關於 短期票券風險 ，我們在網路上蒐集到這些相關的討論、資訊與評價

【公司負債太高，會倒嗎？】
-
前陣子疫情還沒爆發時，
我和2位朋友聚餐，
A在比較大型的上市公司上班，
B在一間私人企業上班，
-
吃飯時她們在跟我分享公司的狀況，
A朋友說她看公司的財報，負債都好高，
這樣體質是不是不太好，
可能會有倒閉風險…?
-
B朋友很自豪的說，
他們老闆長年堅持零負債，
所以公司創業以來到現在一塊錢的負債都沒有，
還虧A朋友，公司竟然把負債搞到這麼高，
-
當下我覺得她們都好可愛😆
那如果你們，會選哪一間公司呢？
先把答案放在心裡，繼續往下看。
-
其實負債對於公司來說，
是資金運用的一部份，
只要可以妥善使用，
自然就能創造更高的報酬率，
-
這樣的話，公司零負債是不是就是不好？
當然也不是這麼說，
只是實務上很少看到零負債的公司，
站在股東的立場上，
會認為沒有妥善運用資金去提升股東權益報酬率，
所以大多還是會有應付帳款甚至是長期借款這種負債，
那B朋友是因為待在私人企業，
不用對股東負責，所以算是特例，
-
正常來說，我會希望公司的負債比率在50%以下，
(負債比率=負債/資產)
如果超出一點，都還能接受，
但超過太多的話，就可以去看債是好債還是壞債，
-
好債是指應付帳款、應付票據這一類，
這是指要給供應商的貨款，
除了不用支付利息以外，
有時是因為公司已經達到規模經濟，
足夠和供應商議價或延長還款期限的能力，
這就是對公司營運提升有幫助的債，
以和碩舉例，他的負債比率68%，
其中有約26%就是應付帳款和應付票據，
-
但如果是短期借款、短期票券呢？
因為這2項都需要支付利息，
而且可能還不便宜，
要是它們佔整體負債比率不高，倒也還好，
不過太高的話，就要注意是不是公司周轉能力出了問題，
才會一直挖東牆、補西牆，
這種就會視為不好的債，
-
所以我跟她們解釋，
不是負債比率高就不好，
也不是沒有負債就一定好，
債的本質和公司的經營才是重點。
-
我對公司的10項體質檢測，
第8項是否欠錢壓力大，
就是在衡量公司的負債狀況和償債能力。
-
今天講的比較多，
如果有看懂一定要幫我按讚👍讓我知道唷，
沒看懂也要按啦，請留言提出你的問題XD
-
#我沒有Line群組都是詐騙

銀行如何提供超級個人化服務？百人數據團隊靠AI打造中信腦

為了顧及全產品、全客群、全通路、全覆蓋，中國信託採取的對策是走入AI與大數據，更為發展AI應用訂下3大KPI，來掌握研發資源的最適化；今年，中信更成立數據治理委員會，希望將數據治理走向更全行化的關鍵議題

文/李靜宜 | 2021-06-10發表

「透過科技力，來創造競爭力。」中國信託銀行數據暨科技研發處處長王俊權，用一句話點出中國信託大力發展AI與大數據的戰略核心。

3年多前，中國信託定調以AI與大數據作為主要發展方向，並成立了數據研發中心，要用AI來加值業務場景的服務與產品。設立初期僅有一人，到現在已擴大為百人團隊，更在2020年初正式提升為數據暨科技研發處。王俊權正是該團隊的一號員工，更是中國信託內部大力推動AI與大數據的關鍵人物。

中國信託的經營策略是，顧及全產品、全客群、全通路、全覆蓋。而為了守住既有的優勢，中信採取的對策是走入AI與大數據，來作為轉型的利器。不只要轉型，王俊權表示，中信更希望透過AI與大數據，孵化出不同於以往的經營模式。

「CTBC+AI」是中國信託發展AI的大方向，在各業務線上，都能將既有的經營方法加上AI，來提升效率與效能，更要以這樣的科技力創造競爭力。更以優化、平臺、全面、轉型、顛覆這5大階段任務，往下推動AI。

王俊權解釋，中信的策略是，從最小且最有把握的項目開始，所以，透過AI來優化既有的經營方式，是中信切入AI的第一項任務。運用AI優化的專案成功後，下一步，中信就能將AI技術進一步平臺化；有了平臺之後，就能將AI技術全面導入到銀行。

走過了優化階段、平臺階段到全面發展階段，AI已經落地到中信的金融場景，也陸續有了一些階段性成果。王俊權表示，中信現在聚焦「轉型」與「顛覆」，希望透過AI幫助組織轉型，最終期待是要用AI提出顛覆的想法，創造新的經營模式，他透露，目前已有幾個專案正在進行中。

