上一篇建立了「P/E 越低、槓桿越高」的對映表（TTM P/E 20x → 320%、28x → 160%，EPS 快照 1,448）。這一篇做三件事：把當前的指數點位與隱含 P/E 代入；把上一篇的線性對映升級成一個條件凱利（conditional Kelly）模型，讓槓桿同時反應估值（P/E）、成長（g）與波動（σ）三個變數；最後補上「深度加碼 vs 淺度加碼」的回測證據。
註 1：31.4x 是用上一篇的 EPS 快照 1,448 推算的隱含值。2026 年上半年企業獲利強勁（法人持續上修 EPS），實際 TTM EPS 很可能已高於 1,448，官方數字應以證交所每月第 7 個交易日更新的「大盤本益比」月報為準——EPS 若上修 15%，同一點位的 P/E 會降到約 27x，結論會明顯不同。這正是本文改用「參數化計算機」而非固定表格的原因。
先看一個立即的觀察：45,479 點已經超出上一篇對映表的防禦上緣（28x 對應 40,544 點）。照舊表的線性外插，31.4x 對應的槓桿約 92%——也就是說，舊框架此刻的答案是「連 160% 下限都不該滿足，應退到原型為主」。但這個答案是否過度保守，取決於成長假設，往下看。
上一篇的 Kelly 用固定的 μ = 14.15%、σ = 20%。這一篇把分子拆開、分母放活：
預期年化報酬 μ(PE, g) = 股息收益 d + 盈餘成長 g + 估值回歸項 d ≈ 配發率 ÷ PE （配發率假設 55%） 估值回歸 = (PE_fair / PE)^(1/T) − 1 （T 年回歸至合理 PE） 最佳槓桿 f* = (μ − rf) ÷ σ² 建議執行 = f* × 凱利分數（通常 0.5，即半凱利）
三個直覺：第一，P/E 越高，股息收益越薄、估值回歸項越負，μ 自然下降——這就是舊表「高 P/E 降槓桿」的數學化。第二，成長 g 直接加在分子上，這把上一篇的 PEG 思考內建進模型：高 P/E 配高成長，μ 未必差。第三，σ 是平方項——波動從 18% 升到 24%，分母放大 1.78 倍，最佳槓桿幾乎腰斬。這是舊表完全沒有的維度，也是當前市況（近三月已實現波動 29%）最需要的修正。
以 PE = 31.4、PE_fair = 22、T = 5 年、rf = 1.5% 計算，估值回歸項約為每年 −6.9%，股息收益約 1.8%。剩下的全看成長假設 g 與波動假設 σ：
| EPS 成長 g | μ（預期年化） | 滿凱利 @σ18% | 滿凱利 @σ20% | 滿凱利 @σ24% |
|---|---|---|---|---|
| 5%（成長熄火） | −0.1% | 0%（不持有） | 0% | 0% |
| 10%（溫和） | 4.9% | 104% | 84% | 59% |
| 15%（基準） | 9.9% | 259% | 209% | 145% |
| 20%（AI 擴散） | 14.9% | 413% | 334% | 232% |
| 25%（超級循環） | 19.9% | 567% | 459% | 319% |
讀法：當前點位下，槓桿的答案幾乎完全由「你相信多少成長」決定。基準情境（g=15%、σ 取十年與近一年之間的 20%）滿凱利約 210%、半凱利約 105%——與舊表線性外插的 92% 相當接近，兩條路徑互相印證：此刻的合理曝險大約在 90%~130%，也就是「原型為主、少量正二」的區間，離 160% 的舊防禦下限還有一段距離。若採用近一年實際波動 23.4%，半凱利進一步降到約 77%。反過來說，要讓 200%（全倉正二）合理化，需要同時相信 g ≥ 20% 且波動回落到 20% 以下——這是一個可以明確寫下來、事後驗證的賭注，而不是模糊的樂觀。
