跳到主要內容

用Firstrade達到最低成本美股投資

投資美股最讓人詬病的就是費用結構,傳統共同基金每年開銷大多都在1%以上,除了少數美股註冊的基金以外(請參考這篇文章)。

使用美國交易卷商又有匯款費用,我個人是使用國泰網銀來匯款,一次美金匯出就是800元,如果要讓費用比例降到0.1%,就一次要匯80萬。

費用比例表格

費用率(%) 匯出金額(萬)
5 1.6
4 2
2 4
1 8
0.5 16
0.2 40
0.1 80
0.05 160
0.01 800

不過因為我是有國泰貴賓資格,所以享有每月3次外幣匯出0費用。建議是可以拼看看拿到這個資格,這對於使用美國卷商投資,或是常常有外幣匯出的人來說,相當重要。

要用錢匯回呢?

首先要說明,美股投資不適合高配息或高股利標的,建議是投資低配息的,像是追蹤標普500的ETF,年化配息率大致不超過2%。如果真的要用錢就賣股就好,當作是自己創造配息。

回歸重點,使用券商要用錢時又有一筆匯款費用,而且是firstrade收一次,中轉行收一次,國內銀行再收一次,相當龐大。

不過,Firstrade有出他們的晶片金融卡,可以支援國內ATM提款,Firstrade帳戶資產達1萬美金,可享有每月一次提款上限20000元免手續費提款。

這邊要注意的是,Firstrade是說他們不收費,不是指國內銀行ATM提款時不收手續費。

費用比例計算

以下是匯款回來目標費用率跟一次匯款金額的建議,幣值皆為新台幣。
  • 匯回款項總費用1,000元,費用率目標為1%,需一次匯回10萬。
  • 匯回款項總費用2,000元,費用率目標為1%,需一次匯回20萬。
  • 匯回款項總費用3,000元,費用率目標為1%,需一次匯回30萬。
  • 匯回款項總費用1,000元,費用率目標為0.5%,需一次匯回20萬。
  • 匯回款項總費用2,000元,費用率目標為0.5%,需一次匯回40萬。
  • 匯回款項總費用3,000元,費用率目標為0.5%,需一次匯回60萬。
可能會回款項要2,000元台幣吧!所以建議一次要匯回20萬,讓手續費率降到1%,不然就失去投資ETF降低費用率的意義了。1%有點貴,尤其是常常要用錢時。

國內ATM提款Firstrade帳戶手續費


這邊是我實際使用Firstrade提款卡提款的經驗分享。 

2022年4月18日晚間2100,美金兌台幣即期匯率(網銀轉帳匯率)為29.125,同時間我用土銀ATM及Firstrade提款卡,領了1000元台幣,Firstrade現金少了34.34,1000/34.34 = 29.1206。

29.125跟29.1206相差0.0151%,也就是隱藏手續費,想當小。

提款流程

  1. 插入提款卡。
  2. 輸入4位數密碼。
  3. 點選通用帳戶。
  4. 提款。
另外要注意的事,使用土銀ATM提款Firstrade帳戶錢的時候,ATM不會先顯示交易確認資訊,跟國泰ATM一樣,而是輸入完提款金額就吐出現金了。

一提款完,登入First-rate帳戶,還不會馬上顯示提款交易紀錄,要等美國一個工作天。

提款手續費換算成年度費率

提款手續費如果要換算成年度費用率才能跟基金年度內扣開銷比較,才有比較價值。

假設我每年用Firstrade提款卡在台灣提款24萬(每月2萬,每年24萬),使用目前我找到國內手續費算貴的4%的國泰世華銀行ATM,手續費總共是24萬X0.04=9,600,如果Firstrade帳戶內的美股總資產是240萬,等於每年費用率為9600/2400000=0.4%,其實算不錯。
  • 資產如果為480萬,每年費用率為9600/4800000=0.2%。
  • 資產如果為960萬,每年費用率為9600/9600000=0.1%。
如果加上Firstrade原本要收的手續費3%,等於使用國泰世華ATM提款總手續費為7%(3%+4%)。

