本節整合原書 Ch23–Ch29，從工具講到實作再到限制。

基本面分析的四種類型（Ch23）#

1. 老手經驗法（“Old Hand” Approach）#

靠對市場的「第六感」——多年與商業參與者交流、消化新聞流、觀察市場反應。非科學但不見得遜色，端看執行者功力。無法被教，只能靠經驗累積。

2. 平衡表（Balance Table）#

把當季供給、消失（domestic use + exports）、期初庫存、期末庫存整理成一張表，重點看期末庫存／用量比。

平衡表只是統計摘要，單看會犯第 1 條謬誤（把基本面當絕對標準）；它不能告訴你「在當下這份統計下，合理價是多少」。

3. 類比季節法（Analogous Season Method）#

找過去基本面類似的季度，用其價格走勢輪廓當作當季的「導航圖」——標記重要轉折（收成低、收成後高、寒冬低、危機高）並推估時間窗與幅度。

4. 迴歸分析（Regression Analysis）#

最有用、最有力的基本面工具：

• 把多個基本面變數綜合成一條方程式 → 直接輸出價格預測。
• 可以檢驗每個變數與整體方程的顯著性。
• 同時是了解變數彼此關係的有效學習工具。

例：豬價 = a + b1·豬屠宰量 + b2·雞屠宰量 + b3·牛屠宰量 + b4·時間趨勢。詳細數理見附錄 A–F。

索引模型（Index Models）#

當變數動輒五十個以上時，迴歸會出現過度配適與多重共線性問題。索引模型作法：

• 每個指標當前狀態若看多 → +1；看空 → −1。
• 加總後乘以 (100 / 指標數) → 標準化在 −100 到 +100 之間。
• 「看多／看空」常用趨勢方向（如均線交叉）判斷，因為水準線的閾值會因結構性變動失效。

預期的角色（Ch24）#

• 歷史資料常用「最終修正值」，但真正影響當時價格的是當時的「估計值」。用「估計值」替代「實際值」當迴歸輸入往往得到更準的模型。
• 模型可以納入下季預期變數：當前季統計、當前季估計、下季預期，四種組合都可考慮。
• 下季預期常蓋過當季基本面，特別是進入過剩 → 緊縮或反方向的轉折期。

預期會自我增強：看多新季 → 賣方惜售（供給上移）+ 買方囤貨（需求上移）→ 當季價格被推高；同時讓當季基本面看起來偏空（出口增、消費降）。

通膨調整（Ch25）#

• 不調整通膨的模型基本上是壞的——美元本身是個變數。
• 三種做法：
  • 把歷史價格除以對應期間的 PPI／CPI／GDP deflator → 變成實質價格序列。
  • 把所有歷史價乘以「預測期估計通膨指數 / 當期通膨指數」→ 都變成「現價等值」。
  • 把通膨內含到需求曲線裡（理論上對，但實務難量化）。

1980 年後因「庫存心理永久下移」(reduced inventory demand)，忽略通膨的天真模型有時反而較準。但作者強調這是巧合，正確做法仍是把通膨與長期需求位移一起納入模型。

季節性分析（Ch26）#

• 期貨與現貨的季節性不一樣！期貨通常已折現掉現貨的可預測季節性，因此做期貨季節性分析必須用期貨資料。
• 常見直覺往往錯：例如取暖油、咖啡、橙汁的季節高點通常在冬季前就形成，冬季開始反而走弱。
• 單純機率也會生出「假季節性」：用擲銅板模擬 25 個市場 10 年週走勢，「至少 9/10 同方向」的週幾乎必然出現。所以季節性分析永遠只能當輔助。

計算季節指數的兩種方法#

• 平均百分比法：把每月價格表為當年平均的百分比，再對各月取平均。簡單但不去除趨勢，可能把長期趨勢誤判為季節性。
• 去趨勢的季節指數：先去除趨勢再算，較能反映「真正的季節傾向」。

一定要檢查極端年份（如 2008 年取暖油大區間）並考慮是否剔除，避免少數異常值扭曲整個指數。

分析市場反應（Ch27）#

對重複發生的事件（如月度就業報告、USDA 報告）：

1. 定義事件。
2. 建表比較「報告日反應」與後續價格走勢。
3. 找一致的型態。

作者用 2006–2015 年資料分析十年期 T-Note 對就業報告的反應：

• 報告日強漲後，後 2 天反而傾向下跌（73% 機率收低於報告日收盤）。

• 報告日大跌後，後 5 天有顯著上漲傾向。

• 換句話說：與直覺相反，順著報告日方向追單往往不利，反向反而較有勝率（但要考量整體期間有長期上升趨勢）。

解讀市場反應時要小心：

• 觀察次數夠多才有意義。
• 理論說得通才能加分；只是巧合分布也會給出像樣的型態。
• 反應型態會隨時代與市場狀態漂移。
• 不同的閾值參數會產生不同結論——多用幾組參數比較。