依循著CTBC+AI這項大主軸，中國信託打造了「中信腦」，定調3條研發路線： 電腦視覺、自然語言處理（NLP）、機器思考，也成立了3大實驗室，聚焦研發6大AI應用核心，包括了精準行銷、市場預測引擎、文字與文件辨識應用、人臉與物件辨識應用、機器閱讀到機器對話。從應用場景來看，則鎖定營銷經營、流程優化、風險控管這3項。累計至今，中信在業務單位落地的AI專案超過了20個。

第一類應用場景的AI，中信稱為「營銷經營+AI」，囊括個人化推薦、需求預測，目的是協助增加收益，並提升客戶滿意度、客戶資產、新申購產品數等。王俊權提到，像是推薦引擎專案，中信金控整體客戶數有1,100多萬戶，產品與通路又多，需要透過AI推薦引擎來實現精準行銷，預測顧客未來的金融需求，才能進一步推薦。中信也將這類預測技術，應用到金融商品的預測，比如房價預測、股市預測、匯率預測等。

「流程優化+AI」則是中信第二大類應用場景，包含法金作業流程、客戶申請流程、線上作業流程，希望用來協助內部提升作業效率，來減少作業成本，最終目的也同樣要能夠提升客戶滿意度。 目前，中信內部有多項端對端的流程數位化專案，像是個金、法金、AML（反洗錢）、HR等業務，都有導入AI來優化既有流程。

最後一類場景的應用是「風險控管+AI」，則應用在AML作業、偽冒偵測、稽核，來改善內部作業效率，減少風險的損失。比如，王俊權提到，前年底，中信銀行上線了一套用自然語言處理技術分析負面新聞的平臺，這個AI反洗錢專案的成果，後來更從臺灣擴大應用到7個國家的海外分行。

王俊權表示，3大實驗室所負責的6大AI核心，就是沿著這3大類應用分頭進行，其中，因為銀行面對數位化的壓力較大，所以，又以銀行為應用主力，再逐漸將AI技術擴大到金控旗下子公司，如投信、台灣人壽、中國信託資融等。

自行培養AI研發能力，更訂定3大AI管理KPI

AI發展策略上，中國信託除了自主研發，也會與廠商協作。不過，這兩種策略該如何拿捏，中信內部也走過一段辯論的路。王俊權表示，最後的判斷依據是，「金融業需要的核心能力，中信會投入有限的研發資源。若不是中信認為的核心能力，則盡可能用市場上的解決方案，來加快回應市場的時間。」

舉例來說，銀行業使用分析模型並非新鮮事，AI技術與傳統統計回歸最大的不同是，能夠處理大量非結構數據，像是人臉、電文等資料，可是，這些數據機敏性較高，如果銀行不能自行掌握技術，而需委外，王俊權認為，第一個問題就是，銀行創新的保密性較弱，再者，廠商進入銀行接觸到如此多的機密性資料，有時也有法遵問題。

尤其，金融業對個資的管制嚴格，非結構化資料很難離開金融業，但是，在臺灣，許多AI技術原廠來自海外，對於銀行來說，整體應用或導入的彈性都相對較低，這些都是中國信託選擇培養自家AI研發能量的關鍵因素。

中信在AI應用發展策略，更訂出3大關鍵績效指摽（KPI），作為研發資源最適化的參考。王俊權表示：「對資源有限，需求無限的單位而言，研發的管理是一大關鍵。」首先，中信不會輕易增加AI生產線，因每開一條生產線就會涉及維運與資源分散的議題。所以，「AI生產線的管理」是第一項KPI。

「AI研發資源調度的管理」是第二項KPI。王俊權提到，資源有限狀況下，應該分配多少資源，投入短期的落地變現，還是長期的亮點顛覆，「是一種決策的藝術。」過去，中信希望AI可以迅速擴大到各單位，所以，王俊權採取80／20法則，將80%的資源用在短期落地變現，讓大家有感，保留20%在真正創新的研發。不過，他表示，這個比例每年或每季會進行調整，要讓研發資源投入到需要的地方。

第三項KPI則是「核心複用的比率」，也就是同一項核心技術盡可能重複利用的比率。王俊權要求研發團隊，每條AI生產線至少要有3個落地應用。目前，中國信託共有6條AI生產線，以及20幾個AI落地應用的專案，他提到：「平均每條AI生產線，有3～4個核心複用。」未來，更希望將每個AI核心，擴大到金控內各個應用，所以，要盡可能提升核心的複用，他對團隊的期待是，能提高到兩位數的複用率。

