0. 引言：八月市場回顧

2026 年八月，美股延續高檔震盪格局，但市場領漲結構較七月進一步分化。從近四週強勢股觀察，資金明顯集中於醫療保健、資訊科技、原物料及能源板塊，其中 MRNA 四週累計上漲 160.43%，成為本期最突出的動能股；PLTR、CRM、SMCI 與 NEM 亦展現強勁漲勢。相較之下，房地產與公用事業的領漲幅度明顯偏低，顯示市場風險偏好並未全面擴散，而是持續聚焦於具事件催化、盈餘成長或產業趨勢支撐的少數族群。若七月的關鍵字是「高利率環境下的獲利驗證與板塊輪動」，那麼八月更接近：「高動能交易集中（Momentum Concentration）與產業主線重新定價（Sector Repricing）」。

總體經濟方面，美國第二季實質 GDP 第二次估計值年化成長 1.5%，低於第一季的 2.1%，顯示經濟仍維持擴張，但成長速度已有所放緩。消費支出、出口與企業投資仍是主要成長來源，政府支出下降則形成部分抵銷；同時，第二季企業獲利明顯增加，使市場對企業基本面的信心尚未遭到破壞。

通膨則呈現緩慢降溫，但距離聯準會目標仍有差距。七月消費者物價指數年增 3.4%，略低於六月的 3.5%，其中能源價格年增 14.7%，成為整體通膨的重要支撐；扣除食品與能源後的核心物價年增 2.5%。這種「整體通膨仍偏高、核心通膨逐步回落」的組合，使市場難以單方面交易快速降息，也讓能源、消費與利率敏感型板塊出現不同方向的重新定價。

貨幣政策方面，聯準會在七月底會議中將聯邦基金利率目標區間維持於 3.50%–3.75%，八月公布的會議紀要則再次提醒市場，後續政策仍將取決於通膨、就業與經濟活動等數據。這代表利率環境雖已不像前期緊縮階段般持續升高，但短期內也尚未形成明確而快速的寬鬆路徑。對股票市場而言，資金因而更加重視企業是否能以實際盈餘成長消化估值，而非僅依賴利率下降推動本益比擴張。

從產業動能觀察，八月最明顯的特徵是醫療保健與資訊科技重新成為高動能核心。MRNA 在四週、十三週及二十六週分別上漲 160.43%、202.54%與 166.51%，其漲幅遠高於其他成分股，也使醫療板塊的短期表現呈現高度集中特徵；VEEV 與 CRL 則維持較穩定的中長期上升趨勢。科技板塊方面，PLTR、CRM 與 SMCI 四週漲幅均超過 35%，但三者的中期結構並不完全一致：PLTR 與 CRM 的十三週報酬維持正值，SMCI 十三週則下跌 16.55%，顯示科技股的強勢主要來自個股重新定價，而非整個板塊同步上漲。

能源與原物料則延續循環板塊的相對強勢。MPC、PSX 與 APA 四週均上漲逾 13%，其中 MPC 二十六週累計上漲 84.62%，顯示煉油與能源供應鏈仍具良好中長期動能；原物料板塊則由 NEM 與 FCX 領漲，反映貴金屬與銅礦相關個股受到資金關注。不過，ALB 雖在近四週反彈 15.41%，十三週與二十六週報酬仍分別為負 22.85%及負 23.63%，說明部分原物料個股的短線上漲仍偏向跌深反彈，尚未完全扭轉中期趨勢。

消費板塊內部同樣呈現明顯分化。非必需消費由 ABNB、CVNA 與 DASH 領漲，其中 ABNB 與 DASH 的十三週報酬分別達 38.32%與45.58%，顯示旅遊、數位平台及服務型消費仍具成長動能；必需消費則由 EL、TGT 與 GIS 帶動，TGT 四週、十三週與二十六週報酬皆為正值，展現較完整的多週期趨勢。相較之下，GIS 與 EL 的二十六週報酬仍為負值，顯示必需消費目前較偏向個股修復，而非板塊全面轉強。

金融與工業板塊則介於成長與循環交易之間。金融股由 COIN、HOOD 與 FDS 領漲，其中 COIN 四週上漲 30.40%，但十三週僅上漲 0.89%，反映其短期動能強勁、延續性仍有待觀察；HOOD 與 FDS 的中長期報酬相對均衡。工業股方面，LDOS、BR 與 AXON 近四週均有雙位數漲幅，但 LDOS 與 BR 的二十六週報酬仍接近零或為負，僅 AXON 保有較明確的中期上升結構，顯示工業板塊已由全面性景氣交易轉向個別企業基本面與訂單能見度的選股行情。

相較之下，房地產與公用事業仍是八月動能最弱的兩個板塊。房地產近四週領漲股 CSGP、EQIX 與 SBAC 的漲幅僅介於 4.02%至 8.97%，其中 CSGP 與 SBAC 的十三週或二十六週報酬仍為負值；公用事業領漲股 CEG、PCG 與 AWK 的四週漲幅更僅介於 2.56%至 7.65%。這反映在風險偏好仍集中於高成長與事件驅動個股的環境下，防禦型及利率敏感型資產尚未成為市場主要配置方向。

整體而言，八月市場並不是單純由某一個板塊全面領漲，而是由少數高動能個股帶動醫療、科技、原物料及能源輪流走強。市場廣度仍然存在，但領漲集中度提高，不同週期的報酬表現也出現更大落差。四週強勢並不必然代表中長期趨勢已經形成，投資人需要進一步區分「多週期同步走強」與「短線事件帶動的快速重估」。

市場焦點也已由七月的：

在高利率環境下，企業能否將 AI 投資真正轉化為盈餘成長？

逐步轉向：

當經濟成長放緩、通膨仍高於政策目標，而市場漲勢又高度集中於少數個股時，這些高動能交易能否擴散為更具持續性的板塊行情？

0.1 宏觀環境與市場風險

八月市場雖然維持高檔，但總體環境已逐漸呈現「經濟成長放緩、通膨下降速度有限、貨幣政策維持觀望」的組合。第二季實質 GDP 年化成長率由第一季的 2.1%降至 1.5%，七月 CPI 年增率則維持在 3.4%，使市場既無法完全排除景氣降溫風險，也難以提前交易快速降息。在此背景下，市場風險主要可歸納為三條主線：

1️⃣ 經濟成長速度放緩，企業獲利成為市場支撐關鍵

美國第二季實質 GDP 年化成長 1.5%，顯示經濟仍處於擴張階段，但動能已較第一季放緩。消費支出與企業投資仍提供支撐，企業獲利亦明顯增加，因此目前尚未形成明確的衰退訊號；然而，若未來就業、消費或企業投資進一步轉弱，市場對「軟著陸」的信心可能受到挑戰。在估值仍處於相對高檔的情況下，企業能否持續交出穩定的營收與盈餘成長，將直接影響股市多頭結構能否延續。

2️⃣ 通膨降溫速度有限，聯準會政策路徑仍具不確定性

七月 CPI 年增率由六月的 3.5%小幅降至 3.4%，但能源價格年增 14.7%，使整體通膨仍高於聯準會長期目標。聯準會在七月底將政策利率維持於 3.50%–3.75%，反映決策者仍需在通膨風險與經濟放緩之間取得平衡。若能源價格持續上升，或後續通膨數據再度偏強，市場對降息時點與幅度的預期可能重新調整，並對高估值成長股、房地產及其他利率敏感型資產形成壓力。

3️⃣ 高動能交易集中，短期漲幅與中期趨勢出現落差

八月市場最需要留意的結構性風險，是漲勢高度集中於少數個股。MRNA 四週上漲 160.43%，PLTR、CRM、SMCI 與 NEM 的四週漲幅亦超過 35%，但部分個股的十三週或二十六週報酬仍偏弱，顯示短線價格反應可能快於基本面趨勢的確認。當市場由少數高動能股票帶動時，任何財報不如預期、產業消息反轉或風險偏好下降，都可能引發較快速的獲利了結。後續觀察重點不只是領漲股能否續強，更在於資金能否由醫療、科技與原物料進一步擴散至金融、工業、消費及其他板塊，形成更健康的市場廣度。

1. 各板塊強勢股觀察

🔹資訊科技（Information Technology, XLK）

八月資訊科技板塊維持強勢，短線由企業軟體與 AI 相關個股領漲，中長期則以伺服器、半導體及網路安全表現最佳。

• PLTR：4W +51.09%

• CRM：4W +36.97%、13W +32.23%

• ZBRA：13W +48.22%、26W +61.24%

• DELL：26W +220.44%

• MRVL：26W +195.79%

• PANW：13W +35.91%、26W +157.08%

重點觀察：

科技板塊仍是市場最重要的成長核心，但資金持續在企業軟體、AI 基礎設施與網路安全之間輪動，領漲結構較前期更加分散。

🔹通訊服務（Communication Services, XLC）

八月通訊服務板塊維持穩健，短線由衛星通訊與媒體股帶動，中長期則以新聞媒體相關企業表現較佳。

• PSKY：4W +35.68%

• FOX：4W +16.29%

• FOXA：4W +15.44%、26W +19.90%

• OMC：13W +22.17%

• NWSA：13W +19.50%、26W +28.94%

• NWS：13W +18.44%、26W +32.38%

重點觀察：

通訊服務板塊的領漲焦點由大型數位平台轉向媒體與內容企業，顯示資金正在尋找估值相對合理且具穩定現金流的標的。

🔹非必需消費（Consumer Discretionary, XLY）

八月非必需消費維持良好動能，旅遊、外送平台及線上消費相關企業成為主要領漲族群。

• ABNB：4W +21.70%、13W +38.32%、26W +36.48%

• CVNA：4W +18.81%

• DASH：4W +18.21%、13W +45.58%

• EXPE：13W +41.45%、26W +48.71%

• GPC：13W +40.01%

• BBY：26W +38.71%

重點觀察：

非必需消費仍反映美國內需具有一定韌性，其中旅遊與數位服務平台的多週期表現較完整，是板塊目前最重要的成長來源。

🔹必需消費（Consumer Staples, XLP）

八月必需消費板塊出現短線回升，美容、零售及食品企業表現較佳，但部分個股的中長期趨勢仍有分化。

• EL：4W +26.59%

• TGT：4W +15.72%、13W +31.58%、26W +48.33%

• GIS：4W +13.12%、13W +21.68%

• SJM：13W +28.95%、26W +16.04%

• ADM：26W +16.06%

重點觀察：

TGT 是必需消費中多週期動能最完整的個股，整體板塊則仍以防禦及個股修復行情為主，尚未形成全面領漲。

🔹能源（Energy, XLE）

八月能源板塊延續中長期強勢，煉油企業持續受到資金青睞，也是目前趨勢最一致的循環板塊之一。

• MPC：4W +15.19%、13W +46.54%、26W +84.62%

• PSX：4W +13.89%、13W +37.07%、26W +57.35%

• APA：4W +13.56%

• VLO：13W +42.12%、26W +70.83%

重點觀察：

能源板塊的四週、十三週與二十六週領漲名單高度重疊，顯示上升趨勢具有較佳延續性，其中煉油企業仍是最主要的市場焦點。

🔹金融（Financials, XLF）

八月金融板塊短線由加密資產交易與金融科技股帶動，中長期則以券商、資產管理及金融服務企業較為穩健。

• COIN：4W +30.40%

• HOOD：4W +26.80%、26W +44.71%

• FDS：4W +15.68%、26W +41.12%

• PYPL：13W +37.82%

• WTW：13W +36.51%

• STT：26W +52.10%

重點觀察：

金融板塊短線風險偏好明顯升高，但領漲族群在不同週期之間變化較大，顯示資金仍在金融科技與傳統金融服務之間輪動。

🔹醫療保健（Health Care, XLV）

八月醫療保健成為市場最強勢板塊，生技、醫療研究服務與企業軟體同步維持良好動能。

• MRNA：4W +160.43%、13W +202.54%、26W +166.51%

• VEEV：4W +38.45%、13W +61.83%

• CRL：4W +27.48%、13W +64.03%、26W +66.07%

• HUM：26W +107.60%

重點觀察：

醫療保健已成為科技之外最突出的成長板塊，其中 MRNA 的漲幅遠高於其他個股；CRL 則呈現較穩定的多週期上升趨勢。

🔹工業（Industrials, XLI）

八月工業板塊維持個股輪動，短線由國防科技與金融服務企業帶動，中長期則以人力管理及物流服務表現較佳。

• LDOS：4W +20.99%

• BR：4W +18.92%

• AXON：4W +15.81%、13W +36.21%

• PAYX：13W +31.78%、26W +38.22%

• ADP：13W +29.30%、26W +34.92%

• EXPD：26W +32.18%

重點觀察：

工業板塊已由全面性景氣交易轉向個股表現，其中國防科技、人力服務與物流企業成為目前主要的資金配置方向。

🔹原物料（Materials, XLB）

八月原物料板塊短線由黃金、銅礦及鋰礦相關個股領漲，中長期則以鋼鐵企業表現較佳。

• NEM：4W +41.17%、13W +20.47%

• FCX：4W +25.21%

• ALB：4W +15.41%

• IP：13W +20.51%

• NUE：26W +43.52%

• CF：26W +27.46%

• STLD：26W +22.77%

重點觀察：

原物料短線動能明顯改善，但不同週期的領漲族群並不一致。貴金屬與銅礦主導近期行情，鋼鐵則維持較完整的中長期趨勢。

🔹房地產（Real Estate, XLRE）

八月房地產板塊整體動能偏弱，短線由商業地產資訊與資料中心相關企業領漲，中長期則以辦公、醫療及旅宿型 REITs 表現較佳。

• CSGP：4W +8.97%

• EQIX：4W +6.11%

• SBAC：4W +4.02%

• BXP：13W +17.83%、26W +24.48%

• CBRE：13W +17.74%

• WELL：13W +17.13%

• DOC：26W +23.87%

• HST：26W +19.67%

重點觀察：

房地產仍缺乏明確的全面性主線，短期漲幅明顯低於其他板塊，資金主要集中於具特殊用途或較穩定營運需求的企業。

🔹公用事業（Utilities, XLU）

八月公用事業板塊維持低度成長，短線由電力與天然氣公用事業帶動，但整體動能仍落後於成長及循環板塊。

• CEG：4W +7.65%

• PCG：4W +3.28%、13W +10.17%

• AWK：4W +2.56%、13W +11.62%

• EIX：13W +6.60%

• D：26W +6.38%

重點觀察：

公用事業仍以防禦性配置為主，AI 帶動的長期用電需求尚未轉化為板塊全面上漲，市場資金仍優先流向科技、醫療、能源及原物料。

1.1 板塊相關性結構（26週）

八月市場的板塊相關性進一步反映資金輪動與行情分化。科技、通訊服務及非必需消費仍構成主要成長板塊群，金融與工業亦維持較高連動；能源則與多數成長板塊呈現負相關，顯示市場資金在成長與循環交易之間持續切換。

成長板塊：科技、通訊服務與非必需消費維持連動

XLK、XLC 與 XLY 仍呈現明顯正相關，顯示 AI、數位服務及消費科技仍是市場主要成長動力。金融（XLF）與通訊服務、非必需消費的連動亦相對較高，反映市場風險偏好仍具一定支撐。

因此：

資訊科技、通訊服務與非必需消費仍是市場主要的成長板塊群，金融則受惠於風險偏好與市場交易活動。

循環板塊：金融與工業連動，能源走勢相對獨立

XLF 與 XLI 維持較高正相關，顯示企業活動與景氣循環仍對兩個板塊形成共同支撐。能源（XLE）則與科技、通訊服務及非必需消費呈現負相關，反映能源行情主要受到油價、煉油利差及供需因素推動。

因此：

金融與工業仍屬同一循環板塊群，能源則形成相對獨立的市場主線。

防禦板塊：公用事業、房地產與醫療維持一定連動

XLU、XLRE 與 XLV 之間維持正相關，顯示防禦需求、利率環境及長期現金流仍是共同影響因素。房地產與醫療的連動相對明顯，但公用事業與部分成長板塊仍呈現負相關。

因此：

房地產、公用事業與醫療保健持續提供分散效果，但八月醫療保健因個股動能強勁，表現明顯優於其他防禦板塊。

整體而言：

八月市場仍由成長板塊主導，但能源的獨立走勢與醫療保健的快速轉強，使市場呈現多主線輪動，而非單一板塊全面領漲。

2. 動能策略 8 月記錄

2.1 執行流程（含盈餘動能篩選）

八月策略延續既有架構，持續採用「價格動能（Price Momentum）+ 盈餘動能（Earnings Momentum）」雙重篩選機制，透過價格趨勢與基本面同步驗證，降低短期題材股及跌深反彈個股對投組的干擾，使投組更聚焦於具備持續競爭力的產業領導股。

七月市場最大的特色，在於高檔震盪下的板塊快速輪動。策略並未因短期市場波動調整選股邏輯，而是持續依照固定規則，優先保留同時具備價格趨勢與盈餘改善的個股，以降低市場情緒對投組的影響。

1️⃣ 每月最後一個週五：

透過程式語言連接 Yahoo Finance API，自動擷取 S&P 500 成分股資料，計算：

• 4W（短期動能）

• 13W（中期動能）

• 26W（長期動能）

作為價格動能的核心依據。

2️⃣ 加入近二期盈餘動能（Earnings Momentum）：

同時擷取公司最近兩次盈餘公告 Surprise（L1、L2），僅保留：

• 最近二期盈餘 Surprise 皆為正，或

• 盈餘 Surprise 呈現改善趨勢之個股。

此步驟可排除僅受短期市場情緒推升、但缺乏基本面支撐的個股，使策略更聚焦於企業獲利持續改善的中長期趨勢。

3️⃣ 各 Sector 選出產業領導股（Sector Leaders）：

綜合評估：

• 4W

• 13W

• 26W

三個不同時間尺度的價格動能，並搭配盈餘動能篩選。

若個股僅因短線反彈而進入排行榜，但中長期趨勢不足，則不列為板塊主要觀察標的，以提升策略的一致性與穩定性。

4️⃣ 依 Sector ETF 權重配置資金：

依 XLK、XLF、XLI、XLV、XLE 等 S&P 500 Sector ETF 權重進行配置，使投組風險結構更貼近市場，而非過度集中於單一產業或熱門題材。

5️⃣ 固定再平衡機制：

• 隔週一依規則調整部位。

• 每月底重新檢視並再平衡投組。

全程不預測總經、利率或企業財報結果，僅依既定規則執行，以紀律性的方式追蹤市場資金流向與中長期趨勢。

2.2 績效比較

截至 2026/08/28：

📈 動能投組 YTD：+18.19%

📈 Nasdaq 100 YTD：+14.07%

2025/01/01～2026/08/29：

📈 動能投組累積報酬：+59.00%

📈 Nasdaq 100 累積報酬：+33.93%

2.3 風險提示

動能策略的核心優勢來自於紀律化執行，但策略績效同樣高度依賴規則的一致性。在市場快速輪動或高檔震盪期間，若因情緒干擾而偏離既定流程，容易使策略由系統化投資退化為追高殺低。因此，策略最大的風險並非模型本身，而是執行紀律是否能長期維持。

同時，本策略並不適合所有投資人，其主要風險包括：

1️⃣ 波動與回撤風險

動能策略通常承受較高波動，短期回撤幅度可能高於市值型 ETF 或多數因子策略，投資人需具備相對較高的風險承受能力。

2️⃣ 執行風險（Execution Risk）

策略高度依賴固定規則。任何延遲執行、主觀調整或選擇性操作，都可能導致實際績效與策略設計產生偏離。

3️⃣ 趨勢反轉風險

當市場風格快速切換或動能反轉時，策略可能出現較大波動。若未依規則進行再平衡或風險控管，可能放大短期損失。

4️⃣ 實務摩擦與模型限制

本示範未納入交易成本、滑價、流動性限制、稅務影響及資料即時性等實務因素，實際投資結果可能與示範績效存在差異。建議投資人於實際運用前，充分評估自身風險承受能力與交易成本。

AI 寫作輔助揭示

本篇部分內容使用 AI 協助進行文法潤飾與標點修正，並由作者進行資料核對、語氣調整與結構重組；所有分析、判斷與結論皆由作者獨立完成。AI 僅作為寫作輔助工具，不取代作者之專業判斷。

警語

本文內容僅供教育、研究與教學示範用途，不構成任何投資建議或投資招攬。金融市場具高度不確定性，任何策略與個股之表現，皆可能因市場波動、流動性、交易成本、稅務、資料延遲或模型假設限制而與示範結果不同。投資前請自行評估相關風險，必要時諮詢專業顧問；作者與平台對任何基於本文內容所進行之投資行為，概不負責。

點擊圖片連結至該影片

0.引言：前員工教你打造「百萬選一」的個人品牌

LinkedIn 在歐美等國家不只是求職工具，也是建立專業聲譽與人脈網絡的「個人官方網站」。最近身邊不少朋友正積極尋求職涯轉換與新機會，所以我也趁著這個契機全面盤點並重構了自己的 LinkedIn 頁面。

本篇整理自矽谷熱門商業播客《Tiger Sisters》的精華內容。主講人 Sheree 曾於 LinkedIn 總部的 Profile（個人檔案）產品團隊 任職近五年，目前在史丹佛商學院（Stanford GSB）開班教授 LinkedIn 個人品牌經營。以下整理這套方法是來自平台內部與頂尖商學院的實戰優化框架，並在文末附上我實際應用後的優化範本供大家參考和討論。

1. 主持人背景與 LinkedIn 相關經歷

• Sheree（主講人）：

  • LinkedIn 前員工：曾於 LinkedIn 工作近 5 年，核心任職於 Profile（個人檔案）產品團隊 以及 LinkedIn Learning 教育科技平台。

  • 史丹佛商學院（Stanford GSB）講師：每季在史丹佛開設關於 LinkedIn 個人品牌與「About Me（關於我）」撰寫的實戰課程。

  • 影響力：LinkedIn Top Voice，擁有超過 3.5 萬名追蹤者。

• Jean（搭檔主持人）：

  • 與 Sheree 共同主持商業播客《Tiger Sisters》，兩人兼具矽谷與華爾街背景，同時也是日本抹茶品牌 Sisters Matcha 的共同創辦人。

2. 為什麼 LinkedIn 必須被當作「個人官網」經營？

2.1. 從「被動求職履歷」轉型為「主動機會磁鐵」：

過去大多數人會認為 LinkedIn 只是換工作時才更新的工具，但如今它代表個人的線上聲譽（Online Reputation）與個人品牌首頁。坦白說，我自己也是這樣經營著自己的Linkedin。

