跳到主要內容

升息對股票市場的影響

美國聯準會於2022年3月17日升息1碼,從原本的0%-0.25%升到0.25%-0.5%。之前美國聯準會將聯邦基準利率降到0%-0.25%是為了因應全球新冠肺炎爆發,導致經濟受到嚴重負面影響。0利率期間為2020年3月16日至2022年3月17日,整整2年。
於此同時,台灣也升息了1碼,將央行的重貼現率從1.125%升到1.375。以下就升息對股票市場的影響實施探討。

就股利折現模型而言,不利股價

股利折現模型的意思是將所有未來某檔股票的所有股利換成現值而得到的結果,而當無風險利率上升時,用來折現每一份股利的分母會上升,導致現值下降,因此就以股利折現模型來計算股價而言,在股維持原樣的條件下,理應下跌。

就本益比而言,不利股價

本益比就是股價除以每股盈餘,股價越貴,在每股盈餘不變下,也就是公司沒有賺比較多錢的狀況下,本益比會變高。

如果用別的角度來解釋本益比,把分子跟分母位置對換,得到的就是每單位價值的股票可以獲得多少盈餘,就有點像是利率的概念,也就是本益比越高,本益比倒數越低,我們要的是低本益比,也就是高本益比倒數。

如果拿本益比倒數根無風險利率相比,如果無風險利率,像是定存,利息都比本益比倒數還高了,你還會買這檔股票嗎?當然我果看的是成長性。

定存利率越高,我們就越期待股票報酬越高,在每股盈餘不變的狀況下,股價勢必下跌,或者說,很多人會寧願持有現金,定存,買債券也不想要買股票,畢竟定存或債券的利息變多了。
 
股價 每股盈餘 本益比 本益比倒數
100 5 20 0.05
200 2 100 0.01

本益比:
本益比倒數為10%

就企業負擔而言,不利股價

利率上升,企業發債籌募資金的壓力就會上升,如果本身就已經有貸款,利率上升後,所需要負擔的利息就會變多,如果有發可提前贖回的公司債,也很有可能播提前贖回,導致公司要提前還本金,另外要在發債的話,勢必要用比較高的票面利率來借款,因為利率上升,如果債息不變多,誰要投資債券?

就投資人籌碼面而言,不利股價

就以投資人的觀點來說,利率上升,本身有借錢買股票的,理論上會比較想賣掉一些股票還錢,畢竟利息變高,股票又有風險。

從另外一個角度看,利率變高,想要定存或是投資債券的人會變多,一樣的道理,因為股票風險較高,當定存或債券投資報酬率上升時,股票吸引力會下降。

因此,投資人將股票市場的錢抽回,並且不願意再投入大筆資金,將會導致籌碼面資金下降,而資金變少,短線將不利股價表現。

就總體經濟而言,有利股價

就總體經濟而言,升息可能是非常好的消息。就以美國聯準會升息而言,升息的條件不外乎就是通膨上升,失業率接近完全就業,也就是說,經濟狀況良好,不需要靠放資金來救經濟。

相較於降息是要救經濟,升息表示經濟已經救起來了。

就股價金融模型而言,有利股價

股價以金融模型而言,是遵循幾何布朗運動的,也就是,股市報酬尊循算術布朗運動,再講白話一點,就是股市報酬率遵循標準分布。

如果股市報酬率遵循標準分布,其平均值理論上就會因著無風險利率上升而上升。

或者說,股市的報酬是無風險報酬加上風險溢酬(risk premium)。

所以,如果說無風險利率上升,每時每刻股價向上走勢的機率會高於下跌,因為報酬平均值勝升。

以2015年升息而言

2008年美國次貸風暴後,於2008/12/1,聯準會也將其聯邦基準利率降到0到0.25%之間,直到2015/12/14才開始升息,期間7年。升息時從2015/12/14一直到2020/3/16新冠肺炎全球爆發時。

2008次貸風暴時期,0利率時期,標普500指數震盪走高。

2015升息期間,標普500指數震盪走高。

2015升息期間精選基金比較

  • 比較基金有聯博美國成長基金、安聯收益成長基金、富蘭克林穩定月收益基金及標普500指數SPY基金。
  • 報酬率以聯博美國成長基金90.72%為最高,以富蘭克林穩定月收益基金32.11%為最低。
  • 波動率以富蘭克林穩定月收益基金最優,聯博美國成長基金最差。
  • 綜合評比以安聯收益成長基金走勢最為平穩向上為最優。