他進一步舉例，3年前，中信導入工研院智能文審技術，來辨識客戶申辦信用卡、貸款所需檢附的財力證明，像是存摺、扣繳憑單等金融常用的固定格式文件。去年，中信將文字辨識應用，複用到分行的場景，上線AI票券辨識服務，在審票機中加入AI、OCR技術來辨識支票，來減少櫃員人工審票與顧客等待的時間，及提升作業人員登打的產能。

目前，中信已做到一張支票上的7個要件，包括到期日、抬頭人、金額、禁止背書轉、發票章讓章或手寫、背書、帳號，都能夠用AI辨識。王俊權提到，中信將自行研發的印刷體的文字辨識核心、手寫英數的AI辨識核心、文印鑑辨識技術，通通導入支票辨識上，「這就是一種AI核心的複用」。此外，為了持續優化辨識正確率，中信更導入AI反饋機制，內部自己發展出標記功能，來改善標記效率，長期目標是達到9成的辨識正確率。今年，中信預計將該AI應用擴大到22家分行。

中信還有另一項AI核心應用是人臉與物件辨識應用，王俊權坦言：「人臉辨識技術，對於組織的轉型與顛覆是亮點有餘，可是力道不足。」不過，若能結合防偽能力及數位流程，可能會創造出藍海的新應用。中信正在思考，如何運用人臉辨識、活體辨識、微表情辨識、情緒辨識等AI核心，交錯組合來打造遠端核身相關應用。

金融業需緊跟科技的腳步，轉變為自身的競爭力，才能在指數型成長的趨勢下，站上領先地位。AI與大數據，正是下一波競爭力的最大利器。─── 中國信託銀行數據暨科技研發處處長　王俊權

推動超級個人化服務，中信靠大數據建立5大行銷策略

「中信銀行每個月有1.5億筆的金融數據，1.9億筆的非金融數據。更可觀的是，疫情期間，顧客更加喜歡使用數位服務，每月高達2億筆的顧客數位數據。」王俊權首度揭露了中信內部統計的海量數據。不只如此，中信銀行1年與顧客會有20億次的行銷溝通，顧客造訪行動銀行、網路銀行或到行銷網頁觀望的次數，更是高達16億次。

「中國信託的數據含金量很高，因此，全都要採集起來，作為銀行KYC的關鍵第一步。」他提到，光在2017年到2018年這段期間，中信內部就採集了大量數據，來建立360度客戶全景標籤。即便，當時各個單位已有自己的全景標籤，中信仍認為要有一個可以全行共用的主數據庫。

有數據來了解顧客，銀行就能出手，中信的策略是以數據掌握顧客人生不同階段需求，提供超級個人化服務。王俊權表示，中信策略是運用AI與大數據，透過個人化溝通方式，來提升顧客的成交機會。中信更先將這種作法，落地到銀行的「艱困區」，若在艱困區測試後有成效，再轉移到「黃金區」主戰場。「一方面不會影響到既有的業務動能，另一方面團隊也會比較有信心。」

在推動超級個人化服務，中信採取了5大行銷策略，並各自搭配合適的AI技術。第一項策略是使用最適合的通路對不同顧客溝通；第二項是尋找顧客有興趣的話題來互動，王俊權透露，今年底將從人工轉為全自動化，用AI生成銀行與顧客行銷的文案。

選擇對的時間，則是第三項策略，比如，當外幣跌到一定數值時，跟該名顧客歷史申購外幣的成本有競爭性，就能在此時發送推薦資訊給顧客。

第四項策略則是打造貼合顧客需求的產品，他提到，中信已有不同產品的預測模型，能預測未來3個月或1周後，該名顧客可能需要的產品。可供業務單位、EDM數位行銷，來聚焦其中高成交率的顧客。最後一項策略是對的活動，即便是賣同一項產品，不同活動的優惠或行銷設計都要不一樣。

王俊權認為，不僅不要過度叨擾顧客，更希望提供一次就能擊中顧客的服務。甚至，目標是做到自動化行銷，他透露，目前正在建置平臺的階段，除了要能自動採集數據，更要自動反應顧客下一步的預測，讓銀行出手可以更快，或盡可能減少PM或行銷出手時會遇上的人工斷點，甚至，讓每次出手後的反饋可以更為即時，來推動多波段行銷。

成立數據治理委員會，優先梳理2類數據

「數據治理是比下水道還要更下水道的底層工程。」特別對於大型金融機構來說，海量的數據勢必要有與過往不同的梳理方式，王俊權如此說著。

因此，今年中信銀行成立了數據治理委員會，由總經理親自主持，各個業務單位主管都參與，「希望將數據治理走向更全行化的關鍵議題。」他坦言，今年是試行階段，但中信已經注意到這個趨勢，而且必須往這方向走。

