收益平準金是什麼？買ETF前必懂的9個術語：溢價、除權息、殖利率一次看懂|數位時代 BusinessNext

買ETF近年成為理財主流，但多數人面對溢價、收益平準金、貼息等專業術語，並不容易搞懂對資產的實質影響。事實上，這些術語正是決定會不會買貴與配息是否為真正獲利的關鍵。

本文盤點買進ETF前必懂的9個核心關鍵字，拆解其背後的運作機制，讓讀者在購ETF前能快速掌握重點，進而做出更理性的投資決策！

點擊可直接前往該段落：

買 ETF 前必看的關鍵字〉
一、被動式ETF vs 主動式ETF：差異在哪？怎麼挑選？
二、淨值、市價、溢價、折價：為什麼掛牌首日價格會貴？
三、內扣費用率：吃掉報酬的隱形成本
四、配息型 vs 累積型：領現金或滾複利的差異

買 ETF 前必看的關鍵字〉

一、主動式ETF是什麼？和被動式ETF差在哪裡？

大眾熟知的 0050（元大台灣 50）屬於 被動式 ETF ，為追蹤台灣市值前 50 大公司組成的指數，成分股和權重照規則走，基金公司不會主動判斷市場走勢去挑選股票。優點是規則透明，且費用通常較低。以 0050 為例，現行經理費約 0.0706%，另有保管費；整體來看，大型市值型被動 ETF 的費用通常低於主動式 ETF。

主動式 ETF 則不完全追蹤特定指數，由基金經理人與研究團隊根據市場狀況，主動決定要買進哪些股票、配置多少比例，以及何時進行買賣。代表產品包括 00981A（統一台股增長）、00403A（統一台股升級 50）、00404A（聯博台灣動能 50）。

兩者的關鍵差別在於：

費用高低： 主動式 ETF 需要仰賴團隊的研究資源，因此經理費通常高於被動式 ETF。
報酬不確定性： 主動式 ETF 的績效高度仰賴經理人的研究與判斷能力，有機會超越大盤，但也存在落後大盤的風險。

想進一步了解這三檔主動式 ETF 的選股邏輯、配息設計與費用結構，《數位時代》各有完整懶人包：統一台股升級 50（00403A）、聯博台灣動能 50（00404A），以及掛牌已滿一年、從 10 元漲至 29 元上下的統一台股增長（00981A），讀完本文術語再去對照，會清楚很多。

二、ETF溢價是什麼？為什麼掛牌首日買進會買貴？

ETF 有兩個價格， 一個是其實際持有的資產價值，另一個是投資人在股市中買賣的價格 。

淨值	市價	溢價	折價
ETF 實際持有的資產總價值除以流通單位數，代表這檔 ETF 實際上值多少錢。	投資人在交易軟體上實際買進或賣出的成交價。	當市場買盤強勁，導致市價大於淨值。	當市場賣壓沉重，導致市價小於淨值。

簡單來說，當市價 > 淨值，稱為溢價；當市價 < 淨值，稱為折價。

實務上最常見的溢價情境是 ETF 掛牌首日，即投資人搶買熱門新 ETF，市價被推高超過淨值。例如 00403A 掛牌首日收盤約溢價 5.46%，意思是你花了大約 105.57 元買到價值 100 元的資產。

長期而言，ETF 的造市與申贖機制通常會使市價往淨值靠近，但高溢價買進仍可能承受溢價收斂帶來的價格壓力。

三、內扣費用率是什麼？怎麼影響ETF長期報酬？

投資 ETF 需要支付給基金公司管理費用， 這筆錢不會從投資人的銀行帳戶直接扣除，而是每天從 ETF 的淨值中微幅扣除 ，這就是「內扣費用率」（或稱總費用率）。

內扣費用通常包含三塊： 支付給基金公司的經理費、銀行保管費，以及其他行政雜支 。雖然每年扣除的比例看似不高（多在 1% 以內），但投資時間拉長至 10 年、20 年，累積的費用差距會對最終的複利報酬產生明顯影響。

