡說 β 沒有解釋力，這不就打臉 CAPM 模型了嗎？
C. 市值小的公司為什麼長期報酬比較高？是風險還是市場低估？
D. 高 B/M 比的股票就是「價值股」嗎？這樣分類真的可靠嗎？
E. 他們是怎麼用回歸方式來檢驗哪些因子對報酬有影響？
F. 有沒有可能 Size 和 B/M 的效果只是統計巧合？
G. 這個模型跟三因子模型有什麼關聯？三因子模型就是從這篇來的嗎？
H. 論文的資料是從哪個市場？這個結果能套用到其他國家嗎？
I. 這些變數預測的報酬是超額報酬嗎？還是總報酬？
J. 如果我照這篇的方法選股，實務上要怎麼操作？有什麼工具可以用？
 
資料來源: Majka, Marcin. "Fama-French Three-Factor Model."

這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文
和我們一起踏入投資的專業世界

論文大綱:
本篇探討CAPM與Fama-French三因子模型，解析投資報酬與風險的關係，並教你用數據評估基金經理人的真實績效。

內文討論:
 
A. 為什麼投資報酬率和風險之間一定要有正相關？不能高報酬低風險嗎？
B. CAPM 模型中說 beta 可以衡量風險，那 beta 是怎麼計算出來的？
C. 為什麼 CAPM 模型只考慮一個風險因子就能預測報酬？這樣不會太簡化嗎？
D. Fama-French 模型多加了 SMB 和 HML 是什麼意思？這兩個因子為什麼重要？
E. 為什麼小型股會有額外報酬（SMB），這是因為風險比較高嗎？
F. HML 是代表價值股的風險，那「價值股」為什麼會比較有風險？
G. 如果我的投資組合分散很多股票，是不是就不用管 unsystematic risk？
H. alpha 是不是代表基金經理人真的有實力？要怎麼知道這不是運氣？
I. 如果 CAPM 模型可以預測報酬，為什麼還需要 Fama-French 模型？
J. 在實務上，我要怎麼用這些模型去選擇好的基金或股票？

資料來源: Womack, Kent L., and Ying Zhang. "Understanding risk and return, the CAPM, and the Fama-French three-factor model." Available at SSRN 481881 (2003).

這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文
和我們一起踏入投資的專業世界

論文大綱:
此研究論文探討了股票平均報酬率的橫截面變異，並質疑了夏普-林特納-布萊克（SLB）模型的核心預測，即市場貝他值（β）足以解釋股票報酬。作者發現，在1963年至1990年間，公司規模（市值）和帳面市值比這兩個容易衡量的變數，更能有效捕捉平均股票報酬率的變異，甚至能取代槓桿率和盈餘價格比的解釋力。

內文討論:
 
A. 為什麼市值（Size）和帳面市價比（B/M）能預測股票的預期報酬？
B. 論文裡說 β 沒有解釋力，這不就打臉 CAPM 模型了嗎？
C. 市值小的公司為什麼長期報酬比較高？是風險還是市場低估？
D. 高 B/M 比的股票就是「價值股」嗎？這樣分類真的可靠嗎？
E. 他們是怎麼用回歸方式來檢驗哪些因子對報酬有影響？
F. 有沒有可能 Size 和 B/M 的效果只是統計巧合？
G. 這個模型跟三因子模型有什麼關聯？三因子模型就是從這篇來的嗎？
H. 論文的資料是從哪個市場？這個結果能套用到其他國家嗎？
I. 這些變數預測的報酬是超額報酬嗎？還是總報酬？
J. 如果我照這篇的方法選股，實務上要怎麼操作？有什麼工具可以用？
 
資料來源: Fama, Eugene F., and Kenneth R. French. "The cross‐section of expected stock returns." the Journal of Finance 47.2 (1992): 427-465.

