貝塔值（Beta，β 係數）衡量一檔股票（或 ETF、基金）對大盤的敏感度：
大盤動 1%，它「平均」跟著動 β%
β＝1 跟大盤同步；β＞1 放大大盤的漲跌；β＜1 比大盤溫和。
真實座標（近五年、對美股大盤 SPY）：可口可樂約 0.34、蘋果約 1.1、輝達約 2.2——大盤跌 10% 的那種日子，三檔股票「平均」分別跌約 3.4%、11%、22%。這篇教你用它，也告訴你巴菲特為什麼不買單。
買股票前你會看它「會不會漲」，但很少人先問另一個問題：市場打噴嚏的時候，它會感冒還是肺炎？貝塔值就是回答這個問題的數字。它是資產定價理論的核心零件、基金說明書的必備欄位，也是被最多人「只看數字、不懂脾氣」的指標。這篇把它講到你能自己算、自己用，最後用巴菲特和一篇經典論文，講清楚它的邊界在哪裡。
貝塔值在量什麼？股票的「放大倍率」
想像大盤是一列火車，每檔股票是掛在火車上的車廂——但掛法不同。有的車廂用鐵桿硬連（大盤怎麼動它怎麼動）、有的用彈簧連（大盤動一下，它甩得更大力）、有的只用一條鬆鬆的繩子（大盤動了它慢半拍、幅度也小）。貝塔值量的就是這個「連接的鬆緊與放大倍率」。
技術上，它把股票的報酬對大盤的報酬做迴歸（統計上等於「共變異數 ÷ 大盤變異數」），得到一個斜率。你不需要自己算——各大財經網站都查得到——但你需要知道怎麼讀：
| 貝塔值 | 意思 | 典型例子 |
|---|---|---|
| β ≈ 1 | 跟大盤同步 | 大盤指數 ETF（SPY、VOO）本身 |
| β ＜ 1 | 比大盤溫和（防禦型） | 民生消費、醫療、公用事業 |
| β ＞ 1 | 放大大盤漲跌（進攻型） | 科技、半導體、非必需消費 |
| β ≈ 0 | 跟大盤幾乎無關 | 黃金、部分避險資產 |
| β ＜ 0 | 跟大盤反向（罕見） | 放空型 ETF、少數避險工具 |
真實座標：近五年，這些資產的貝塔值是多少？
座標感比公式重要。我們用近五年（2021 年 7 月～2026 年 6 月）的月報酬（含息）對 SPY 迴歸，自行計算了一組常見資產的貝塔值：
完整一點的表，加上兩個值得注意的欄位：
| 資產 | 貝塔值（約） | 與大盤的相關係數（約） | 讀法 |
|---|---|---|---|
| JNJ 嬌生 | 0.24 | 0.21 | 防禦組：大盤大跌日，它們平均只跌零頭 |
| KO 可口可樂 | 0.34 | 0.33 | |
| PG 寶僑 | 0.39 | 0.33 | |
| GLD 黃金 | 0.17 | 0.17 | 不是「穩」，是「不同步」——見下方說明 |
| TLT 長天期美債 | 0.51 | 0.56 | 教科書說債券跟股市反向，這五年不是——見下方說明 |
| AAPL 蘋果／MSFT 微軟 | 1.10／1.13 | 0.70／0.71 | 大型科技：略放大大盤 |
| TSLA 特斯拉 | 1.79 | 0.48 | 進攻組：漲時很甜、跌時加倍奉還 |
| NVDA 輝達／AMD 超微 | 2.21／2.47 | 0.69／0.58 |
兩個常被跳過、但很重要的讀法：
①黃金的 β＝0.17 不代表它「很穩」——它跟大盤的相關係數也只有 0.17，意思是它根本不太理大盤，自己有自己的行情（近年甚至大漲）。貝塔值只在「相關性夠高」時才有預測意義：相關性低的資產，看 β 不如直接看它自己的波動。
