為什麼最簡單的 50/50 配置打敗了所有複雜策略？

投資世界裡有一個根深柢固的迷思：越複雜越好。聘請更多分析師、建立更精密的模型、用更多參數優化，難道不應該帶來更好的結果嗎？

我們的研究給出了一個令人不安的答案：不一定。事實上，在 SPY + GLD 的組合中，最笨的 50/50 等權配置，打敗了幾乎所有複雜策略。

Grid Search：窮舉所有可能性

我們在 K704 實驗中做了一件簡單但徹底的事：對 SPY 和 GLD 的所有比例組合（SPY 10% 到 90%，每 10% 一格），計算過去 20 年的 Sharpe Ratio。

結果如何？

從 SPY 10% 到 SPY 90%，Sharpe Ratio 的走勢呈現一個拋物線，在中間 50/50 附近達到最高點（0.548），往兩端都明顯下降。

如果你從 SPY 10% 一路增加到 90%：

• 太少股票（SPY 10-20%）：回報太低，Sharpe 只有 0.38-0.43
• 太多股票（SPY 80-90%）：波動太大，Sharpe 掉回 0.47-0.51
•  剛好 50/50 ：Sharpe 0.548，全局最優

為什麼 50/50 是最優？數學告訴你

這背後有一個非常優雅的數學原因。

 SPY（標普 500 ETF）年化波動率：19.3% 

 GLD（黃金 ETF）年化波動率：18.3% 

這兩個數字幾乎完全相同。

這個巧合非常重要。在投資組合理論中，有一個叫做「風險平價」（Risk Parity）的概念：讓每個資產對整體組合的風險貢獻相等。計算公式很簡單，如果兩個資產的波動率相等，那麼各佔 50% 就是風險平價的最優解。

 SPY 波動 ≈ GLD 波動 → 風險平價 = 50/50 

不需要複雜的優化演算法。不需要估計未來報酬。不需要相關係數矩陣。波動率幾乎相等的兩個資產，天然地讓 50/50 成為最優。

Markowitz 和 Risk Parity 也說：50/50

我們沒有停在直覺層面。我們實際上跑了兩個著名的投資組合優化方法：

 Markowitz 均值方差最優化 （1952 年諾貝爾獎級別的理論）

輸出結果：接近 50/50

 Risk Parity 演算法 （橋水基金等機構使用）

輸出結果：接近 50/50

更諷刺的是，在學術文獻中，DeMiguel、Garlappi 和 Uppal（2009）在《Review of Financial Studies》發表了一篇著名論文，標題幾乎是一個挑釁：「用 1/N 規則代替最優化」，他們發現，簡單的等權重策略（1/N）在 14 個資料集中的 7 個打敗了 14 種複雜最優化策略。

原因？複雜策略需要估計期望報酬和協方差矩陣。這些估計本身就有誤差，而誤差會累積，最終讓「最優化」變成「最誤化」。

 簡單的 50/50 不需要估計任何東西，它繞開了估計誤差的問題。 

K706：78% 的時間都是 near-optimal

有人可能會問：「這只是樣本期剛好如此吧？換個時間段會不會不同？」

我們在 K706 實驗中做了滾動窗口分析：在 20 年中的任意 5 年窗口內，50/50 是「near-optimal」（Sharpe 在最優的 95% 以上）的機率是多少？

答案： 78% 的時間段 

只有 22% 的時間，其他比例明顯優於 50/50——而且這 22% 你事前無法預知。

這意味著：如果你想嘗試「擇時調整 SPY/GLD 比例」，你只有 22% 的機會是對的，78% 的時間只是徒增摩擦成本。

更簡單 = 更好的真正原因

為什麼投資中「簡單反而更強大」？至少有三個原因：

 1. 估計誤差消失了  複雜策略需要估計「未來報酬」、「未來波動率」、「未來相關性」，這些估計幾乎必然有誤差。50/50 完全迴避了這個問題。

 2. 交易摩擦更低  頻繁調整比例帶來交易成本。持有 50/50 長期不動，交易費幾乎是零。

 3. 你不會在危機時做錯決定  當市場崩潰時，複雜策略的「模型」往往在最錯誤的時機發出錯誤信號。50/50 不需要判斷，你只需要繼續持有。

這對你的實際投資有什麼意義？

如果你今天就想開始投資，不需要研究 VIX、不需要學 GARCH 模型、不需要計算協方差矩陣：

1.  買 SPY（標普 500 ETF）50% 
2.  買 GLD（黃金 ETF）50% 
3.  每年一次再平衡，回到 50/50 
4.  完成。 

這個策略在過去 20 年的 Sharpe Ratio 是 0.548——打敗了我們測試的所有複雜 VT 策略。

當然，有些人會問「那 100% SPY 不是賺更多嗎？」是的，如果你能承受 2008 年資產暴跌 55%、2020 年暴跌 34%、且不在恐慌中賣掉，那 100% SPY 確實長期報酬更高。但大多數人做不到。50/50 的意義在於讓你「實際上能堅持執行的策略」，而不只是「理論上最優的策略」。

 最好的策略不是最複雜的策略，而是你實際上能堅持執行的策略。 

本文基於實驗 K704（SPY/GLD Grid Search）和 K706（Near-optimal 分析）的實證結果（數據來源：yfinance SPY/GLD，期間：2006-2026）

實驗腳本：experiments/k704_5050_grid_search.py / experiments/k706_nearoptimal_analysis.py

參考文獻：DeMiguel, Garlappi & Uppal (2009), "Optimal Versus Naive Diversification", Review of Financial Studies