先選一個市場情境，不必自己猜 EPS 成長或波動率；想研究敏感度時再打開進階參數微調。
計算機假設：配發率 55%、無風險利率 1.5%、估值 5 年回歸。目標槓桿 L 的配置換算：L ≤ 200% 時，正二權重 = L − 100%（若 L ≥ 100%）搭配原型；L < 100% 時以原型 + 現金組成。超過 200% 的部分需質押、融資或期貨，本計算機直接封頂並提示。
動態槓桿的另一半是「什麼時候把曝險往上調」。用 0050 / 正二（00631L）在 2016/1~2026/7 的資料回測「回檔觸發式加碼」（含每次切換 0.22% 交易成本），結論很一致：觸發深度太淺是災難，夠深才有超額。
| 策略 | 年化 | 最大回檔 | Sharpe |
|---|---|---|---|
| 持有 0050 | 24.3% | −33.8% | 1.25 |
| 持有 00631L | 44.4% | −55.1% | 1.20 |
| 高點回落 2% 即切換正二（淺） | 35.0% | −54.7% | 1.06 |
| 回落 10% 全切換 | 32.5% | −49.3% | 1.11 |
| 金字塔：−15% 半倉正二 / −25% 全倉 | 35.4% | −42.5% | 1.33 |
深度金字塔（−15%/−25%）是唯一 Sharpe 同時超越兩個 buy & hold 的組合。原因可以用凱利語言精確說明：回檔初期（−2%~−10%）正是波動率暴衝的階段，σ² 放大的速度快過估值改善帶來的 μ 上升，即期凱利其實叫你降槓桿；要跌到 −15%~−25%，μ 的改善才壓得過波動殘餘。2016 年以來七次跌破 −10% 的事件中，有兩次（2022、2024/8）在 −10% 進場等於接刀，後面還有 10~23 個百分點的下跌；−15% 以深的位置歷史勝率與賠率同步改善。留意：深度事件樣本很少（−20% 以深僅四波），且本表受惠於 2020、2025 兩次 V 型反彈，統計顯著性有限。
把估值軸與回檔軸疊起來，就是這一篇的核心產出：
| 軸 | 訊號 | 動作方向 |
|---|---|---|
| 估值軸（慢） | 隱含 P/E（隨 EPS 上修動態更新）+ 成長假設 → 計算機求目標槓桿 | 決定常態曝險中樞（當前約 90%~130%） |
| 波動軸（中） | 已實現波動 vs 十年均值 | σ 每上升一級，中樞下修（平方效應） |
| 回檔軸（快） | 指數自高點回落 −15% / −25% | 觸發時向上超越中樞分批加碼正二；收復前高退回中樞 |
| 災難出場 | 跌破慢速趨勢線（如慢速 VIDYA）或時間停損 | 切斷「滿槓桿吃完長空頭」的路徑 |
市場越貴、波動越高，中樞越低；只有跌得夠深，才有數學上的理由暫時站到中樞之上。
1. EPS 快照是本文最大的不確定來源。隱含 31.4x 建立在 EPS 1,448 上；若最新 TTM EPS 已上修，所有結論需重算——這正是計算機存在的目的。2. 成長假設 g 主導一切。g 從 15% 掉到 10%，半凱利從 105% 掉到 42%；g=5% 時模型直接說不該持有槓桿。對 g 的判斷本質上是對 AI 資本支出循環的判斷。3. 凱利模型假設報酬連續、無跳空。台股有 10% 漲跌停與隔夜跳空，實際安全槓桿低於連續模型；這也是採半凱利而非滿凱利的核心理由。4. 正二的波動耗損在高波動盤整期（正是現在的 σ 29% 環境）最嚴重，持有正二的隱含成本比十年均值高。
指數與 ETF 價格：Yahoo Finance（2026-07-07 收盤）；波動率為對數報酬年化標準差；回測方法與完整數據見前篇與個人研究筆記；大盤官方本益比：臺灣證券交易所統計月報（每月第 7 個交易日更新）。前篇：台股動態槓桿學習記錄：從 Kelly、P/E 到正二配置。