留言

這個網誌中的熱門文章

母體變異數(population variance)、樣本變異數(sample variance)及自由度(degrees of freedom)

母體指的是所有的數據,樣本指的是從母體抽樣的數據,舉例來說,一個班級有40人,它們的身高,40個身高數據,若只針對這個班,就是母體,但是,卻只是代表全校學生身高的一部分,也就是樣本。 回到「機率統計」頁面 樣本平均數(mean)不是母體平均數,樣本變異數(variance)也不是母體變異數,一個班40個人身高的平均數很難剛好是全校學生的身高平均數。 一個班40個人的身高變異數也不會是全校學生的身高變異數。 變異數計算 母體變異數的定義如下: 而樣本變異數的定義如下: 奇怪的地方 平均數 雖然樣本平均數不是母體平均數,不過,如果不斷重複從同一個母體抽樣平均,會得到一個近似母體平均數的數字。舉例來說,從一個學校所有學生中,不斷隨機選出40個學生取平均數,再將這些平均數平均,結果會接近直接算全校學生的身高平均數。 也就是說樣本平均數的期望值就是母體平均數: 變異數 樣本變異數跟母體變異數就沒這麼單純了。奇怪的地方是,為什麼樣本變異數公式的除術是n-1,而不是像平均數計算一樣用n? 為何樣本變異數要除的是(n-1)? 除數為n的話,變異數會太小 如果樣本變異數的除數是n,樣本變異數就會常常比母體變異數小。為什麼呢? 因為,樣本是從母體抽取的,抽樣的數據算出平均,並且抽樣的數據會相對的接近抽樣的平均,總不會剛好抽出的樣本平均數剛好是母體平均數,且樣本數據離樣本平均數就像母體數據離母體平均數一樣分散吧? 假設母體數據為0-99的整數,共100個數據,從中選出10個數字,然後計算樣本的平均數,分別用n及n-1當作除數算出變異數,連續執行200次,並將200個樣本平均數及200個樣本變異數平均。 也就是取得樣本平均數及樣本變異數的期望值,結果如下: 母體平均數 = 49.5

中央極限定理(central limit theorem)證明

中央極限定理(central limit theorem )指的是從一個獨立同分布(Independent and identically distributed, i.i.d)取出之變數數量趨近無限多時,其平均數(mean)將趨近常態分布(normal distribution)。 回到「機率統計」頁面 目錄: 動差母函數(moment generating function) 常態分布的動差母函數 中央極限定理證明 中央極限定理模擬 中央極限定理應用 動差母函數(moment generating function) 動差母函數為機率密度函數(probability density fFunction, PDF)及累積分佈函數(cumulative distribution function CDF)之外,另一種描述機率分布模型的一種方式。 定義 M X (t) = E[e tx ] 而 e tx 的泰勒級數(Taylor series)為 e tx  = 1 + tx + t 2 x 2 /2! +  t 3 x 3 /3! + ... 則 M X (t) 的泰勒級數為 M X (t) = E[e tx ]  = 1 + tE[x] +  t 2 /2! E[x 2 ] +  t 3 /3! E[x 3 ] + ... 因此,當t = 0時,以t取 動差母函數m次微分,就可以找到其分布模型的第m動差。 特性 M X+Y (t) = E[e t(x+y) ] =  E[e tx+ty ] =  E[e tx e ty ]  =  E[e tx ]  E[ e ty ] =  M X (t)  M Y (t)  常態分布的動差母