中信在數據治理特別強調「以用為治」，去年，更研究了全世界數據治理做得較好的企業，比如，數據治理發展超過20年的華為。王俊權坦言：「對中信而言，數據治理既然是一場長期抗戰，就必須明確為何而戰。」

由於資源有限，中信在數據治理的戰略，優先從兩類業務來推動，第一類是不能犯的錯，這類資料的處理一旦犯錯，銀行容忍度很低，如監理報送這類數據就需要優先梳理。另外一類是業務效益較大者，王俊權表示，若沒有好的數據治理標準，業務效益很難有長期的呈現。這是中信今年訂下數據治理的方向，也希望從小開始，慢慢擴大到全行。

經理人小檔案

王俊權

中國信託銀行數據暨科技研發處處長

學歷：臺灣大學國際企業研究所商學碩士

經歷：早年在美國矽谷的科技公司做美股分析，回臺後陸續待過4家銀行，主要負責風險管理；2005年加入中國信託銀行擔任全球個金風險管理處處長，2018年兼任數據研發中心最高主管；現為中信銀行數據暨科技研發處處長，兼任中信金控數據主管

附圖：中國信託銀行數據暨科技研發處處長 王俊權　（攝影／洪政偉）

資料來源：https://www.ithome.com.tw/people/144842?fbclid=IwAR0XaBPczoiqTWTEQH8qHfNDbmyyTpA43Akd2gYWhsBbh0oIbWsBNWdF4Fk

【美國失業人數破2千萬為何股市上漲？再來怎麼看？】

（文長圖多，建議點連結閱讀）

答案是因為通膨預期與病毒實質危害不大，分別解釋如下：

一、 通膨預期

根據卡內基梅隆大學經濟學教授Allan Meltzer研究發現，1941年到1945年這段時間Fed採取的貨幣寬鬆政策，造成股市年複合成長率高達51.5%，但同時段CPI年複合增長率僅5%左右。這意味股價與實體經濟不但可以脫鉤，而且幅度也可以相當巨大，時間可以相當長。反之，從CPI去觀察通貨膨脹是無效且錯誤的，這一塊我會另以新文章解釋。

另一方面通貨膨脹不見得是一種「普遍性」現象均勻地發生在所有的貨物服務價格上，通常反而是存在「密度不同」現象-- 在不同資產類別上，各有不同的通膨效果，所謂Cantillon Effect是也。這個觀念我在好幾年前也談過，此不贅述。

貨幣理論大師Milton Friedman也分別從1920年代/1990年代的美國、與1980年代的日本，三個時期的研究證明貨幣總量的增加會顯著造成股市整體上漲。此外Friedman更進一步點出，當股市因泡沫破裂崩盤後，貨幣總量的增加或減少，會更進一步影響崩盤後的股價表現。

此次Covid-19疫情下，因政府選擇lockdown造成經濟全面停擺，美國Fed祭出前所未見的瘋狂印鈔救市（見圖一），其瘋狂程度大破歷史紀錄！

為何Fed如此瘋狂？請參見我之前寫過的三篇文章：

「利率倒掛與repo rate」

「為何此次崩盤黃金也跟著跌黃金不是避險工具嗎？」

「黃金與美國政府債券價格的現階段意義」

我在這三篇文章清楚解釋repo利率、十年國債利率乃至於美國地方政府債券利率等，都是3月份以來Fed必須強力壓抑以避免資產價格全面崩盤、美國州政府以下破產，人民也因利率飆漲房貸、車貸違約沖天被迫私人破產等恐怖惡性循環。尤以Fed針對持有美國國債的外國中央銀行快速設立FIMA Repo Facility用意最是明顯，足證Fed其實很害怕他國央行趁機在債券市場倒貨換現誘發美國國債利率飆升與流動性乾涸同時發生從而窒息美國經濟。

從經濟學理論看，Fed作為央行角色，除了快速擴大自身資產負債表以及破天荒新增注資管道之外，其實別無他法。真實世界我們也看到此次Fed諸多破天荒的措施，例如成立PMCCF & SMCCF、Main Street Lending Program、Municipal Liquidity Facility與直接購買ETF…等，金額也都是前無古人地幾千億、上兆美元狂灑。