舉個實際對照：

經理費通常是內扣費用裡占比最大的一塊。以同樣的經理費來看，0050 在 2025 年調降後約 0.11%，00407A 則為 0.75%，差距近 7 倍。雖然每年僅差約 0.6 個百分點，但拉長到 20 年複利，累積的費用差距仍會明顯侵蝕最終報酬。

四、配息型和累積型ETF差在哪？怎麼選？

配息型 ETF	累積型 ETF
會將成分股配發的股息與利息，定期以現金形式匯入投資人的銀行帳戶。台灣多數 ETF 均屬此類，常見頻率為季配息或月配息。	不會發放現金，而是將收到的股利自動再投資進原基金中，增加 ETF 的淨值（例如 00407A 即為台股首檔主動選股但不配息的 ETF）。

累積型的優勢在於資金能持續參與複利成長，且對高所得族群而言，因未實際領取現金股利，可遞延實現收益的時間點，具備節稅效益。

若有定期生活費需求，適合配息型；若以長期資產增值為目標且不需短期現金流，則適合累積型。

配息相關術語，除息季前必讀〉

五、除權和除息是什麼？為什麼配息後股價反而跌？

這兩個名詞經常合併出現，但意思不同：

除息	除權
公司把現金股利分給股東，股價在除息日當天下調「現金股利」的金額。例如一股配 2 元，除息後股價參考價就減 2 元。	公司配發股票股利，股價同步下調對應幅度。股票變多了，但每股價值稀釋了。

台灣許多企業會同時發放，統稱為「除權息」，當公司將資源配發給股東後，公司保留的內部資產減少，因此股價必須同步下調以維持總資產平衡。

除權息當天的股價下跌是正常的資產調整機制，並非投資虧損。

六、除息參考價是什麼？除息當天股價下跌怎麼算？

延續上述觀念，配發現金後股價的下調幅度，有明確的計算方式：

除息參考價＝除息前一天的收盤價 − 配發的現金股利

假設股價 100 元，配發 2 元現金股利，除息當天開盤的參考價即為 98 元。投資人持有的股票價值減少 2 元，但即將獲得 2 元的現金配息，因此整體總資產並沒有改變，只是從「股票裡的錢」變成「現金帳戶裡的錢」。

事先理解除息參考價機制，才不會在除息當天看到股價下跌就誤判。

七、填息和貼息是什麼？領到配息不等於真正賺錢

除息之後，股價會往兩個方向走：

填息	貼息
股價在除息後，從低點回升至除息前的水準。例如除息後由 100 元降至 98 元，後續順利漲回 100 元。這代表投資人領了股息，且本金沒有縮水，是實質的獲利。	股價在除息後未能漲回，甚至持續下跌。例如從 98 元跌至 92 元。這代表投資人雖然領了股息，但股價跌幅超過配息金額，整體結算依然是虧損的。

高殖利率 ETF的陷阱通常藏在這裡， 光看配息率高不夠，還要看它歷史上能不能填息 。貼息率高的標的，配息只是左手換右手，甚至賠了本金。

八、殖利率是什麼？怎麼算？高殖利率ETF一定比較好嗎？

計算公式為：

殖利率＝ (每股配發的現金 ÷ 股價) × 100%

假設一股配發現金 3 元，買進股價為 60 元，殖利率就是 5%。 殖利率是衡量「我投入這筆錢，每年能領回多少現金」的指標，邏輯類似銀行定存利率。

但有兩個常見誤解需要注意：

第一，殖利率通常是以「過去的配息金額」計算，不保證未來的配息水準；第二，高殖利率有時是因為股價近期大幅下跌（分母變小）所致，而不是真的比較賺。要同時看配息穩定性和填息能力，才算完整評估。

九、收益平準金是什麼？ETF配息被稀釋怎麼辦？

收益平準金是近年近幾年台灣 ETF 市場為穩定配息率而引入的機制。當一檔 ETF 非常熱門，短期內湧入大量新資金與新申購者時，若無此機制，原投資人可分配的股息總額將被新進人數稀釋，導致每單位配息金額大幅下降。