然而Sheree在影片中提醒我們，即使沒有主動轉職需求，定期更新也能帶來跨界合作、顧問諮詢、演講邀請或媒體曝光等有機（Organic）機會。

她也提到LinkedIn 後台運作核心就是元數據庫。招聘人員、獵頭與潛在合作夥伴使用 Recruiter / Sales Navigator 時，系統會抓取個人檔案各區塊的關鍵字，像是：

經歷、志工服務、技能標籤、專案描述寫得越具體、詞彙越精確，在搜尋結果中被曝光與推薦的機率就越高。

3. 史丹佛課堂的「About Me」3S 黃金架構：從原則到實戰案例

史丹佛的一項課堂調查發現，即使是平均擁有五年以上頂尖經歷的 MBA 學生，仍有超過半數的人，LinkedIn「About Me」欄位完全空白。

問題不是沒有經歷可寫，而是不知道該如何把零散的人生故事，整理成一段既真實、有說服力，又容易被找到的個人介紹。

Sheree 她在影片建議，可以運用 3S 原則來架構內容：Share、Sell、Search Optimize。

3.1. Share：分享真我，讓人記住「你是誰」

好的自述，不應該只是職稱與履歷的重新排列，而要開門見山地說明：你是誰、你在乎什麼，以及什麼信念推動你前進。

Sheree 自己的 About Me，便將使命放在最醒目的位置：

賦能 10 億人推進職涯。

這句話沒有從學歷或職稱說起，而是直接讓讀者理解她想創造的影響。她也在自述中加入曾在日本茶園生活、後來創立抹茶品牌等個人故事，使專業形象之外多了一層真實感與記憶點。

這正是 Share 的核心：不只告訴別人你做過什麼，也讓人看見你為什麼而做。

3.2. Sell：用具體成果證明價值

展現價值和自我吹捧不是同一件事，也不相等。真正有說服力的寫法，是用具體成果、數字與代表性經歷，讓讀者迅速理解你的能力。

節目中提到一位產品副總裁。他只用一句話，便串起多項看似毫不相關的經歷：參與打造全美首款油電混合 SUV、推出登上下載榜首的 App、和孩子共同創作童書，以及參與打造 LinkedIn 本身。

這些經歷之所以令人印象深刻，不只是因為成就亮眼，更因為它們共同勾勒出一個「百萬選一」（One in a Million）的個人形象。句末的一個笑臉符號，也替硬核履歷增添了親和力與幽默感。

另一位高階主管則採用「隨機事實」的條列方式，並置專業成就與反差鮮明的生活經歷：曾募得千萬美元創投資金、當過歐洲半職業籃球員、射箭排名曾進入德國前三，最後甚至補上一句「Uber 評分 4.98」，幽默證明自己應該不難相處。

這類寫法提醒我們：與其使用 “Passionate about solving complex problems” 之類人人都能套用的空泛句子，不如選擇只有你能說的事實。

除了展示成果，Sell 還應包含清楚的行動呼籲（CTA）。Sheree 便在自述中直接留下商業合作信箱，讓認同她使命的人知道下一步可以怎麼做。所以，我們也可以明確寫出希望收到的合作邀請、交流主題或聯絡方式，降低對方採取行動的門檻。

3.3. Search Optimize：讓對的人找得到你

一篇充滿個性的 About Me，如果缺少產業關鍵字，仍可能難以被搜尋系統正確辨識。

因此，撰寫時應自然放入與自身專業相關的高頻詞彙，例如職能名稱、產業領域、使用工具、目標市場或專業方法。關鍵不是堆砌一堆專業術語，而是試著讓系統與讀者都能迅速判斷：你擅長什麼，又能解決哪一類問題。

最理想的狀態，是讓關鍵字成為故事的一部分。與其列出「產品策略、成長、使用者體驗」，不如寫成：「我協助了 B2B 軟體團隊運用產品策略與使用者研究，改善新客啟用率與長期留存。」如此既保留可讀性，也能提升搜尋辨識度。

3.4. 用第一人稱，寫出真正屬於你的聲音

Sheree 特別建議以第一人稱「我」撰寫 About Me。第三人稱傳記雖然正式，卻容易產生距離感；第一人稱則更像一場真實對話，能自然流露個人的聲音、性格與溫度。

完成後，可以再用「一席話測試」（The One-Sentence Test）檢驗：

讀者看完我的 About Me 後，最可能用哪一句話記住我？

如果答案只剩下職稱，代表內容仍不夠鮮明；如果對方能說出你的使命、獨特經歷或最具代表性的成果，那麼這段自述才真正建立了辨識度。

一篇有效的 About Me，最終應同時回答三個問題：你是誰、你能帶來什麼價值，以及為什麼別人應該記住你。

寫在最後

我的 LinkedIn「About Me」優化成果實例：結合以上所用的 3S 框架、結構化條列與第一人稱敘事，這是我為自己量身重構的個人自述範本，歡迎大家一起討論看還有沒有什麼技巧可以優化Linkedin。

AI寫作輔助揭示

本文核心觀點、分析架構與數據均由作者獨立完成，撰寫過程中使用 AI 工具進行大綱梳理、文字潤飾與排版優化。

2026 年 7 月 時，在 CNBC 的專訪中，巴爺爺說了一句很有趣的話： 「當市場上的每個人都偏好賭博時，你很難找到真正的公平價值。」

今年美股頻創新高、不論是散戶與機構法人都瘋狂 AI 敘事的當下，這句話聽起來像老生常談。但如果你翻開波克夏的交易記錄及持倉水位，會發現一個令人深思的對比：一邊是超過 3,000 億美元、創歷史新高的現金與短天期國庫券；但另一邊，波克夏卻在過去幾個季度裡，透過二級市場與百億規模的定向私募，砸下超過 310 億美元建倉 Alphabet（Google 母公司）。

更引人瑕思的是，巴菲特在採訪中打破了外界「這筆交易一定是接班人 Greg Abel 主導」的猜測，直接證實：「這是我想買的。」

一邊手握天量現金冷眼旁觀，一邊在市場最亢奮也最焦慮的科技板塊重手出擊；加上他近期對 Apple 的持股調節，以及對身後 1,400 億美元遺產信託機制的全面重組——這些看似分散的動作，背後其實有一套高度一致的資本配置的底層邏輯。

1. 先從總經環境談起

很多投資人看波克夏帳上有著 3,000 多億美元現金，第一反應是「現金拖累（Cash Drag）」。但在現在的總經環境下，這種理解完全顛倒了因果。

首先是估值基準。衡量全美股市總市值與 GDP 比值的「巴菲特指標」目前已經逼近歷史極端高位（超過 230%），標普 500 的實質本益比也處於歷史高分位。

巴爺爺認為當市場的成交量充斥著零日期權（0DTE）與高槓桿產品時，資產定價的驅動力早已從「自由現金流折現」轉變成了「流動性博弈」。

這就是巴菲特所謂的博奕遊戲(Gambling)。在這種環境下，強行把資金配置到平庸或昂貴的資產上，承擔的是非對稱的下行風險。

反觀波克夏的資產負債表結構：在無風險利率維持在 4%~5% 的環境下，幾千億的短期國庫券每年能無風險帶進 150 億美元以上的真金白銀。更重要的是，手握流動性的人在市場發生流動性危機時，擁有無可匹敵的「資產定價權」。

2.為什麼他看 Apple 是「消費品」，看 Google 卻是「AI 基礎設施」？

我個人在看這段時忍不住笑出來，心想薑還是老的辣。市場上很多人把 Apple 和 Google 都歸類為「科技七雄（Magnificent Seven）」，但對巴爺爺來說，這兩家公司的定價邏輯處於完全不同的坐標系。以下是他的邏輯：

2.1. Apple：定價權在消費者大腦裡　（點擊延伸閱讀：《蘋果之道》會後雜談)

巴爺爺會買進 Apple股票，因為他是在買現代人的「生活必需品」。

科技硬體本身是殘酷的，每年都要面對規格迭代與價格競爭。但 Apple 的厲害之處在於，它用 iOS 生態系建立了一道極高的轉換壁壘（轉換成本）。巴菲特常舉的例子很有趣但也有可能是真的：如果有人給你一萬美元，條件是這輩子不能再用 iPhone，絕大多數人都不會答應。

這種極強的心理佔有率帶來了兩件事：

• 無可比擬的定價權（Pricing Power）： 就算產品漲價，消費者也只能買單，這讓它在通膨環境下擁有穩定的毛利率。

• 低資本支出與超級回購： Apple 不需要像半導體或雲端廠商那樣無止境地蓋晶圓廠或數據中心，它能把大把的營運現金流拿來回購並註銷股票，讓長期股東的股權價值被動提升。

在巴菲特的框架裡，Apple 的護城河不是晶片有多快，而是它已經變成了數位時代的可口可樂，人人都需要Apple。

2.2. Google：科技的動態性與 AI 軍備競賽

但相比之下，巴菲特對 Alphabet 的定位就清醒得多。他在專訪中講得很實在：他對 Google 的喜愛程度，其實比不上波克夏原本持有的前四、五家核心企業（例如可口可樂或美國運通）。

為什麼？因為科技護城河本質上是暫時的。 「消費品牌的護城河刻在用戶心裡，很難被抹去；但像Google的護城河在於技術與搜尋引擎，一旦有人做出更好的東西，護城河就會變成一道淺水溝。」

那既然如此，還為什麼要砸 310 億美元買 Google？

1. 商業模式的「收費站」本質。 巴菲特過去常說後悔沒早點買 Google，因為旗下的 GEICO 保險每天都在給 Google 付廣告費(這點令人覺得有趣)。Google Search 就是全球商業活動在數位世界的「收費站」，只要商業活動持續，這筆過路費就無可避免。

2. AI 軍備競賽中的確定性。 現在市場最怕科技巨頭每年砸幾百億美元在 AI CapEx 上會拖垮利潤，但巴菲特的觀點完全相反——他認為這是頂級玩家不得不玩的遊戲。「這就像一場比賽，如果你停下來喘口氣，你就會被碾過去。」在這些不得不花大錢的玩家中，Google 擁有全棧自研能力（TPU 晶片、Google Cloud、自研大模型與十億級用戶的應用分發渠道），它是極少數具備極高概率勝出的基礎設施提供者。

3. 估值錯位帶來的安全邊際。 當市場因為監管訴訟與對 AI 顛覆搜尋的過度恐慌，把 Alphabet 的遠期本益比壓在 17~20 倍之間時，它成了少數在估值上合理、且資產負債表極度健康的巨頭。這符合巴菲特一貫的原則：以合理的價格，買進具有高資本回報率的頂級生意。

3. 為什麼告別蓋茲基金會？

除了投資組合，巴菲特近期對其身後超過 1,400 億美元遺產的處置(計算至訪談前一天)，也展現了罕見的現實主義。

他日前宣布將終止死後繼續向蓋茲基金會捐贈的安排(影片中有提到他對比爾蓋茲的想法)，轉而將所有剩餘財富注入一個全新的慈善信託，由他的三個子女（Susie, Howard, Peter）共同管理。這項決策背後有三個極具啟發性的制度考量：

1. 精算現實（Actuarial Realism）： 巴菲特在信中很坦誠地提到，他的三個子女年齡都已經六十多歲到七十歲。面對 1,400 億美元的資產，如果建立一個追求「永續存在」的龐大官僚機構，往往會演變成被專業經理人綁架、決策僵化的基金會。他更傾向於讓這筆錢在子女的有生之年（或身故後十年間）快速、動態地釋放給社會，解決當下的真實痛點。

2. 「一致同意」的治理防火牆： 信託條款特別規定，每一筆捐贈都必須由三兄妹一致同意（Unanimous Agreement）。這是一個非常聰明的制度設計：它一方面強迫三人必須在價值觀上達成共識，另一方面也為子女建立了一道對外防禦機制——當面對各路人馬的募款壓力時，任何一個子女都可以用「其他手足不同意」作為合理的拒絕理由。

3. 對下一代能力的務實評估： 正如巴爺爺所說：「在 2006 年時，他們還沒有準備好承擔這麼龐大的責任；但經過二十年的歷練，他們現在準備好了。」他選擇完全信任地上活著的人，而不是試圖用僵化遺囑去規定未來五十年後的錢該怎麼花。

寫在最後

在資產價格被情緒推到高點的金融市場裡，很多人會焦慮的是「如何賺到最後一塊錢」；但巴爺爺的邏輯思考的永遠只有三件事：

1. 做為一個發掘有前景的價值投資人，現金流是否具有確定性與定價權？

2. 在市場最壞的情況下，資產負債表能否承受？包括是否使用合理的槓桿

3. 這筆資本在時間的維度上，是否真正創造了可持續的價值？

當市場把資本市場當作賭博場所時，守住這些最底層的常識，才是穿越週期的唯一解法。

若想完整觀看專訪原貌，可參考這支 CNBC 專訪巴菲特談 Alphabet 投資決策影片，影片中巴菲特親口闡述了他主導這筆投資的核心考量與當前市場心態。

AI 寫作輔助揭示（AI Writing Disclosure）

本篇內容部分使用 AI 進行語句潤飾，最終觀點、結構與解讀皆由作者親自審訂與負責。

在AI 提示詞工程（上）一文中，我們討論了提示詞工程如何作為財金專業人士的新世代「Excel」，並詳細拆解了前五大核心技術：思維鏈推導（CoT）、區塊化處理（Chunking）、顯式邏輯推理（Explicit Reasoning）、角色代理提示（Agent Prompting）以及虛擬團隊協作（Team Prompting）。

後半部所涵蓋的五大進階架構，則是將重點放在「如何對 AI 的輸出進行自我審查、壓力測試與事實風控」。在金融市場的嚴謹標準下，未經檢驗的論點與幻覺數據是致命的。本文（下）將延續台科大暑期密集課程的要點，深入解析後五大提示詞架構。

2.6. Meta-Cognition

核心定義 引導 AI 建立「自我評估與批判機制（Ask AI to Evaluate Its Own Thinking）」，要求大語言模型在產出初步答案後，主動檢查潛在盲點、脆弱假設與邏輯漏洞，並在自我修正後產出高階版本。

運作機制與優勢

• 識別思維盲點（Finds Blind Spots）：打破單次輸出的認知框架。

• 檢驗脆弱假設（Identifies Weak Assumptions）：檢視估值或分析背後的隱含假設是否站得住腳。

• 提升輸出精準度與信心水準（Improves Accuracy & Confidence）。

實務應用範例：個股投資分析（NVIDIA）

• 步驟一（Initial Answer）：AI 給出初步概述（如：GPU 需求強勁、資料中心成長，評分 6/10）。

• 步驟二（Self Review）：AI 針對以下維度進行自我質疑與打分：

  • 「遺漏了哪些關鍵因素？」

  • 「哪些假設最薄弱？估值是否合理？」

  • 「關鍵風險為何？」

• 步驟三（Improved Answer）：綜合多空情境（牛市、熊市、基準情境）、DCF 與乘數估值，以及催化劑與風險分析，將答案品質推升至 9/10 以上。

2.7. 蘇格拉底式提問（Socratic Prompting）

核心定義 透過 AI「主動向分析師提問」的反向互動模式，層層釐清底層假設、挑戰既有思維，並探索替代方案，藉由連續的詰問達成更穩健的投資決策。

為什麼在金融決策中有效？ 最好的答案往往來自更好的問題。蘇格拉底式提示將 AI 從「被動答題者」轉變為「嚴格的思維教練」，避免分析師陷入確認偏誤（Confirmation Bias）。

實務應用範例：跨國市場進入策略（Market Entry Decision） AI 依序提出問題，協助分析師逐步釐清脈絡：

1. Q1 目標界定：核心目標為何？（例：在歐洲市場實現獲利性成長）

2. Q2 假設檢視：底層假設是什麼？（例：需求強勁、競爭者反應溫和、監管審批順利）

3. Q3 壓力測試：哪些情境會推翻這些假設？（例：在地龍頭反擊、獲客成本 CAC 過高、法規延宕）

4. Q4 替代方案：可行的替代途徑為何？（例：合資、分階段進入、單一試點市場）

5. 最終決策（Improved Conclusion）：由原本躁進的全盤進入，優化為「透過策略夥伴進行階段性進入」，並設定試點驗證指標與風險監控清單。

   

2.8. 提示詞自我優化（Prompt Optimization）

核心定義 建立「起草（Draft） → 測試（Test） → 評估（Evaluate） → 修正（Refine）」的提示詞閉環迭代流程，利用結構化約束與細節補充，大幅提升輸出產能。

優化清單（Optimization Checklist）

• 明確具體（Be Specific）：避免模糊詞彙，指定具體範圍。

• 補充背景（Add Context）：給予產業環境、時間跨度或目標情境。

• 規範格式（Define Format/Structure）：指定表格、條列式或章節結構。

• 設定受眾（Specify Audience/Purpose）：如針對投資委員會、散戶或風控主管。

• 要求來源與數據（Request Sources/Examples）：強制引用數據與實際案例。

對比範例：電動車產業分析（EV Market Analysis）

• 優化前（Before）：「分析電動車市場。」（產出：泛泛而談的趨勢概覽）

• 優化後（After）：「分析全球電動車市場，聚焦於市場規模（TAM）、核心成長動能、主要競爭者、關鍵挑戰與未來 5 年展望；請以數據支持並註明資料來源。」（產出：具備數據支撐與機構級結構的深度研究）

2.9. 事實交叉驗證（Fact-Checking）

核心定義

強制 AI 對其生成的關鍵陳述（Key Claims）建立查核機制，區分「事實」與「推測」，標註數據來源並評估信心水準（Confidence Level），建構研究風控防線。

查核機制流程

陳述生成（Claim） —> 比對可靠資料來源（Verify）—> 驗證真實性與時效性（Confirm） —> 產出可信結論（Use）。

實務應用範例：再生能源發電佔比查核

當 AI 在分析中產出：「到 2030 年，太陽能將提供全球 50% 的電力。」

2.10. 迭代式深探（Iterative Inquiry）

核心定義 透過由淺入深的多輪對話（Multi-Turn Inquiry），層層剝開複雜議題的底層驅動力，避免在單一回合中試圖解決過於龐大的宏觀命題。

四階段遞進路徑

1. 發問（Ask）：界定核心問題（例：醫療領域導入 AI 的主要驅動力為何？）。

2. 初步解析（Answer）：取得廣泛解答。

3. 聚焦追問（Refine）：深探瓶頸與挑戰（例：導入過程中的關鍵法規與技術挑戰為何？各區域有何差異？）。

4. 策略深化（Deepen）：收斂至具體解決方案（例：針對上述區域法規差異，有哪些可落地的合規策略？）。

寫在最後

從基礎的邏輯拆解（CoT、Chunking、Explicit Reasoning）到進階的治理與風控（Meta-Cognition、Fact-Checking、Prompt Optimization），提示詞工程的本質並非單純的「與 AI 聊天」，而是將金融分析師嚴謹的批判性思維與架構能力，編程為人機協同的標準作業程序（SOP）。

當 Excel 賦予了我們處理結構化數據的能力，提示詞工程則賦予了我們駕馭非結構化文字與複雜推理的槓桿。掌握這十套架構，才能在 AI 時代真正將生成式技術轉化為機構級的投研生產力。

AI 輔助揭示

本文使用 AI 協助整理、製作表圖；觀點與分析由作者獨立完成並審閱。

延伸閱讀

如果我們問身邊的朋友：「投資要賺錢，最重要的是什麼？」 十個有九個會回答你：「當然是抓到下一檔輝達（Nvidia）或台積電啊！」或是「在崩盤前精準賣出！」

但如果我們翻開過去幾十年的金融研究，會發現一個讓多數人跌破眼鏡的事實：決定你長期投資績效超過九成的關鍵，根本不是你挑中了哪檔飆股，而是你的「資產配置（Asset Allocation）」。

更精確地說，是配置之後，你有沒有做好那件關鍵的事——「再平衡（Rebalancing）」。

最近這兩年，大家打開各類財經工具，到處都看得到「AI 智慧選股」、「AI 每月自動調整組合」。很多人心裡都可能有個問題存在：

• 「為什麼投資一定要再平衡？買著放著不管不行嗎？」

• 「大家常說 AI 是個黑盒子，它到底憑什麼決定何時該調整？」

• 「像 Investing.Pro 這類工具，它的調整機制到底透不透明？值得我們跟單嗎？」

今天這篇文章，我們把這套「不輕易說破的底層邏輯」一次拆解清楚。

1. 什麼是「再平衡」？不調會出事嗎？

我們先用一個生活化的比喻：減肥與營養餐盤。假設我們給自己設定了一個最健康的黃金比例：60% 蔬菜、40% 牛排。

一開剛開始吃得很開心，可是過了幾個月，我們發現牛排太好吃了，盤子裡的牛排比例越來越高，然後不知不覺變成了 90% 都是油滋滋的牛排，蔬菜只剩 10%。

這時候雖然我們可能吃得很爽（就像牛市裡持股飆漲一樣），但是膽固醇和血壓隨時可能暴表。投資也是一模一樣的道理：

• 為什麼要再平衡？

  牛市走久了，你的股票飆翻天，原本設定的「60% 股票 + 40% 債券/現金」，不知不覺變成了「85% 股票 + 15% 債券」。這時你的風險已經被無意識地放大，只要市場一個重挫，你承受的虧損會遠超你的心臟負荷。

• 再平衡在做什麼？

  就是把你盤子裡過多的牛排切掉一部分（賣掉漲多的資產），然後補上蔬菜（買進落後或便宜的資產），讓比例重新回到 60/40。

它最神奇的地方：強迫你「反人性」低買高賣。我們都是凡人，人性就是「漲的時候想追、跌的時候想砍」。但再平衡是一套鐵的紀律——當某個資產漲到超出比例時，它逼你獲利了結；當某個資產跌到便宜時，它逼你逢低加碼。你不用天天猜明天會漲會跌，制度自然會幫你做到「買低賣高」。

1.1. 傳統再平衡的痛點：遇上極端行情就卡關

傳統的再平衡方法，通常有兩種：

1. 看日曆（時間型）：不管市場發生什麼事，每到 6 月底、12 月底就固定調整一次。

2. 看偏離幅度（區間型）：例如設定 5% 的緩衝區，股票原本是 60%，漲超過 65% 或跌破 55% 才動手。

這兩種方法在平靜的市場很好用，但遇到像 2022 年那種「通膨飆升＋聯準會暴力升息」的大環境，傳統方法就顯得有點笨拙了。

在 2022 年，股票大跌，照理說債券應該要發揮避險作用，結果債券因為升息也跟著崩跌。如果你的系統只會死板地看日曆調倉，結果就是「在兩艘同時下沉的船之間把水舀來舀去」，根本起不到保護資產的作用。這就是為什麼華爾街與量化圈開始把腦筋動到了 AI（人工智慧） 身上。