這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文
和我們一起踏入投資的專業世界

論文大綱:
這篇分析探討了尤金·法瑪和肯尼斯·弗倫奇的研究，該研究旨在解釋公司獲利能力和投資對股票報酬的影響。他們開發了實證模型，並發現以滯後獲利能力、資產增長和應計項目作為預期指標，能有效預測股票報酬。

內文討論:
 
A. 為什麼用「過去的獲利能力」來預測股票報酬會比用複雜模型還準？
B. 資產成長率跟未來報酬呈負相關，是不是代表成長股報酬會比較差？
C. accruals 是什麼？為什麼它跟股票報酬有負相關？
D. 論文中的「公司強度」指的是什麼？真的能用來預測報酬嗎？
E. 這些指標對小型股和大型股的預測效果一樣嗎？
F. 加入這些變數後模型的解釋力變強了多少？
G. 為什麼「回歸預測值」反而比「簡單落後變數」預測能力還差？
H. 這些變數的預測效果是否只在某些時期特別有效？
I. 如果我想自己用這個模型投資，要怎麼抓出 lagged profitability 和 asset growth？
J. 實際應用時，這種方法能打敗市場嗎？還是只是研究上的結果？

資料來源: Fama, Eugene F., and Kenneth R. French. "Profitability, investment and average returns." Journal of financial economics 82.3 (2006): 491-518.

這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文
和我們一起踏入投資的專業世界

論文大綱:
以芬蘭1993-2008資料顯示，持股拉長至五年報酬無損；股息率與複合估值指標最能選股，價值溢酬持續。

內文討論:
 
A. 為什麼研究芬蘭股市？它的結果可以套用到其他國家嗎？
B. 價值投資組合在不同持有期間的報酬差異有多大？
C. 是不是持有越久，績效就一定越好？
D. 持有期間延長會讓風險變小嗎？還是只是報酬波動看起來比較平滑？
E. 策略每年重新平衡和長期持有，哪個比較有效？
F. 在這篇研究中，「value stocks」是用哪種指標挑出來的？
G. 他們是怎麼控制樣本內部變數（像是市值、產業）的？
H. 研究中有沒有哪段時間績效特別差或特別好？
I. 這些回測結果考慮了交易成本或稅負嗎？
J. 如果我用這個策略投資，我應該選擇幾年的持有期比較好？

資料來源: Leivo, T. H., and E. J. Pätäri. "The impact of holding period length on value portfolio performance in the Finnish stock markets." Journal of Money, investment and banking 2.8 (2009): 71-86.

這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文
和我們一起踏入投資的專業世界

論文大綱:
這篇論文指出：即使股票報酬可能均值回歸，長期投資股票的風險其實更高，保險成本也隨時間增加，打破「長抱股票更安全」的迷思。

內文討論:
 
A. 如果股票長期下來風險反而更大，為什麼市場還是鼓勵年輕人多投資股票？
B. 保險成本怎麼會愈來愈高？不是時間拉長會降低風險嗎？
C. 論文裡說要用「保險成本」來衡量風險，這是比波動率更準確的做法嗎？
D. 如果連「平均回歸」也不能讓股票風險變小，那還有什麼因素可以降低股票長期投資的風險？
E. 黑─舒爾斯（Black-Scholes）模型不是用來定價期權的嗎？為什麼能用來算股票保險成本？
F. 既然保險成本會隨投資期間增加，那是不是代表股市長期根本不適合保守型投資人？
G. 論文提到“勞動收入的風險”也會影響資產配置，那我怎麼評估自己的「人力資本」風險？
H. PBGC 是什麼？為什麼論文說它的投資方式其實風險很大？
I. 那股票真的不能當作抗通膨工具嗎？我常看到人說股票是「實質資產」耶？
J. 如果我是一個剛出社會的新鮮人，應該怎麼實際應用這篇論文的結論來規劃投資？
 
資料來源: Bodie, Zvi. "On the risk of stocks in the long run." Financial Analysts Journal 51.3 (1995): 18-22.

