均值-方差模型

Mean-variance模型（均值-方差模型）由Harry Markowitz於1952年提出，是現代投資組合理論（Modern Portfolio Theory, MPT）的核心。其核心邏輯是：投資者在追求最大化期望報酬的同時，必然面臨風險（以方差表示）。模型透過「有效前沿」（Efficient Frontier）概念，找出在特定風險水平下報酬最高的資產組合。在企業風險管理（ERM）框架中，它被廣泛應用於資本配置、庫存管理及供應商多元化策略。根據ISO 31000風險管理原則，風險應被量化為「不確定性對目標的影響」，Mean-variance模型提供了這種量化描述的數學基礎。與傳統風險矩陣（Likelihood x Impact）不同，Mean-variance模型能處理多變量關聯性，使風險評估從定性描述升級為定量計算。值得注意的是，模型假設報酬呈正態分佈，但在極端市場波動下存在「肥尾風險」問題，因此需搭配期望損失（Expected Shortfall）等進階指標補充。

實務應用通常遵循三步驟：第一步為數據蒐集與參數估算，包括歷史報酬率、相關係數及風險偏好係數（Risk Aversion Coefficient）。第二步為最優化計算，利用二次規劃（Quadratic Programming）求解最優資產配置或資源分配方案。第三步為動態調整，定期重新平衡組合以應對市場變化。例如，台灣某大型電子製造商在供應商管理中，可利用此模型評估多供應商策略的風險分散效果：同時導入三家供應商雖增加管理成本（Mean降低），但能顯著降低供應中斷風險（Variance降低）。量化效益方面，企業可追蹤「風險調整後報酬率」（如Sharpe Ratio）提升幅度，目標通常為在相同風險水平下提升10-15%的營運效率。此外，模型協助企業建立風險預算機制，確保風險暴露不超過資本充足率限制，符合COSO ERM框架中「風險偏好設定」的要求。

台灣企業導入Mean-variance模型常見三項挑戰。第一，數據品質與完整性不足：許多中小型企業缺乏系統性歷史數據，導致模型輸入失效。對策是建立數據治理機制，確保數據採集、清洗與儲存的完整性。第二，模型假設與現實脫節：台灣市場存在大量非正態分佈的極端事件（如地震、地緣政治風險），模型預測失效。對策是採用「壓力測試」與「情境分析」進行模型校準，而非單一依賴歷史數據。第三，人才缺口：量化風險建模需要具備統計、財務與業務知識的複合型人才。對策是透過專業顧問協助建立模型，並進行內部人員培訓。建議企業採取「漸進式導入」策略：第一階段先應用於財務風險管理，第二階段擴展至供應鏈與營運風險，第三階段整合進企業策略規劃，預計完整導入需12-18個月。

積穗科研股份有限公司（Winners Consulting Services Co., Ltd.）專注台灣企業Mean-variance相關議題，擁有豐富實戰經驗，協助企業建立符合ISO 31000與COSO ERM框架的量化風險管理機制，已服務超過100家台灣企業。申請免費機制診斷：https://winners.com.tw/contact