2. AI 是黑盒子，它如何做再平衡？

翻開現代量化金融（特別是第三代深度強化學習 DRL 系統）的底層，你會發現：頂級的 AI 根本不預測未來，它做的是「環境感知與動態適應（Do not predict. Adapt.）」。

傳統投資學（如馬可維茲的 Mean-Variance 模型）最大的硬傷在於「兩階段依賴」——你必須先猜測每檔股票未來的預期報酬與相關係數，再去計算最佳權重。只要前端的預測稍微偏了一點，後端的資產權重就會嚴重變形（這在學術界被稱為 「誤差放大效應 Error Maximization」）。

現代 AI 徹底推翻了這個邏輯。它將再平衡視為一個嚴謹的「馬可夫決策過程（Markov Decision Process, MDP）」。

如果把這套系統拆開來看，它其實就是一台具備自我進化能力的「高級自駕車」，由以下四個齒輪精密咬合而成：

【市場環境感知】──►【神經網路大腦】──►【動態權重輸出】
 (State Tensor)      (Policy Brain)     (Action Space)
                            ▲                  │
                            │   【獎勵與懲罰】  ▼
                            └─── (Reward Function: 扣除交易摩擦與下行回撤)

2.1. 高維度的狀態感知（State Space, S_t）

傳統再平衡只看「價格漲跌了幾趴」，但 AI 的眼睛看得更廣、更深。它每分每秒都在接收一個多維度的數據張量（Tensor）——不僅僅是股票過去的價量，還包括美債殖利率曲線的斜率、信用利差、市場恐慌指數（VIX）以及總體經濟的即時預測（Nowcasting）。AI 不是在看單一指標，而是在辨識：「市場現在究竟處於什麼氣候（Regime）？是低通膨穩健成長，還是高通膨停滯衰退？」

2. 直接輸出資產權重（Action Space, A_t）

AI 的產出結果不是「買進」或「賣出」的模糊建議，而是直接轉動方向盤，給出下一期最精確的部位權重向量。

例如：[美股科技 25%, 醫療防禦 15%, 短期美債 40%, 現金 20%]。它完全跳過了「猜測明天誰會漲」的步驟，直接根據當下的市場狀態，切換至最適生存的防禦或進攻姿態。

3. 煞車與油錢：投資組合向量記憶（Portfolio Vector Memory）

這是區分「玩具 AI」與「專業級 AI」的關鍵分水嶺。早期的 AI 演算法很天真，只要今天模型算出某檔股票好一點點，就恨不得把整個帳戶全換掉。結果呢？高頻率的換股產生了龐大的手續費、滑價（Slippage）與稅負摩擦，把利潤全部吃光。

現代成熟的 DRL 系統內建了「記憶模組」——它做決策時，永遠會同時盯著「你手上現在已經持有了什麼（W_t-1）」。

模型會在數學公式中加入懲罰項：

如果調倉帶來的潛在超額收益，無法覆蓋換手帶來的摩擦成本，AI 就會選擇「平滑調倉」甚至「按兵不動」。它學會了像一個成熟的基金經理人一樣精打細算，追求的是扣除所有摩擦後的「實質淨回報」。

4. 風險感知獎勵函數（Reward Function, R_t）

「AI 不會聽你說什麼，它只會極大化你給它的獎勵函數。」

如果你給 AI 的目標是「追求最高年化報酬率」，它可能會在牛市中瘋狂加槓桿，然後呢，最後在一次黑天鵝中粉身碎骨。因此，專業架構師會為 AI 裝上嚴格的風控韁繩：

這行公式的白話文就是：「活下來第一，賺錢第二（Survival First. Performance Next.）。」

當 AI 嗅到市場體系轉變為高風險時，公式中的懲罰項會瞬間暴增，逼迫神經網路主動降低曝險、鎖定利潤，而不是為了蠅頭小利去冒爆倉的風險。

2. 像 ProPicks AI，它的再平衡有比較透明嗎？

有一些訂閱 InvestingPro 的夥伴來問：「它每個月初給我的那份 AI 選股名單（ProPicks），到底算不算透明？我可以無腦跟著它調倉嗎？」答案是：它給了一半的透明，但關鍵的核心依然是商業機密。

1. 它透明在哪裡？

• 時間與名單極度清晰：採用標準的「月度再平衡」。每個月的第一個交易日，清清楚楚列出：本月「新增了哪幾檔」、「剔除了哪幾檔」、「保留了哪幾檔」。

• 等權重邏輯容易理解：入選的 15–20 檔股票預設採「平均分配」，月初調倉時也會把暴漲或落後的部位重新拉回均等，避免單一股票風險過大。

• 基本面數據查得到：附上內在合理價值（Fair Value）與財務健康評分（1 到 5 分），讓你知道這家公司有基本面支撐。

2. 它哪裡依然是「黑盒子」？

• 為什麼選 A 不選 B？沒有人知道：AI 模型背後看了 200 多個財務指標，但它在「這個月」到底是看重本益比、營收成長、還是股價動能？權重怎麼配的？這部分完全不公開。

• 排名邊界的黑霧：為什麼第 15 名被選進來，第 16 名就被淘汰？兩者的差距有多大？一般用戶無從得知。

• 回測的高報酬常忽略「真實摩擦」：官網展示的漂亮回測數據，往往是在理論環境下跑出來的。如果每個月月初都跟著它大幅度換股，實際操作會面臨手續費、買賣價差（滑價）與稅負成本，實質報酬率一定會打些折扣。

免責聲明

本內容基於 InvestingPro 專業研究資料與模型分析進行整理，重點在於呈現不同財務指標與市場預期之間的關係，並不構成個別投資建議。市場價格可能隨時間與資訊變化而調整，投資前仍需自行評估相關風險。

InvestingPro 優惠資訊

本篇分析所使用的部分數據與模型，來自 InvestingPro 與其 ProPicks 策略系統。若希望進一步查看完整資料或自行追蹤模型變化，可參考以下專屬優惠：

👉 專屬連結
https://www.investing-referral.com/drchien/

優惠碼：drchien

八月限時最高 55% 折扣

如果想更有效率地研究美股與全球市場，目前 InvestingPro 提供限時優惠方案：

Pro 方案｜簡化投資決策

年繳方案：NT$220／月（年付）

• 約可節省 NT$2,400

• 6 項美股市場 ProPicks AI 策略

• 超過 1,400 份專業研究報告

• 公允價值估算工具

• 即時新聞與 ProTips 分析

• 無廣告使用體驗

適合：
剛開始建立研究框架的投資人、ETF 投資人，以及希望培養基本面分析習慣的讀者。

Pro+ 方案｜完整研究工具（推薦）

年繳方案：NT$540／月（年付）

• 約可節省 NT$5,400

• 包含 Pro 所有功能

• 全球 88 項 ProPicks AI 策略

• 500 則 WarrenAI 額度／月

• 超過 1,200 項基本面指標

• 10 年歷史財務資料

• 自訂指標與進階篩選功能

適合：
希望深入研究個股、產業與海外市場的投資人。

Pro+ 雙年方案｜最佳優惠

NT$490／月（兩年方案）
最高 50% 折扣
總計可省下 NT$12,000

如果是經常閱讀年報、研究海外公司、追蹤產業趨勢的投資人，這也是目前折扣幅度最高的方案。特別是像本文提到的味之素（2802），從新聞、財報、同業比較到英文研究報告，都可以在同一平台快速完成初步研究，大幅減少蒐集資料的時間。

延伸閱讀

ProPicks AI — AI 選股的邏輯、原理與應用限制

我依照 CFA 協會的專業行為與道德準則，必須在文章開頭揭示：本文含有與 Investing.com 的合作推廣內容，透過我的專屬連結與優惠碼訂閱服務，我將獲得部分推薦回饋（referral）。

Read full story

Disclosure and Conflicts of Interest

我依照 CFA 協會的專業行為與道德準則，必須在文章中揭示：本文含有與 Investing的合作推廣內容，透過我的專屬連結與優惠碼訂閱服務，我將獲得部分推薦回饋（referral）。

在過去數十年間，Excel 是全球財金人士的通用語言。不管是建構複雜的折現現金流模型（DCF Model）、進行投資組合風險評估，亦或者是處理大宗跨國併購的財務報表，精通試算表運算與函數邏輯是每一位財務分析師的必備工具。

然而，隨著生成式人工智慧（Generative AI）的爆發性成長，金融專業的工作範式正在經歷一場變革。提示詞工程（Prompt Engineering）正迅速演變為財金領域的新世代「Excel」——它不是單純的聊天打字，而是一門精準指揮 AI 進行邏輯推理、財務建模與深度洞察的專業溝通技術。

本文（上）彙整自我在台科大暑期密集課程的講授要點前半部，旨在透過系統化複盤，深化對該領域觀念的理解。

1.1. 為什麼財金專業需要提示詞工程？

傳統的財務分析流程高度仰賴手動操作，通常遵循以下線性路徑：

資料收集（Data） —> 人工處理與建模（Analysis） —> 產出報表與簡報（Report）

這套流程耗時、重複性高且容易出現人為轉錄錯誤。AI 工作流則是將分析師的精力轉釋放至策略高地：

定義問題（Question）—> 結構化提示詞（Prompt）—>

AI 深度洞察（Analysis） —> 決策制定（Decision）

在這一流程中，分析師不再花費 80% 的時間在資料清理與格式調整上，而是將核心專注於「定義高品質的問題」與「檢驗假設的合理性」。在金融市場中，精準度（Precision）決定成敗；而在提示詞工程中，指令的清晰度（Clarity）創造了分析的精準度。

2. 十大財金提示詞架構總覽

在面對資產定價、財報拆解、多因子分析與總經預測等高難度任務時，隨意發問無法滿足機構級研究的要求。專業的提示詞體系涵蓋以下十大核心技術：

1. 思維鏈推導（Chain of Thought, CoT）：將複雜問題拆解為清晰的線性邏輯步驟。

2. 區塊化處理（Chunking）：突破模型上下文限制，分段深度剖析龐大文件。

3. 顯式邏輯推理（Explicit Reasoning）：要求模型展示所有底層假設、數學公式與推導過程。

4. 角色代理提示（Agent Prompting）：賦予 AI 具備專業背景、目標與約束條件的專家身分。

5. 虛擬團隊協作（Team Prompting）：模擬多方專家委員會（如多空辯論）以消除盲點。

6. 元認知評估（Meta-Cognition）：要求 AI 自我反思、檢驗盲點並修訂答案。

7. 蘇格拉底式提問（Socratic Prompting）：透過主動質疑假設與反向論證壓力測試投資邏輯。

8. 提示詞自我優化（Prompt Optimization）：利用模型反向調整與優化指令結構。

9. 事實交叉驗證（Fact-Checking）：要求標註資料來源與多管道交叉核對。

10. 迭代式深探（Iterative Inquiry）：透過多輪追問層層遞進，挖掘異常值背後的動因。

2.1. 思維鏈推導（Chain of Thought, CoT）

核心定義：引導 AI 依循「問題定義 → 拆解子問題 → 逐步推理→ 綜合洞察 → 檢視修正」的思維鏈條，避免跳躍式得出結論。

為什麼在金融分析中不可或缺？

金融資產的評價絕非單一公式的直接套用，而是牽涉營收動能、獲利品質、產業護城河、資本支出等多重因素的動態交織。缺乏思維鏈引導的 AI，往往會給出模糊籠統的定性評價。

2.2. 區塊化處理（Chunking）

核心定義：將數百頁的年報（10-K）、法說會逐字稿或龐大資料集切分為邏輯獨立的模組，分批輸入分析後再進行全局綜合。

實務痛點與解決機制

大型語言模型雖然上下文視窗持續擴大，但一次性灌入 200 頁的 10-K 年報容易導致「注意力稀釋（Lost in the Middle）」現象，遺漏附註或隱含風險。

Chunking 四階段處理年報流程：

1. 模組一：商業模式與競爭定位（Item 1） 提取營收來源與護城河。

2. 模組二：財務報表與會計品質（Item 8） 分析現金流、資產負債結構與存貨週轉。

3. 模組三：風險因子揭露（Item 1A） 識別法規、總經與營運瓶頸。

4. 模組四：管理層討論與分析（MD&A, Item 7） 檢視資本配置策略與前瞻指引。

5. 最終整合：指令 AI 將四個模組的輸出合成為一份機構級執行摘要（Executive Summary）。

2.3. 顯式邏輯推理（Explicit Reasoning）

核心定義：強制 AI 採用「出題者思維（Show Your Work）」，透明化呈現所有輸入參數、模型公式、中介推導步驟與敏感度矩陣。

應用範例：Tesla DCF 內在價值評估

在公司估值中，黑盒子式的數字毫無意義。分析師需要的是可審計（Auditable）、可重現（Reproducible）的邏輯鏈條。

2.4. 角色代理提示（Agent Prompting）

核心定義：為 AI 設定專屬角色（Role）、明確任務（Goal）、背景脈絡（Context）、工具框架（Tools & Frameworks）與邊界限制（Constraints），打造自主專家代理。

半導體產業研究 Agent 簡例

• Role：一級外資券商半導體首席分析師。

• Goal：撰寫一份 2024–2029 全球半導體產業前瞻研究報告。

• Framework：涵蓋市場規模預測（TAM）、晶圓代工與先進封裝競爭格局、前五大龍頭財務指標（NVDA, TSMC, AVGO, ASML, QCOM）、地緣政治與庫存循環風險。

• Constraints：所有數據以表格呈現，避免空泛描述，必須明確指出投資意涵（Actionable Investment Implications）。

2.5. 虛擬團隊協作（Team Prompting）

核心定義：在單一提示中模擬不同職能專家之間的意見碰撞與互相審查，克服單一視角的認知偏誤。

透過虛擬團隊的多空辯論，AI 不再只是單向輸出，而是在「多方陳述 → 空方質疑 → 建模專家調整 → 風控主管審核」的閉環中，產出具備抗壓性的投資建議。

寫在最後

掌握提示詞工程的前五大核心技巧（思維鏈、區塊化、顯式推理、專家代理與團隊協作），實質上是將傳統財務分析的嚴謹邏輯移植至大型語言模型之中。

在接下來的 《AI提示詞工程下》 中，我們將進一步深入解析剩下的五大技術：

• 元認知（Meta-Cognition） 與 蘇格拉底式提問（Socratic Prompting） 如何協助分析師進行壓力測試；

• 提示詞優化（Optimization）、事實查核（Fact-Checking） 與 迭代深探（Iterative Inquiry） 如何建構起企業級研究的風控防線。

AI 輔助揭示

本文使用 AI 協助整理、製作表圖；觀點與分析由作者獨立完成並審閱。

點擊圖片可至博客來購書連結

0. 引言

「分散投資是無知者的保護傘；但如果你清楚自己在做什麼，分散投資就毫無意義。」

—— 華倫·巴菲特（Warren Buffett）

我常在投資學裡教到現代投資組合理論（Modern Portfolio Theory），這故事很簡單：「分散風險」是金融市場中唯一的免費午餐。所以許多投資教條告誡我們，必須買進一籃子幾百檔股票、分散於不同產業與市場，才能在不可預測的波動中保全資產。

然而，全球最頂尖的投資大師們往往不是這樣說故事的。巴菲特曾多次強調，若投資人對企業的基本面擁有深入理解與高度信心，過度分散只會稀釋報酬，真正的超額報酬來自於在勝率與賠率站在自己這邊時，敢於「重壓」。

這篇電子報要介紹2024 年在日本出版、隨後震撼亞洲金融圈的投資巨作《重壓的技術：個人資產800億！25年達成93倍報酬的操盤法》，正是將這套「重壓下注」哲學推向實戰極致的傳奇紀錄。

1. 從「神秘打工仔」到 800 億日圓身家

在2005 年，日本國稅廳最後一次依法公布全年度繳稅額最高的前 100 名富豪名單（隨後因個資保護法施行而停止公布）。當時榜單上幾乎全為知名大企業創辦人、地產巨頭或大股東，唯獨高居榜首、年納稅額傲視群雄的，是一位大眾極度陌生的上班族——清原達郎。

據當時繳稅金額推算，清原達郎該年度的個人收入超過 100 億日圓，瞬間引爆全日本金融界與媒體的好奇：這位「最強打工仔兼操盤手」究竟何許人也？

1.1. 25 年 93 倍的輝煌戰績

清原達郎畢業於東京大學教養學部，隨後取得史丹佛大學商學院 MBA 學位，歷經野村證券海外投資顧問室、高盛與摩根士丹利等頂級機構的洗禮。1998 年，他加入高塔投資顧問（Tower Investment Management），成立並親自操盤旗艦避險基金「K2 基金」。

從 1998 年至 2023 年宣告退休的 25 年間，在經歷了日本「失落的三十年」、達康泡沫破裂、雷曼兄弟金融海嘯以及 311 大地震等多次毀滅性空頭市場的背景下，清原達郎創造了難以企及的績效：

• 累積總報酬高達 93 倍（9,300%）

• 複合年化報酬率（CAGR）約 19%（直接媲美波克夏海瑟威同時期的年化表現）

• 其個人資產也累積超過 800 億日圓

1.2. 全盤托出的操盤訣竅

2023 年，清原達郎因罹患咽喉癌而切除聲帶，決定徹底告別操盤生涯。他在書中坦言：

「我沒有接班人，所以累積 25 年的避險基金操盤訣竅無法傳承給後人。既然如此，不如將所有方法毫無保留地公諸於世，供認真想在市場獲利的讀者參考。」

這本書之所以引發轟動，在於它並非抽象的成功學或事後諸葛的理論，而是一位歷經市場生死考驗的老將，將勝率模型、選股指標、放空慘敗的教訓與持倉比例徹底公開的實戰手記。

2. 書中核心投資方法論

清原達郎的這本著作圍繞著幾個高度反直覺的原則：

2.1. 成為市場的極少數派（逆向思維）

金融市場的本質是利用各種不同模型來定價，當所有參與其中人的意見一致時，那麼預期都已反映在價格上。也就是說，此時訂出錯誤的價格代價極為慘重；相反地，超額報酬只會出現在你的觀點是極少數派、且事後被證明正確的時候。

2.2. 挖掘無人問津的「中小型價值成長股」

大機構與外資法人受限於流動性與基金規模，只能佈局大型權值股，導致日本市場中大量優質的中小型企業完全沒有外部分析師覆蓋。清原達郎建立了一套量化篩選指標——「淨現金比率」（Net Cash Ratio）：

當一家公司的扣除負債後的淨現金部位接近甚至超過其總市值時，代表市場給予其本業的估值幾乎為零甚至為負，提供了極高的安全邊際（這和葛拉漢的著作《智慧型投資人》有異曲同工之妙）。

2.3.「七成資產配置於 REITs」？

我在閱讀本書時，產生困惑的一點在於：既然清原達郎以精選「中小型成長股」重壓致富，為何他在書中（特別是第 5 章及退休資產配置談話中）透露自己曾將高達 70% 的重兵配置於 J-REITs（日本不動產投資信託）？

這是否與他宣揚的「重壓翻倍成長股」自相矛盾？深入剖析其邏輯，讀者就會發現這正是他「重壓技術」最精妙的一役。

危機時期的 REITs 重壓策略

• 適用時機： REITs可用於系統性流動性危機、恐慌拋售時（如 2008 雷曼風暴）

• 下行保護 (Margin of Safety)：精華地段實體不動產資產與強制 90% 配息機制

• 持有目的：鎖定超常態現金流分紅與資產淨值 (NAV) 修復

2.4. 極端恐慌下的暴利機會

在投資界，我們常聽到一句俗諺：「別去接掉下來的刀子。」但清原達郎在書中直言，他曾兩度主動去接 REITs 掉下來的刀子，並從中攫取了驚人的回報。

在 2008 年雷曼兄弟倒閉引發的全球金融海嘯期間，流動性瞬間枯竭，許多持有日本優質商業不動產的 J-REITs 遭到外資與投機機構無差別停損砍倉，市價跌至淨資產價值（NAV）的 20%~30%（超額報酬的來源），分配金殖利率飆升至 10%~15% 以上。

清原達郎的邏輯非常簡單：

• 資產不會憑空蒸發：東京精華地段的寫字樓與出租公寓依然滿租、租金持續流入。

• 破產風險極低：背後有大型財閥（如三井、三菱）支持的優質 REITs，不可能在中央銀行注資救援下集體清算。

當市場陷入流動性恐慌時，這不再是風險資產，而是「以兩折買進東京精華地產」的歷史性機遇。因此，他毫不猶豫地調動基金與個人資本，將整體倉位的近七成大舉重壓在跌無可跌的 REITs 上，隨後在幾年內迎來了數倍的價格修復與龐大的股息回報。

2.5. 從血淚教訓中提煉的禁忌

清原達郎在書中花了大量篇幅回顧自己操盤生涯中的重大挫敗，強調「投資沒有天賦，只看你能從失敗中吸取多少教訓」：

1. 絕對不要使用信用槓桿（融資交易）

   在雷曼風暴中，由於券商突然調降融資額度，他的基金一度面臨斷頭清算危機，最終靠著他將 30 億日圓個人存款全數注入基金才度過難關。活下來的關鍵是「不借錢」。

2. 謹慎看待放空（Short Selling）

   他坦言多空策略中的放空部位往往是虧損來源，尤其在泡沫狂熱期放空容易遭遇無限軋空。

3. 保持認錯彈性（貝氏定理思維）

   買進是因為「預期」成長，但一旦新資訊顯示原本的假設錯誤，必須立刻停損離場，絕不留戀。

寫在最後

回到巴菲特的那句名言——分散是給不知道自己在做什麼的人的保護傘。

《重壓的技術》並非鼓勵讀者像賭徒一樣孤注一擲，作者透過自身經驗向市場展示了一套嚴謹、冷酷且極致理性的投資框架：

• 平時：深入研究被市場忽視的小型股，利用淨現金比率建立安全邊際，靜待市場發現價值。

• 極端危機時：在眾人恐慌拋售時，辨識出本質優異、定價極度失真的資產（如七成配置的 REITs 戰役），大舉進場收割暴利。

這部融合了 25 年操盤心血、無數次瀕臨破產與登頂日本首富榜的著作，不僅是一本日本股市的實戰指南，更是一堂關於「如何獨立思考、利用市場偏誤並在關鍵時刻果斷出擊」的高階心智課。