②長天期美債的 β 是正的 0.51——教科書會告訴你債券跟股市反向、是天然的避險品，但 2022 年之後利率變成股債共同的敵人，兩者常常一起跌（存續期間那一篇的 2022 年圖就是證據）。貝塔值是歷史統計，市場體制改變時，它會跟著變——這也是後面「使用極限」的預告。
動手算：你的投資組合貝塔值是多少？
單一股票的 β 網站查得到，但更實用的是整個組合的 β——它就是各持股 β 的加權平均。算出來你就知道：大盤修正 10% 的那種月份，你的帳戶「平均」會縮水幾 %。
組合貝塔計算機
提醒：這是「平均而言」的線性估計——個股永遠可能因為自己的新聞跟大盤脫鉤（β 描述的是「跟大盤有關的那部分」波動）。它適合當組合體檢的工具，不適合當單日預測的工具。
三個使用極限：巴菲特、一篇經典論文，和一個常見疑惑
- 巴菲特的反對：波動不等於風險
巴菲特在 1993 年的股東信裡直接點名批評用 β 衡量風險：一檔股票暴跌之後，按 β 的邏輯它「風險變高了」——但對看得懂價值的買家來說，同一家公司變便宜了，風險明明是變低的。他最愛舉 1973 年華盛頓郵報的例子：市值跌到剩約 8,000 萬美元、而資產隨便賣都值 4 億時，市場的劇烈波動讓它在學術定義下「更危險」，實際上卻是十年難遇的便宜貨。他的結論精神是那句老話：寧要模糊的正確，不要精確的錯誤——β 量的是「價格晃多大」，不是「你會不會賠錢」；真正的風險來自買貴了、或買錯了公司。 - 學術界的發現：高 β 不等於高報酬（低 beta 異象）
照理論，承擔越高的 β 應該換到越高的長期報酬。但 Frazzini 與 Pedersen（2014）發表在《Journal of Financial Economics》的經典論文《Betting Against Beta》用美股與全球二十個市場的數據證明：高 β 資產的長期報酬，配不上它多出來的波動；低 β 資產反而交出超出理論的成績。原因之一是散戶與受限的機構偏好用高 β 股票「代替開槓桿」，把它們的價格買貴了。白話結論：買一籃子高 β 股票求刺激，長期而言是用兩倍的暈船換不到兩倍的報酬。 - β 是歷史、會變，也因來源而異
你在不同網站查同一檔股票，β 常常不一樣——因為計算期間（三年 vs 五年）、頻率（週報酬 vs 月報酬）、對照指數不同，答案就不同（本文用五年月報酬對 SPY）。更根本的：β 是後照鏡，公司轉型（特斯拉從狂飆期走向成熟）、市場體制改變（2022 年後的股債關係），都會讓歷史 β 失準。把它當「量級」讀（0.3 級？1 級？2 級？），別當精確值用。
那 β 到底該怎麼用？三個實戰場景
- 組合體檢：你其實開了幾倍槓桿？
很多人自認保守，但組合 β 一算是 1.5——等於拿著看不見的槓桿在追大盤。用上面的計算機體檢一次，再決定這個放大倍率是不是你要的。 - 回答「跌得起嗎」：把抽象風險變具體
「我可以承受風險」是空話，「大盤跌 20% 時我的組合約跌 β×20%，我睡得著嗎」才是真話。搭配展望理論那一篇：賠錢的痛是賺錢的兩倍，先用 β 預演最壞情境，勝過事到臨頭砍在低點。 - 解讀策略成績：報酬是本事還是曝險？
一個策略贏過大盤，先問它的 β：如果它 β＝1.3，多賺的可能只是「多冒的險」而不是真本事——這正是夏普比率與 alpha 想拆穿的事。β 負責量「你搭了多少大盤的順風車」，alpha 才是「扣掉順風車之後真正的超額報酬」。
常見問題
貝塔值多少算高？多少算低？
以大盤＝1 為基準：0.7 以下屬防禦型（民生消費、醫療常見），0.7～1.3 大致與大盤同級，1.5 以上屬高波動（科技、半導體常見，如近五年輝達約 2.2）。沒有絕對好壞——關鍵是組合整體的 β 是否符合你能承受的波動。
