本章整合原書第 23、24、25、27、28、29 章。涵蓋不同基本面分析類型、預期的核心角色、通脹調整，以及基本面與交易的整合。

基本面分析的類型（Chapter 23）#

1. 老手的方法（Veteran’s Method）#

• 熟悉市場、對價格波動產生「第六感」的分析員使用的方法
• 透過和各種商業人士交談獲得市場節奏感
• 嚴格來說不是科學方法，但價值取決於分析者的技能和直覺
• 嚴格個性化，只能透過個人經驗獲得

2. 平衡表（Balance Sheet）#

總結當季供給和消費的核心組成部分，提供簡要總結：

僅依靠平衡表預測價格的分析師會犯第 21 章錯誤 #1（視基本面分析如無物）——平衡表本身不能充分解釋「在給定現有條件下哪個價格是對的」。

3. 相似季節法（Analog Season Method）#

• 找出過去一個與現在基本面特徵相似的季節
• 用相似基本面的價格做一個路線圖
• 例：今季產量升、消費跌、年末庫存/消費比率下降 → 找出過去所有具有這些條件的季節
• 甄別相似季節的價格轉折點，計算出每一季的這些價格轉折點的時機和相對幅度
• 假設當季價格波動節奏至少與之前相似季度類似

4. 回歸分析（Regression Analysis）#

回歸提供一個統計過程將基本面數據嵌入價格預測：

例如：P = a + b₁H + b₂B + b₃C + b₄T

• H = 生豬屠宰量；B = 肉雞屠宰量；C = 牛屠宰量；T = 時間

回歸的三個重要屬性：

1. 能把多個年份的多個基本面因素結合得到單一價格預測
2. 可測試各個變量的相對重要性
3. 是理解不同基本面因素與價格相關關係的有效學習工具

5. 指數模型（Index Model）#

用於解決大量解釋變量的情況——將所有指標融入一個指數模型：

1. 對每個指標判定對價格的正向（+1）或負向（-1）影響
2. 將所有指標的值加總
3. 乘以 100 再除以指標個數標準化 → 範圍 -100 到 +100

這種方法解決了回歸分析對大量變量無能為力的問題（容易造成多重共線性），但它的設計也具高度主觀性。

為何傳統基本面分析在黃金市場不適用？#

黃金需求基本上取決於市場對於黃金價值的心理感知，反過來又依賴於無數相互關聯的變量——通脹率、利率、貨幣波動、貿易平衡、歐佩克政策、政治混亂。

• 影響黃金需求的因素相對重要性變化很大
• 供給端（礦產量和工業使用量）僅為黃金總供應的一小部分
• 高度不穩定的無形供需曲線的結合，使得黃金市場成為基本面分析師的噩夢

構建黃金計量經濟學模型「就像試著編寫一個根據攝影師過去的鏡頭來預測下一張照片的電腦程式」。

預期的角色（Chapter 24）#

用前一年預測而不是最後修正統計值#

關鍵洞察：歷史數據是基於最後修正的預測，而不是當時可以使用的預測。

• 歷史產量在整個季度都在不斷地修正
• 最後修正的對每一季的預測可以和主流預測千差萬別

當時預期的數據比實際的數據更能解釋當時的價格行為。因為實際數據只有當預測期結束後才能知道，市場參與者只能依賴主流預測進行營銷、購買和交易決定。

加入預期作為變量#

• 除了用歷史預測代替實際數據外，還可考慮加入「代表下一季預期」的變量
• 當原玉米基本面和新玉米預期效用相當時，後者通常能夠主導價格走勢

新玉米看多預期的諷刺效應#

對下一季的看多預期會影響當季價格：

新玉米看多預期
  → 舊玉米季的價格上漲
    → 舊玉米季的消費量和出口量下降
      → 舊玉米的庫存上升

即使目前基本面看空，未來看多的預期也會主導當前價格。這說明了為何新玉米的預期需要被納入價格預測模型。

考慮通脹（Chapter 25）#

為何必須通脹調整？#

價格的度量——美元——本身也是一個變量。比較相隔遙遠的幾年名義價格就像比較一種商品在某一季美元價格和另一季歐元價格。

名義 vs 剔除通脹的價格#

• 木材 2004 年最近期貨名義上高於 1996 和 1999 年高點，但通脹調整後低於這些前期高點
• 活牛 1995–2011 年名義價格大幅上漲，但通脹調整後相對平穩，17 年只有較小的淨變化