收益平準金怎麼運作？

運作方式是基金公司從新申購的資金中，提撥一部分作為「平準金」存起來。當分配收益時，把平準金補進去，讓每單位配息不因大量新申購而下降。

收益平準金代表ETF有賺錢嗎？

收益平準金機制主要作用是平滑配息金額，並不代表 ETF 創造了額外的投資獲利。收益平準金本質上來自新申購資金中的可分配收益調整，目的是避免新舊受益人之間的配息被稀釋，不應單獨解讀為基金績效變好。

四檔主動式 ETF 懶人包

如果想進一步了解各檔主動式 ETF 的選股邏輯、配息設計與費用結構，可以參考《數位時代》的個別 ETF 完整解析：

資料來源：00407A 公開說明書（凱基投信）、00403A 公開說明書（統一投信）、00981A 公開說明書（統一投信）

本文初稿為 AI 編撰，整理・編輯／蘇柔瑋

當資料不能離開企業，運算就得靠近：AI 先改寫儲存架構

AI 帶來的第一個變化，不只是運算能力提高，而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊，QNAP 身為資料安全的守護者，長期發展的是地端網路儲存設備（NAS），並擴展至 25GbE、100GbE 高速網路交換器產品線，提供完整的儲存與高速網路基礎架構。威聯通科技（QNAP）總經理劉文義解釋，當資料因合規要求或敏感度不能上雲，就必須留在靠近使用者與應用的地方；運算需求一旦增加，承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資，金融與保險業受到合規與法規限制，部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言，問題並不是雲端好不好用，而是一開始就沒有把核心資料全面上雲的選項。

真正讓更多企業回頭計算的，則是長期成本。劉文義指出，資料上傳雲端可能免費，下載卻會按流量收費；當企業把一年、兩年、三年的費用加總回推，可能會發現，購買一台同等容量的 NAS，還能使用 7-10 年。資料規模愈大、存取愈頻繁，總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載；地端則較適合高頻存取、對延遲敏感，或不能離開企業邊界的資料。企業真正要回答的，是每一類資料與任務應該放在哪裡。

依 QNAP 觀察，客戶過去關心的是需要幾 TB、幾 PB，或備份速度有多快；現在更常問的是，機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起，把公司發展定調在 AI 與高速網路的融合，試圖讓 NAS 從資料保存的位置，進一步成為資料被調用的位置。

當資料量持續擴大，搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例，當照片累積到 10 萬、20 萬張，要找出其中幾張特定畫面，已不可能只靠人工翻找。此時，能理解內容、接受自然語言指令的 AI 工具，會從加分功能逐漸變成必要條件。

從資料治理到地端推論：AI NAS 如何進入企業工作流？

AI NAS 不是「多了 AI 功能的 NAS」，而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察，目前客戶大致分布在一條導入光譜上。人數最多的一群，仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關，卻決定後續系統能不能找到正確資料、辨識版本，並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成（RAG）知識庫。RAG 並不是重新訓練一個模型，而是在模型回答前，先從企業的 SOP、合約、法規或技術文件中取回相關內容，再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用，協助企業建立私有知識庫；而走在最前面的少數企業，則已經嘗試地端推論與 AI Agent。

模型的選擇權，QNAP 刻意留給客戶。知識庫背後採用哪一個模型，可由企業依需求決定，不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定（MCP）相關能力，讓管理者透過自然語言查詢狀態、調整設定，並讓 NAS 成為 AI Agent 可調用的資料節點。

不過，劉文義沒有把這條路說得太容易。他坦言，目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用，可能需要約 300 到 800 TOPS，甚至 1,000 TOPS，因此多數方案會以 NVIDIA 顯示卡補足算力；一張卡約需新台幣 10 萬至 12 萬元，一張算不完，就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍，並不是大部分中小企業都能接受。」除了硬體，使用者還需要 AI 應用的 Know-how、程式背景與開發資源，這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中，一類是採用含有 iGPU 與專屬 NPU 的處理器平台，以一百多 TOPS 的範圍，可順暢使用 AI 應用程式；另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡，處理更大的運算量。

