跳到主要內容
QuantLabAI US Market

FCN 蒙地卡羅教學

FCN 結構型商品教學:用蒙地卡羅看懂票息機會

FCN 的吸引力在於條件式票息。QuantLabAI 把股票組合、KI / KO、期限與 coupon 放進蒙地卡羅模擬,用大量價格路徑協助你比較票息機會與風險補償。

動畫教學

三段動畫看懂 FCN 結構型商品

最後更新 2026-10-27

示意條款:2~3 檔股票組合、6 個月、每月票息 1%(年化 12%)、提前出場線 100%(每月觀察)、履約價 85%、敲入線 70%(每日觀察),都以組合中表現最弱的一檔計算。

01 三種結局

同一張 FCN,三種結局

圖中這條線,是股票組合裡表現最弱那一檔的走勢(以期初價格為 100%),FCN 的結果都看它。只有三件事決定結果:每月觀察日它有沒有站上提前出場線、期間有沒有跌破敲入線,以及到期價在履約價的哪一邊。票息每個月照領。

  1. 每月觀察日看最弱的一檔,每期先領 1% 票息
  2. 第 1、2 期收在提前出場線下:繼續持有
  3. 第 3 期收在線上:提前結束
  4. 拿回 100% 本金,加上 3 期票息
持有
3 個月
本金
100%
票息
3%
合計
103%

提前出場只在每月觀察日檢查:第 3 期收在 103.5%,高於提前出場線 100%。

票息是固定的;真正的風險是跌破敲入線之後,到期又收在履約價下方。

02 最弱一檔

三檔股票,只看最弱的那一檔

多數 FCN 連結 2~3 檔股票,每天都用表現最差的一檔來判斷:提前出場要最弱的一檔也站上線,跌破敲入線只要有一檔就算。

  1. A、B、C 三檔各走各的
  2. 每天取跌最多的那一檔,畫成最前面那條線
  3. A 跌破敲入線:B、C 漲再多也不算
  4. 到期看 A:70% 低於履約價,換成 A 的股票
A
70%
B
112%
C
105%
結果
88.4%

換成 A 的股票:70% ÷ 85% = 82.4%,加上 6 期票息 6%,合計 88.4%。

三檔走勢越不同步(相關越低),最弱的一檔越容易很弱:票息通常比較高,風險也比較高。

03 蒙地卡羅

模擬 12,000 次的結局機率

沒有人知道股價會怎麼走。蒙地卡羅用同一組條件模擬 12,000 次可能走勢,每條線都是一次模擬中、組合裡表現最弱那一檔的走勢;數一數每種結局出現幾次,就得到機率。畫面只抽 360 條示意。

  1. 模擬 12,000 次,畫面抽 360 條示意:每條線是當次組合裡最弱的一檔
  2. 每月觀察日站上提前出場線的,先出場
  3. 到期:跌破過敲入線又低於履約價的,換成股票
  4. 提前出場 53.6%、期末本金返還 38.3%、期末換股 8.1%

12,000 次模擬的結果

  1. 提前出場53.6%
    6,436 條
  2. 期末本金返還38.3%
    4,597 條
  3. 期末換股8.1%
    967 條

比例是 12,000 次模擬的結果;畫面抽樣的 360 條,三種結局的比例與它一致。

波動越大,票息通常越高,因為期末換股的機率也越高。FCN 風險雷達也是對每組股票、每個天期跑 12,000 條路徑估算。

示意模擬:三檔股票的相關 GBM(年化波動 25% 或 45%、相關係數 0.6、利率 4%),每種波動各模擬 12,000 次,以最弱一檔計算,固定亂數種子;畫面抽樣其中 360 條。非真實商品,也不是報價。

判斷流程

用四步驟排序票息機會

Step 1

輸入股票組合

先把股票、ETF 或指數標的放進同一組合,確認產業集中度與標的相關性。

Step 2

設定條件

把 coupon、期限、KI、KO 與觀察日放回 term sheet 條件,而不是只看票息欄位。

Step 3

跑蒙地卡羅

用大量模擬路徑估計 KO、KI 與到期分布,建立機率視角而不是憑感覺比較。

Step 4

排序機會

比較模型估算收益、risk distance 與股票組合品質,優先看票息機會與風險補償較平衡的商品。

條件檢查

承作前先做條件檢查

好的 FCN 判斷不是把商品看成危險或安全,而是確認 coupon、股票組合、KI / KO 與模型分布是否互相匹配。這份檢查讓你把機會排序得更清楚。

coupon、期限、KI、KO 與觀察日是否已放在同一張條件表? 股票組合是否避開過度集中在單一產業或同一波動因子? 蒙地卡羅模擬是否顯示 KO、KI 與到期分布可接受? risk distance 是否足以支撐目前看到的 coupon 水準? 正式 term sheet 是否與模型輸入條件一致? 是否知道 QuantLabAI 的模型估算不是券商可成交報價?
模型估算不是券商可成交報價

QuantLabAI FCN 風險雷達的價值在於先用模型排序票息機會與風險補償;正式承作仍回到 term sheet 與券商可成交條件確認。

常見問題

常見問題

FCN 是什麼,為什麼有吸引力?

FCN(Fixed Coupon Note,固定配息票據)的吸引力在於條件式票息。若股票組合、期限與障礙條件合理,投資人可以用結構化條件取得不同於單純持股或現金部位的票息機會。

蒙地卡羅模擬對 FCN 有什麼幫助?

它把單一價格預測改成大量可能路徑,讓使用者比較 KO、KI、到期結果與模型估算收益,判斷 coupon 是否對應合理補償。

QuantLabAI FCN 風險雷達可以取代券商報價嗎?

不可以。風險雷達用於教育、研究與風險排序,正式承作仍應以券商或發行機構 term sheet 與可成交條件為準。

下一步

看懂 FCN 後,再用工具排序票息機會

先讀教學,再看 FCN 風險雷達的模型估算收益、KI / KO 條件、worst-of risk distance 與相關美股研究入口。