每年提款24萬(每月2萬),總手續費為24萬X0.07=1.68萬

  • 資產如果為240萬,每年費用率為16800/2400000=0.7%。
  • 資產如果為480萬,每年費用率為16800/4800000=0.35%。
  • 資產如果為960萬,每年費用率為16800/9600000=0.175%。

每年提款48萬(每月4萬),總手續費為48萬X0.07=3.36萬

  • 資產如果為240萬,每年費用率為33600/2400000=1.4%。
  • 資產如果為480萬,每年費用率為33600/4800000=0.7%。
  • 資產如果為960萬,每年費用率為33600/9600000=0.35%。

每年提款96萬(每月8萬),總手續費為96萬X0.07=6.72萬

  • 資產如果為240萬,每年費用率為67200/2400000=2.8%。
  • 資產如果為480萬,每年費用率為67200/4800000=1.4%。
  • 資產如果為960萬,每年費用率為67200/9600000=0.7%。

以最貴國泰世華ATM的0.4%加上Firstrade收的0.3%手續費計算年度提款費用率

每月提款金額:萬元
每年提款金額:萬元
年度手續費為33600
24680.5M1M1.5M2M2.5M3M3.5M
資產總值 vs. 年度費用率年度費用率(%)資產總值

自行設定每月提款手續費換算年度費用率計算機

每月提款手續費:
每年提款手續費:
246820k40k60k80k100k120k
資產總值 vs. 年度費用率年度費用率(%)資產總值

用配息率換算成年度費用率

如果我們用Firstrade買SPY,然後每月賣出4%的股票,在用最差的提款手續費國泰4%加上Firstrade收的3%,7%來算,每年費用率為4%的配息或是賣股率乘以7%,等於0.28%。
就以配息率很高,約8%,的美國成長型基金,聯博美國成長基金,來看,我們可以買美國成長型ETF代號IWF來取代聯博美國成長基金,然後每年自己賣股創造配息,年度費用率可以比聯博美國成長基金低。
IWF內扣費用率為0.19%,根據投資人專屬資訊,聯博美國成長基金年度開銷為1.79%,就算每年賣10%的IWF,在台灣提款,用7%的提款手續費計算,也不過是總資產的0.7%,加上IWF原本的0.19%開銷,就是0.89%,大概是聯博美國成長基金的一半。

固定配息率的狀況下Firstrade帳戶應該要有多少錢(幣值為台幣)?

如果能用Firstrade提款卡,零手續費領回美國帳戶的錢,那就解決了匯款手續費的問題了,不過一次最高額度就是2萬,以每月提領2萬計算,1年提領24萬,另以每年提領4%資產而言,美股資產應該要有24/0.04=600萬。

如果每月提領2萬,每年24萬,用Firstrade創造一個配息基金,定期賣股,所需資產價值如下:
  • 配息率以1%計算,帳戶要有24/0.01=2,400萬。
  • 配息率以2%計算,帳戶要有24/0.02=1,200萬。
  • 配息率以3%計算,帳戶要有24/0.03=800萬。
  • 配息率以4%計算,帳戶要有24/0.04=600萬。
  • 配息率以5%計算,帳戶要有24/0.05=480萬。
  • 配息率以6%計算,帳戶要有24/0.06=400萬。
  • 配息率以7%計算,帳戶要有24/0.07=342.86萬。
  • 配息率以8%計算,帳戶要有24/0.08=300萬。

結論

外匯匯出因為是國泰貴賓所以零手續費,外匯匯回可以一個月一次2萬零手續費,所以如果我要自己創造一個追蹤標普500指數並每月配息基金,可以用Firstrade投資,並依照資產額度及配息率每月賣股,並在台灣提款即可。

值得注意的事,用篇文章方式投資美股降低手續費,要用到Firstrade提款卡,然而每個月只能領20000,另外,以標普500指數殖利率概為1%為基準計算,在Firstrade的美股價值如果超過2400萬,而要持續維持1%配息率的話,建議直接用複委託投資即可,因為複委託收股利不用手續費。

換句話說,資產在2400萬以下的人,這篇文章介紹的投資、領錢組合拳還不錯,等同創造一個配息美股基金。

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 ...

Blogger文章在Google搜尋引擎找不到,怎麼辦?