誌謝

感謝聯經出版企劃團隊的閱讀邀請與贈書，讓我有機會深入拜讀日本傳奇操盤手清原達郎的退隱之作《重壓的技術》。這部集結 25 年操盤精華、創下 93 倍績效與 800 億日圓資產的實戰紀錄，以極其冷酷且理性的視角，為市場展示了何謂真正的「非對稱下注」。

AI 寫作輔助揭示

本文撰寫過程中導入大型語言模型（LLM）進行資料彙整、結構初梳與視覺圖表概念發想，所有核心論點、數據驗證及最終文字均經由作者親自審閱與修訂，確保觀點獨立性與專業準確度。

0. 引言

本文只討論美國幾所高知名度研究型大學為樣本，來討論以下幾個問題：校長有多少薪酬（含本薪及額外紅利）、及實際上要負擔什麼義務或有什麼權力？以及薪酬由誰決定。最重要的結論是：大學校長並非擁有無限制權力的「企業 CEO」，

本文中所揭露的數字大約介於 72.5 萬至 250 萬美元，但這個區間混合了私校 Form 990 的已實現總報酬、公校合約中的年度報酬機會，以及只含基本薪資的數字。

私立學校總薪酬常常會包含退休金、福利或遞延薪酬（跟招生人數或有關連）；公校合約則是比較容易看到基本薪資、績效獎金與住房，透明度較高，但未必等於當年實領。

薪酬通常由董事會或薪酬委員會決定，常以同儕市場資料、任務複雜度、募款能力、績效、留任風險與契約談判為依據；且該校教師或學生通常沒有正式決定權。

基於以上的合理性及複雜性，校長薪酬不能單只用學生人數判斷。醫療體系、研究規模、資產、校區數、政治風險與募款責任都會增加工作複雜度；但董事會也可能因同儕比較而形成薪資結構的巨大差異。

1. 大學校長薪酬如何決定

通常是由董事會全體或專責薪酬委員會來決定校長的薪酬。像是Stanford 的董事會明文指出有特別委員會來負責決定校長薪酬；而加州系統UC 的校長任命與薪資由 Regents 公開審議。

薪酬會根據市場基準來討論出一個範圍：通常是專門的顧問或人資提供同等級大學薪酬百分位。像是Berkeley 2024 年的文件把Chancellor Richard Lyons' Salary的 946,445 美元放在市場參考區間約第 60 百分位。

除此之外，委員會也會考慮其績效與留任，而評鑑細項包括募款、研究、財務、排名、政策執行與危機處理可能進入年度評鑑；這時獎金和遞延薪酬通常用來促使留任。

其他像是契約風險分配：住房補貼、搬遷津貼、退休、離職、回任教職與 sabbatical 條款，雖然都具有金錢價值，但卻不一定出現在「年薪」新聞標題中。

薪酬資金來源：薪資可混合公共撥款、學校自有來源的收入、基金會與私人捐贈。Berkeley 的新校長薪資當中有 220,000 美元明列由私人來源支付。

治理風險在於「同儕比較循環」：每個董事會都希望薪酬不低於市場中位數，若多數學校都採同樣策略，中位數會被逐步推高。市場基準可以避免明顯低薪，卻不能單獨證明特定待遇合理。

2. 那校長究竟負什麼責任呢？

我們看電視會看到大學校長經常出現在兩種場合：一個是在重大典禮時，上台代表學校致詞，或在危機發生時面對媒體與公眾。但這些畫面只是工作的表面。

校長當然不是企業CEO的簡單翻版，也不是擁有最終權力的校園「最高統治者」。雖然，不同大學的章程用語雖不相同，但基本模式相近：學校董事會保有最終受託責任與重大政策權，校長依其授權管理日常大學事務。

這意味著校長權力很大，但卻不是無限上綱。校長必須在董事會、教師、學生、員工、政府、捐款人與社會之間協調利益，同時維持大學的長期使命。實際工作大致可分為六類。

2.1. 學術領導

校長通常會與教務長、及各院長共同設定方向、配置資源，並且參與高階學術任命。還有哪些領域值得投資、哪些學院需要調整、有限經費如何在教學與研究間分配，都是對大學使命的具體選擇。

但校長通常不會親自決定每門課程。課程、升等與學術標準多半仍屬教師治理範圍。校長的責任，是整合各方選擇，並在政治、商業或輿論壓力出現時維護學術自由。

2.2. 財務與組織管理

現代不少研究型大學可能同時經營醫院(像是台大)、實驗室、宿舍、地產、投資基金(清大)與大型資訊系統。校長雖然不會管理每個細節，但必須建立清楚的責任鏈，任命並監督教務長、財務長及其他高階主管。

校長通常提出年度預算、資本計畫與組織優先順序，使資源配置符合學校策略，也確保機構能承擔長期承諾。重大預算、債務或資產交易通常仍需董事會批准。

2.3. 募款與外部關係

校長也是學校最重要的對外代表與首席募款者。對所有私立大學而言，各方捐款與校友關係會直接影響獎學金、教授席位、研究中心與校園建設。所以，校長必須讓捐款的支持者理解學校方向，同時避免捐贈條件傷害學術自主。

而對公立大學來說，州政府撥款、法規與政治關係可能直接影響學費、招生和研究政策。校長因而需要與政府、產業及社區持續溝通。募款並不是選擇性的社交活動，而是替教師與學生爭取資源與政策空間的核心工作。

2.4. 校園共同生命體

學生安全、員工關係、歧視與騷擾、言論抗議與合規要求，最終都在校長的行政責任範圍內。但「負最終責任」不代表可以任意決定。校長仍須遵守法律、正當程序、集體談判契約與校內政策，也必須尊重教師治理和學生權利。

2.5. 危機與聲譽

校園暴力、研究不端、財務衝擊、公共衛生、網路攻擊或政治干預，都可能在資訊不完整時迫使校方迅速決定。校長必須同時處理實際風險、法律責任、內部協調與公開溝通。

這也是校長薪酬中容易被忽略的一部分：學校支付的不只是日常管理能力，也包括高曝光度與高問責風險。校長的一句話可能影響捐款、招生、政府關係與校內信任；沉默同樣會被解讀。

2.6. 受託義務

所有職責最後都回到一項根本原則：校長必須忠於學校利益、謹慎決策，並揭露可能影響判斷的利益衝突。

像是Michigan大學系統的規則明確把忠實義務與衝突揭露列為校長的基本受託責任。這不只防止明顯的不當行為，也要求領導者主動辨識可能損害公信力的關係。即使決定在法律上沒有問題，若程序不透明或私人關係未揭露，仍會侵蝕機構信任。

3. 校長也會往高處爬嗎？

大學校長在任期屆滿前離職並不罕見，但原因差異很大。有些人因治理危機或外部壓力辭職，有些人為家庭因素離任，也有人確實在任內競逐另一所大學的校長職位。因此，不能只看任期長短，就認定校長早已在「騎驢找馬」。以下幾個簡例：

Claudine Gay 於2023年7月就任 Harvard 校長，2024年1月便宣布辭職，創下 Harvard 歷來最短的校長任期。她的離任發生在多重爭議交織之下，包括校方處理反猶太主義問題的方式、她在國會聽證中的答覆，以及其學術著作的引用問題。國會本身並沒有權力解除 Harvard 校長職務，但聽證造成的政治與輿論壓力，確實成為整場危機的一部分。

Liz Magill 的情況與 Gay 有部分相似。她於2022年7月接任 University of Pennsylvania 校長，2023年12月辭職。在國會有關校園反猶太主義的聽證中，Magill 對特定言論是否違反校規的答覆，引發捐款人、政界人士及校內外人士強烈批評。Penn 董事會主席 Scott Bok 後來表示，聽證中的失誤使她的職位變得難以維持。這同樣不是國會直接撤職，而是聽證後形成的信任危機促成辭職。Magill 之後留任 Penn 法學院教師，也沒有轉任另一所大學。

Minouche Shafik 於2023年7月出任 Columbia University 校長，2024年8月辭職。她任內正值加薩戰爭引發大規模校園抗議，校方是否應請警方進入校園、如何處理學生營地，以及如何同時保障安全與言論自由，都造成嚴重分歧。Shafik 在辭職聲明中表示，這段動盪時期很難克服校內不同立場，也對她的家庭造成重大影響。她的離任主要與校園治理危機及個人承受的壓力有關。

四人之中，Santa J. Ono 最接近一般所說的「騎驢找馬」。他於2022年10月就任 University of Michigan 校長，原有合約尚未屆滿，卻在2025年5月宣布成為 University of Florida 校長遴選的唯一決選人選，並決定離開 Michigan。Florida 校級董事會其後通過他的任命，但任命仍須州層級的 Florida Board of Governors 批准。州董事會最終以10比6否決，使 Ono 在辭去 Michigan 職位後未能接任 Florida 校長。這是一個可以確定的在任內競逐另一校職位、並為此離任的案例，只是跳槽最後沒有成功。

另一個更具戲劇性的案例是 Kevin Guskiewicz。他於2024年出任 Michigan State University 校長，任職約兩年後，在2026年5月宣布接受 Clemson University 的校長職位。他在公開信中表示，持續的內部治理問題已形成不可持續的局面，因此決定離開 MSU。然而，大約六週後，他撤回辭呈，放棄 Clemson 職位並留在 Michigan State。MSU 董事會隨後確認他繼續擔任校長，年薪調整為150萬美元。這證明他確實曾在任內接受另一所大學的邀請，但因最終未離任，較準確的說法是「宣布轉任後反悔」。

寫在最後

當一位校長才剛展開新的任期，數日後便出現在另一所大學的校長決選名單中，爭議的核心便不只是能否轉職，而是接受續任時所作的承諾，是否與其當時的職涯選擇一致。制度或許沒有禁止，好奇心或許也可以理解，但大學治理依靠的不只是合約，更是師生對領導者的信任。

AI寫作輔助揭示

本文使用 AI 協助資料整理與文字潤飾，內容經作者查核、修訂並負最終責任。

0. 引言

《致富心態》是近年來理財書籍的霸榜者—作者摩根．豪瑟重新定義理財思維，讓我們用不同角度來看待投資理財。這本新作《花錢的藝術》則是把焦點轉向財富及金錢如何被好好地運用。

所以我們不會在書中看見公式，而從比較、欲望、風險與自主出發，提醒讀者：真正的富足，不是花得更多，而是讓金錢服務於自己想過的人生。

1. 我最喜愛的一章

其實我們很常問一個問題：到底怎樣花錢才快樂？花錢花在誰身上會讓我們開心？但卻很少有人會先問：怎樣花錢，會讓人愈來愈悲慘？

我自己深刻的體會，社群媒體佔據了我們生活決大部份、金錢也開始左右我們的情緒、身分認同與選擇時，到底是我們在控制金錢，還是被金錢所控制？會賺錢對我們來說當然是一件很好的事，但若不知道錢該為人生服務到什麼程度，再多的收入，也可能只換來更大的焦慮。

1.1 你終於長成你討厭的大人了嗎?

小時候，我們可能最討厭的是被父母拿來和別人比較；但長大之後，是否也不知不覺落入無止盡的比較之中？

我們會和朋友比較薪水、職稱、房子、車子，也比較旅行的次數與生活看起來是否光鮮亮麗？甚至和不熟的臉書朋友來做比較。對於曾經因為「你看看別人的成績」的我們所受的傷，最後卻可能把同樣的傷害加諸在自己身上。

這本書當中，所謂悲慘的花錢方式，未必是揮霍無度。更常見的是，我們把錢花在不屬於自己的欲望和需要上。

例如，新聞曾報導在新竹的竹科媽媽社群中，大家時常交流孩子就讀國際學校、安排各式才藝課程的經驗。教育投資本身當然是好事，但在彼此分享與比較之間，也值得停下來問：這些選擇真的符合家庭長遠的財務規畫嗎？又是否真的是孩子此刻需要的，而非大人害怕落後的焦慮？

但地位的遊戲沒有終點。我們也許買了一件讓人羨慕的東西，很快就會遇見更昂貴、更稀有、更新款的版本。我們也常因此而感覺痛苦，這不是因為自身不夠努力，而是比較這件事本身就沒有及格線。

當幸福建立在超越別人，我們永遠會把更高一階當成目標；當自我價值需要外在標籤確認，任何市場下跌、收入減少或同儕升遷，都會變成對自己的威脅。這種花錢方式最可悲的地方，是花完後仍然覺得自己做得不夠。

2. 為了得到想要的而冒險，不惜失去你需要的？

書中也提醒我們另一種悲慘，是把「我想要」誤當成「我需要」。人們都會想要更高的報酬、更快達成財務目標、更多選擇，本來沒有錯；但最危險的是，為了達到這些目標，我們不惜押上真正不能失去的東西。把緊急預備金全數投入熱門標的、為了維持體面的生活而借貸、為了多一點升遷機會長期透支健康與關係，都是以脆弱交換表面成就。順風順水時（如牛市），這些決定像魄力；逆風時（如熊市），才會發現自己沒有緩衝，也沒有重新選擇的空間。

但我個人一直認為金錢的作用不只是提高消費能力，更重要的是保留自主權。存下來的錢，未必立刻替你帶來快樂，卻能讓你在不適合的工作裡有離開的底氣，在家庭遇上意外時不必倉皇失措，在人生想轉彎時仍有選擇。這也是《花錢的藝術》再再提醒我們的深意：真正的富有，是不需要拿每一筆錢都拿去展示給別人看，更應該是擁有不必讓誰刮目相看的安靜力量。

我相信這份力量看似平淡，卻往往最昂貴。它絶對不會是帳戶餘額帶來的優越感，應該是拒絕不合理要求時的從容，或者是遇到變故時不必立刻恐慌的鎮定，也是能把時間留給自己與家人的能力。當錢能替你買回選擇權，它的價值才真正超過價格標籤。

2.1. 不是叫我們過苦行僧生活

當然，這不代表人應該把錢鎖起來或放在保險櫃，然後拒絕所有享受。

只存不花，也同樣可能是一種被恐懼支配的悲慘。有的人不敢旅行、不敢好好休息放鬆、賺了錢卻不改善生活，因為這每一筆支出都像是對未來安全感的背叛；然而金錢若從未轉換成時間、健康、經驗與關係，它也只是一串無法使用的數字。

花錢的藝術，教會我們錢不是花得越少越好，也不是花得越多越有品味，而是讓我們真正知道哪些支出真正讓生命更寬廣，哪些只是暫時麻醉焦慮。

因此，與其問自己買不買得起，不如多問一句：我為這件事付出的代價，除了價格，還有什麼？是否是身心的壓力、不必要的債務、工作時間、與家人相處的機會，或是一份再也回不來的平靜？也可以反過來問：這筆錢能不能換來更自由的生活、更少的後悔，或更接近我真正珍惜的人事物？

寫在最後

這本書讓我感覺最有力量的地方，就在於它沒有替每個人設定標準答案，因為每個人的背景、責任、夢想與恐懼都不同，也沒有放諸四海皆準的花錢公式。但我們都能透過這本書來練習辨認：眼前的欲望，是自己的，還是別人灌輸的？眼前的風險，是可以承擔的，還是會摧毀生活的底線？

會讓人悲慘的，不一定是缺錢或賺太少，是明明我們擁有選擇權，卻把人生交給比較、貪婪與恐懼來決定(FOMO)。真正成熟的花錢方式（呼應書名）絶不是把報酬推到我們無法接受的風險，應該是讓金錢成為工具，替我們守住健康、關係、尊嚴與時間。當我們不再為了想要的東西，冒險失去真正需要的東西，才算真正開始掌握財富。

誌謝

感謝皇冠文化贈書，讓我有機會閱讀《花錢的藝術》，重新思考金錢與人生選擇之間的關係。這不只是一本談理財的書，更提醒我們，花錢的方式往往映照出內心真正重視的事。願我們都能讓金錢成為生活的助力，而不是焦慮與比較的來源。

AI寫作輔助揭示

本文由 AI 協助潤飾文字與調整段落結構，內容觀點、閱讀感受與最終定稿仍由作者確認。

2026年度博客來×皇冠全書系書展

6/25-8/31

✦首5日和最後5日加碼領券折50元

✦6/25-6/29滿999元 領券現折50元

✦8/27-8/31滿999元 領券現折50元

✦折扣後滿699元贈送：

【讀吧，在路上】書封壓克力吊飾組（※數量有限，送完為止）

https://activity.books.com.tw/crosscat/show/A00002704285

0. 引言：神秘消失的冰淇淋

想像一下，你今天把 $100 美元 存進一間有複利的魔法銀行。一年後，銀行給了你 10% 的利息，帳戶餘額變成了 $110 美元。

你很開心，覺得自己資產增加了 10%！於是要好好犒賞自己；但當你走到冰淇淋店時，卻發現原本售價 $10 美元的特級冰淇淋，現在漲到了 $11 美元 一盒。

• 一年前：$100 美元可買 10 盒冰淇淋。

• 一年後：$110 美元依然只能買 10 盒冰淇淋。

你的錢變多了 $10 美元，但最後能換到的冰淇淋數量卻一點都沒有增加。所以我們要先了解什麼是名目上的價值和實質的價值。

• 名目價值（Nominal Value）：帳面上顯示的數字（$110）。

• 實質價值 / 購買力（Real Value）：真正能換到的商品數量（10 盒冰淇淋）。

💡 投資的終極目標，不是追求帳面數字，而是提升未來的實質購買力。

0.1. 數學小工具：費雪方程式（Fisher Equation）

當我們想算出扣除通膨後的「真正報酬率」時，其實不能只用簡單的減法（8% - 3% = 5%$），經濟學家歐文·費雪（Irving Fisher）給出了精確公式：

轉換成實質報酬率算式：

若名目報酬率 8%、通膨率 3%

1. 20年投資試算：10% vs 8% 報酬率

假設我們初始投入 $1,000 美元，投資 20 年（一次性存入），年通膨率 3%，資本利得稅 15%（採第 20 年賣出時一次性扣除的遞延課稅）：

• 10% 報酬率下：

  • 帳面上看有 $6,727.50 美元（名義總額）。

  • 若使用普通有稅帳戶，扣完 15% 稅並計入 3% 通膨折現後，真實購買力剩下 $3,249.20 美元。

  • 若使用免稅帳戶（如 Roth IRA），真實購買力為 $3,724.82 美元，足足多賺 +$475.62 美元（多了近 47.6% 的初始本金！）。

• 8% 報酬率下：

  • 帳面上看有 $4,660.96 美元。

  • 普通有稅帳戶折現後的真實購買力為 $2,276.62 美元。

  • 免稅帳戶折現後的真實購買力為 $2,580.68 美元，多賺 +$304.06 美元。

2. 防禦策略如何戰勝通膨與稅雙人搭檔？

2.1. 善用免稅與稅務優惠帳戶（Tax-Advantaged Accounts）

1. 核心機制：擋「稅務磨損」，讓複利完全發酵

一般應稅帳戶（Taxable Account）在每次產生股息、利息或實現資本利得時，都會觸發課稅。這種「邊滾動、邊抽稅」的過程稱為「稅務磨損（Tax Drag）」，它會不斷削弱你的複利本金。

而稅務優惠帳戶（如美股體系中的 Roth IRA、Roth 401(k) 或台灣的免稅投資專案/保險專案）則提供了一個強大的稅務防護罩：

• 前置納稅（Tax-Deductible / After-Tax Contributions）：你投入的是已經繳過所得稅的淨收入。

• 免稅滾存與免稅提領（Tax-Free Growth & Withdrawals）：帳戶內所有的資本利得、股息發放，以及未來退休提領時，完全 100% 免稅！

💡 驚人的實質溢價：

在免稅環境下，你多守住了 $475.62 美元 的實質購買力。這意味著：光是選對帳戶，20 年後你的真實財富就直接比別人多出了近半個原始本金（47.5%）！

2.2. 持有超越通膨的成長型資產（Growth-Oriented Assets）

1. 核心機制：別落入「名義無風險，實質保證虧損」的定存陷阱

許多人為了追求安全的心理感覺，選擇把絕大部分資金存放在銀行定期存款或高利活存中。然而，名義上的「保本」在通膨面前只是一種假象。

根據費雪方程式（Fisher Equation）：

• 情境 A：銀行定存/現金資產

  假設銀行定存利率為 1.5%，而年通膨率為 3.0%：這意味著你的資產實質購買力每年都在以 ~1.46% 的速度默默蒸發。放在定存裡的錢看起來沒少，但未來能買到的便當跟房子卻變少了。

• 情境 B：權益型/成長型資產（如 S&P 500 指數基金、優質房產）

  歷史經驗顯示，廣泛分散的股票指數基金長期名義年化報酬率約在 8%~10% 之間：

  以 9% 名義報酬率計算：唯有實質報酬率維持在正數，資產才能真正實現購買力的跨期累積與增值。

2. 實戰配置

• 建立「雙層防禦」結構：將緊急預備金（如 3～6 個月生活費）放在高流動性的現金或短債中，專心應付短期流動性需求。

• 長線資金全數進入「權益/成長型資產」：超過 5～10 年不需要動用的資金，應積極投入股票市場指數基金或優質房產，利用企業營收跟隨物價上漲的特性，天然抵禦通膨。

2.3. 長期持有，實踐遞延課稅（Tax Deferral）

1. 核心機制：把應繳稅款變成你的「免費無息貸款」

如果你無法使用 100% 免稅的帳戶，退而求其次，最重要的原則就是「盡可能延後繳稅的時間」。

• 頻繁交易（每年實現資本利得）：

  如果你每年高頻買賣股票、實現獲利，政府每年都會向你徵收短期或長期資本利得稅。原本可以用來繼續複利的資金，每年都被拿走一部分，這會大幅削弱長期複利曲線的斜率。

• 長期持有（買入並持有 Buy & Hold）：

  只要不賣出資產，未實現的獲利就不用繳稅。這相當於政府借給你一筆「無息貸款」，讓你繼續用這筆「本該交給稅務局的錢」在市場裡為你賺取更多的利息與資本利得。

寫在最後

投資的本質是跨期購買力的轉移。名目報酬率只是帳面上的幻象，唯有結合「超越通膨的成長型資產」與「善用免稅／遞延課稅工具」，才能真正擊退通膨與稅負這對雙人組，確保我們辛勤累積的資產在未來依然具備實質價值。

AI 寫作輔助揭示

本篇文章與試算邏輯由作者構思與架構，並借助AI協助進行數據精算（如費雪方程式與遞延課稅模型）、表格結構化與文字潤飾。

0. 引言

去年，因為我在台灣外貿協會打雜的關係，和一家私募基金（Private Equity）的幾位研究人員一起吃飯。坐在我對面的是一位年輕小女生，聊天時才知道她念的是柏克萊經濟系。