這也表示Fed此次介入之廣、印鈔速度之快，與2008年金融危機時截然不同，自然也會在資產價格上產生不同效果。

總的來看，Fed透過上述債券或商業票券管道注資，過低的債券殖利率勢必壓擠市場原有資金尋找其他投資標的，因此可想而知對股市資產價格通膨預期會產生強大影響。

是的，根據I. Fisher的利息理論，股票資產價格應該是反映未來收入流折現之總和，W=I/r是也。但Fisher的利息理論並無貨幣因素考量。當通膨發生時，W的名義價格成長速度是可以抵過Income的悲觀預期改變。更何況，真實經濟並未因Covid-19重創，我放到第二點談。

順道一提，價值投資這個投資方法究其核心邏輯完全忽略了「貨幣因素」如此重要的侷限條件，而這是個大問題。也正因為如此，價值投資奉行者一旦碰上貨幣現象強烈變化時就容易手足無措、不知如何處置。這在2008年後的十年來最為明顯，就連巴菲特1965年以來的驚人長期績效也在近十年越趨平淡。（見表）

我認為與資金數額大過一定量後，轉受到『邊際生產力遞減』的影響也有關係，但正也因為巴菲特手頭資金夠大，他主要用來降低股票買入成本的手法（特別股議價機會與股票選擇權操作）方可實施。所以要精準分析出貨幣因素與巴菲特80%價值投資之間的相互影響關係，我認為不容易且工程浩大。如果讀者有興趣，有機會我再詳談巴菲特怎麼用比市價更低的方式買入股票。

從投資角度與更進階的經濟學角度看，Fed如此高強度介入債券乃至於他種證券（股票、商業票券）市場的貨幣政策，也會讓傳統以長短期債券利率差預估通貨膨脹率等總體經濟學常見手法通通失效，這意味著價格理論基礎薄弱、只會墨守成規的所謂財經專家們將跌破更多副眼鏡。這是說檯面上很多股民追捧的某些大師關於總體經濟之看法、言論、備忘錄…，都只是一些大師自己也不知道說什麼的扯淡。

二、 病毒危害小於政府封鎖危害，因此恆久收入預期影響不大

截至5/15，全球因Covid-19死亡人數約30萬人，然而1957年與1968年各有兩次殺死全球百萬人以上的流感，但從S&P500指數歷史來看，兩次更嚴重的流感卻未造成股價崩盤（見圖）。

根據WHO統計，2016年全球死於呼吸道感染（今年流行的Covid-19就會被歸類為此分類）就有295萬人（見表），每十萬人死亡數是39.63人（CDR, Crude Death Rate）。目前美國可算是世界疫情最嚴重的地區之一，然而相較於2016年來看，目前美國Covid-19的CDR數值是每十萬人死亡26.2人。事實上並非特別嚴重的傳染病，但卻造成遠比過去更嚴重疫情下還大的經濟損失？

如同我在4/12「Michael Burry與我所見略同」一文中談過：

「政府過度干預封鎖防疫的代價可能比什麼都不做還高！」，並以大蕭條、2008年金融風暴時期的自殺率為參考，認為：

「…自殺人數與病死人數邏輯上不應該只是相比，而是要相加。這是說，即便高度管制下最後COVID-19在美國僅造成等同流感的病死數（約5.5萬人），但若因高度管制造成的經濟衰退自殺人數等同2008年，則每十萬人死亡人數相加後仍達16.88人，恰好約莫等於我假設的狀況一死亡人數。這意味著高度管制下死亡人數有可能等於什麼都不做。…」

而許多研究逐漸指出，Covid-19實際感染人數恐怕遠高於目前所知，這反推回來，此病的CDR數值會比目前所知還低。

再看看德國，從疫情爆發以來德國政府採取民間工廠可自行決定是否繼續營運的政策，80％的私營工廠也如此選擇。

有意思的是，這些德國工廠如何做到儘量降低員工罹病風險的前提下維持日常生產活動？答案是：「向中國學習！」例如德國第一大汽車集團Volkswagen AG就向中國工廠學習引入「100條管理規則」，從工人防護服、員工餐廳安排到工作流水線安排、如何檢測排除可能罹病者與罹病員工安排…等等。這股向中國工廠學習風潮讓Winfried Imminger這家公司在Mulfingen的工廠3800多名員工迄今只有8人確診並隔離，也讓多數德國工廠可以維持疫情爆發前70~80%的生產力。

這個例證也使我相信，疫情平緩之後的世界並不會有翻天覆地的改變。是的，為了避免疫情再起，許多與過去不同的措施，尤其是個人防護配備、社交距離（social distance）或公共交通站點/工作/娛樂場所監控體溫等等會實施，但我相信因此而提高的整體社會費用並不會比911恐怖攻擊後全球反恐措施來得高。

因此我們即便看到現時經濟因政府干預而停止運作的收入損失似乎巨大，但也僅止於現時。當多數國家解禁（事實上連美國也不顧疫情開始解禁）後，未來收入流的負面影響是相當有限。