剛開始經營部落格,最令人不解及懊惱的其中一件事就是為什麼我的文章發布了,在Google搜尋引擎不管怎麼搜尋都找不到;文章找不到就沒辦法建立自然流量了。 回到「部落格經營血淚史」頁面 Google Search Console無法為Blogger建立索引,出現伺服器錯誤(5XX)⇨ 這是因為Google搜尋引擎還沒將新的文章或網頁放進去索引(index)裡。 可以用手動的方式,將新文章或網頁加入Goolge搜尋引擎索引裡。 首先,在Google搜尋「google search console」。 進去後,輸入網站網址如下圖,兩者選其一。 輸入網站網址並點點擊「繼續後」後,選擇「前往資源」。 視窗上側,找到「檢查XXX中的任何網址」,輸入要加入Google搜尋引擎索引的網頁(文章)網址。 如果該網頁不在Google搜尋引擎索引內,結果會出現「網址不在 Google 服務中」,這時需點擊「要求建立索引」。 這樣就完成了;大概過4-6天就會編入Google搜尋引擎索引了,不過,不需要一直重新提出建立索引的要求,因為這樣不會比較快編入索引。 如何提交Blogger Sitemap? 到Google Search Console的Sitemap,填入落格網址並加上 /sitemap.xml ,舉例來說,我的部落格就是https://quanist.blogspot.com/sitemap.xml,送出即可。 送出之後要等大約10分鐘,正常來說就會從「Couldn't fetch 」轉為顯示「成功」。 如何提交Blogger Atom Sitemap? 文章數少於500篇:到Google Search Console的Sitemap,填入部落格網址並加上 /atom.xml?redirect=false&start-index=1&max-results=500 ,舉例來說,我的部落格就是https://quanist.blogspot.com/atom.xml?redirect=false&start-index=1&max-results=500,送出即可。 文章數少於1000篇:到Google Search Cons...

【美式口音訓練】連音(word linking)

美式英文發音大部分都不是一字字念出來的,一句話通常都會有連音,而連音的發生的狀況有很多,以下一一介紹。 回到「英文口說訓練」頁面 子音結尾搭配母音開頭 這是最容易理解的連音發式。這種連音方式發生在一個字以子音結尾,下一個字則以母音開頭。舉例來說, turn on the light - tur non the light turn off the light - tur noff the light come again another day - cu magay nu nuther day Yes, I do - Yes sIai do 母音結尾搭配母音開頭 這種連音方式發生在一個字以母子音結尾如ow、o,這個連音方式比較容易被忽略,舉例來說 How are you - how ware you:are 的前面要加 w 的音 No, I don't - No wI don't:I 的前面要加 w 的音 I ate it - I yate it:I 結尾有一個 y 的音 I will wear it - I'll wear rit 子音結尾搭配子音開頭 算是相當困難的連音,或者說不算是連音,但是遇到兩個子音連在一起,都要記得發出來 month - mo n th:n 跟 th 都要發 recognize - re kgnize:k 跟g 都要發,美國人聽得出來 子音同化(assimilation) 子音同化發生相似子音被另一個子音取代,舉例來說 Handbag - hanmbag:nd 後面接 b,所以很可以用 m 取代。 有無聲子音轉換 I have to go -I haft go:v 變成 f I have to go to the bathroom - I haft go dthe bathroom:v 變成 f、to the 變成 d the 不該使用連音的時候 如果在說話時要特別強調一個字,這個字前後就不要連音,可以稍微停頓,把這個字念清楚。 回到「英文口說訓練」頁面

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...