同時 QNAP 也在軟體端也持續開發，目標是讓 NAS 裡的資料更有效率地被 AI 工具調用，讓資料成為有價值的知識。

從規格走到現場：能源公司如何導入私有 LLM？

本地 AI 實際落地部署會是什麼模樣？劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫，但很快遇到兩個瓶頸：一是員工查詢時明顯出現卡頓；二是專利、技術與合約都高度敏感，高層不願上傳至公有雲，擔心機密資料會有外洩的疑慮。

後來，該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX，搭配顯示卡與全快閃 SSD，在地端部署私有大型語言模型，把數十年來封存的靜態檔案交給 AI 調用，進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間，核心機密也能留在企業內部。

這個案例說明，若任務範圍明確，有些應用不必動用雲端大型模型，地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同，導入前仍需要概念驗證（POC）與技術人員評估。

而且，資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值，是讓資料邊界與控制權回到企業手上；相對地，安全責任也會更直接地回到企業。

哪些企業現在該做，哪些再等？先看重複性與三個條件

能不能導入地端 AI，不只由產業標籤決定，也要看工作是否重複，以及場景能不能被清楚定義。劉文義觀察，第一批走進來的，除了受法規限制的醫療、金融與保險業，也包括利用地端 AI 加速資料處理的科技業，以及會計、律師等有大量重複文書工作的專業服務業，因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有　10　台、20　台機器，每台處理與儲存資料的 Protocol 都不同，需要相對應的儲存裝置；生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料，AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多，或重複性動作越多的產業，越容易透過導入 AI 提高工作效率。」反過來說，較傳統、人力密集，或仍高度依賴人工判斷的製造業，短期內未必能快速導入地端 AI。

依 QNAP 提供的資料，企業也可用「高頻、大量、敏感」三個條件做第一輪判斷：資料是否被頻繁調用？規模是否大到雲端傳輸與長期費用開始變得明顯？內容是否涉及個資、法規、智慧財產或商業機密？三個條件愈集中，地端部署愈值得評估；三者都不成立時，使用雲端 API 往往更簡單，也可能更划算。

可以先等的企業，大致也有三種。第一，資料仍分散、版本混亂、權限不清，急著上 AI 只會把混亂放大，先完成集中與治理，效率就可能先提升。第二，找不到一個具體且反覆發生的業務痛點，只因為「別人都在做」而採購，設備很可能變成昂貴的展示品。第三，使用量仍小、需求偶發，現階段雲端的彈性反而更有優勢。

因此，POC 不應只驗證「模型答不答得出來」，還要回答三個問題：資料由誰負責，誰可以存取？導入後能節省多少查找時間、傳輸成本或人工作業？正式上線後，誰負責資料、模型與資安維運？只有當效益與責任都能被量化，才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房，動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太，其中歐洲占比將近一半，而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證，並滿足 GDPR、HIPAA 等資料保護與法規遵循需求；累積至今，已售出約數百萬台裝置，協助企業打造智慧、安全的儲存方案。

至於普及時間點，劉文義提出一個明確的價格與效能交會點：地端應用若要順暢運作，運算量可能至少要達到 300 至 600 TOPS，甚至 800 TOPS，同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

「AI NAS 不是多了 AI 功能，而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言，地端算力成本高昂，QNAP 透過「算力分級」與開放模型架構，助企業逐步建構私有 RAG 知識庫與 AI 團隊。

圖／數位時代

「預測約兩、三年後，應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點，就會是 AI 落地最蓬勃發展的時候。」在此之前，企業真正能先做的，不是搶著買最大的模型或最昂貴的顯示卡，而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色：原油再多，沒有整理、提煉與配送的過程，也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力，而是誰的資料先準備好被調用。模型會持續更換，但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備，而是在資料必須留在企業內時，讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日（五）舉行，現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控，並安排 Live Demo，適合 IT 管理者、系統整合商與企業決策者參加。

活動地點：新板希爾頓酒店｜如意 AB 廳

活動時間：09:20–16:00

地址：新北市板橋區民權路 88 號 2F

立即報名：https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查，填問券抽好禮，倒數計時：https://www.surveycake.com/s/q4abw

買ETF前先搞懂：溢價、收益平準金、除權息⋯這9組關鍵字怎麼影響你的報酬？