有人會問：可是眼下美國2千多萬人失業是鐵錚錚的事實啊？！

1.買出來的失業人數

我在前述「Michael Burry與我所見略同」一文也談過，2017～2018年的美國流感疫情導致81萬人住院、6.1萬人死亡，但同期失業率卻是一路下降，足證明單一傳染病本身並不會造成失業。美國現在破歷史紀錄的2千萬人失業是政府兩大舉措造成：

(1) lockdown

從制度經濟學角度看，當市場需求曲線快速向左下移動時，如果成交價格沒有彈性，則市場會以unemployment呈現：於物是滯銷、於資金是爛頭寸、於人則是失業。

這個觀念我十幾年來談過無數次，可自行參閱舊文如：「拯救失業率，我們需要的刪減失業補助！（2014）」

佐以美國工會、勞動保護法規、最低工資限制等等箝制契約自由的政府干預，面對這種政府強制暫停經濟活動的舉措，大量無薪假與失業是必然，根據價格理論原理，尤以邊際租值低的勞工為甚，這點我們也可以從美國勞動部對4月份失業統計看出，餐飲服務業失業率從去年同期4.5％暴增至39.3％；但相對邊際租值較高的金融服務業則從2.1％升至5.4％。（見表）

學歷越差者，失業率越高（見圖）

(2) 過於優渥的失業補助

早在上個月我就從美國營運餐廳的友人處聽得：「這麼多人失業，怎麼餐廳還找不到員工？」的矛盾現象。

後來一查發現某些州的雙重失業補助（州政府+聯邦政府）與因疫情的從寬認定下，一名週薪$600美元的勞工失業後可能領到超過$1200元的補助，而且起碼領到7月底沒問題。失業還領更多？根據經濟學定律申請失業補助者大增完全是情理之中。

後來更看到華爾街日報報導，某些小企業的員工主動跟雇主達成協議，透過「輪流失業」讓公司內的雇員「人人有失業補助領」。

與此同時我們也看到，美國為了保障中小企業繼續聘僱員工的「Paycheck Protect Program (PPP)」條件是該企業領取貸款後必須「繼續聘僱員工」方能獲得債務豁免。然而許多企業卻因lockdown無法營業，繼續聘僱不能來上班的勞工對企業毫無誘因，使得企業乾脆選擇結束營業而非申請補助。這一塊又加重失業人數之增加。這也造成美國國會雖然在4/27緊急增加$3700億美元補助金，但迄今卻出現40%閒置無人申請的矛盾現象。再一次證明「政府本身就是問題，政府無法解決問題」。

這是說，看似嚇破膽的歷史紀錄2千多萬人首次申請失業補助的背後，並非病毒導致而是美國政府干預創造出來的怪獸。因此不管Covid-19引起的疫情是否取得「曲線平緩（flatten the curve）」，只要干預拿掉，經濟都會逐步恢復原狀。

2.低廉的石油價格有助於實體經濟

疫情前全球每日石油需求約1億桶，其中約60%用於燃料用途。疫情後，全球燃油消費大減，例如某些航班數減少9成，路上行車數量也大減。這些同樣是因政府干預限制，並非因疫情本身。

先前西德州石油期貨價格在結算前下殺至負數，我認為屬於一堆不黯遊戲規則的抄底散戶因無力真實點交原油而被痛宰的意外事件。要知道，西德州石油期貨契約是包含delivery條款，一方可以真實要求點交原油：

「Delivery Procedure:

Delivery shall be made free-on-board ("F.O.B.") at any pipeline or storage facility in Cushing, Oklahoma with pipeline access to Enterprise, Cushing storage or Enbridge, Cushing storage. Delivery shall be made in accordance with all applicable Federal executive orders and all applicable Federal, State and local laws and regulations.

At buyer's option, delivery shall be made by any of the following methods: (1) by interfacility transfer ("pumpover") into a designated pipeline or storage facility with access to seller's incoming pipeline or storage facility; (2) by in-line (or in-system) transfer, or book-out of title to the buyer; or (3) if the seller agrees to such transfer and if the facility used by the seller allows for such transfer, without physical movement of product, by in-tank transfer of title to the buyer.」

石油現貨價格的確因中東局勢與lockdown大幅下跌，可不至於到暗無天日，如台灣商周聲稱「石油紀元結束」那般悲觀。

事實上我們看到有能力儲存石油的業者租下大量油輪滿載原油漂浮在海上（見圖）；又有人大量租賃游泳池簡易改裝後注滿石油（見圖）；也有人使用大型填充包儲存石油（見圖）。這些行為均代表某種對未來收入樂觀的預期，才會於此時真金白銀下賭注。