一體成形式馬桶馬桶蓋怎麼拆及上裝式馬桶蓋膨脹螺絲原理介紹

家裡有主臥室廁所馬桶的馬桶蓋緩降有點壞掉,也就是沒有緩降功能,蓋馬桶蓋不小心會「碰」的一聲,關起來。 為了省錢,想要自己買馬桶蓋來換就好,就開始了馬桶蓋茶拆除研究之旅。 一看到主臥馬桶馬桶蓋才發現,原來沒有我想像的簡單,原因如下: 馬桶蓋兩側的空隙非常小,手要伸進去都很困難,何況是要轉鬆裡面的螺絲。 費盡千辛萬苦,終於從馬桶左側下方把手伸進去,也頂多只能摸到一邊的螺絲。 馬桶右側有一些水管,也就是說我根本不可能把手伸進去,摸到另一側的螺絲。 最後,花費了2-3天的偵探式思考,終於想到,說不定馬桶蓋向上拔起就拆除了,果真,只要將馬桶蓋立起來,往上拔就拆掉了。 附記:我家主臥廁所馬桶型號為:Derek C693NA 照片及拆除影片 馬桶前側照 馬桶蓋後側照 馬桶上方照 馬桶蓋拆除 上裝式馬桶蓋膨脹螺絲介紹 後來我另外買了上裝式馬桶蓋,包裹拆開來看到零件,附的膨脹螺絲我還是第一次看到,研究許久才知道怎麼裝。 原理 首先,拿出以下配件,可以看到上面有四個突出部 這個配件是用來裝在膨脹螺絲裡面的,它的突出部要跟膨脹螺絲相對應的開口及縫結合 然後,將螺絲從另一邊裝入 將螺帽從第一步驟介紹的配件端鎖上,直到螺帽進入該配件,與其吻合,接下來塞進安裝馬桶蓋的孔洞中,轉緊螺絲,這時,因為第一步驟的配件4個突出部已經卡住膨脹螺絲,膨脹螺絲已被孔洞夾住,且螺帽也被第一步驟的配件卡住,旋轉螺絲時,配件就會順著螺帽被往上鎖,擠開膨脹螺絲,最後把馬桶蓋安裝座鎖緊。  從正面將組裝好的膨脹螺絲塞進馬桶蓋安裝孔中,鎖緊即可

Google Search Console無法為Blogger建立索引,出現伺服器錯誤(5XX)

這幾天,我把我Blogger的網址改了幾次,為了測試Google是否有把我的網頁加進搜尋索引,我到了Google Search Console做了測試,結果出現錯誤,伺服器錯誤(5xx)! 回到「部落格經營」頁面 ⇦Blogger文章在Google搜尋引擎找不到,怎麼辦? Google AdSense要幾篇文章才能通過之審查甘苦談⇨ 我非常驚訝,我用的是Google自家的部落格平台,怎麼可能被Google封鎖;我想可能是我剛改網址,系統還不允許排入谷歌搜尋引擎。 官方網站「Google Search Console說明(註1)」出現的解釋是 當 Googlebot 無法存取網址、要求逾時,或是網站處於流量高峰狀態時,就會出現伺服器錯誤。在此情況下,Googlebot 便不得不放棄要求。 我能找誰詢問,解決「Googlebot便不得不放棄要求」的問題?我就滿心憂慮地去睡覺了。 隔天一早起來,我第一件事就是重新在Google Search Console測試我的網頁,還好過了。真是虛驚一場。 另外,如過要查詢伺服器狀態可以到Google Search Console的「設定」去看。 點選「設定」。 點選「檢索統計資料」的「開始報表」。 點選「主機狀態」,即可查看伺服器各種數據。 註1擷取自「Google Search Console說明」,https://support.google.com/webmasters/answer/7440203?hl=zh-Hant#zippy=%2C%E4%BC%BA%E6%9C%8D%E5%99%A8%E9%8C%AF%E8%AA%A4,2021/6/13 回到「部落格經營」頁面 ⇦Blogger文章在Google搜尋引擎找不到,怎麼辦? Google AdSense要幾篇文章才能通過之審查甘苦談⇨

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...

何謂有效利率(effective interest rate)?

