在講求效率與斜槓的時代，比起傳統的人工盯盤，更多人想尋求的是高效率且精準的投資方式，因此現在有許多人運用程式理財，除了專門用來程式交易的軟體 如：MT4、MT5⋯⋯等。也有些程式語言本來的開發用途不是用來理財、交易，而是後來才開始有人將「程式」、「交易」結合，例如，很常聽到的 Python 就是其中之一。

而今天這篇文章就要告訴大家，用 Python 來做資產配置有什麼樣的好處！

延伸閱讀：MT4 教學：帶你遠離 MT4 詐騙！8 招教你辨識外匯保證金黑平台

資產配置是什麼？

簡單來說，相同於「雞蛋不要放在同一個籃子裡」的道理。

資產配置，就是將錢分配到不同的金融商品上，當其中一個資產出現虧損時，可以利用其他商品的利潤去補足，讓資產平穩的增長。這樣的投資方式很接近長期持有的模式。
一般而言，這些商品可能會是股票、債券、貴金屬，甚至是房地產及加密貨幣。

各個資產類別的特性

一般會將資產配置到不同的資產類別上，是因為它們具有各自不同的特性。這麼做能讓我們的資產以更穩健的方式成長。這裡簡單介紹一下它們各自有什麼值得注意的特性。

股票

股票資產根據估值比率、配息率和產業特性大致可分成價值股和成長股兩種。

實際上，不管是哪種股票，絕大多數的股票波動程度都比固定收益產品要來得高。主成分為股票的基金或 ETF 也是，例如：台灣 50 指數 ETF（代號 0050）是連結一籃子股票資產投資，因此波動程度也是與一般股票差不多。一年波動15%以上是非常常見的！

因此，在進行資產配置時，一般而言是不會把所有資產都投入到股票資產類別，而會分配一部分到低波動、或是與股票資產低相關或負相關的資產類別上，例如固定收益、貴金屬都是常見的選擇。

固定收益

基本上是現金（定存、活存）、債券這種領「利息」的投資商品。

這其中又可以再依照不同屬性細分，例如：依償還期間長短區分為短/中/長期/永續債券、一發行主體區分為國家主權債/金融債/企業債、依違約風險評級區分為投資級債券/高收益債券。

大部分的固收產品波動度都是相當小的，並且在景氣衰退時，低違約率的投資級債券往往成為全球資金的避風港，一方面是各國央行降息導致債券殖利率下跌，推升債券價格，

另一方面，債券不違約下是相當保值，可以分散掉景氣衰退期的股票投資損失。但需要注意的是，高收益債券具有較高的違約風險。當景氣不好導致違約機率上升時，高收益債券價格滑落，波動程度會上升到跟股市差不多大哦！

另一方面，債券不違約下是相當保值，可以分散掉景氣衰退期的股票投資損失。但需要注意的是，高收益債券具有較高的違約風險。當景氣不好導致違約機率上升時，高收益債券價格滑落，波動程度會上升到跟股市差不多大哦！

貴金屬

黃金、白銀屬於傳統意義上的避險資產，通常被投資人用來規避通膨帶來的負面影響，並且在景氣衰退期，也是屬於「避險天堂」資金的避風港。

但是相對於同為避險資產的債券，黃金的波動程度明顯較大，平時在金融市場的交易量有很大部分是來自投機行為，因此，進行資產配置通常不會放超過 10% 的資產在貴金屬上。

資產配置的三大原則

1、設定財務目標

進行資產配置前，必須先設定財務目標，並根據自己收支狀況，釐清自己的目標是否合理。

2、定義風險偏好程度

根據自己在每個年齡段下的「財務目標」、「所得來源是否多元」、「所得多寡與穩定程度」，以及「生活開銷」等收支狀況，決定自己在每個階段的風險偏好程度。通常隨著資產的積累、接近退休年紀，風險偏好會比較保守，避免投資出現難以彌補的損失。

定義好風險偏好程度後，就能知道自己在不同資產類別的配比大致要落在什麼範圍，以及每階段的投資時間長度大概要持續多久了！

3、配置與持有成本

同一種資產，通常有很多種管道和商品可以進行投資，但每種投資方式的交易成本、持有成本、流動性都有很大的落差。

例如投資黃金的管道有：實體黃金、黃金現貨、黃金存摺、黃金 ETF、黃金期貨、黃金差價合約（CFD）等。

以配置為目的的話，一般是推薦透過 ETF 進行資產配置，最大的原因是方便，一個帳戶就能搞定，也不會像期貨一樣需要轉倉，額外花費轉倉成本。另一方面，是 ETF 資產配置的投資門檻較低，配置與持有成本相對也合理。

用 Python 做資產配置的兩大好處

1、 Python 可以快速蒐集、整理、分析資產配置相關資料

處於資訊爆炸時代，有用的資訊散落在各處，但人的時間有限，因此，使用 Python 縮短我們蒐集與分析資料的時間，加速我們理解自己的投資，才能有效應對世界經濟的快速變化。

而 Python 本身具有強大的社群支援，因此，在大多數的應用下，我們都能找到相關的套件，讓我們以最有效率的方式開發資料蒐集與分析程式。

2、讓資產配置更有條有理

Python 會完全依照我們設計的規則運算配比，讓我們的配置的動態配比調整是遵循規則的。

例如：根據非農就業數據轉好，在隨後的日期 Python 配置模型建議股債比從 60 : 40 拉高到 70 : 30，這樣的配比調整建議不受個人情緒干擾。換句話說，人工下決策的缺點是，除非是經驗老道的投資人，否則大部分投資人都會面臨配比調整規則前後不一致的問題。

Hi 找我嗎？追蹤訂閱HiSKIO

• HiSKIO 嗨程式技能： 科技資訊文章、實用工具分享、新課程優惠領取
• Codefree：喝一杯咖啡，輕鬆學程式！
• HiSKIO LINE：叮咚！掌握最新資訊與優惠，現在就到 LINE 領200抵用券！
• HiSKIO YouTube：免費實用課程、工程師經驗分享
• 程式丼起來：不想一個人孤單寫 code ? 立即加入話題圈吧 !

文章來源：量化通 QuantPass