首檔存股概念ETF起募!永豐優息存股ETF,金融傳產一把抓
首檔存股概念ETF起募!永豐優息存股ETF,金融傳產一把抓
2022.04.20 |

隨著全球貨幣政策轉向,令金融市場發生轉變,估值合理性成為投資關鍵指標,在貨幣寬鬆環境中表現較為溫吞的金融與傳產類股,2000年以來,在貨幣緊縮、升息循階段反倒有好表現,而近期股價修正,推升存股族最愛的金融股殖利率上揚。

升息後各指數表現.jpg
升息後各指數表現
圖/ 永豐金提供

隨著近幾年定期定額存股風潮崛起,證交所最新統計,3月底集中市場定期存股總額增加至65.18億元、單月增幅74%,再寫歷史新高,是2017年1月開始定期定額存股以來最大量與最高單月增幅。

永豐投信即將在5月9日募集的永豐台灣優選入息存股ETF(00907),為首檔俱備存股概念的台股ETF,指數原始編製金融股、傳產股權重相當,永豐投信指出,3月份美台啟動升息循環,民眾面臨通膨壓力,過往在升息啟動短中長期的產業指數表現觀察,金融股在貨幣緊縮啟動後有相對較好的表現,此外,民生必需傳產股表現也有較大機會抵禦物價漲幅。

根據CMoney資料庫統計,傳金指數在升息後一年平均傳金指數表現與正報酬機率高(見表),有機會勝過電子指數表現,過往升息後半年至一年,傳金指數正報酬機率高達八成,平均漲幅則約3%~9%。

升息後各產業指數正報酬機率.jpg
升息後各產業指數正報酬機率
圖/ 永豐金提供

永豐優息存股ETF(本基金之收益來源可能為收益平準金),主要追蹤臺灣指數公司編製「特選臺灣優選入息存股指數」,該指數特色聚焦穩定配息與具備存股概念之優質金融、傳產類股,指數選取與景氣循環民生必需相關產業,經流動性條件篩選後,依市值、每股盈餘、配發股利等條件,精選30檔成份股,作為存股概念標的。

永豐投信指出,存股最重要就是買進並持有的策略,熱門的存股標的也反應各公司重視股利配發、及股利配發穩定等特性,永豐投信建議,符合存股概念條件的標的,投資人可採取回檔分批買進、或定期定額投資,此外,亦可納入這檔全新推出的存股概念ETF永豐優息存股ETF。

永豐優息存股ETF同時也是首檔推出雙月配息機制的台股ETF,以達到投資人固定領息目標,此外,基金配息政策主要為追求穩定配息,透過收益平準金機制,提供長期投資人穩定之配息來源,合理反映不同投資人持有期間之實際息收投資報酬。

責任編輯:吳秀樺

關鍵字: #台股 #ETF #基金
往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