HYG、LQD 與 TLT 風險報酬比較

10 年期公債除了站上 4%,再撰寫這篇文章時,已經在 4.3% 徘迴,上次在 這篇文章 研究了現在是否應該要買 LQD 而不是 TLT,本篇文章我想研究非投資等級債是否更適合。 買點 HYG 現在 HYG 價格為 74.04,距離近一次低點 2020/3/20 的 69.75,差別為 5.794% LQD 上次低點在 2020/10/14 的 100.38 附近,與目前的 105.01 相差 4.612%。 TLT 上次低點在 2022/11/4 的 94.22 附近,與目前的 95.16相差 1%。 殖利率上升時,公司債的表現 TLT 2009-01-06 到 2010-01-05 跌了 16.364% 這段期間美國 30 年期公債殖利率從 3.04% 漲到  3.74%,漲了 0.7%。 TLT 2012-11-14 到 2013-11-13 跌了 15.701% 這段期間 美國 30 年期公債殖利率從 2.73% 漲到  3.83%,漲了 1.1%。 TLT 2016-07-29 到 2017-07-28 跌了 10.307% 這段期間 美國 30 年期公債殖利率從 2.18% 漲到  2.89%,漲了 0.71%。 TLT 2021-11-18 到 2023-8-15 跌了 32.695% 這段期間美國 30 年期公債殖利率從 1.97% 漲到  4.35%,漲了 2.38%。 結論 HYG 現在也很便宜,在公債殖利率還有可能持續上漲狀況下,表現可能勝過公債及投資等級公司債。

如何在Chart.js的圖上加上X軸或Y軸名稱

 Chart.js可以幫助網頁顯示各類圖表,要在X軸及Y軸上標示名稱方法如下: 找到Chart物件。 在Chart物件內找到options。 在options內找到scales,若無,自行加上scales。 即可在scales下設定X軸及Y軸的標示。 程式碼範例 <div> <canvas id="myChart"></canvas> </div> <script src="https://cdn.jsdelivr.net/npm/chart.js"></script> <script> const labels = [ '1', '2', '3', '4', '5', '6', ]; const data = { labels: labels, datasets: [{ label: '數據', backgroundColor: 'rgb(255, 99, 132)', borderColor: 'rgb(255, 99, 132)', data: [0, 10, 5, 2, 20, 30, 45], }] }; const config = { type: 'line', data, options: {scales:{ x:{ title:{ display:true, text:"月" } }, y:{ title:{ display:true, text:"unit" } } } } }; var myChart = new Chart( document.ge

賭徒破產理論(Gambler's ruin)機率公式證明

賭徒破產理論(Gambler's ruin)指指的是兩位賭徒,每局賭1元,A賭徒有i元,B賭徒有n-i元,兩人不斷的賭,直到一人輸光為止。 回到「機率統計」頁面 前言 假設A賭徒勝率為p,輸的機率就是1-p,稱為q,我們要求算A贏光所有錢的機率。 讓p(i)代表A賭徒擁有i元的時候,獲得最後勝利的機率。 p(0) = 0,因為已經輸光所有錢並且賭局已結束。 p(n) = 1,因為已經贏光所有錢並且賭局已結束。 那麼p(i)呢? 遞迴公式(recursive formula) 假設A有i元,它下一局有可能贏,有可能輸。贏的機率為p,輸的機率為1-p = q。 不論這一局是贏還是輸,A要贏光所有錢的機率還是沒有算出來。 這局贏了,接下來贏光所有錢的機率為p(i+1)。 這局輸了,接下來贏光所有錢的機率為p(i-1)。 因此,p(i) = p*p(i+1) + q*p(i-1),且可以繼續延伸,例如p(i+1) = p*p(i+2) + q*p(i)、p(i-1) = p*p(i-) + q*p(i-2)... 每個公式需要套用原本的公式,稱為遞迴公式公式,而遞迴公式解法可以像解微分方程(differential equation)一樣,可以先用猜的! 例如dx/dt = rx,微分之後x還是在公式裡,可以先猜測x = e^y。 猜測 假設,p(i) = x i ,並帶入p(i) = p*p(i+1) + q*p(i-1),得到  x i   = p* x i+1  + q * x i-1 x = p* x 2  + q p* x 2  - x + q = 0 解一元二次方程式得 x = 1 或 x = q/p 微分方程 p(i) = x i , x = 1 或 x = q/p,且有兩已知數 p(0) = 0 及 p(n) = 1。 而x i 的x有兩個根(root),必須都帶入線性組合(linear combination)公式求解。 p(i) = A(1) i  + B ( q/p ) i  =  A +  B ( q/p ) i  p(0) = A + B = 0 , A = -B p(n) = A + B ( q/p ) n   = 1 A + B ( q/p ) n  = -B +  B ( q/p ) n  = B(-1 +  ( q/p ) n )