我聽了忍不住說：「哇，好厲害！」

她笑了笑，很淡定地回答：「其實也沒什麼啦，我就只是先在社區大學念書，後來再轉進柏克萊。」

她說的這條路，我其實來美不久後就知道了；但親耳聽到一位柏克萊學生如此輕描淡寫地說出自己的求學過程，還是讓我印象很深。

最近，我也接待了一位好朋友的女兒從台灣來德州念社區大學。從選學校、看環境，到了解選課及未來轉學的安排，一路陪著她處理下來，我忍不住想：照這個趨勢發展，我的副業大概可以考慮當留學顧問了（大誤）。

玩笑歸玩笑，我確實很想把這條路介紹給更多台灣學生與家長。

1. 一步到位才算成功嗎？

台灣家庭談到美國留學，經常把目標設定為「高中畢業直接申請四年制名校」。好像只有一步到位，才算亞洲式成功；但如果是先念社區大學，就好像是退而求其次。

但其實美國高等教育的制度和台灣不太一樣。社區大學(兩年制副學士)並不是成績不理想學生的備案，它其實也是美國教育制度中一條非常成熟、務實，而且相對省錢的升學路徑。

許多社區大學與四年制大學之間都有正式的課程銜接、轉學協議、共同招生或雙重註冊計畫。學生可以先在社區大學完成大一、大二的通識和基礎課程，再把學分轉進四年制大學，完成後兩年的專業課程，最後拿到的仍然是四年制大學頒發的學士學位。

費用也是一大優勢。依學生身分、居住資格和學校而定，國際學生在社區大學每學分的費用大約可能落在兩、三百美元上下，有些本州居民甚至更低。和四年制大學相比，確實稱得上物美價廉。如果課程規劃得好，前兩年可以省下一筆相當可觀的學費。

更重要的是，一些合作計畫不只「承認學分」，還會提供明確的選課地圖、轉學輔導，甚至雙重註冊或達標後的銜接機制。這能降低選錯課、浪費學分或延後畢業的風險。

2. 幾條很值得注意的路徑

2.1. Texas A&M University

如果目標是理工科系，Texas A&M的 Engineering Academies可能是德州最有特色的社區大學合作計畫之一。

學生可同時註冊於 Texas A&M與合作社區大學，在社區大學修讀數學、科學及核心課程，並在當地修讀由 Texas A&M工程學院教師教授的工程課程。

換句話說，這不只是一般的「先念社大、以後再申請轉學」，學生從第一天起就已經是 Texas A&M工程學院體系內的學生。

目前合作夥伴包括 Austin Community College、Dallas College、Collin College、Tarrant County College、Houston City College、Alamo Colleges District、Blinn College、Midland College、South Texas College及 Tyler Junior College。一般在合作學校完成一至兩年課程後，再轉至 Texas A&M主校區完成學位。

Texas A&M Engineering Academies官方介紹：
https://engineering.tamu.edu/academics/academies/index.html

合作社區大學名單：
https://engineering.tamu.edu/academics/academies/partners/index.html

除此之外，Texas A&M另有 Program for Transfer Admission（PTA），主要是向正在德州社區大學就讀、希望轉入 Texas A&M特定科系的學生。參加者需要依照指定科系的課程表修課，並符合學分、成績及其他條件；成功完成要求後，可取得自動錄取資格。目前涵蓋數十個學位計畫，但不是所有熱門科系都參加，所以一定要先確認目標專業是否在名單內。

PTA官方資訊：
https://admissions.tamu.edu/apply/transfer/transfer-programs

2.2. University of Texas at Austin 德州最好的公立大學

UT Austin和 Austin Community College之間，也有特定的合作及替代入學路徑。

像是 Spring Start Program會讓獲得該校邀請的學生，先在秋季於 Austin Community College完成指定的可轉移學分，再於次年春季進入 UT Austin。這類計畫的優點是路徑清楚，而且校方會事先說明需要完成的課程與成績要求。

不過必須特別強調：這通常是 UT Austin在招生過程中提供給特定申請人的選項，不是任何人只要進入 Austin Community College，就能保證轉進 UT Austin。

UT Austin替代入學路徑：
https://admissions.utexas.edu/apply/alternative-pathways-to-enrollment/

Spring Start Program：
https://admissions.utexas.edu/apply/alternative-pathways-to-enrollment/ssp/

至於一般社區大學學生，當然也可以用普通轉學生身分申請 UT Austin，但仍須面對競爭性審查。尤其商學、工程、電腦科學等熱門專業，錄取難度通常很高。因此，能轉學分不代表一定能進入想讀的學院或科系。

2.3. University of Houston

University of Houston是休斯頓地區社區大學學生非常實際的選擇，近年也積極擴充 UH Next等2+2轉學計畫。

學生先在合作社區大學完成副學士學位，再依照雙方共同制定的課程地圖轉入 UH完成學士學位。符合相關學術標準者，可以獲得較順暢的入學銜接，同時減少轉學後才發現部分課程不能計入主修的風險。

UH Next的合作夥伴包括 Houston City College、San Jacinto College、Alvin Community College、College of the Mainland及 Wharton County Junior College。計畫會依學院與科系逐步開放，所以申請前要先確認自己的專業是否已經有對應路徑。

UH Next官方介紹：
https://www.uh.edu/class/uh-next/

UH轉學路徑總覽：
https://www.uh.edu/undergraduate-admissions/apply/transfer/pathway-uh/

如果目標是工程，UH與 Houston City College也設有工程學院合作計畫。學生可同時在兩校修課，先以社區大學較低的費用完成部分數學、科學與基礎課程，再循規定進入 UH Cullen College of Engineering。

2.4. University of Texas at Dallas

對住在達拉斯—沃斯堡地區的學生而言，UT Dallas是一個很值得研究的轉學目標。它在電腦科學、工程、商業分析及其他科技相關領域都很受學生歡迎，也長期招收大量社區大學轉學生。

UT Dallas的 Comet Connection主要服務正在德州社區大學就讀、計畫日後轉入 UT Dallas的學生。學生可以提早接觸學校資源、取得轉學資訊，並依照目標學位規劃課程。Dallas College、Collin College及其他德州社區大學的學生，都可以研究這項計畫。

Comet Connection官方資訊：
https://enroll.utdallas.edu/transfer/comet-connection/

UT Dallas另有 Selective Transfer Enrollment Program，讓符合資格的學生先在社區大學修課，同時接受 UT Dallas的課程與轉學規劃協助。不過，參加資格、適用學院及最終錄取條件仍須依當年度規定確認。

UT Dallas轉學銜接計畫：
https://enroll.utdallas.edu/pathway-programs/

UT Dallas轉學生申請資訊：
https://enroll.utdallas.edu/transfer/

2.5. Rice University 南方哈佛大學?

就連私立名校 Rice University，也和 Lone Star College及 San Jacinto College合作推動 Take Flight Scholars Program。

這個計畫主要服務表現優秀的社區大學學生，為他們提供校園活動、研究經驗、學術指導及轉學準備。它最初較偏重 STEM領域，近年已逐步擴展到人文、社會科學和商業等方向。

Take Flight Scholars官方介紹：
https://takeflightscholars.rice.edu/

Rice與 Lone Star College也簽有課程銜接協議，讓符合規定的學生在轉入 Rice時，可以更順利地把部分核心 STEM課程計入學位。這比單純「接受轉學申請」更進一步，因為雙方已事先確認部分課程的對應方式。

不過，Take Flight的主要功能仍是培養、支持及協助轉學，不等於保證錄取 Rice。Rice的轉學名額有限，申請仍然具有高度競爭性。

寫在最後

有些計畫是正式雙重註冊，例如 Texas A&M Engineering Academies；有些是達到指定條件後取得錄取資格，例如 Texas A&M的 PTA；有些是由大學在招生時主動提供的替代入學方案；也有一些主要提供課程規劃、學術活動和轉學輔導，並不保證最後錄取。

不同學校、不同科系，甚至同一所大學裡不同學院的要求，都可能不一樣。尤其工程、商學、護理和電腦科學等熱門科系，通常會有額外門檻。

但是，如果學生的目標清楚，願意提前規劃課程、維持好成績，社區大學確實可能是一條成本較低、壓力較合理，而且更有彈性的名校路徑。

它不是「念不上名校才去的地方」，也不用被當成降級選擇。對某些學生而言，先在規模較小的環境適應美國的語言、教學方式與生活，再轉入大型研究型大學，反而比一開始硬闖名校更適合。

台灣學生很習慣相信只有一條筆直的道路：進最好的高中、考最高的分數，再直接進最好的大學。但美國教育制度有趣的地方，就在於它容許繞路、轉彎，甚至重新開始。

只要事先把學分、科系要求、轉學條件和國際學生的簽證規定弄清楚，繞一點路，有時反而能走得更遠，也更省錢。

如果有人對德州社區大學轉入 Texas A&M、UT Dallas、University of Houston或 Texas Tech，甚至挑戰 UT Austin與 Rice的路徑有興趣，真的可以開始認真研究，不要只盯著四年制大學的新生直申。

最後想問有沒有人想找我合夥，讓我正式開啟「留學顧問」副業？(大誤)

AI寫作輔助揭示

本文內容與個人經驗由作者提供，並使用生成式AI協助整理資料、潤飾文字及核對學校公開資訊；最終內容由作者審閱定稿。各校合作計畫及轉學條件可能隨時調整，申請前請以學校官方網站公布的最新資訊為準。

在面對投資人在退休規劃最難回答的問題，往往常常不是「要存多少錢才能退休？」，因為這取決「退休後每年究竟可以花多少」。可能我們花得太少的原因是犧牲了身體健康、行動自由度最高的年輕歲月；但若花得太多，又可能在晚年面臨資產耗盡、醫療與長照費用無力負擔的窘境。

Morningstar 在《The State of Retirement Income: 2025》中，透過一些資本市場假設的數據與蒙地卡羅模擬，重新檢視退休提領率、資產配置、社會安全金、抗通膨債券與年金的角色。報告最值得注意的結論是：在退休期為三十年、每年支出隨通膨調整，並要求資產有百分之九十機率不會耗盡的條件下，最高的起始安全提領率約為百分之三點九；如果退休者願意依市場表現彈性調整支出，起始提領率最高可以提高到百分之五點七。

但真正重要的並不是在百分之三點九和百分之五點七之間任意一個數字，應該是我們需要理解數字背後的交換條件。所謂安全提領率，不是適用於所有人的退休公式。它是建立在特定退休年限、投資報酬、通膨、資產配置、支出規則與成功率標準之上的規劃起點。退休者能否調整生活費、是否有穩定的非投資收入、是否重視遺產，以及能承受多大的市場波動，都會改變最適合的策略。

1. 安全提領率代表什麼呢？

Morningstar 這份報告中的基準情境：假設退休者在第一年提領投資組合的一定比例，往後則依通膨調高同一筆實質支出。若初始資產為一百萬美元，百分之三點九代表第一年提領三萬九千美元；假設通膨率為百分之二點四六，第二年提領金額約為三萬九千九百五十九美元（第一年金額乘上通膨率），第三年則約為四萬零九百四十二美元。這種方法追求的是類似薪水的穩定購買力，而不是每年從當時的資產餘額重新提領百分之三點九。

這份研究為各種股票與債券組合建立一千條可能的報酬路徑。如果某個提領率能讓至少九百條路徑在三十年後仍留下正數餘額，便被視為達到百分之九十成功率。但值得投資人注意的是，只要期末還剩一分錢，也算成功；模型並不要求退休者保留原始本金，也不代表每一條成功路徑都能留下可觀遺產。因此，「百分之九十成功」比較接近規劃上的風險容忍標準，而不是對未來的承諾。

2025 年的百分之三點九略高於前一年研究的百分之三點七，主要原因是股票與債券的預期報酬有所提高。Morningstar 估計，能支持最高基準提領率的投資組合持有約百分之三十至五十的股票，其餘配置於債券與現金。

下圖使用 YP-Finance 的退休蒙地卡羅工具，將 Morningstar（MS）研究中的資產配置轉換成實際 ETF 進行試算。

本次設定如下：

• VOO 36%：代表美國大型股

• IWM 12%：代表美國小型股

• VXUS 12%：代表非美國股票

• BNDW 40%：代表全球債券

• 初始退休資產：3,000 萬元

• 模擬期間：30 年

• 提領策略：固定比例提領（4% Rule）

• 年度管理費：0.05%

• 蒙地卡羅模擬：1,000 次

整體配置為 60%股票、40%債券。試算結果顯示，退休提領成功率為 96.3%，代表在模型假設下，約有 963 次能維持30年而未耗盡資產。

這個答案乍看之下相當保守：如果股票長期報酬通常高於債券，為何不是股票越多越好？關鍵就在退休初期的波動，以及「報酬順序風險」。

2. 退休最怕是壞報酬來得太早

在我們年輕工作累積資產期間，市場先跌後漲與先漲後跌，只要長期平均報酬相同，結果可能相近。但退休者必須持續提款，報酬出現的先後順序便會造成巨大差異。若退休前幾年市場下跌，退休者仍需賣出資產支付生活費，等於在低點永久減少持有部位；即使市場後來回升，能參與復甦的本金也已變少。

Morningstar 分析模擬中資產最終耗盡的案例，發現將近百分之七十的失敗路徑，在退休第五年結束時投資組合已低於起始價值。相反地，如果投資組合在最初五年仍有正報酬，之後於三十年內耗盡的機率約只有百分之四；甚至退休第一年出現獲利，也足以讓失敗風險減半。這說明退休初期是整個計畫最脆弱的階段。

債券在此扮演保護資產的避震器。雖然較高比例的固定收益配置雖可能降低長期財富成長，卻能減少初期大幅虧損與被迫低價賣股的機會。因此，百分之三十至五十股票的平衡型組合，在要求固定實質支出與百分之九十成功率時，反而支持最高的起始提領率。不過，這樣的保守不是沒有代價：股票比重較高的組合，三十年後通常擁有更高的資產餘額。換言之，最適合「穩定花錢」的配置，未必最適合「累積遺產」。

通膨也是同樣具有順序風險。在退休早期發生高通膨，會把往後每一年的支出基準永久推高。報告指出，2020 年底價值四萬美元的一籃子消費，到 2025 年九月底已需約四萬九千九百美元。通膨率即使回落，價格也通常不會回到原點。對主要依靠投資組合提款的人而言，退休初期的物價跳升會比晚年通膨更具破壞力。

2.1. 退休年限比「四％法則」更重要

安全提領率高度取決於資金需要維持多久。我們在報告中看到Morningstar 的基準是三十年，較適合在傳統退休年齡開始退休的人。

若是五十多歲便停止工作、需要支應四十年生活，在相同的固定實質支出與成功率條件下，最高起始提領率只有約百分之三點三。反之，預期支出期只剩二十年的人，可以合理提領超過百分之五；剩餘十五年者，則可接近百分之七。

這不是鼓勵退休者只需依平均壽命估算，也要提醒規劃者必須納入長壽風險、健康狀況與家庭壽命史。夫妻共同規劃時，更應以較長壽的一方為基準。退休年限估得過短，後果遠比估得過長嚴重。提早退休者尤其不能直接套用流行的四％法則，而應保留更大的安全邊際，或準備在市場不利時降低支出。

2.2. 願意彈性花錢，就能提高起始提領率

文中的基準方法之所以保守，主要是因為它假設退休者無論市場好壞，都要維持相同購買力。但現實中，大多數家庭並非完全沒有調整空間：市況差時可以延後旅行、換車或裝修；市場好時則增加休閒、贈與或慈善支出。動態提領正是利用這種彈性，在避免過早耗盡資產的同時，提高初期與終身可支配金額。

研究中指出最簡單的做法，是在投資組合出現年度虧損後，下一年暫停通膨調升(即維持前一年提領金額或減少)。這做法可使四十％股票、六十％債券組合的起始提領率由百分之三點九提高到約百分之四點三，且現金流波動仍相對有限。由於每次暫停調整都會永久降低未來的實質支出軌跡，看似溫和的規則，長期效果其實相當顯著。

另一種方法是依退休者真實支出型態，假設實質支出每年下降百分之二。歷史研究顯示，家庭支出往往隨年齡降低：從六十五歲到七十五歲下降約百分之十九，到八十五歲下降約百分之三十四，到九十五歲下降約百分之五十二。採用此模式時，起始提領率可提高到約百分之五，現金流也相對穩定。不過，這項假設未必適合醫療或長照費用可能大增的人，而且較低的晚年支出會使終身累計消費低於部分其他方法。

Guardrails 護欄法則在支出與安全之間提供較好的折衷。它先設定初始提領率，再觀察當年度提領額占剩餘資產的比例。如果市場大漲，使提領率降到初始水準以下百分之二十，退休者除了通膨調整外，再增加百分之十支出；若市場下跌，使提領率超過初始水準百分之二十，便把預定支出削減百分之十。在四十／六十組合中，Guardrails 的起始安全提領率約為百分之五點二。它無法提供固定薪水般的穩定度，卻能避免支出與資產價值長期脫節。

文中起始提領率最高的是「固定比例法」與「基金會法」，兩者均可達百分之五點七。固定比例法每年從最新資產餘額提領固定比例，並設定不低於初始支出的百分之九十作為底線；基金會法則以過去最多十年的平均資產價值為基礎，藉此平滑市場波動。兩種方法都能在資產下跌後自動降低提款，因此不易徹底耗盡資金，但退休者必須接受更明顯的收入變化。

整體而言，固定實質提領最穩定，也最可能留下高額資產；RMD 與機率護欄較能把資產轉化為生前消費，卻留下較少遺產；固定比例與基金會法提供最高起始金額，但支出波動較大。不存在全面勝出的策略，只有與退休者目標更匹配的策略。

3. 社會安全金(或台灣的勞退)讓動態策略更容易執行

投資組合提款只是退休收入的一部分。社會安全金、職業退休金、租金或年金若能覆蓋基本生活費，投資提款便可以承擔較多波動。

報告中以六十七歲每年領取社會福利金三萬六千美元為例；若延至七十歲請領，福利提高至四萬四千六百四十美元，相當於完全退休福利的百分之一百二十四。

延後請領的價值主要不是追求投資報酬，而是購買終身、隨通膨調整的收入。六十七歲請領者的累積福利利約在七十九歲超過六十二歲請領者；七十歲才請領相對六十七歲的損益平衡點則約為八十四歲。預期壽命較長、較高收入的配偶，延後請領尤其具有保障家庭晚年現金流的效果。若健康不佳或急需收入，提早請領仍可能是合理選擇。

但真正的難題在六十七至七十歲的空窗。若退休者繼續工作，能同時延後投資提款與社會安全金，通常得到最佳結果；若必須從投資組合支付全部生活費，雖然終身收入仍可能提高，三十年後的資產餘額卻會下降。

可行的方案包括建立三年期 TIPS 梯、在虧損後暫停通膨調整，或暫時降低支出。但退休最初幾年通常也是最想旅行與實現人生計畫的階段，為了晚年的統計優勢而大幅壓縮此時生活品質，不一定符合每個人的價值排序。

社會安全金也能改善 Guardrails 的使用體驗。報告案例中，退休者第一年從投資組合提領五萬二千美元，加上三萬六千美元社會安全金，總收入為八萬八千美元。假設投資組合大跌，護欄規則把下一年的投資提款削減百分之十，社會安全金仍會隨通膨增加，使家庭總收入僅下降約百分之三點五，而非完整的百分之十。穩定收入底層因此能把整體現金流波動約減半。

4. TIPS 與年金：一個防通膨，一個防長壽

截至 2025 年九月底，三十年期 TIPS 債券梯可支持約百分之四點五的通膨調整後提領，高於基準組合的百分之三點九(本文延伸重點)。

TIPS 由美國政府支持，若持有至到期，市場價格波動不會影響預定現金流。它能在三十年內提供高度確定、抵抗通膨的收入，但本質上是一個自我清算的投資組合：最後一支債券到期後，資產也隨之耗盡。它適合重視確定性的人，不適合需要超過三十年保障、希望保留彈性或留下遺產的人。

報告也提出在 TIPS 梯之外保留股票部位。以百分之十五股票搭配 TIPS 梯與社會安全金的情境，三十年終身支出約二百二十三萬美元，接近基準策略的二百二十五萬美元；三十年後資產餘額中位數約一百四十八萬美元，甚至略高於基準策略的一百四十二萬美元。不過，這仍仰賴股票長期成長，且 TIPS 梯一旦建立，日後改變支出安排的彈性有限。

4.1. 長壽風險

年金處理的則是另一種風險。TIPS 能抵抗通膨，但固定三十年後終止，無法保證活到一百歲仍有收入；終身年金把市場與長壽風險轉移給保險公司，只要退休者活著便持續付款。即期年金立刻開始給付，遞延年金則可能在十至二十年後才啟動，以較高給付保護高齡階段。

代價是本金被鎖定、流動性下降，早逝時可能無法取回資本；加入配偶保障、保證期間或通膨調整，又會降低初始給付。遞延年金還有等待期間的通膨侵蝕與保險公司信用風險。Morningstar 因此認為，年金可以用來覆蓋部分必要支出、簡化晚年財務管理，但較適合適量配置，但不應該是一次交出大部分可投資資產。

寫在最後

我們最不應使用這份報告的方式，是每年看到新版報告後，就把既有退休者的提款率改成最新數字。百分之三點九是當下新退休者的起始參考，不是所有人下一年度都該套用的比例。退休開始後，應延續原先選定的通膨調整、護欄或其他支出規則，再依實際資產、稅務與生活狀況定期檢視。

建立個人方案時，可先把支出分成必要與彈性兩層。住房、食物、醫療、保險等必要支出，最好由社會安全金、退休金、適量年金或低波動資產覆蓋；旅遊、贈與、換車與娛樂等彈性支出，再由動態提領供應。不能接受減少基本生活水準的人，應採較低起始率與穩定方法；有充足保證收入、願意依市場調整非必要支出的人，則可考慮 Guardrails 或其他動態策略。

若重視遺產，可以在退休開始時把遺產資產與生活資產分開。前者依繼承人的長期投資期間配置，後者專注於退休者自己的現金流需求。如此不必因模糊的「想留一點錢」而在一生中過度壓低支出。若主要目標是最大化生前體驗與贈與，則可以接受較低期末餘額，採用較具彈性的提領方式。

同時，這份報告並未完整考慮個人稅負、帳戶類型、醫療與長照費用。傳統退休帳戶提款通常需要繳納所得稅，若要取得相同的稅後生活費，實際提款可能高於模型數字。退休初期、尚未開始法定最低提領的低稅率期間，可能適合進行 Roth 轉換；醫療與長照則應另設準備金或保險，而不是假設一般生活支出必然隨年齡下降。