這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文
和我們一起踏入投資的專業世界

論文大綱:
這篇回顧整理過去 20 年對主動型共同基金的學術研究，探討基金績效、經理人能力、費用結構與報酬持續性，揭示主動管理的優勢與限制。

內文討論:
 
a. 既然這麼多研究說主動基金表現普遍不佳，那為什麼還有那麼多新基金推出？
 
b. 什麼是“alpha”？為什麼大家都在追求正 alpha？它真的能穩定存在嗎？
 
c. 有些研究說主動基金在市場不穩時表現較好，這代表我應該在熊市時買主動基金嗎？
 
e. 研究提到“基金經理人的技能”有時能創造超額報酬，那該怎麼判斷誰是真的高手？
 
f. 過去表現好的基金未來會繼續好嗎？怎麼看“績效持續性”這個概念？
 
g. 基金經理人換人或改策略，對基金表現有多大影響？這是我要關注的重點嗎？
 
h. 什麼是“活躍度”（Active Share）？這和報酬有正相關嗎？是不是越活躍越好？

資料來源: Cremers, KJ Martijn, Jon A. Fulkerson, and Timothy B. Riley. "Challenging the conventional wisdom on active management: A review of the past 20 years of academic literature on actively managed mutual funds." Financial Analysts Journal 75.4 (2019): 8-35.

敘述
這裡是論文投資學 Quantified Dialogues，每周用AI探討有意思的投資學術論文
和我們一起踏入投資的專業世界

論文大綱:
Sharpe 說主動投資註定輸？本篇挑戰這項經典論點，揭示主動管理在現實市場中如何創造價值與扮演關鍵角色

內文討論:
 
a. 被動投資不是不需要交易嗎？為什麼作者說連被動投資者也必須頻繁交易？
 
b. 作者提到 IPO、增資、股票回購會讓主動投資者有機會獲利，這是真的嗎？有沒有數據支持？
 
c. 如果所有人都改成被動投資，市場還會有效率嗎？資金還能流向對的公司嗎？
 
d. 指數被重編（reconstitution）時會造成價格異常，這會不會讓被動投資者長期吃虧？
 
e. 文章說主動投資在 aggregate 可以創造正報酬，那為什麼大部分主動基金還是輸給市場？
 
f. 機構投資者在主動管理上真的比散戶有優勢嗎？優勢來自哪裡？
 
g. Sharpe 的理論假設市場組成不變，作者說這是假議題，這是什麼意思？
 
h. 作為一位投資新手，我應該怎麼選擇主動還是被動？是否有一個分界點讓我知道適合哪一種？
 
資料來源: Pedersen, Lasse Heje. "Sharpening the arithmetic of active management." Financial Analysts Journal 74.1 (2018): 21-36.

敘述
這裡是論文投資學 Quantified Dialogues，用AI工具每周探討有意思的投資學術論文
和我們一起踏入投資的專業世界

論文大綱:
主動管理平均報酬必等於市場，但扣除較高的成本後，長期績效一定低於被動管理，這是簡單的數學事實。

內文討論:
a. 如果主動管理的平均報酬在扣除成本後一定輸給被動管理，那為什麼還有這麼多人選擇主動管理？

b. 這篇文章說“平均”主動管理績效會輸給市場，那是不是代表某些厲害的經理人還是可以長期打敗市場？

c. 文中提到“樣本偏誤（survivorship bias）”，這是什麼意思？為什麼會影響主動基金績效的統計？

d. 如果我是小資族，只能投資幾萬塊，是不是更應該選擇被動投資？還是可以嘗試選一些看起來績效比較好的主動基金？

e. 什麼是“正常投資組合（normal portfolio）”或“基準（benchmark）”？我應該怎麼選我的 benchmark？

f. 文章說“用簡單的算術就可以證明主動投資平均輸給被動投資”，這是怎麼計算出來的？可以舉一個簡單的例子嗎？

g. 很多人說在市場低迷時主動基金表現會比較好，這種說法和文章的觀點矛盾嗎？

資料來源: Sharpe, William F. "The arithmetic of active management." Financial Analysts Journal 47.1 (1991): 7-9.