另一個重點，是延續前一點的經濟邏輯 -- 如果市場價格有下修彈性，則unemployment就不容易出現，市場就能清市。延伸來說，任何生產要素如果能在景氣下行時價格能下修，則代表該社會整體制度的交易費用低於價格較無彈性的制度。此點會在景氣落底回升時在生產力與創造財富效率上呈現高低差異。

當然，從更根本角度看，市場只要能自願地employment，無論價格多低，都勝過非自願unemployment。前者對保護未來收入預期與財富損失上都更有利。這兩點會影響股票債券價格，投資者必須注意。

三、近期應注意：

a. 卡債、房貸的違約率

雖然我們知道美國卡債違約率2016年以來就逐步攀升至2019年Q4的2.61％，尚遠低於2009年近7%。房貸違約率2019年末也是樂觀的數字，但Fed公開的統計資料始終是落後指標。

因此我們需要參考更即時的數據，可債券市場因此次Fed霹靂手段干預之下，我認為無論國債、地方債乃至於高債信公司債的利率都存在一定程度的扭曲。這又回到經濟學理論的老生常談：政府干預市場利率的下場必然增加市場活動參與者對未來收入流預估的訊息費用。

投資人無可避免要學會與之共處，同時透過加強自身經濟邏輯與知識廣度來降低費用。

我自己會轉向參考其他數據或真實經濟現象，比方我們可以在排除貨幣流速影響下，從特定經濟活動的速率變化推估真實利率邊際變化，這是高階的利息理論應用，要深談得寫本書，此處點到為止。我只是要點出這種難度較高的經濟邏輯，坊間多數財經專家連邊都碰不上，甚至連感知這類概念存在的能力都不具備，因此多數人的財經建議也就毫無參考性可言。

退而求其次，又或者可以參考repo利率與低信評公司債殖利率。

b.Collateralized Loan Obligation （見圖）

談到低信評公司債就多說兩句CLO（Collateralized Loan Obligation）。與債信較低的槓桿債（leverage loan）包裹連結的CLO在美國總市場規模從2007年的＄3270億增長至2019年底的＄6910億美元，CLO如果發生崩盤，那將會是2008年金融危機CDO的翻版，而當年CDO全球市場規模在$4千多億美元。CLO背後連結的槓桿債規模也達$1.2兆美元。

槓桿債很常發生在槓桿併購（LBO, leveraged buyout），簡單說就是某A想買下B公司，但又不想出錢或資金不足。於是以B公司的未來收益或資產為擔保，向銀行C借錢併購B。對，你沒看錯，是以「B公司的未來收益或資產」為擔保，不是A自己。這種併購方式通常會帶來高負債比甚至伴隨高利率，實務上發動併購方可以只出一成的資金，就買下十倍大的對手，所以才叫「槓桿（leverage）」。

這種併購方式在順風順水的年代可以快速擴充，但一旦出現市場整體流動性枯竭與景氣反轉，也死得特別快。讀者還記得我「利率倒掛與repo rate」一文提到去年九月的詭異repo rate飆升，就滿足了「流動性枯竭」這第一要件，子彈已然上膛。Covid-19引發的政府強制經濟活動停滯則很有可能是扣下扳機的那隻手。

然而，若僅僅是單純的LBO，破產者就侷限在A與相關金融往來對象，還算是「個體風險」。但如同2008金融風暴那錯綜複雜的CDO金融產品一樣，CLO把LO重新包裹證券化後，又把個體風險搞成系統風險。

可能不熟悉金融的讀者會疑惑：這些有錢人高來高去的資產價格崩盤於我何干？

以Envision Healthcare這家美國大型醫療機構為例，2018年KKR透過槓桿債的方式全盤買下Envision醫院體系，但Covid-19後美國流動性枯竭，造成短期利率與垃圾債券利率飆升，瞬間讓Envision現金短缺甚有破產危機，結果就是在面對Covid-19疫情加速惡化的四月，Envision旗下醫院急診室不但沒有防護裝備給第一線醫護人員，也因付不出薪資、獎金而大幅刪減急診室人力。與Envision槓桿債掛勾的CLO也是前途無亮等著被降信用評等。然而，信用評等降級對這些本就採取高槓桿債務併購的公司等於是雨天收傘，進一步惡化其財務與現金短缺狀況，對美國第一線疫情防護恐怕雪上加霜。

再把視角轉到日本，農林中央金庫（Norinchukin Bank）是日本最大吸收農漁民存款的金融機構，同時也是世界最大CLO買方，2008年後累積購入金額達$750億美元。一旦CLO市場如2008年的CDO市場一樣轉瞬崩潰，則日本普遍高齡的農漁民生計與財富損失，以及對日本經濟的連鎖效應可想而知。目前尚可安心的是，農林中央金庫只購入安全等級最高的CLO。