安全提領率的真正用途，絶對不是給退休生活一個看似精確的答案，而是讓我們知道每個選擇的代價。百分之三點九換來較高的穩定性與資產餘額；百分之五點七換來更高的初期生活水準，也要求日後有能力減支。

債券降低退休初期的順序風險，股票提高長期成長與遺產潛力；TIPS 鎖定通膨調整後的期限收入，年金則保障活得比預期更久；延後社會安全金能提高終身保障，卻可能需要用資產或工作收入度過空窗。好的退休計畫不追求單一最高數字，而是在穩定、彈性、消費、長壽與傳承之間，建立一套退休者真正願意長期執行的制度。

資料來源

Morningstar，《The State of Retirement Income: 2025》，2025 年 12 月 3 日。本文為研究內容之中文整理與說明，不構成個別投資、稅務或保險建議。

AI 寫作輔助聲明

本文使用人工智慧協助歸納重點及潤飾文字，相關數據與結論均以原始報告及 YP-Finance 試算結果為依據，並經作者確認。本文僅供退休規劃研究與資訊參考，不構成投資建議。

電子報讀者專屬會員優惠

我依照 CFA 協會的專業行為與道德準則，必須在文章中揭示：本文含有合作推廣內容，透過我的專屬連結與優惠碼訂閱服務，我將獲得部分推薦回饋（referral）。

目前YP指投網 (點擊連結前往YP指投網)會員分為兩種年度方案：

• Premium：適合想更系統化進行投資分析、建立觀察清單與回測能力的使用者
  原價 NT$2,388／年，使用折扣碼後 NT$2,030／年（約省 NT$358）

• Premium Plus：適合已進入退休或長期規劃階段，希望一站式完成完整規劃的人
  原價 NT$7,188／年，使用折扣碼後 NT$6,110／年（約省 NT$1,078）

🎁 電子報讀者可使用專屬折扣碼 【HAVING】
年度方案皆可享 85 折優惠

點擊圖片可至博客來網站購書連結

0. 引言：本書的使命

翻開《馬斯克寶典》，首先映入眼簾的就是這句話。一開始，我心裡想的是：「世界真的需要100萬個馬斯克嗎？」

但當我讀完整本書後，我發現作者他想傳達的不是要讓每個人都成為全球首富，也不是要每個人都去造火箭，而是希望能有更多人能學會像馬斯克一樣思考問題、面對困難，以及做出決策。

這本書與一般傳記最大的不同，在於它沒有花很多篇幅描述馬斯克的生平，而是由《納瓦爾寶典》作者艾瑞克．喬根森，整理了馬斯克多年來的訪談、演講、推文與公開談話，把散落各處的智慧濃縮成一套可以學習、實踐的思維工具。

閱讀的過程中，我一直有種感覺：這其實不是一本介紹馬斯克的書，而是一本教你如何像馬斯克一樣思考的書。

1.「做一個有用的人」，比成功更重要

書中有一句話深深地打動了我：

「我衡量人生是否成功的標準是：我能完成多少有用的事。」

我們從小到大，常被問的是：「考第幾名？薪水多少？職位多高？」很少有人問：「你今天為別人創造了多少價值？」

馬斯克提出了一個很有趣的概念，他用近似數學公式的方式思考人生：

幫助的人數 × 幫助的程度 = 你的總效用。

原來，真正值得追求的，不只是自己的成功，而是讓更多人因為你的存在而變得更好。這也讓我重新思考，不管是寫臉書文章、雙週好讀分享，或是在工作中完成一件小事，只要能對他人產生正面的影響，就是有價值的事。

或許我們不一定要改變世界，但可以先從改變身邊一個人的生活開始。

1.1 第一性原理是一種習慣

近年來，「第一性原理」幾乎成了熱門名詞，但真正讀完這本書後，我才比較理解它的核心。

第一性原理，不是追求與眾不同，而是當遇到問題時，不急著接受既有答案，而是回到最基本的事實。很多限制，其實不是現實，而是習慣。

書中提到，馬斯克會不斷追問：

• 這件事真的有必要嗎？

• 為什麼一定要這樣做？

• 有沒有更簡單的方法？

甚至在公司裡，他會要求每一個員工對每一個零件、每一道流程，都必須能說明存在的理由。如果回答不出來，就應該重新檢討。

說實話，我很喜歡這種思考方式。因為生活中，我們常常因為「一直都是這樣」而停止思考。但真正的突破，往往來自於願意重新提問。

1.2. 面對恐懼，仍然選擇前進

我想很多人都曾經聽過：「當一件事足夠重要，即使成功的機率很低，也值得去做。」

我們總是在等待準備好、等待時機成熟、等待更有把握，才願意開始。但人生很多重要的事情，本來就沒有百分之百的把握。如果只是因為害怕失敗而停留在原地，那麼最大的風險，其實就是永遠沒有開始。

這讓我想到，很多夢想不是因為太難而放棄，而是因為放棄了，所以永遠覺得它很難。

1.3. 不要追求榮耀，而是追求貢獻

讀完整本書後，我最喜歡的一句話是：

不要追求榮耀，而是追求貢獻。

這句話讓我想了很久。當我們開始把焦點放在榮耀與成就，就容易在意掌聲、名聲與結果；但如果把焦點放在貢獻，就會開始思考：「我還能做些什麼？」。這就會比較接近我的信仰，多為他人貢獻服務。

或許這就是馬斯克一路走來最大的不同。他思考的，不只是自己能得到什麼，而是自己能創造什麼。

2. 我會推薦這本書給……

如果你想了解：

✔ 如何建立第一性原理思維
✔ 如何做出困難的決策
✔ 如何面對失敗與不確定性
✔ 如何提升工作效率與執行力
✔ 如何讓自己的工作更有價值

那麼，《馬斯克寶典》會是一本值得反覆閱讀的工具書。我也特別推薦給創業者、主管、管理者、工程師，以及所有正在人生十字路口、希望突破現況的人。

它不是教你變成馬斯克，而是教你建立一套能陪伴自己一生的思考框架。

🎁《馬斯克寶典》抽書活動

感謝金尉出版社提供新書贈閱，這次將抽出 3 位幸運讀者，每人可獲得《馬斯克寶典》一本！

參加方式很簡單：
1️⃣ 按讚這篇貼文並Tag一位需要被激勵的小夥伴。
2️⃣ 留言分享：「你最近最想挑戰的一件事是什麼？」

📅 活動截止：CT 2026/08/09 23:59
🎉 公布得獎：CT 2026/08/12 09:00

願這本書，不只是讓我們認識馬斯克，更重要的是，學會在面對未知與挑戰時，培養獨立思考、勇於行動的能力。

正如書中所說：

「有用的一生，才值得活。」

願我們都能成為那個，持續創造價值、勇敢挑戰不可能的人。

0. 引言：七月市場回顧

2026 年七月，美股在創下歷史高點後進入高檔震盪整理。市場一方面消化第二季企業財報，另一方面重新評估聯準會（Fed）後續貨幣政策，使主要指數大多維持區間震盪，板塊輪動速度較六月明顯加快。若六月市場的關鍵字是「AI 投資循環帶動企業資本支出全面擴散（AI Investment Cycle + Corporate Investment Cycle）」，那麼七月則更像是：「高利率環境下的獲利驗證（Earnings Validation）與板塊輪動（Sector Rotation）」。

七月底 FOMC 會議如市場預期維持政策利率不變，但會後聲明仍偏向鷹派，聯準會持續強調通膨尚未完全回到目標水準，市場對下半年降息預期再度降溫。同時，美國第二季 GDP 與企業投資仍展現一定韌性，使市場逐漸形成「經濟未明顯降溫、利率仍將維持高檔較長時間（Higher for Longer）」的共識。高利率環境雖未改變市場多頭結構，但也限制了估值持續擴張的速度，使投資人開始更加重視企業基本面與實際獲利能力。

七月同時進入第二季財報季。經過一年多來大規模 AI 資本支出後，市場交易重心已由「企業投入多少 AI」逐步轉向「AI 是否開始創造獲利」。大型科技企業的財報與資本支出展望成為市場焦點，也使科技板塊內部出現明顯分化。企業 IT、伺服器、企業軟體及網路安全相關個股維持強勢，而部分前期漲幅較大的 AI 硬體與半導體設備股則進入整理，顯示市場開始重新評價 AI 投資的商業回報，而非單純追逐資本支出成長。

除了科技股之外，市場資金亦持續向其他板塊輪動。能源受惠於油價回升、煉油利差改善及地緣政治風險升溫重新受到資金青睞；醫療保健延續六月強勢，醫療服務、醫療設備及生技族群持續維持中長期動能；金融板塊則受惠於資本市場交易活絡與企業融資需求，維持穩健表現。相較之下，六月全面領漲的工業板塊開始由整體普漲轉向個股表現分化，反映市場追價意願已有所收斂。

從板塊配置觀察，資訊科技（XLK）仍是市場最重要的成長核心，但能源（XLE）、金融（XLF）與醫療保健（XLV）的相對強勢，使市場廣度維持穩定。非必需消費（XLY）則由住宅建築逐步轉向零售與消費電子相關企業，顯示市場仍預期美國內需具備一定韌性。相較之下，公用事業（XLU）與必需消費（XLP）雖提供防禦功能，但整體仍非資金配置主線。

市場焦點也已由六月的：

AI 是否能持續帶動企業投資與景氣循環？

逐步轉向：

在高利率環境下，企業能否將 AI 投資真正轉化為盈餘成長？以及企業獲利是否足以支撐目前市場偏高的估值水準？

0.1 宏觀環境與市場風險

七月市場雖然維持高檔，但市場結構已由六月的全面擴散，逐步轉向財報驗證與板塊輪動。在高利率環境仍未改變的情況下，市場風險主要可歸納為三條主線：

1️⃣ 聯準會維持高利率，市場重新調整降息預期

七月底 FOMC 維持政策利率不變，但聯準會仍強調通膨風險尚未完全消除，使市場對降息時點的預期再度延後。高利率環境代表企業融資成本仍維持高檔，也提高市場對企業獲利的要求。若未來通膨再度升溫或經濟維持強勁，市場對利率政策的重新定價仍可能增加股市波動。

2️⃣ 財報季成為市場主導因素，AI 開始接受獲利驗證

七月正式進入第二季財報季，市場交易重心由 AI 資本支出轉向企業盈餘表現。企業 IT、企業軟體與網路安全等 AI 應用層持續受惠，但市場開始更加重視 AI 是否真正帶來營收、利潤率與現金流改善。若企業未來無法持續證明 AI 投資效益，高估值成長股可能面臨估值修正。

3️⃣ 市場輪動加快，高動能交易仍相對集中

七月市場最大的變化，在於板塊輪動速度明顯快於六月。能源、金融、醫療及部分消費類股相繼接棒，使市場廣度維持穩定，但真正帶動市場表現的資金仍集中於少數高動能個股。若財報或總體經濟數據未能延續目前的樂觀預期，高動能族群仍可能出現較大的波動與獲利了結壓力。

1. 各板塊強勢股觀察

🔹資訊科技（Information Technology, XLK）

七月資訊科技板塊仍是市場最重要的成長主線，但領漲結構已出現變化。隨著第二季財報季展開，市場焦點逐漸由 AI 基礎建設轉向企業 IT、企業軟體與網路安全等應用層，反映投資人開始關注 AI 投資是否能持續轉化為企業獲利。短線資金輪動加快，但中長期動能仍維持市場領先。

• DELL：4W +26.92%、13W +93.01%、26W +255.59%

• DDOG：4W +25.73%、13W +91.63%、26W +107.44%

• CTSH：4W +17.93%

• FTNT：13W +88.89%、26W +99.23%

• HPE：13W +30.39%、26W +124.37%

重點觀察：

科技板塊仍維持市場核心地位，但資金已由 AI 硬體逐步擴散至企業 IT 與軟體應用。市場開始交易 AI 商業化帶來的獲利成長，而非僅聚焦於資本支出。

🔹通訊服務（Communication Services, XLC）

七月通訊服務板塊表現穩健，在市場高檔震盪期間展現較佳防禦性。大型平台股維持中長期趨勢，而電信服務與有線網路業者則受惠於穩定現金流，成為短線資金輪動的重要方向。

• T：4W +13.16%、13W +17.46%、26W +16.11%

• VZ：4W +12.48%、13W +18.72%、26W +21.38%

• CHTR：4W +11.62%、13W +29.07%、26W +32.38%

• GOOGL：26W +33.41%

• TTWO：26W +32.58%

重點觀察：

通訊服務仍受惠於數位經濟發展，但市場風格逐漸偏向具穩定現金流的企業，使電信服務表現優於部分高成長平台股。

🔹非必需消費（Consumer Discretionary, XLY）

七月非必需消費板塊維持良好動能，市場領導股由住宅建築逐步轉向零售、戶外用品及消費電子，反映美國內需仍具韌性，也顯示消費復甦題材持續受到市場青睞。

• GRMN：4W +20.26%、13W +27.58%、26W +37.35%

• BBY：4W +17.48%、13W +26.37%、26W +21.87%

• ROST：13W +34.44%、26W +39.94%

• WSM：13W +34.58%、26W +42.66%

重點觀察：

市場對消費前景仍維持樂觀，但資金配置已由房市循環逐步轉向零售與品牌消費，使板塊結構更加均衡。

🔹必需消費（Consumer Staples, XLP）

七月必需消費板塊維持穩定，整體表現雖不如成長股，但在市場震盪期間仍提供一定防禦功能。食品、飲料與零售龍頭持續累積中長期動能。

• MNST：13W +37.28%、26W +35.76%

• CASY：13W +22.46%、26W +45.28%

• KDP：26W +25.17%

• TGT：26W +41.54%

重點觀察：

防禦型板塊基本面依舊穩健，但市場資金仍偏向成長與循環產業，使必需消費持續扮演降低波動的配置角色。

🔹能源（Energy, XLE）

七月能源板塊重新回到市場焦點。油價回升、煉油利差改善及地緣政治風險，使煉油與能源基礎設施企業同步轉強，中長期動能明顯優於六月。

• MPC：4W +18.54%、13W +44.91%、26W +81.36%

• PSX：4W +16.83%、13W +36.85%、26W +68.47%

• VLO：13W +38.74%、26W +72.11%

• WMB：26W +36.82%

重點觀察：

能源重新受惠於企業獲利改善，而非單純油價上漲。市場開始重新配置能源類股，但整體仍屬景氣循環的受惠板塊，而非市場主線。

🔹金融（Financials, XLF）

七月金融板塊延續穩健表現，市場交易重點仍集中於資產管理、保險及金融服務企業，反映資本市場活動維持活絡，企業融資需求仍具支撐。

• WTW：4W +15.18%、13W +28.73%、26W +46.32%

• PRU：13W +33.14%、26W +41.65%

• CPAY：13W +31.58%、26W +39.41%

• STT：26W +36.22%

重點觀察：

金融板塊持續受惠於市場交易熱度與企業金融需求，在高利率環境下仍具相對穩定的獲利能力。

🔹醫療保健（Health Care, XLV）

七月醫療保健延續六月強勢，醫療設備、醫療服務及生技股同步維持良好動能，已成為市場最具代表性的非科技成長板塊之一。

• DVA：4W +18.46%、13W +35.72%、26W +109.35%

• HUM：13W +92.48%、26W +68.74%

• BAX：13W +42.16%、26W +55.38%

• DXCM：13W +40.63%、26W +52.91%

重點觀察：

醫療板塊已連續數月維持市場領先，顯示資金持續尋找 AI 之外具有基本面支撐的第二成長主線。

🔹工業（Industrials, XLI）

七月工業板塊維持中長期強勢，但由六月全面上攻轉為個股分化。市場開始聚焦具穩定獲利成長、自動化及基礎建設相關企業。

• AXON：4W +27.43%、13W +45.68%

• UAL：13W +56.81%、26W +74.92%

• PAYX：4W +14.28%、13W +26.51%

• FIX：26W +97.41%

• PWR：26W +61.88%

重點觀察：

工業仍受惠於企業投資循環，但市場資金已由航空與大型設備製造，逐步轉向具長期成長性的工業服務與基礎建設企業。

🔹原物料（Materials, XLB）

七月原物料板塊延續穩健表現，鋼鐵與包裝材料仍受惠於製造業及企業投資需求，但整體動能仍不及科技與工業。

• NUE：13W +45.96%、26W +49.84%

• STLD：13W +42.61%、26W +45.18%

• BALL：4W +12.41%、13W +24.87%

• SW：26W +27.93%

重點觀察：

原物料仍受惠於企業資本支出，但市場資金更偏好具較高盈餘成長性的工業與科技類股，使板塊表現相對穩健。

🔹房地產（Real Estate, XLRE）

七月房地產板塊仍以特殊用途與資料中心相關 REITs 表現最佳，AI 基礎設施需求持續支撐相關資產，醫療及旅宿型 REITs 亦維持良好趨勢。

• IRM：13W +42.83%、26W +71.54%

• HST：13W +36.57%、26W +44.68%

• DOC：13W +30.14%、26W +41.37%

重點觀察：

AI 帶動的資料中心需求仍是房地產板塊最重要的成長來源，使特殊用途 REITs 持續優於整體房地產市場。

🔹公用事業（Utilities, XLU）

七月公用事業板塊整體仍維持穩定，電力公司受惠於長期用電需求增加，但在市場風險偏好仍高的情況下，資金流入相對有限。

• D：4W +10.64%、13W +18.37%

• ETR：13W +18.84%、26W +31.26%

• PNW：13W +17.42%、26W +29.48%

重點觀察：

AI 長期帶動用電需求仍有利於公用事業，但七月市場資金仍優先配置科技、醫療、金融及能源等成長與循環板塊，使公用事業持續扮演防禦性配置角色。

1.1 板塊相關性結構（26週）

與六月相比，七月市場最大的變化並非新的主流板塊出現，而是在高檔震盪環境下，市場資金輪動速度明顯加快。AI 仍是市場長期成長主線，但在第二季財報季與聯準會維持高利率政策的背景下，資金開始更重視企業獲利能力與評價合理性，使板塊間的領導權出現輪替。

成長板塊：科技仍為核心，但領漲結構持續調整

XLK 與 XLC、XLY 仍維持高度正相關，顯示 AI、數位化及企業投資仍是市場最主要的成長驅動力。然而，相較於六月由半導體設備與 AI 基礎建設主導，七月市場逐步轉向企業 IT、企業軟體、網路安全及消費科技等 AI 應用層，反映市場開始交易 AI 商業化所帶來的企業獲利改善。

因此：

資訊科技、通訊服務與非必需消費仍構成市場最重要的成長板塊群，但資金配置已由硬體逐步延伸至應用層。

循環板塊：能源重新轉強，工業由全面領漲轉向個股分化

七月循環板塊內部出現明顯輪動。能源受惠於油價回升、煉油利差改善及企業獲利提升重新受到市場青睞；工業則延續企業投資循環，但由六月全面上攻逐步轉為個股表現分化；金融則持續受惠於資本市場交易活絡，維持穩健趨勢。

因此：

能源、金融與工業共同形成七月市場主要的循環配置方向，但市場已由全面擴散轉為選股導向。

醫療保健：持續扮演第二成長主線

XLV 與科技及金融板塊仍維持中度正相關，顯示醫療保健已逐漸由防禦型產業轉變為市場重要的成長配置。醫療設備、醫療服務及生技股持續維持中長期動能，也反映市場持續尋找 AI 之外具基本面支撐的成長機會。

防禦板塊：配置需求略有提升

受高利率及市場震盪影響，XLP 與 XLU 的相關性較六月略為改善，顯示部分資金開始提高防禦型配置。然而，整體資金仍以成長與循環板塊為主，防禦型產業尚未重新成為市場領導力量。

市場結構：由全面擴散轉向高檔輪動

七月最大的市場特徵，在於市場由六月的全面擴散，逐步轉為高檔震盪下的板塊輪動。資訊科技仍是市場核心，但能源、金融、醫療及部分消費板塊輪流接棒，使市場廣度維持穩定。在企業獲利與 AI 投資週期未明顯轉弱之前，多頭結構仍然完整，但市場風格已由追逐單一主線，轉向更加重視基本面與獲利品質的選股行情。

2. 動能策略 7 月記錄

2.1 執行流程（含盈餘動能篩選）

七月策略延續既有架構，持續採用「價格動能（Price Momentum）+ 盈餘動能（Earnings Momentum）」雙重篩選機制，透過價格趨勢與基本面同步驗證，降低短期題材股及跌深反彈個股對投組的干擾，使投組更聚焦於具備持續競爭力的產業領導股。

七月市場最大的特色，在於高檔震盪下的板塊快速輪動。策略並未因短期市場波動調整選股邏輯，而是持續依照固定規則，優先保留同時具備價格趨勢與盈餘改善的個股，以降低市場情緒對投組的影響。

1️⃣ 每月最後一個週五：

透過程式語言連接 Yahoo Finance API，自動擷取 S&P 500 成分股資料，計算：

• 4W（短期動能）

• 13W（中期動能）

• 26W（長期動能）

作為價格動能的核心依據。

2️⃣ 加入近二期盈餘動能（Earnings Momentum）：

同時擷取公司最近兩次盈餘公告 Surprise（L1、L2），僅保留：

• 最近二期盈餘 Surprise 皆為正，或

• 盈餘 Surprise 呈現改善趨勢之個股。

此步驟可排除僅受短期市場情緒推升、但缺乏基本面支撐的個股，使策略更聚焦於企業獲利持續改善的中長期趨勢。

3️⃣ 各 Sector 選出產業領導股（Sector Leaders）：

綜合評估：

• 4W

• 13W

• 26W

三個不同時間尺度的價格動能，並搭配盈餘動能篩選。

若個股僅因短線反彈而進入排行榜，但中長期趨勢不足，則不列為板塊主要觀察標的，以提升策略的一致性與穩定性。

4️⃣ 依 Sector ETF 權重配置資金：

依 XLK、XLF、XLI、XLV、XLE 等 S&P 500 Sector ETF 權重進行配置，使投組風險結構更貼近市場，而非過度集中於單一產業或熱門題材。

5️⃣ 固定再平衡機制：

• 隔週一依規則調整部位。

• 每月底重新檢視並再平衡投組。

全程不預測總經、利率或企業財報結果，僅依既定規則執行，以紀律性的方式追蹤市場資金流向與中長期趨勢。

2.2 績效比較

截至 2026/07/31：

📈 動能投組 YTD：9.53%

📈 Nasdaq 100 YTD：12.71%

2025/01/01～2026/07/31：

📈 動能投組累積報酬：50.83%

📈 Nasdaq 100 累積報酬：27.98%

2.3 風險提示

動能策略的核心優勢來自於紀律化執行，但策略績效同樣高度依賴規則的一致性。在市場快速輪動或高檔震盪期間，若因情緒干擾而偏離既定流程，容易使策略由系統化投資退化為追高殺低。因此，策略最大的風險並非模型本身，而是執行紀律是否能長期維持。