貝塔值是負的代表什麼？
代表它傾向與大盤反向：大盤跌它反而漲。常見於放空型 ETF 與少數避險工具。注意「負 β」與「零 β」不同：零 β（如近五年的黃金）是不太理大盤，負 β 是故意跟大盤作對——後者長期持有通常要付出可觀的成本。
為什麼不同網站查到的貝塔值不一樣？
因為計算設定不同：期間（三年或五年）、報酬頻率（週或月）、對照指數（S&P 500 或其他）都會改變結果。查詢時留意該網站的計算說明，比較兩檔股票時務必用同一來源。本文數據為五年月報酬對 SPY 迴歸、含息計算。
貝塔值和阿爾法（Alpha）差在哪？
兩個是同一條迴歸式的兩個零件：β 是斜率，量「跟著大盤動的部分」（曝險）；α 是截距，量「扣掉大盤貢獻後多賺或少賺的部分」（超額報酬）。一個策略的報酬可以拆成「β×大盤報酬＋α」——高報酬若全來自高 β，代表它只是曝險大，不是本事好。
低貝塔值的股票，報酬是不是一定比較差？
理論上該如此，實證上不是。Frazzini 與 Pedersen（2014）的《Betting Against Beta》發現：低 β 股票的長期風險調整後報酬反而系統性優於高 β 股票（低 beta 異象），在美股與全球多個市場都成立。這不保證未來重演，但足以推翻「想賺多就該買最會噴的股票」這個直覺。
本文重點整理
- 貝塔值＝對大盤的敏感度：大盤動 1%，它平均動 β%；組合 β＝各持股 β 的加權平均。
- 真實座標（近五年對 SPY）：嬌生 0.24、可口可樂 0.34、蘋果 1.1、特斯拉 1.8、輝達 2.2；黃金 0.17（是不同步、不是穩）；長天期美債轉正 0.51（股債關係已變）。
- 巴菲特的批評：β 量波動、不量風險——股價暴跌後 β 說「更危險」，價值投資人看到的是「更便宜」（1993 年股東信）。
- 低 beta 異象：高 β 股票長期報酬配不上多出來的波動（Frazzini & Pedersen 2014）——高波動不是高報酬的門票。
- 正確用法：當量級不當精確值——組合體檢、預演最壞情境、拆解策略報酬（β 是順風車，α 才是本事）。
超過 20 年美股投資實戰經驗，專注價值投資、選擇權實戰與資產配置策略教學。本站投資百科的數據圖表與互動工具，皆由他帶領 BOS 團隊實作驗證。認識 BOS →
延伸閱讀
參考資料
- Buffett, W.，波克夏·海瑟威 1993 年致股東信——對以 β 衡量風險的批評；華盛頓郵報案例另見〈The Superinvestors of Graham-and-Doddsville〉（1984）。
- Frazzini, A. 與 Pedersen, L. H.，〈Betting Against Beta〉，Journal of Financial Economics 111(1)，2014，頁 1–25——低 beta 異象於美股、二十個國際市場、公債與期貨之實證。
- 本文貝塔值：Yahoo Finance 調整後收盤價（含息），2021 年 7 月～2026 年 6 月月報酬對 SPY 迴歸，BOS 自行計算。
本文內容僅為教學說明，不構成投資建議；貝塔值為歷史統計量，不保證未來表現，文中個股僅為數據示範、非推薦標的。
相關條目：貝塔值（Beta、β 係數）、系統性風險、阿爾法（Alpha）、相關係數、低 beta 異象（Betting Against Beta）、CAPM 資本資產定價模型