將通脹納入模型的三種方法#

方法 1：使用代表性通脹指數#

• 生產者價格指數（PPI）、消費者價格指數（CPI）、GDP 緊縮指數
• 每個歷史價格除以同期指數，生成沒有通脹的價格系列
• 預測得到的是實際價值，可透過乘以預測期間的預期通脹指數轉換成名義價值

方法 2：按通脹比例縮放#

• 每個過去的價格乘以「預期期間的預期通脹指數和歷史的價格指數的比例」
• 將歷史價格轉換為現值

方法 3：通過對需求曲線的影響#

• 通脹使需求曲線向上移動——其他條件相同，每個給定價格下消費量會隨時間增加
• 因為每個名義價格水平代表的是更低的實際價格

即便 PPI 預測完全不對，對價格預測的損害也是有限的——因為：

1. 任何合理的通脹預測幾乎和實際值只是幾個百分點的差距
2. 所有過去的價格都會被同等地高估或低估，保持他們相對關係穩定

1979–1980 年的反面案例#

有趣的是，1979 年後期簡單沒考慮通脹的模型比那些考慮了通脹的模型更加準確：

• 1979–1980 年異常高的實際利率導致持久的庫存心理改變
• 持有庫存的高成本使生產商有動力減少整個生產線的庫存
• 大範圍低庫存導致典型的需求曲線下移

關鍵點：通脹是一個非常重要的考慮因素，應該被納入任何基本面的價格預測模型——但必須同時考慮其他變量（如需求變動）。

分析市場反應（Chapter 27）#

市場對重要事件（如 USDA 報告、FOMC 聲明）的反應可以揭示隱含的市場預期：

• 看多消息但市場不漲 → 隱含熊市信號
• 看空消息但市場不跌 → 隱含牛市信號
• 獨立事件（單一突發新聞）反應與連續事件（多個強化的新聞流）反應不同

市場對新聞的反應，比新聞本身更重要——它揭示了隱含在當前價格中的預期。

建立預測模型：逐步完成法（Chapter 28）#

• 選擇目標變量（如 9–11 月玉米價格）
• 列出可能的自變量（產量、庫存、消費、飼料量、出口、通脹等）
• 使用回歸分析測試各變量重要性
• 保留 5 個或更少變量以避免過度擬合
• 加入預期變量
• 做通脹調整
• 驗證模型在歷史樣本外的表現

基本面分析和交易（Chapter 29）#

基本面分析的三大陷阱#

1. 把基本面看多等同於「低位買入」 —— 同第 21 章錯誤 #1
2. 忽視時機 —— 基本面對了但時點錯了也會爆倉
3. 只看當前供需而忽略預期 —— 價格反映的是未來

將基本面與技術面和資金管理結合#

成功的期貨交易員很少純粹依賴單一方法。典型的整合模式：

• 基本面：確定市場長期方向（看多 / 看空 / 中立）
• 技術面：確定進出場時機
• 資金管理：控制單筆交易風險，避免情緒決策

使新聞回應價格變化#

與其「根據新聞做交易」，不如「觀察市場如何回應新聞」。

• 對看空新聞沒有下跌 → 市場已 priced in 或偏多
• 對看多新聞沒有上漲 → 市場已消化或偏空

基本面變化的時間尺度#

• 短期（數週至數月）：技術面主導，基本面變化已被 priced in
• 中期（1-2 年）：基本面轉變開始影響價格
• 長期（2 年+）：基本面完全主導價格路徑

為什麼要進行基本面分析？#

即便絕大多數短期交易依賴技術面，基本面分析仍有以下價值：

• 判斷當前價格的合理性區間（防止在極端偏離價值時做錯方向）
• 識別長期趨勢的結構性理由
• 在新聞發布時合理解釋市場可能的反應方向
• 用作擇時的輔助過濾條件（基本面看多時只接受技術面買入信號）