可另一方面，也正因為Covid-19帶來的經濟停滯，許多優良債務人紛紛出現無力支付本金利息的現象，從而引發評價機構紛紛下調CLO內含債權的評等，例如Moody在4月中調降高達$220億美元CLO的評等，加上S&P，二家機構合起來降評了20％美國境內發行CLO。這直接影響了持有美國境內40% BBB等級CLO tranches的各大保險公司，這可能意味保險公司資產價格重挫下履行保險契約支付賠償金的能力也可能縮水。

若美國許多受感染者或其他疾病患者發現即便自己購買了昂貴的醫療保險，但保險公司支付卻可能無力支付醫療費用時，接下來會發生什麼事？

這一整段有關CLO的敘述只是美國盤根錯節的金融契約結構中的一個切面，但我相信已經能讓讀者感受到「牽一髮而動全身」的可怕。

從這點我們也不難理解，為何身為美國最大「再保險」集團之一的主事人巴菲特在此時選擇提高並保持現金水位，特別是大量賣出08年以優惠價格條件買入的Goldman Sachs超過1千萬股（$17億美元）。

結論：

我認為美國股市未來相當長時間就會在「通膨預期」與「未來收入預期」兩股力量拉扯推擠走下去。二者可以是同方向或反方向。因為「市場預期」這看不見摸不著的東西很難建立具有科學預測力的經濟理論。

我不認為真實世界的生產力受到病毒摧殘，而是受到政府干預干擾。可是一旦悲觀預期形成，資產價格下修的可能性會存在。而美國複雜交錯的金融制度可能把個體風險放大為系統性風險，這在2008年發生過一次，如今不是不可能再從CLO引爆歷史重演。

誠如我前兩日談過如何從價格理論快速看國富增長，美國主要靠服務業（特別是金融服務）這種架空經濟要持續運作的前提是基於深度全球化分工。根據Adam Smith的國富論，全球市場分工越多元、越細緻、越深入，世界整體財富增長速度越快，當然走虛擬金融經濟為主的美國也會因上頭租值佔比高而享受更高的財富增速。

反之，美國如果自己跑出來反全球化，那死得最慘的是自己。

又，當今的貨幣政策會大幅增加訊息費用，判斷真實利率的難度大增，考驗投資者對價格理論、利息理論的熟稔與精通程度。

一般投資人對於真實世界關鍵侷限條件與轉變的掌握程度會直接影響可選擇投資方法。指數型ETF這種放棄思考的被動投資或許還是適合多數人。

通貨膨脹下如何投資？另作文章說明。

本文參考資料：

WSJ: "The Federal Reserve Is Changing What It Means to Be a Central Bank" (2020-04-27)

Milton Friedman, "A Natural Experiment in Money Policy Covering Three Episodes of Growth and Decline in the Economy and the Stock Market" Journal of Economic Perspective, Vol. 19, (Fall 2005)

Allan H. Meltzer, "Current Lessons From The Past: How The Fed Repeats Its History." Cato Journal, Vol 34, No. 3 (Fall 2014)

Financial Times: "Coronavirus crisis: does value investing still make sense?"(2020-05-11)

WSJ: "New Data Suggest the Coronavirus Isn’t as Deadly as We Thought" (2020-04-17)

WSJ: "Why Doesn’t Flu Tank Economy Like Covid-19?"(2020-04-10)

WSJ: "Demand for Small-Business Loans Cools" (2020-05-08)

WSJ: "How Germany Kept Its Factories Open During the Pandemic" (2020-05-06)

WSJ: "Paying Americans Not to Work" (2020-04-22)

WSJ: "Businesses Struggle to Lure Workers Away From Unemployment" (2020-05-08)

WSJ: "Demand for Small-Business Loans Cools"(2020-05-08)

A. A. Alchian,"Information Costs, Pricing, and Resource Unemployment" (1969)

WSJ: "Millions of Credit-Card Customers Can’t Pay Their Bills. Lenders Are Bracing for Impact." (2020-04-25)

Financial Times: "CLOs: ground zero for the next stage of financial crisis?" (2020-05-13)

Financial Times: "Private-equity backed companies dominate lowest depths of junk" (2020-05-07)

Financial Times: "Coronavirus sell-off puts faith in CLOs to the test" (2020-04-23)

Financial Times: "Warren Buffett’s Berkshire dumps most of Goldman Sachs stake" (2020-05-16)

文章連結：

https://bit.ly/3bDEM3E