財務分析基礎：因子投資——報酬是選股能力，還是只是吃到因子？以 Fama-French 為例

上一篇的結尾，我們發現 Magnificent Seven 之所以一起漲跌，是因為它們共享同一批看不見的「因子」——都是大型成長股、都對利率敏感。這一篇把「因子」這個詞正式攤開，並用它回答一個會冒犯很多人的問題：

你打敗大盤的那幾個百分點，到底是真本事，還是運氣？

假設你的投資組合過去十年年化報酬比 S&P 500 高 5%。聽起來你是選股高手。但如果有人證明：你只是剛好重壓了「小型股」和「價值股」，而這兩類股票本來就因為風險較高、長期報酬較高——那你的「超額報酬」根本不是能力，是承擔了某種系統性風險換來的補償，而且這種曝險，用一檔便宜的 ETF 就能複製。

這就是因子投資最顛覆的洞見：你以為的 alpha（能力），很多其實是 beta（曝險）。

• 1. 從「一個因子」到「三個因子」
• 2. Alpha 與 Beta：把報酬拆給你看
• 3. 案例：連巴菲特的「神績」，都大半是因子
• 4. 這對你的實際意義
• 5. 誠實的四個提醒
• 6. 總結
• 參考資料 (References)

1. 從「一個因子」到「三個因子」

在 Fama-French 之前，學界用 CAPM 解釋報酬——它只有一個因子：市場風險（Beta，回想 030）。CAPM 說，你的報酬只該取決於你承擔了多少「市場風險」。

但 Fama 與 French 翻遍數據發現，CAPM 有解釋不了的系統性缺口：小型股長期打敗大型股、價值股長期打敗成長股——這些差異跟 Beta 無關。於是他們加了兩個因子（規模、價值），解釋力從 CAPM 的約七成跳到九成以上。

後來因子家族繼續擴充，形成今天的主流工具箱：

2. Alpha 與 Beta：把報酬拆給你看

因子模型的核心，是一道歸因等式——把你的報酬拆成「可解釋的因子曝險」與「無法解釋的殘差」：

$R_{\text{組合}} = R_f + \underbrace{\beta_1 \text{MKT} + \beta_2 \text{SMB} + \beta_3 \text{HML} + \dots}_{\text{因子曝險（Beta，買得到）}} + \underbrace{\alpha}_{\text{真本事}}$

• Beta（因子曝險）：這部分報酬，任何人花很低的費用買一檔因子 ETF（smart beta）就能複製——不值得付高額主動管理費。
• Alpha（殘差）：所有因子都解釋不掉、真正來自你獨到眼光的部分。真 alpha 極其稀有，這也是為什麼多數主動型基金長期跑輸指數：他們收 alpha 的費用，賣的卻是 beta。

3. 案例：連巴菲特的「神績」，都大半是因子

最震撼的示範，來自資產管理公司 AQR 2013 年的著名論文〈Buffett's Alpha〉。他們把巴菲特 Berkshire 數十年的報酬丟進因子模型拆解，結論冒犯又深刻：

• Berkshire 的驚人報酬，大部分可以被兩個因子解釋——低波動 (Betting-Against-Beta) 與品質 (Quality-Minus-Junk)：巴菲特專買「穩定、高品質、低波動」的好公司，這正是兩個有長期溢酬的因子。
• 再加上約 1.6 倍的槓桿——而且是透過保險浮存金取得的超便宜、超穩定槓桿。
• 把因子與槓桿都扣掉後，剩下的「純 alpha」比一般人以為的小得多。

但這篇論文的結論不是「巴菲特沒本事」，而是更深刻的一課:巴菲特的真本事，是在這些因子還沒被學界命名、還沒被市場擁擠之前，就憑直覺鎖定它們、用最便宜的槓桿、並且抱了六十年不動搖。因子模型解釋了「他賺的是什麼」，但沒有解釋「為什麼是他做到」——紀律與時間，是最難複製的 alpha。

4. 這對你的實際意義

• 先歸因，再付費：如果一檔主動基金過去十年贏大盤，先問「它是不是只是重壓了某個因子」。是的話，你可以用十分之一的費用買因子 ETF 拿到同樣的東西。
• 智慧型 beta (Smart Beta)：價值、動能、品質、低波動……如今都有低成本 ETF。因子投資把「以前只有頂尖基金經理人能做的事」變成貨架商品。
• 分散因子，而非只分散個股：呼應 034——真正的分散，是持有相關性低、驅動來源不同的因子，而不是再多買幾檔同因子的股票。

5. 誠實的四個提醒

• 因子會有超長的乾旱期。價值因子從 2007 到 2020 年慘輸成長股十幾年——長到讓許多人宣告「價值已死」。因子溢酬是長期統計規律，不保證任何一年、甚至任何一個十年兌現。
• 因子動物園 (Factor Zoo)。學界至今發表了超過 300 個號稱有效的因子，絕大多數是資料探勘挖出來的雜訊，換一段期間就失效。真正經得起考驗的，只有市場、規模、價值、動能、品質等少數幾個——看到新奇因子，先假設它是過度擬合（這正是下一篇回測偏誤的主題）。
• 因子會被套利掉。一個因子一旦被廣泛發表、大量資金湧入，溢酬就會縮水（規模因子在被發現後就明顯減弱）。免費的午餐一旦人人知道，就不再免費。
• alpha 和 beta 的界線會移動。今天的 alpha（獨到能力），可能是明天的 beta（被打包成 ETF 的因子）——巴菲特的「品質選股」，如今已是一檔人人可買的 QMJ 因子。

6. 總結

• 因子投資的核心：報酬可拆成「因子曝險（beta，買得到）」與「殘差（alpha，真本事）」；Fama-French 用市場、規模、價值把 CAPM 的解釋力從七成拉到九成。
• 你以為的 alpha，很多是 beta：贏大盤可能只是重壓了某個因子，而那用便宜 ETF 就能複製——這是多數主動基金不值高費用的原因。
• 連巴菲特都大半是因子：低波動＋品質＋便宜槓桿解釋了 Berkshire 大部分報酬；但「早於眾人鎖定並抱六十年」的紀律，才是無法複製的真 alpha。
• 四個提醒：因子有十年級乾旱期、因子動物園多是雜訊、因子會被套利掉、alpha 與 beta 的界線會移動。

我們一路談的因子溢酬、歷史報酬，全都建立在「回測」上——用過去的資料驗證一套策略。但下一篇要揭穿一個殘酷的事實：很多漂亮到不可思議的回測，其實只是資料的錯覺。策略在歷史上大賺，上線後卻虧錢，兇手往往是同一個——生存者偏誤。案例：連 S&P 500 成分股這種看似中立的資料，都藏著這個陷阱。

參考資料 (References)

1. Eugene Fama & Kenneth French (1993), "Common Risk Factors in the Returns on Stocks and Bonds"（三因子模型原始論文）
2. Frazzini, Kabiller & Pedersen (2013), "Buffett's Alpha", AQR
3. Kenneth French Data Library（因子歷史報酬資料的權威來源）