有效利率(effective interest rate)就是將名目利率分割領息週期後,將複利效果納入計算後的利率。 回到「金融分析」頁面 每季領息 舉利來說,存款1年,名目年利率為6%,如果每季發利息,名目季利率就是6%/4 = 1.5%,再把每季的配息拿去定存,形成複利效果,一年後的本金加利息是100(1 + 0.015)^4= 106.14元,減去本金100元(106.14 - 100 = 6.14),賺得利息6.14元,除以本金100元,等於0.0614,因此,考量每季將利息投入定存產生的複利效果後,實際利率應為6.14%,不是6%。 換成每月領息 如果每月發利息,名目月利率就是6%/12 = 0.5%,再將配息定存,形成複利效果,一年後的本金加利息是100(1 + 0.005)^12 = 106.17元,減去本金100元(106.17 - 100 = 6.17),賺得利息6.17元,除以本金100元,等於0.0617,因此,考量每月將利息投入定存產生的複利效果後,實際利率應為6.17%。 將領息間距切割到無限小 名目年利率不變,領息次數越多,有效年利率就越高。假設名目年利率為6%,各領息次數的有效年利率如下表: 領息次數 有效年利率(%) 1 6 2 6.09 4 6.14 6 6.15 12 6.17 120 6.18 無限次 6.18 連續複利(compounded continuously) 將領息次數增加到無限多次,就像每秒都領一點利息,稱為連續複利(compounded continuously)。公式如下: FV = PV*e^rt FV = 終值、  PV = 現值、r = 有效利率、t = 時間長度 公式證明: 連續複利公式有趣的地方是,有效利率跟時間長度的乘積(rt)就是計算終值的參數,舉例來說,用5%有效年利率存2年結果等於用10%有效年利率存1年。 這種特性可以用在許多金融數學的算式裡,算是變動利率下債券價格評估及股價走勢預測等。 可參考: 利率變動下,終值(future value)...

中央極限定理 (central limit theorem)之用均勻分布(uniform distribution)模擬常態分布(normal distribution)

中央極限定理 (central limit theorem)指的是只要從任何一個分布取出樣本後平均,樣本數量越多,這個平均會越接近常態分布(normal distribution)。 數學證明可參考: 中央極限定理(central limit theorem )證明 中央極限定理好用的地方在模擬現實生活中的很多現象,就算不確定某個事件的機率分布,只要取其平均,就可以用常態分布模擬。 舉例來說,股價可以用對數常態分布(log-normal distribution)來模擬,也就是說,股票報酬可以用常態分布模擬。 可參考: 股票走勢模擬 假設從某個數據庫,隨機選取4個樣本叫做X1、X2、X3、X4,然後將樣本平均,也就是 ( X1 + X2 + X3 + X4) / 4 = Xi,然後不斷重複選取4個樣本取平均,Xi會遵循常態分布;其平均值(mean)就是原數據庫的平均值,標準差(standard deviation)就是原數據庫的標準差除以每次樣本數開根號(根號4 = 2)。 電腦應用 中央極限定理其中一個應用就是可以用別的已知分布模型來模擬常態分布,舉例來說程式語言javascript沒有用常態分布取得隨機參數的方式。 但是可以藉由javascript原生產製的數據,藉由平均樣本來模擬。 舉例來說,我可以用javascript產至1000組範圍0到10的隨機數字,再從其中選5個數字作為樣本,然後看看樣本平均(為了方便做圖,皆四捨五入)是否遵循常態分布。 回到「工具」頁面 模擬計算 javascript程式碼分享 有需要用js來產生常態分布樣本的人可以參考這邊的程式碼。 首先設定常態分步的標準差及平均值,得到相對應均勻分布的上下限: 假設常態分步的平均值為x,標準差為y 則相對應的均勻分布的上下限分別為:上限則為x+y*√12/2,上限則為x-y*√12/2。 有了均勻分布的上下限,就可以求得其散步範圍 (range),也就是上限減去下限: y*√12。 假設要模擬的常態分步平均值為10,標準差為...

2008 年金融海嘯時投資的贏家是誰?TLT、AGG、LQD、HYG

在上一篇文章中研究出,TLT 在 2008 年金融海嘯時能夠發揮相當的資產保護效果,這篇文章我拿其他種類的債券來比較看看。 2008 跌到低點 2008 年美國次貸風暴時,標普 500 指數 2007 年 10 月 9 日的最刀點 1,565.15 跌到 2009 年 3 月 9 日最低點的 676.53。納入股利再投資 SPY 報酬率為 -55% 多,同時 TLT 報酬為 25%。 直到 2013 年 4 月 9 日,標普 500 指數才漲回前高點,納入股利再投資 SPY 報酬率為 12% 多,同時 TLT 報酬為 69%。 TLT AGG LQD HYG 結論 HYG 保護力最差,股票上漲趨勢卻最多只能媲美 LQD。