均值-方差法

Mean-Variance Approach（均值-方差法）源自Harry Markowitz於1952年提出的現代投資組合理論（Modern Portfolio Theory, MPT），後續由Sharpe等學者進一步發展。其核心邏輯是：理性投資者在面對不確定性時，不僅關注預期報酬（期望值），更關注風險（波動性，以方差表示）。在企業風險管理（ERM）框架中，這意味著企業在評估任何風險情境時，必須同時考量其平均預期損益與波動程度。根據ISO 31000:2018風險管理原則，風險的處理應基於風險處理選項的系統性評估，而Mean-Variance Approach提供了量化這些選項的數學基礎。與傳統期望值法不同，它允許企業在相同期望報酬下選擇風險更低的選項，或在相同風險水平下選擇期望報酬更高的選項，從而實現風險效益最大化。

企業導入Mean-Variance Approach通常遵循以下三個步驟：第一步，數據蒐集與參數估算。企業需蒐集歷史數據來估算各風險因子（如市場需求波動、匯率風險、供應鏈中斷）的期望值與協方差矩陣。第二步，風險溢酬計算。企業根據風險偏好設定風險迴避係數（Risk Aversion Coefficient），計算各風險情境的風險溢酬，以決定是否接受特定風險。第三步，投資組合最優化。利用二次規劃（Quadratic Programming）等數學方法，在風險預算約束下求解最優生產、庫存或資本配置方案。例如，在庫存管理中，企業可根據需求波動的方差來決定安全庫存水位，以最小化缺貨風險與持有成本的加權總和。此方法與COSO ERM框架中「風險偏好設定」的原則高度一致。

台灣企業在導入Mean-Variance Approach時面臨三項主要挑戰。首先是數據品質與可用性問題：許多中小型企業缺乏系統性記錄風險事件數據的基礎設施，導致期望值與方差估算失真。建議導入ERP系統與風險管理軟體，建立至少3-5年的歷史數據庫。其次是風險因子的識別難度：台灣企業高度依賴出口市場，對外部宏觀風險（如美中貿易關稅、地緣政治）的量化能力不足。企業應建立跨部門風險識別機制，定期更新風險因子清單。第三是風險文化與人才缺口：Mean-Variance模型需要統計專業知識，企業需投資員工培訓或聘請專業風險分析師。建議採用漸進式導入策略，先從財務風險管理開始，逐步擴展至營運風險管理，並將風險矩陣與KPI掛鉤，以提升組織風險意識。

Mean-Variance Approach與多項國際標準存在直接關聯。ISO 31000:2018《風險管理——指引》提供了風險處理選項的決策框架，而Mean-Variance模型提供了這些選項的量化評估工具。在金融風險管理領域，Basel III（巴塞爾協議III）的資本適足率要求與風險加權資產計算，其背後邏輯與Mean-Variance框架中風險量化的概念一脈相承。此外，NIST SP 800-37《風險管理框架》（RTO）在資訊安全風險評估中，同樣需要考量衝擊的期望值與不確定性，這與Mean-Variance的風險衡量邏輯相呼應。台灣企業在處理IFRS 7「金融工具揭露」時，亦需揭露風險管理策略與量化風險暴露，Mean-Variance模型提供了這類揭露所需的計算基礎。