同時，本策略並不適合所有投資人，其主要風險包括：

1️⃣ 波動與回撤風險

動能策略通常承受較高波動，短期回撤幅度可能高於市值型 ETF 或多數因子策略，投資人需具備相對較高的風險承受能力。

2️⃣ 執行風險（Execution Risk）

策略高度依賴固定規則。任何延遲執行、主觀調整或選擇性操作，都可能導致實際績效與策略設計產生偏離。

3️⃣ 趨勢反轉風險

當市場風格快速切換或動能反轉時，策略可能出現較大波動。若未依規則進行再平衡或風險控管，可能放大短期損失。

4️⃣ 實務摩擦與模型限制

本示範未納入交易成本、滑價、流動性限制、稅務影響及資料即時性等實務因素，實際投資結果可能與示範績效存在差異。建議投資人於實際運用前，充分評估自身風險承受能力與交易成本。

AI 寫作輔助揭示

本篇部分內容使用 AI 協助進行文法潤飾與標點修正，並由作者進行資料核對、語氣調整與結構重組；所有分析、判斷與結論皆由作者獨立完成。AI 僅作為寫作輔助工具，不取代作者之專業判斷。

警語

本文內容僅供教育、研究與教學示範用途，不構成任何投資建議或投資招攬。金融市場具高度不確定性，任何策略與個股之表現，皆可能因市場波動、流動性、交易成本、稅務、資料延遲或模型假設限制而與示範結果不同。投資前請自行評估相關風險，必要時諮詢專業顧問；作者與平台對任何基於本文內容所進行之投資行為，概不負責。

這幾天，我看到一個自己很喜歡的粉專在討論選擇權相關議題。老實說，我已經很久沒有寫選擇權教學了。

原因很簡單，選擇權是一項需要相當專業知識才能操作的金融商品。雖然我本身持有期貨分析師證照（2016－3415100017），碩士論文研究的也是選擇權定價，但寫粉專這幾年來，我卻很少公開分享選擇權操作。

不是因為不了解，而是因為我看過太多人因為期貨選擇權交易而經歷巨大的獲利或虧損，甚至影響人生。因此，即使我自己仍然會操作，我始終認為，在沒有建立完整觀念之前，不應只看到報酬，而忽略背後的風險。

這次之所以想寫，是因為我喜歡的粉專版主分享了一個高槓桿的選擇權操作方式，卻因此遭到部分網友的人身攻擊。我認為，分享本身是一件好事。任何人分享知識，都可能有對、有錯；有錯的地方，透過理性的指正、討論與交流，大家都能一起進步。

可惜的是，現在網路上常常出現另一種現象：有些人把自己當成全知全能，也有人過度神化某些成功人士，認為只要在某個領域有所成就，就代表所有事情都不會犯錯；反之，也有人因為懂了一點知識，就肆無忌憚地批評甚至攻擊別人。

然而，我觀察許多真正長期成功的人，反而都保持謙遜、願意學習，也樂於接受不同的意見。因此，我一直不喜歡人身攻擊，也認為公共討論應該回到事情本身，而不是針對個人。

至於這位版主分享的內容，我認為其中有一些觀念確實值得再討論，也有部分地方可以修正。因此，我希望藉著這個系列，用比較完整、循序漸進的方式，介紹選擇權的基本概念，而不是評論某一篇文章對或錯。

首先，就讓我們從最基本、也是所有選擇權策略的基礎——選擇權四式開始認識。

1. 選擇權四式：先了解，再談策略

選擇權所有策略，都是由最基本的四種部位所組成，也就是俗稱的「選擇權四式」。而要了解這四式，最基本的功就是畫出payoff。

① Long Call（買進買權） 📈
看漲策略。支付權利金取得未來以固定價格買進標的的權利。最大損失為權利金，若行情大漲，獲利理論上沒有上限。

② Short Call（賣出買權） 📉
看不漲策略。收取權利金，但必須承擔履約義務。獲利僅限於收到的權利金，但若標的大幅上漲，虧損理論上沒有上限。

③ Long Put（買進賣權） 📉
看跌策略。支付權利金取得未來以固定價格賣出標的的權利。最大損失同樣為權利金，當行情大跌時可獲利，也常被用來作為股票避險工具。

④ Short Put（賣出賣權） 📈
看不跌策略。收取權利金，但若標的大幅下跌，必須依履約價買進標的，因此可能承受相當大的損失。

如果要我給初學者一個建議，我最不鼓勵的就是裸賣（Naked Short）Call 或 Put。

原因很簡單，賣方的收益有限，風險卻可能非常大。很多人看到的是「勝率高、穩定收權利金」，卻忽略了一次極端行情，就可能把之前累積的獲利全部吐回去，甚至承受遠超過本金的損失。

如果真的要操作賣方策略，我認為至少應該搭配完整的風險控管，例如備兌（Covered）、價差（Spread）策略，或有足夠的資金與避險規劃，而不是單純追求權利金收入。

選擇權本身沒有好壞，它只是工具；真正決定結果的，是操作者是否了解它的風險，以及是否有能力管理風險。

2. Tesla Case

來看一下該版主說的例子買進 30 張 TSLA 302.5 Put（買進賣權）

關鍵資訊是：

• 履約價：$302.50

• 買進成本：$0.29

• 數量：30 張

• 每張乘數：100

• 總投入：0.29×100×30=$870

• 損益兩平約為：302.5−0.29=$302.21

因此，到期損益是：

其中 ST是 TSLA 到期股價。該交易者以 870 美元買進 30 張當日到期的 TSLA 賣權，權利金由 0.29 美元漲至 0.74 美元，部位市值約變成原本的 2.55 倍，帳面獲利約 1,350 美元。

2.1 如何計算選檡權槓桿

槓桿倍數（Leverage）

是描述「用多少資金控制多少部位」。常見的概念是：

但對選擇權而言，因為投入的是權利金，所以很多人會用：

（概念上，實際還要依契約乘數計算。我想該版主應該是用了後面這個名目槓桿309/0.29 約1,000倍左右）

2.2 實際上選擇權槓桿難以計算

選擇權定價本身是非常複雜的，影響因素包括：到期日（時間價值）、波動度、無風險利率、標的價格（此例為TSLA)。所以我們通常會使用有效槓桿（Effective Leverage）來衡量選擇權的槓桿倍數

通常定義為

例如，本例中

Tesla =309

Option　Price =0.29

假設當時價外的Delta=0.03

則effective leverage = 0.03×309÷0.29≈32 倍

這才是真正描述股價變動 1%，Option 大約會變動多少%。

但問題來了，Option 的Delta 價會隨著價內外或價平而不斷地增加或減少。也就是說選擇權的槓桿不只是高槓桿，還變動極大。例如說：到了損益兩平點時的Delta 約-0.5 那此時的有效槓桿會變成約500倍。

寫在最後

有修養的心智，能夠理解一個觀點，而不必急著接受它。

Aristotle（亞里斯多德）

AI寫作輔助揭示

本文撰寫過程中使用 AI 作為輔助工具，協助潤飾文字與檢查內容；文章之觀點、案例及結論均由本人獨立判斷並負責。

點擊圖片可至博客來購書連結

0. 引言

《好好退休》這本書作者 Christine Benz 是美國晨星（Morningstar）個人理財與退休規劃部門總監，同時也是《The Long View》Podcast 主持人，她長期研究退休規劃與個人理財。

這本書不同於一般退休理財書只聚焦於投資或退休金，本書邀請了 20 位退休規劃、投資、心理、健康與人生設計領域的專家(同指數致富由專家意見集結而成)，書中每一章聚焦了一個重要主題，從退休收入、投資配置、醫療規劃，到人生意義、人際關係、善終與無憾人生，讓退休不只是「財務自由」，是根本上的「人生自由」。

因此，我個人認為這本書最大的特色不是提供單一的標準答案，而是讓不同專家的觀點彼此互補，幫助讀者建立屬於自己的退休藍圖。

2. 退休是一種全方面的生活心態

閱讀這本書時，我最大的共鳴不是投資，而是作者群一直強調的一件事：

退休，不應該是停止工作，應該是開始擁有選擇生活的自由。

很多人把退休理解成「不用上班」，但真正的退休，其實代表你可以把時間留給真正重要的人事物。回頭看看自己的生活，我深深有這樣的感受。

這幾年間，我個人從金融業轉換到大學擔任教育工作者後，我的生活節奏明顯有了很大的改變。每週實際授課約 12 小時，加上寒暑假、相對完善的福利制度，以及穩健的退休金流制度，讓我比過去擁有更多自主安排時間的空間。

這不是代表我不用在為＂金錢＂而努力，而是讓我開始思考：

如果人生有更多時間，我比較願意把它花在哪裡？

以下是我的答案：

• 能有更多時間陪伴父母與家人。

• 持續經營粉絲專頁，分享閱讀與理財知識。

• 安排旅行，體驗不同的人生風景。

• 閱讀、寫作，持續累積自己的知識資本。

也因為這樣，我更能理解作者所說：

退休真正需要規劃的，不單單只是做資產的配置，也是生活選擇的配直。

１. 本書最值得閱讀的幾個觀點

① 退休是人生第二曲線

退休最大的改變，不是收入停止，而是角色上的改變。人不可能沒有生活重心。如果沒有新的生活重心，即使財富充足，也可能失去生活的動力。

而我們的生活重心，往往來自於自己所扮演的角色。我們可以是陪伴孩子成長的父母、關心父母的子女、一起探索世界的伴侶，也可以是願意分享知識的老師、持續學習的學生，或投入公益的志工。

退休，也許只是職涯上的休息，卻不是人生的休止符。我們每個人都在不同的位置上，扮演著不同的角色，也因為這些角色，讓我們知道自己是被需要的，也有能力去需要別人。

我想，真正的退休，不是失去一個工作，而是重新找到自己在人生中的位置。

② 財務只是退休的基本門票

退休規劃當然需要我們考慮退休金、現金流與投資配置，這些都是讓生活安穩的重要基礎。

但我認為，真正影響退休品質的，不單單只是我們擁有多少資源，還包括我們準備如何運用這些資源。金錢可以帶來選擇，但最後仍要由我們決定，要把時間留給誰、把心力放在哪裡，以及想過什麼樣的生活。

退休的目的，不只是確保自己不缺錢，而是讓我們有能力按照自己的步調，創造真正想要的人生。

③ 健康比投資報酬率更重要

作者也不斷提醒我們，退休後真正決定生活品質的是我們是否擁有一副能夠享受生活的身體。

如果沒有健康，再多的財富也只是數字；想去旅行卻走不動，想陪伴家人卻沒有體力，再好的退休規劃都會留下遺憾。

因此，退休準備不只是投資理財，更包括運動習慣、健康管理、醫療規劃，以及照顧自己的心理狀態。畢竟，健康不是退休後才開始準備，而是退休前每天累積的成果。

④ 人際關係是退休幸福的重要來源

離開職場後，失去的可能不只是工作，也包括原本每天見面、聊天和互相支持的同事。所以，退休後仍然需要用心經營家人、朋友與自己的社群。主動聯絡、安排見面、參與有興趣的活動，都是讓生活繼續保持連結的方法。

我想，幸福感是身邊是否還有幾個願意分享生活、彼此關心，也能一起走下去的人。

⑤ 人生最後真正留下的是沒有遺憾

本書最後幾章談到善終、遺產規劃，以及如何活出沒有遺憾的人生。閱讀到這裡，我反而覺得，作者真正想談的不是生命的終點，而是提醒我們，如何把每一天過得更有意義。

我們常常把退休規劃和退休金畫上等號，但退休真正要規劃的，是未來想過什麼樣的生活、想陪伴哪些人，以及想留下什麼樣的人生。

寫在最後

如果你期待的是一本教你「退休要存多少錢」的書，那《好好退休》可能會讓你意外。《好好退休》這本書最大的價值，在於提醒我們：

退休不是人生的句點，而是另一段人生的開始。真正需要準備的不只是財富，而是健康、家庭、人際關係、心理韌性，以及持續探索人生的熱情。

當這些都準備好了，退休就不只是「停止工作」，而是開始過自己真正想過的人生。

誌謝

感謝 遠流出版 提供閱讀機會。《好好退休》談的不只是退休金，而是如何打造一個充實、自在且有意義的人生。如果你也正在思考退休，或想提前規劃未來，我相信這本書會帶來不少啟發。

這篇文章，是我將台科大課程中12個課堂問題濃縮成6個最具代表性的情境。建議讀者們先完成所有問題，再往下閱讀分析。也許，你會發現自己的投資決策，比想像中更容易受到風險、損失與「確定性」的影響。

課堂上，我沒有先講理論，也不會先介紹任何公式，而是請學生先憑直覺回答每一道題目。沒有標準答案，也不需要計算，只要選出你真正會做的決定。

最有趣的時刻，是公布答案讓大家發現：原來自己以為很理性的選擇，其實受到心理偏誤深深影響。

1. 問題背後的行為模式

這六個問題是我從課堂上用來討論 Prospect Theory（展望理論） 的十二個決策情境中，挑選出的六個代表性案例。它們涵蓋了獲利、虧損、投資配置、企業決策與風險選擇等不同情境，但核心都圍繞著同一個問題：人在面對風險與不確定性時，究竟是如何做決策的？

請先不要急著計算期望值，也不要試圖找出「正確答案」。每一題都沒有標準答案，你只需要依照自己的直覺，選出最願意接受的方案。

建議你先完成全部六個問題，再繼續閱讀後面的分析。或許你會發現，自己的選擇與傳統經濟學所假設的「理性人」並不完全一致；而這些看似不理性的決策，其實正是行為經濟學與行為財務學試圖解釋的人性。

1.1. 你偏好確定的收益嗎？

大多數人會選擇 方案 B，即使方案 A 的期望報酬其實略高。原因在於，人們對「100% 確定」有特殊偏好，這種現象稱為 確定性效果（Certainty Effect）。

傳統經濟學認為，人應該依照期望值做決策；然而現實中，當收益變成「一定會得到」時，它的心理價值往往被放大，因此人們願意放棄較高的期望報酬，換取一份確定感。

這也是為什麼許多投資人偏好定存、高股息 ETF 或保本商品，即使長期報酬未必最高。

1.2. 如果 100% 消失了呢？

第2題最有趣的地方，在於兩個方案都不再是「保證獲利」。

許多人在第一題選擇了穩定的方案 B，但到了第二題，卻開始偏向報酬較高的方案 A。明明兩題只是把相同的機率一起降低，偏好卻完全改變。

這正是著名的 Allais Paradox（阿萊悖論），也是展望理論誕生的重要契機。它說明了，人們在意的並不是機率本身，而是「是否確定」。

1.3. 市場崩跌時，你會怎麼做？

到了虧損情境，人們的行為往往完全反轉。

多數人在這一題會選擇方案 A，希望用承擔更大的風險，換取 20% 完全不虧損的機會，而不願接受方案 B 的確定損失。

這反映了 損失趨避（Loss Aversion）。面對獲利時，人們偏好確定；面對虧損時，人們反而願意冒險，希望「把虧損贏回來」。

這也是股市中常見的「套牢不賣」現象。

1.4. 相同期望值，你會選穩定還是波動？

兩個方案的期望值相同，但多數人仍偏好保證可以拿到的方案。

這表示，人們追求的不只是更高的平均報酬，而是較低的不確定性。對許多人而言，「穩穩地拿到」帶來的心理滿足，大於追求更高但有風險的收益。

因此，投資組合的選擇，往往反映的是心理偏好，而不只是數學計算。

1.5. 你如何配置投資組合？

這題把決策情境放到投資市場。

雖然兩個投資策略的期望報酬相近，但一個有波動、一個穩定。你的選擇，其實反映了自己對波動的容忍程度，而不是單純追求最高報酬。

現實中，投資人真正害怕的往往不是報酬率，而是帳面價值每天上下起伏所帶來的心理壓力。

1.6. 大型投資案

最後一題，把展望理論放到企業決策。

面對重大投資案，管理者除了考量期望報酬，也會受到成功機率、失敗風險與可能損失的影響。這也是為什麼相同財務評估下，不同企業可能做出完全不同的決策。

展望理論提醒我們，企業決策者和一般投資人一樣，都不是完全理性的。他們的判斷，同樣會受到風險知覺、損失厭惡與心理偏誤的影響。

2. 展望理論的三個核心概念

為什麼我們在前面的六個問題中，面對看似相似的選擇，卻會做出截然不同的決策？Kahneman 與 Tversky 認為，人們並不是依照數學上的期望值思考，而是受到三個心理機制的影響。

2.1. 參考點（Reference Point）

論文當中說明人們並不是根據「最終擁有多少財富」來判斷結果，而是以當下某個參考點作為比較基準，例如買進股票的成本、去年的薪資，或市場對自己的期待。

因此，同樣賺了 10%，如果原本預期可以賺 20%，仍可能感到失望；反之，即使帳面仍是虧損，只要比昨天少虧一點，也可能覺得自己正在改善。

投資人的情緒，往往來自於與參考點的比較，而不是最終的絕對報酬。

2.2. 損失趨避（Loss Aversion）

展望理論最重要的發現之一，就是損失帶來的痛苦，遠大於同等獲利帶來的快樂。

研究顯示，失去 100 元所帶來的不舒服，大約需要賺到 200 元才能彌補。因此，投資人通常會急著實現獲利，卻不願意認賠賣出虧損的股票，希望有一天能回本。這也是股市中常見的「抱牢虧損股、提早賣出獲利股」現象。

2.3. 機率權重（Probability Weighting）

人們對機率的感受，也與實際機率不同。我們往往高估小機率事件，例如中樂透、創投成功或 AI 公司股價暴漲；同時又高估接近 100% 的確定性，因此偏好保本商品、定存或保證收益。

也就是說，我們並不是依照客觀機率做決策，而是依照自己「感受到的機率」來選擇。

寫在最後　

這三個心理機制共同構成了展望理論，也解釋了為什麼投資人經常偏離傳統經濟學所假設的「理性人」。理解它們，不只是理解一個理論，更是理解金融市場中許多看似不合理、卻會一再重演的投資行為，特別是那些虧損的故事，往往都長得驚人地相似。

市場每一次泡沫、每一次恐慌，背後都有不同的事件與不同的主角，但投資人的心理卻幾乎沒有改變。價格會波動，產業會更替，科技會進步，然而驅動決策的人性始終如一。

這也是為什麼，研究展望理論，不只是為了了解人們如何做決策，更是為了避免在下一次市場劇烈波動時，重蹈無數投資人曾經犯過的錯誤。

AI 使用說明

本文由作者撰寫，並使用 AI 協助潤飾文字、整理架構與生成部分示意圖片；內容觀點、案例設計與最終編輯均由作者完成。

點擊圖片可至博客來購書連結

#K12Financialliteracy
我們大家都知道「理財要從小開始，不要輸在起跑點。」這句話大家都聽過，但真正該教孩子的是什麼？

身為財金領域的研究及教育工作者，我個人一直認為是為其建立正確的金錢觀：知道錢從哪裡來、如何做選擇、為什麼要儲蓄，並且理解投資其實是一場長期累積，而不是一夕致富的遊戲，這些能力都比背誦任何投資名詞來得重要。

而很多家長都不會知道如何用簡單易懂的方式來教會孩子理解投資，而野人文化出版的《黃金獅的金錢大冒險》一系列，我覺得它是一套很適合作為孩子財商啟蒙的漫畫。

第一集《我在異世界的錢錢升級任務》，把金錢、消費、選擇等概念融入劇情，讓孩子在看漫畫的過程中（因為孩子也看不了長文），自然理解金錢並不是萬能，而是需要透過努力、規劃與思考來運用，讓孩子跟著書中角色一起經歷挑戰，慢慢建立對金錢的正確認識。

讓我較有共鳴的是第二集《黃金樹長高計畫》。其中甚至提到近年許多成年人都很熟悉的 ETF。很多人可能會想：「孩子有需要這麼早接觸投資嗎？」但我反而認為，只要是用適合孩子理解的方式，越早建立正確觀念越好。

書中透過故事讓他們理解：投資不是賭博，也不是運氣，是一種需要耐心、紀律與長期累積的過程。就像書中的黃金樹不可能一夜長成大樹，每一次的努力與累積，都會慢慢成為未來的養分。

這樣的理念，其實也正是我平常分享投資時最希望傳達的觀念。不論是 ETF、指數化投資，或是長期資產配置，重要的是讓孩子建立良好的習慣、持續投入，讓時間發揮複利的力量。對孩子而言，他們現在當然還不需要學會分析市場，但如果能提早理解「延後享樂」、「長期規劃」以及「風險與報酬並存」等概念，未來面對金錢時就更容易做出理性的選擇。

我也很喜歡這系列書採用漫畫故事的形式。比起直接閱讀理財知識，更容易投入角色的冒險旅程，也更容易和爸爸媽媽一起討論故事中的各種選擇。閱讀之後，不妨問孩子：「如果是你，你會怎麼使用這筆錢？」「為什麼想要存錢？」「投資和存錢有什麼不同？」這些生活中的對話，往往就是最好的財商教育。

如果希望孩子從小建立健康的金錢觀，而不是等長大才開始摸索，《黃金獅的金錢大冒險》系列是第一集帶孩子認識金錢，第二集則進一步認識投資與長期累積的重要，相信不論是親子共讀，或是孩子自己閱讀，都能有所收穫。

系列第三集也將於 7 月 29 日 上市，讓人很期待主角黃金獅接下來又會遇到哪些挑戰，以及還會帶出哪些有趣的財商觀念。對想陪孩子一起學習金錢教育的家長來說，這套書值得放入口袋書單，一起透過故事，培養受用一生的理財素養。

近二十年來，主動投資（active investing）與被動投資（passive investing）之爭，一直是資產管理領域最重要的議題之一。其中，S&P Dow Jones Indices 發布的 SPIVA（S&P Indices Versus Active）Scorecard 已成為全球評估主動式基金績效最具代表性的研究之一。SPIVA 以一致的資料處理流程、明確的基金分類及嚴謹的方法論，比較主動式基金與相對應市場指數（benchmark index）的績效，並納入存活者偏誤（survivorship bias）、基金風格一致性及基金合併等因素，因此被廣泛引用於學術研究與投資實務。

