專題目錄 返回首頁

【債券投資指南】美國國債 (TLT/IEF) vs 投資級公司債 (LQD):降息週期下的資產配置戰略

30 秒重點摘要 (Key Takeaways)

一. 債券核心基礎:存續期間與利率敏感度

在跨入債券投資的世界前,必須先掌握兩個核心觀念:殖利率(Yield)存續期間(Duration)。債券價格與市場利率永遠維持蹺蹺板般的反向關係——當市場利率上揚,既有低利率債券的價格便會下跌;反之,當降息循環展開、市場利率下滑,既有高利率債券的價格就會水漲船高。

「存續期間」則是用來衡量債券價格對利率變動敏感度的指標。舉例來說,若一檔債券基金的存續期間為 16 年(如長天期美債 ETF TLT),當市場利率下降 1%,該債券的價格理論上就會上漲約 16%。這種高度的利率槓桿特性,使得長天期公債成為降息週期中最受矚目的進攻型資產。

二. 三大主力債券 ETF 深度評測(TLT vs IEF vs LQD)

我們來對比美股市場上最受歡迎的三檔債券 ETF 工具:

1. TLT(iShares 20+ Year Treasury Bond ETF):追蹤 20 年期以上美國公債,存續期間最長,對利率變動最敏感,是降息時獲取資本利得與股市崩盤時避險的王者。

2. IEF(iShares 7-10 Year Treasury Bond ETF):追蹤 7 至 10 年期美國公債,兼顧息收與適度的利率波動風險,適合做為核心資產配置的穩健基石。

3. LQD(iShares iBoxx $ Investment Grade Corporate Bond ETF):追蹤美國大型企業發行的投資級公司債,殖利率高於公債,但由於帶有信用風險,當金融市場恐慌時會受到信用利差擴大的影響。

ETF 代號 資產類別 平均存續期間 信用風險 降息週期表現
TLT 20年以上美公債 約 16-17 年 趨近於零 爆發性強(資本利得大)
IEF 7-10年期美公債 約 7-8 年 趨近於零 溫和穩健
LQD 投資級公司債 約 8-9 年 中等(具信用利差) 受惠降息但受景氣連動

三. 降息週期下的資產配置戰略

當總體經濟從升息末期過渡到降息週期時,資金通常會從現金與短期票券流向中長天期債券。此時,股債配置(如著名的 60/40 法則或橋水全天候組合)能發揮極佳的協同效應。當股市因經濟衰退而回檔時,聯準會往往透過降息來救市,此時長天期公債(如 TLT)會大漲,從而對沖股市的下跌風險。

建議投資人在建立債券部位時,應根據自身的風險承受能力與投資年期來挑選適當的存續期間。若想進一步以科學化方式計算資產配置比例與下檔保護,可參考站內的 Kelly 風險預算工具

常見問答 FAQ

央行進入降息週期時,長天期美債 ETF (如 TLT) 一定會暴漲嗎?
不一定。市場具有「預期定價 (Priced-in)」機制。如果長天期債券殖利率早已提前反映未來數次的降息預期,當正式降息啟動時,若經濟數據具備韌性或通膨出現反彈,長天期債券價格反而可能因為「預期修正」而出現震盪或回落。決定長債價格的是「市場對終端利率與通膨的長期預期」,而非單次降息動作。
債券的「存續期間 (Duration)」對投資人有什麼實戰意義?
存續期間是衡量債券價格對市場利率敏感度的核心指標。簡化公式為:債券價格變動百分比 ≈ - (存續期間 × 市場利率變動百分點)。例如 TLT 存續期間約為 17 年,當市場利率下降 1% 時,理論上 TLT 價格將上漲約 17%;反之若利率上升 1%,價格則可能下跌 17%。
直接買美國公債與買美債 ETF (如 BND, TLT) 有何不同?
直接購買單一美國公債具備「到期還本 (Hold to Maturity)」的確定性,只要持有到期且美國政府不違約,即可拿回面額本金並鎖定買入時的到期殖利率;而債券 ETF 是永續運作的投資組合,定期賣出即將到期債券並買入新債,沒有固定的到期日,價格隨市場即時利率浮動。

優點與適用對象

債券能提供穩定且具高度預測性的現金流,且在經濟衰退時能提供強大的資產保護傘,適合穩健理財族與退休規劃者。

挑戰與注意事項

長天期公債在升息循環中會遭受嚴重的資本減損(例如 2022 年的歷史經驗)。投資人必須具備宏觀經濟的判斷能力。

喜歡這篇文章嗎?

您的支持是我持續創作高品質投資教學的最大動力。

Ko-fi Buy me a coffee
GugoPro Academy · Interactive lab

資產配置與再平衡

在股票與債券間建立符合目標的配置。

立即操作工具 →

投資風險免責聲明

本頁內容、計算器與示例僅供教育、研究與情境估算,不構成投資、交易、投注、稅務、法律或其他個人化金融建議。金融市場與個別制度可能快速變化,請核對最新官方資料並自負決策責任。過去表現、模型輸出或模擬結果不代表未來結果。