像海龜一樣思考

好的交易不是「做對」，而是「做得正確」。 想要成功，必須以長期角度思考、忽略個別交易的結果。

那場賭注的真實結果是「平手」#

許多人看到海龜的成功後得出結論：「丹尼斯（Richard Dennis）贏了和艾克哈特（Bill Eckhardt）的賭注，交易是可以教的。」作者並不同意，他認為：那場賭注是平手。

外界不知道的是：

海龜中有約 1/3 到 1/2 的人表現遠遜於前段班
一些人甚至完全沒做出像樣的成績，最終被淘汰
第一個月後，多數海龜逐步成長為贏家
但表現最佳與最差的差距，完全來自個人的心理素質

結論：交易可以被教給「大多數」人，但有些人天生就更適合交易。
如果你天生具備正確的特質，你會學得比較輕鬆；如果沒有，你的首要任務就是去培養這些特質。

不是要「對」，是要賺錢#

贏家活在當下，不沉迷預測未來：

新手想預測市場：贏了覺得自己是英雄、輸了覺得自己是廢物
海龜不在意「對不對」，只在意「有沒有賺錢」
海龜不假裝能預測未來，從不對市場下「黃金要漲」這類斷言
他們把未來視為「細節無從得知，但性格可以預見」

為何這樣反而比較容易賺錢#

多數時候你都是錯的，這代表你沒有在預測未來
既然你預期單筆交易會虧錢，你就不會把任何一筆的結果當成自我評價
連續 10 筆虧損但仍照計畫執行，那不是失敗，是「做得對 + 運氣不好」

想贏，必須讓自己脫離結果偏誤（outcome bias）。個別交易的結果無關緊要——只要你忠實執行，連續輸 10 筆代表你交易得很好，只是運氣短期欠佳。

忘掉過去（但記住教訓）#

多數交易者除了過度想未來，也對過去過度執著：

他們糾結曾經做過的事、犯過的錯、虧過的單

海龜的態度：

從過去學習，但不擔心過去
不為自己的失誤痛責自己
不為虧損的交易自我批判——他們知道虧損是遊戲的一部分

對抗「近期偏誤」#

海龜以宏觀角度看歷史，不特別放大近期事件的權重
近期感覺重要，只是因為「近」——但它的真實重要性並沒有比較高
他們知道多數市場參與者都帶著近期偏誤，因此市場本身也會反映這個偏誤

案例：1998 年可可豆連續 17 次虧損#

海龜計畫結束六年後保密協議到期，作者開始把方法分享給朋友。

1999 年 2 月作者問一位朋友：「可可豆有大空頭，你抓到沒？」
朋友答：「沒有。我之前在可可豆虧太多，覺得太冒險。」
表 4-1 顯示：1998 年 4 月起到大趨勢出現前，可可豆突破策略連續 17 筆虧損
接著 1998 年 11 月開始的趨勢卻是非常豐厚的獲利

這是趨勢跟隨者必然會遇到的常態——單看一個市場、一段時間，畫面總是慘澹。某些市場可能要等好幾年才出一次好趨勢。如果你被近期偏誤主宰，就會被迫得出「這個市場不能交易」的錯誤結論。

部分海龜在計畫期間就是被近期偏誤打垮、最終被淘汰。諷刺的是，幾乎每次大家都放棄時，下一波趨勢就出現了——而且通常是好騎、好賺的（第 13 章將深入討論）。

不要用「未來式」思考#

人們有三種主要的認知偏誤會折磨交易者：

近期偏誤
「我必須是對的」這種自我需求
試圖預測未來的傾向

要克服第三項，必須學會用可能性與機率取代「預測」。

作者多年被朋友追問：「你覺得某市場會往哪邊走？」他們以為他既然是海龜、賺到上百萬，肯定知道某些確定的事。
他的回答總是讓他們失望：「我不知道。」這是真話——他從不刻意預測市場方向，也對自己的預測能力毫無信心。

機率思維 vs. 直覺判斷#

人們很少用「機率」思考，多半用「可能 / 不可能」判斷：

你住在熱帶海岸，颶風摧毀你家是有一定機率的事
颶風強到足以損壞房屋的機率較低
颶風強到完全摧毀房屋的機率更低
因此你買保險、不會直接搬家

保險公司知道某個地點的損害機率分布，據此定價：

賣出的保單金額 < 預期理賠金額時，他們不做
反之，他們就有錢賺

交易和「為不確定風險投保」很相似：充滿不確定性，你無法保證任何一筆會賺錢。你能做的，是相信長期下來報酬會大於風險。

用機率思考：常態分配與直方圖#

常態分配（Normal Distribution）#

以女性身高分布為例（圖 4-1）：

橫軸是身高（吋）、縱軸有兩種讀法
機率密度（Probability density）：陰影面積對應某身高出現的可能性。平均身高 5 呎 4 吋附近最高，越往兩邊越低
累積機率（Cumulative probability）：實線從 0% 到 100%，呈現「至少達到某身高」的累積比例。例如 70 吋約 99.18%，代表只有不到 1% 的女性身高 ≥ 5 呎 10 吋

Figure 4-1: A Normal Distribution of Women's Height

不用公式也能畫直方圖（Histogram）#

你不需要懂公式，也能用簡單方法做出近似分布：

找一個女性多的場所（如校園）
隨機量 100 位女性的身高
以 1 吋為區間，計算每段人數
畫成柱狀圖

結果（圖 4-2）的形狀會和常態分配（圖 4-1）一樣，且更直觀——只需要會算、會分組。

Figure 4-2: A Histogram of Women's Heights

用直方圖看交易系統#

把同樣方法套用到交易系統，可以幫助你「以機率思考、而非試圖預測」。

圖 4-3：月報酬分布#

對 Donchian Trend 系統（一個簡化版海龜系統，績效甚至更佳）做 20 年回測：

每 2% 為一段
形狀近似常態，但向右側拉長（skew、肥尾 fat tails）
那些大幅獲利的月份，就出現在右側的長尾上

Figure 4-3: Distribution of Monthly Returns

圖 4-4：個別交易結果分布#

橫軸以 R-multiple 標示：

R-multiple 由交易員 Chuck Branscomb 發明、Van Tharp 在《Trade Your Way to Financial Freedom》中發揚
計算方式：獲利金額 ÷ 進場時承擔的風險
範例：以 $450 買進 8 月黃金、停損 $440、1 口（100 oz）
- 風險 = $10 × 100 = $1,000
- 若獲利 $5,000，則為 5R

22 年回測的觀察：

虧損交易：3,746 筆
獲利交易：1,854 筆
虧損遠多於獲利——這在趨勢跟隨系統中再正常不過
多數虧損都緊鄰當初設下的 1R 停損
獲利則常為進場風險的數倍，43 筆甚至達 10R 以上

Figure 4-4: Distribution of Trade Outcomes

怎麼讓你「像海龜一樣思考」？#

海龜並不知道哪一筆會贏、哪一筆會輸——但他們知道分布的整體輪廓：
多數會輸，少數會贏
部分贏家是中型（4–5R），部分是大型（12R、20R 甚至 30R）
大贏會足以涵蓋所有小虧，並留下利潤
因此他們進場時，不會用單筆結果評價自己——他們以「機率」與「整體分布」思考，這就是面對風險與不確定性時還能下決定的信心來源。