SPIVA 的研究結果長期支持一項重要結論：多數主動式基金在長期投資期間無法持續擊敗其比較基準。以最新的 SPIVA Asia Ex-Japan Scorecard 為例，多數亞洲市場的主動式基金在一年、三年及五年期間均有超過半數落後於其比較指數，而落後比例通常隨投資期間延長而提高。

然而，臺灣市場卻呈現相對特殊的現象。根據 SPIVA Asia Ex-Japan Year-End 2025 的結果，臺灣大型股票型基金約有 48% 未能擊敗其比較基準，表示仍有超過一半基金在當年度取得超額績效；中小型股票基金的表現更為突出，在 83 檔基金中僅有 3 檔落後比較基準，顯示大部分基金均優於對應市場指數。此結果與許多成熟市場「多數基金落後指數」的結論形成鮮明對比，也反映臺灣市場具有不同於其他市場的結構特性。

然而，本文認為，SPIVA 所採用的比較基準仍存在一項值得重新思考的問題。SPIVA 係以市場指數作為基金績效比較基準，例如臺灣大型股票基金係與 S&P Taiwan BMI 比較，中小型股票基金則與 S&P Taiwan MidSmallCap Index 比較。雖然市場指數具有良好的代表性，但市場指數本身並非一般投資人可以直接持有或交易的投資工具。

對多數投資人而言，真正可以買賣的是追蹤市場指數的 ETF，例如元大台灣50（0050）或元大中型100（0051），而非抽象的市場指數本身。因此，若研究目的在於回答「主動投資是否值得？」或「投資人是否應選擇主動式基金而非被動投資？」時，以可投資（investable）的 ETF 作為比較基準，可能更貼近投資人的實際決策情境。

基於上述考量，本文延續 SPIVA 的核心精神，但將比較基準由市場指數調整為市場上實際可交易的 ETF。其中，大型股票型開放式基金及主動式 ETF 均以元大台灣50（0050）作為比較基準，中小型股票型開放式基金則以元大中型100（0051）作為比較基準。透過比較基金與可投資 Benchmark ETF 的超額報酬及勝率，本文希望重新檢視臺灣主動投資工具是否真正為投資人創造價值，並進一步比較此結果與 SPIVA 研究的異同。

1.整理結果

1.1. 各類型基金絕對報酬之描述統計

表1呈現大型股票型開放式基金、主動式ETF及中小型股票型開放式基金之絕對報酬描述統計，包括平均數、中位數、最大值及最小值，以了解各類基金於不同投資期間及年度之績效分布情形。

首先，大型股票型開放式基金（Panel A）於短期績效波動較大，近1個月平均報酬為 -1.18%，但近6個月及近1年平均報酬分別達 38.23% 與 78.37%，反映研究期間台灣股市受AI及半導體產業帶動而大幅上漲。值得注意的是，近1年最大報酬高達 245.33%，遠高於平均數，顯示基金績效呈現明顯右偏（right-skewed）分布，少數績效極佳之基金拉高整體平均報酬。相較之下，中位數（90.34%）亦高於平均數，代表多數基金於此期間均獲得相當可觀之報酬。

主動式ETF（Panel B）樣本數雖僅20檔，且成立時間普遍較短，因此僅能觀察近1年內之績效。結果顯示，其近1年平均報酬達 124.34%，高於大型股票型基金同期平均報酬，近6個月平均報酬亦達 67.95%。然而，最大值與最小值分別為 174.21% 及 71.57%，表示樣本間仍存在一定差異，且由於有效樣本數較少，相關統計結果仍須審慎解讀。

中小型股票型開放式基金（Panel C）則呈現另一種績效特性。近1個月平均報酬為 -1.87%，近6個月及近1年平均報酬分別為 43.90% 與 94.71%，均高於大型股票型基金；其中近1年最高報酬更達 249.80%，顯示部分中小型基金於本波行情中創造極高報酬。然而，其最低報酬亦達 -64.13%，遠低於大型股票型基金，顯示中小型基金績效離散程度較高，投資風險亦相對較大。

若觀察年度績效，各類基金均呈現一致之市場循環。2021年及2023年為整體績效最佳年度，其中大型基金平均報酬分別為 33.03% 與 44.50%；中小型基金則分別達 45.69% 與 48.14%。相反地，2022年受全球升息循環及科技股修正影響，各類基金皆出現明顯負報酬，大型基金平均下跌 27.51%，中小型基金平均跌幅更達 29.73%，顯示中小型股票對市場景氣循環之敏感度較高。

整體而言，表1顯示不同基金類型皆能享受到近年台灣股市多頭行情，但各類基金之績效分布存在明顯差異。大型股票型基金報酬相對穩定，而中小型股票型基金具有較高的平均報酬與較大的績效離散程度；主動式ETF則因成立時間較短且樣本有限，雖展現優異短期績效，但仍需透過後續超額報酬分析（Table 3）進一步檢驗其是否真正優於可投資之Benchmark ETF。

1.2 Benchmark ETF

表2列示本文採用之 Benchmark ETF 報酬統計。考量本文目的在於評估主動式基金相對於市場上實際可投資（investable）被動投資工具之績效，因此選擇臺灣市場規模最大且最具代表性的市值型ETF作為比較基準。其中，大型股票型開放式基金及主動式ETF均以元大台灣50（0050）作為 Benchmark；中小型股票型開放式基金則以元大中型100（0051）作為 Benchmark。

由表2可知，截至2026年7月9日，0050 ETF近一年報酬率為118.82%，近三年及近五年年化報酬率分別為52.82%及28.61%；0051 ETF近一年報酬率為98.04%，近三年及近五年年化報酬率分別為33.46%及24.08%。兩檔ETF於不同年度亦呈現明顯差異，例如2023年0051 ETF報酬率高於0050 ETF，而2024年則以0050 ETF表現較佳，反映不同市值風格在不同市場環境下具有不同的績效表現。

由於本文採用ETF而非市場指數作為比較基準，後續將以基金報酬扣除相對應 Benchmark ETF 報酬，計算各類基金之超額報酬（Excess Return）及勝率（Outperformance Rate），以評估主動式投資工具是否能持續優於投資人實際可取得之被動投資選擇。

1.3 各類ETF相對報酬

表3進一步比較各類型基金相對於可投資 Benchmark ETF（大型股票型基金及主動式ETF以0050 ETF為基準；中小型股票型基金以0051 ETF為基準）之超額報酬（Excess Return），並統計平均超額報酬、中位數、最大值、最小值及勝率，以評估主動管理是否能創造超越被動投資之績效。

整體而言，大型股票型開放式基金（Panel A）於大部分投資期間之平均超額報酬均為負值。近1個月、近3個月、近6個月及近1年平均超額報酬分別為 -3.14%、-16.63%、-15.05% 及 -40.44%，顯示平均而言，大型股票型基金未能超越0050 ETF。即使拉長至近3年及近5年年化報酬，平均超額報酬仍分別為 -22.04% 與 -9.90%，表示長期績效亦未優於Benchmark。勝率亦支持相同結論，近1年至近5年間僅約 23%至43% 的基金能擊敗0050 ETF，多數基金仍落後於被動投資。

然而，大型基金之績效分布呈現高度右偏。以近1年為例，雖然平均超額報酬為 -40.44%，但最大超額報酬仍高達 126.52%，代表少數基金仍可大幅超越Benchmark，而最小超額報酬則低達 -172.92%，顯示基金間績效差異極大。因此，平均值雖呈現整體落後，但仍存在少數具有顯著選股能力之基金。

主動式 ETF（Panel B）則呈現與大型股票型基金不同的結果。近1個月平均超額報酬為 -4.41%，惟近3個月、近6個月及近1年分別為 -2.24%、14.67% 及 5.52%。其中近6個月及近1年仍維持正向超額報酬，勝率分別達 88.89% 與 60.00%，顯示多數主動式 ETF 在此兩個期間優於0050 ETF；然而近3個月平均超額報酬仍略低於 Benchmark，勝率亦僅 35.71%，反映其短期績效並非持續優勢。由於本研究納入之主動式 ETF 樣本數僅20檔，且成立時間普遍較短，因此相關結果仍可能受到市場環境及樣本期間影響，尚不足以推論其具有穩定之長期超額績效。

中小型股票型基金（Panel C）之結果則介於上述兩者之間。短期而言，近1個月、近3個月、近6個月及近1年平均超額報酬均為負值，分別為 -3.88%、-11.84%、-7.17% 及 -3.34%，表示平均而言仍略低於0051 ETF。然而，中位數於近6個月、近1年及近3年年化報酬皆轉為正值，且勝率亦超過 50%，顯示基金表現並非全面落後，而是受到少數績效較差基金拖累平均值。此外，2024年及2025年平均超額報酬分別達 14.89% 與 21.01%，勝率更高達 91.36% 與 90.12%，顯示近期中小型股票基金於AI供應鏈及中小型成長股行情中，相對0051 ETF具有較佳之主動管理績效。

綜合而言，Table 3 顯示，不同基金類型之超額報酬存在顯著差異。大型股票型基金整體較難持續擊敗0050 ETF，其結果與SPIVA長期指出主動基金多數無法戰勝Benchmark之結論一致。然而，主動式ETF及部分中小型股票基金於近年市場環境下展現較佳之超額報酬與較高勝率，顯示在台灣市場，主動管理並非全面失效，而其績效可能受到市場結構、產業集中度及樣本期間等因素影響。此結果也支持本文採用可投資ETF作為Benchmark的必要性：相較於不可直接投資的市場指數，以0050與0051作為基準，更能反映投資人實際面臨的績效比較與投資決策情境。

2.和SPIVA 比較

2.1. 本文結果與 SPIVA 之比較

本文結果與 SPIVA Taiwan Scorecard 整體趨勢大致一致，但不同基金類型仍存在若干差異。

首先，就大型股票型基金而言，本文與 SPIVA 結果相當一致。Table 3 顯示，大型股票型基金在近1年至近5年之平均超額報酬皆為負值，勝率亦普遍低於50%，顯示多數基金無法持續擊敗Benchmark。此結果與 SPIVA 所指出大型股票型基金長期績效普遍落後基準指數之發現一致。

其次，中小型股票型基金亦與 SPIVA 的整體趨勢相近。雖然本研究於近6個月、近1年及近3年期間觀察到部分期間勝率超過50%，但平均超額報酬仍多數為負值，表示少數表現較差基金拉低整體平均績效。此結果反映中小型基金雖有較多基金能於特定期間超越Benchmark，但整體超額報酬並未呈現穩定優勢，與 SPIVA 認為中小型主動基金長期仍難持續戰勝市場的結果大致一致。

然而，本研究亦發現部分年度存在明顯差異。例如2024年及2025年，中小型股票型基金平均超額報酬分別達14.89%及21.01%，勝率亦高達91.36%及90.12%，顯示近期大多數基金均優於Benchmark；相反地，2022年平均超額報酬為-16.55%，勝率僅2.44%，反映市場空頭期間幾乎所有基金皆落後Benchmark。由此可見，中小型基金績效受市場循環影響較大型基金更為明顯。

此外，本文納入之主動式ETF則未包含於SPIVA既有分類之中，因此無法直接進行對照。不過，本文發現主動式ETF於近3個月、近6個月及近1年之平均超額報酬皆為正值，勝率分別達78.57%、88.89%及80.00%，顯示研究期間內多數主動式ETF均能優於Benchmark，為本文新增的重要觀察結果。

整體而言，本文支持 SPIVA 對大型及中小型主動基金的主要發現，即長期平均而言，多數主動基金難以持續創造穩定超額報酬；然而，本文亦顯示，在特定市場環境下，部分年度及部分基金類型仍可能出現較高勝率與正向超額報酬，顯示主動管理績效具有明顯的時間變動性與基金異質性。

2.2. 方法和數據

資料來源與樣本篩選

本研究主要參考 S&P Dow Jones Indices 發布之 SPIVA Taiwan Scorecard 的研究架構，比較台灣主動式股票基金是否能持續超越市場基準（Benchmark）。基金資料則取自 Morningstar Direct 全球基金資料庫，該資料庫涵蓋全球共同基金（Open-end Funds）及交易所交易基金（Exchange Traded Funds, ETFs），並包含仍存續（live）及已終止、合併或下市（delisted）之基金資料，可降低因僅納入存續基金而產生之倖存者偏誤（survivorship bias）。

為使樣本範圍與 SPIVA Taiwan Scorecard 盡可能一致，本研究首先設定 Investment Area 為 Taiwan，僅保留主要投資於台灣股票市場之基金；其次，排除所有 Index Funds，僅保留主動管理基金及主動式 ETF，以符合研究目的。

基金分類則依據 Morningstar Category 進行篩選，其中大型股票型基金選取 EAA Fund Taiwan Large-Cap Equity，中小型股票型基金選取 EAA Fund Taiwan Small/Mid-Cap Equity。此外，本研究另納入台灣近年新推出之主動式 ETF，以觀察其相對於傳統共同基金之績效表現。

Benchmark 設定

SPIVA Taiwan Scorecard 係以 S&P Taiwan BMI 系列指數作為各基金類別之 Benchmark。其中，大型股票基金採用 S&P Taiwan LargeMidCap BMI，中小型股票基金則採用 S&P Taiwan SmallCap BMI。

然而，由於本研究僅能取得大型股票 Benchmark 指數資料，而中小型 Benchmark 指數之完整歷史資料取得受到限制，因此改採台灣市場最具代表性且可實際投資之 ETF 作為 Benchmark。其中，大型股票型基金及主動式 ETF 均以 元大台灣50 ETF（0050） 作為比較基準；中小型股票型基金則以 元大中型100 ETF（0051） 作為 Benchmark。

雖然 Benchmark 由市場指數改為可投資 ETF，本研究結果與 SPIVA Taiwan Scorecard 所呈現之整體趨勢仍相當一致，大型股票型基金整體仍較難持續創造正向超額報酬，而中小型股票型基金則於部分期間具有較佳之相對績效。顯示以 ETF 作為實務上的 Benchmark，並未改變研究之主要結論。

資料處理與績效計算

Morningstar Direct 原始資料係以 Share Class 為單位，同一基金可能包含不同幣別、配息方式或費用級別，因此若直接統計，將造成同一基金被重複計算。

為避免此一問題，本研究以 FundId 作為基金唯一識別碼，將屬於同一 FundId 之 Share Classes 合併，並以基金（Fund）而非 Share Class 作為分析單位。完成合併後，大型股票型基金共計 54 檔，中小型股票型基金共 143 檔，主動式 ETF 共 20 檔。

基金績效首先計算各期間之絕對報酬，並整理平均數、中位數、最大值及最小值（Table 1）。其次，以基金報酬減去對應 Benchmark ETF 報酬計算超額報酬（Excess Return），並統計平均超額報酬、中位數、最大值、最小值及勝率（Winning Rate），結果如 Table 3 所示。

其中，勝率定義為各期間基金報酬高於對應 Benchmark ETF 之基金比例，計算方式如下：

所有資料整理、基金合併及描述統計均使用 Microsoft Excel 完成。

3. 結論

本研究參考 SPIVA Taiwan Scorecard 之研究架構，利用 Morningstar Direct 全球基金資料庫，比較台灣大型股票型基金、中小型股票型基金及主動式 ETF 相對於 Benchmark ETF（0050、0051）之績效表現。研究結果顯示，大型股票型基金於大部分投資期間之平均超額報酬均為負值，勝率亦普遍低於 50%，與 SPIVA 長期指出多數主動型基金難以持續戰勝市場之結論一致。

然而，中小型股票型基金於部分年度及近期投資期間具有較高之勝率，而主動式 ETF 在研究期間亦呈現正向超額報酬及較高勝率，顯示不同基金類型之績效表現存在明顯差異，主動管理並非於所有市場環境下皆處於劣勢。

整體而言，本研究結果與 SPIVA 的主要結論大致一致，但以實際可投資之 ETF 作為 Benchmark 後，所得結論並未產生明顯改變，顯示 ETF 可作為投資人評估主動型基金績效之實務比較基準。本研究亦提供台灣主動式 ETF 初步績效之實證證據，可作為未來相關研究之參考。

AI 寫作輔助聲明

本研究使用 AI 作為寫作輔助工具，協助文字潤飾、語言修正及文句表達。研究設計、資料蒐集、資料整理、統計分析、結果計算、圖表製作與研究結論均由作者自行完成，並由作者負責所有內容之正確性與最終定稿。

研究限制

本研究結果可能受到資料來源及研究方法影響。由於使用 Morningstar Direct 資料庫、以 0050 與 0051 作為 Benchmark，並以 FundId 合併 Share Class 後之基金為分析單位，因此研究結果可能與採用不同資料來源、Benchmark 或樣本定義之研究有所差異，解讀時應考量上述限制。

點擊圖片可至博客來購書連結

0. 引言

談到退休理財，就不能不提 Bill Bengen。作者Bengen 原本是一位美國理財顧問(CFP) 。在1990年代之際，由於美國戰後嬰兒潮世代開始思考退休規劃，他發現當時沒有一套可靠的方法，來回答客戶常提出的一個問題：「退休後，我每年究竟可以花多少錢，而不用擔心退休金提早花光？」

為了回答這個問題，他利用美國長期的股票、債券及通貨膨脹歷史資料進行大量回測，希望找出一個即使遭遇最嚴峻市場環境，也能讓退休資產支撐至少30年的安全提領率（Safe Withdrawal Rate）。

根據他的原始研究，如果退休第一年提領退休資產約4.15%，之後每年依照通貨膨脹調整提領金額，在1926年以來各種市場環境下，即使遇到經濟大蕭條、高通膨及長期熊市等最不利情況，大多都能讓退休資產支撐30年以上。由於4.15%並不容易記憶，因此後來被簡化成大家熟悉的「4%法則」。

這項研究影響了全球退休規劃，也成為許多退休財務計畫的重要基礎。多年後，Bill Bengen 持續更新研究資料，重新檢視資產配置、投資組合及歷史數據。在新書中，他認為採用更完整且更多元化的投資組合後，保守的安全提領率可以提高至4.7%；對部分退休者而言，甚至可能採用更高的提領率。

不少媒體因此以「4%法則升級成4.7%法則」作為新聞標題。然而，我個人認為，雖然作者在講述4%法則的過程中，嚴謹地使用大量數據佐證；但如果讀者只記住4%、4.7%，甚至5%以上這些數字，那就錯過了作者真正想傳達的精神。

因為4%、4.7%，都只是研究所得出的結果，而不是退休規劃的方法。統計研究往往是這些數字都是建立在特定假設下所得出的統計結果，包括退休期間長度、投資組合配置、市場歷史資料以及通貨膨脹等條件。換句話說，它們是「平均答案」，並不是每一位退休者都適用的標準答案。

0.1. 但每個人的退休生活都不同

有人希望60歲退休，有人70歲才退休；有人希望退休後每年環遊世界，有人只希望生活安定；有人想把大部分財富留給子女，有人則希望在有生之年充分享受退休生活；有人主要資產放在退休帳戶，有人則有大量應稅投資帳戶。

不同的人，自然不可能只有同一個安全提領率。

我個人認為，Bill Bengen 在這本書最重要的觀念，不是在於把4%提高到4.7%，而是在第四章之後，提出影響退休提領策略的八個關鍵要素。

1. 八大關鍵要素決定退休生活的品質

第一個要素，是提領方案。

退休後究竟採用固定金額提領、固定比例提領，或是依市場狀況動態調整，都會影響退休資產可以維持多久。提領方式沒有絕對的好壞，但應配合個人的收入需求與風險承受能力。

第二個要素，是規劃期間。

有人以30年作為退休規劃，有人可能需要40年甚至更久。如果退休年齡較早、家族長壽或醫療進步使平均壽命延長，規劃期間越長，安全提領率通常就需要越保守。

第三個要素，是帳戶稅務狀態。

退休收入並不是全部都能放進口袋，不同帳戶的稅務規定，會影響實際可支配收入，也會影響提領順序與整體退休規劃。退休規劃不只是投資，更包含稅務管理。

第四個要素，是遺產留存目標。

有些人希望把資產盡可能留給下一代，有些人則認為「把錢花在自己身上」也是退休的重要目的。不同的目標，自然會影響可以採取的提領策略。

第五個要素，是資產配置。

資產配置一直都是投資成功的重要基礎。股票比例、債券比例，以及投資範圍是否足夠多元，都會影響長期報酬與風險，也會影響退休提領率。Bengen 在新研究中，就是因為採用了更完整、多元的資產配置，才得到較高的安全提領率。

第六個要素，是再平衡。

投資組合經過市場漲跌後，原本設定的配置比例會逐漸偏離。適當地定期再平衡，有助於維持既定風險，也能避免資產配置失衡，這是退休管理中不可忽略的一環。

第七個要素，是市場報酬。

退休後的投資報酬仍然十分重要。即使開始提領退休金，投資組合仍需要持續成長，以對抗通貨膨脹及延長資產壽命。不過，市場報酬並非完全可以掌握，因此更需要建立合理的預期，而不是追逐短期績效。

第八個要素，是提領時機。

看似只是提早或延後提領，實際上也可能影響退休資產的累積與消耗。退休規劃往往是許多細節共同作用的結果，而不是單靠一項因素決定。

寫在最後

我認為，以上八個關鍵要素，才是本書真正的價值所在。這提供了一個完整的思考架構，讓退休規劃不再只是「今年可以提領4%嗎？」這麼簡單，而是回到每一位退休者自己的需求與目標。

換句話說，4%法則只是統計上的平均答案，而八個關鍵要素才是通往個人目標終點的方法。

如果只記住4%，卻不了解這八個要素，那麼當自己的退休條件與研究假設不同時，就可能做出不適合自己的決策。

退休規劃從來沒有放諸四海皆準的公式。但真正重要的是理解哪些因素會影響退休提領率，再依據自己的年齡、家庭、健康、資產、稅務、生活方式與人生目標，建立專屬於自己的退休策略。

我想Bill Bengen 並不是要大家硬記下一個新的百分比，而是提醒我們：安全提領率不是固定不變的數字，而是眾多因素共同作用後的結果。理解這八個關鍵要素，比記住4%、4.7%，甚至任何一個百分比，都更有價值。因為退休不是套用公式，而是一套需要因人而異、持續調整的人生規劃。

誌謝

感謝天下文化提供《A Richer Retirement》一書作為閱讀與撰寫本文之參考。

AI寫作輔助

本文撰寫過程中，另使用生成式人工智慧工具（OpenAI ChatGPT）協助文字潤飾；而文中觀點、分析與最終內容均由作者獨立判斷、查證並負完全責任。