單一事件：以「市場有沒有按預期反應」當訊號#

「市場永遠不會錯，意見經常會錯。」——李佛摩

一個應該推升的多頭事件沒推升（甚至下跌），就是潛在空頭訊號；反之亦然。

1991 年波灣戰爭開戰時，黃金一度跳到 $410，隨後當晚就跌、隔日開盤已比戰前低 $28——之後數月持續下跌。

建構預測模型的 13 步驟（Ch28）#

由於每個市場的特性差異大，沒有通用模型——必須個別建構：

1. 讀背景材料、熟悉市場機制與重要統計來源。
2. 收集統計（USDA、CRB Commodity Yearbook、各市場專門資料）。
3. 價格做通膨調整。
4. 從第 23 章四種方法擇一構建模型（迴歸常是首選）。
5. 找出不符模式的歷史年份，研究原因，可能加入新變數，或在合理情況下剔除（剔除須謹慎，附錄 E 詳述）。
6. 加入預期變數測試是否改善。
7. 估計獨立變數在預測期的數值。
8. 給每個變數合理的範圍 → 預測價格區間而非點預測。
9. 評估政府政策／國際協定可能的扭曲。
10. 檢查季節性。
11. 分析市場反應型態。
12. 比較預測區間與當前價格——只有當前價在區間外才有交易機會。
13. 用技術面決定進場時機（純基本面是「分析完成日就進場」的荒謬邏輯）。

事實上多數交易者的可行選擇是「對 1–2 個市場做深度基本面 + 其他純技術」，因為基本面分析非常耗時。

基本面交易的三大陷阱與限制（Ch29）#

為什麼基本面分析比技術分析更危險#

技術分析錯了會出反向訊號；基本面分析錯了，價格越跌反而看起來越便宜，會被引導去加碼錯方向——這是最常造成大虧的劇本。

三大失靈來源#

1. 未預期事件：模型對，但假設錯。例如 1972 中國突然成為美棉買家、1989 FCOJ 凍災、2011 福島地震、2015 瑞士央行解除瑞郎匯率上限（單日暴漲 25%）、USDA 報告意外。

2. 遺漏變數：1972-73 通膨牛市、1981-82 通縮 + 高實質利率改變庫存心理——任何漏掉這些「結構性」變數的模型，預測會嚴重偏離。
3. 時點不準：即便方向對，時點晚到能讓你先被掃掉。最經典：2006 房價見頂、次貸違約上升 → 標普卻又漲了 20% 才在 2007/10 反轉；1985 沙烏地放棄 OPEC「擺渡供給者」角色 → 油價拖了 6 個月才崩。

解方：基本面 + 技術 + 資金管理#

三條核心規則：

1. 永遠不要對基本面意見抱絕對堅信。
2. 基本面分析只用來判斷「市場是不是脫離合理區間」，不用來抓進場時點。
3. 進場時機交給技術面，風控交給資金管理。

為什麼還要做基本面？#

• 提供純技術派沒有的「為什麼」資訊：相同型態在不同基本面下意義不同。
• 有時基本面比任何技術訊號更早預警重大轉折。
• 讓交易者在大行情時敢於加重部位。
• 提供持有勝單的心理錨點。
• 「市場對基本面的反應」本身就是技術派也能用的工具。

「市場立刻折現一切資訊」是錯的#

效率市場假說的「即時折現」很多時候不成立：

• 大型基本面變動的相關資訊常在價格啟動前就已知。
• 價格也常在「沒有同期事件」的情況下大幅修正過去的偏離。
• 銅市 2002–2006 年：庫存早就持續下滑，價格卻拖了一年才反應；2005 年到 2006 年庫存幾乎不變，價格卻爆炸性翻三倍。

媒體的工作是「新聞配股價」，而不是反過來。同一天標普先跌後漲，可能用同一段 Bernanke 發言同時被當成空訊息和多訊息。

規則：把「市場反應 vs. 預期」當訊號#

多頭事件出來市場卻跌（或漲不到位） → 空訊號；空頭事件出來市場卻漲（或跌不到位） → 多訊號。

1980 年棉花的故事：基本面極度看多、出口爆量（中國訂單），週一卻沒鎖死漲停——警報拉響，作者描述的 Stephanie 分批出清，避免後續長達一年的崩跌。