常見誤區與陷阱

2022 年 10 月台積電跌到 $370,鄰居老王每天聽到都說「台積電完蛋了,中國要打台灣 」 → 把所有持股賠賣出。

兩三年後台積電大幅創新高(突破 $1100)。老王完全錯過這波漲幅,但他跟所有人說:「我早就知道 AI 會起飛,我當時就應該 ALL IN 」 — 然後用這份「我能看到未來 」的過度自信,在高點 ALL IN 台積電。

結果 2025 年 4 月遇到關稅政策回檔,台積電一路跌破 $800,老王再次恐慌停損出場(賠賣 -25% 左右)。事後台積電又反彈、再創新高 — 老王第三次擦肩而過,再次重蹈損失。

同一個老王、同一套錯誤邏輯 — 第一次「恐慌賣在底部 」、第二次「過度自信買在高點 」、第三次「正常回檔又恐慌停損 」。後見之明偏誤讓他把「運氣沒站在他這邊 」誤以為「我看得到趨勢 」,然後不斷重複虧錢。這就是 90% 散戶長期輸給大盤的真正原因。

• 人腦會自動「合理化 」 — 知道結果後重組記憶,以為自己「事前看到」
• 1972 年 Baruch Fischhoff 經典實驗證實這個偏誤普遍存在
• 讓人變得過度自信,下一次重複犯錯

二戰美軍轟炸機: 統計員看返航飛機彈孔分佈,大部分在機翼和機身 。建議加強這些部位裝甲。

數學家 Abraham Wald 反向思考:「彈孔少的地方(駕駛艙、引擎)才是致命處 — 被打中那裡的飛機根本沒回來」。

投資版: 「過去 10 年表現最好的基金平均 CAGR 15%」 — 但已倒閉的基金根本不在統計裡。實際所有基金平均可能只 5%。

• 媒體只報導「成功者故事 」 — 想創業看 Mark Zuckerberg、想量化看 Jim Simons
• 失敗者沉默 — 倒閉公司、賠光戶頭、跳樓的 trader 不會出書
• 讓人嚴重低估失敗機率

你對某 DRAM 股過去 10 年資料跑參數網格,找到最佳組合「外資連買 15 天 + 集中度 > 7% + RSI < 35 」,回測 +500%、Sharpe 2.8 → 興奮 ALL IN。

真實 6 個月後:虧 -30%。原因:這組參數只是過去 10 年資料的「巧合最佳化 」,未來資料不會重複同樣模式。

• 回測平台會自動「找最好的數字給你看」 — 自然偏好過擬合策略
• 多參數 × 多條件 × 長歷史 = 一定能找到「歷史完美但偶然 」的組合
• 人腦無法分辨「真規律 」與「巧合最佳化 」

某網紅展示「我的選股策略 CAGR 80% 」 — 用月營收 YoY 連續成長 3 個月當訊號。看似合理。

問題: 7 月份的營收要 8/10 才公告。他卻在 7/31 就「用 7 月營收 」回推訊號 → 偷看了還沒發生的事。重新用嚴格時間軸測試,CAGR 變成 5%。

• 回測引擎預設不檢查「資料公告日 」,只看「資料所屬期間 」
• 新手沒意識到台灣公告日的法規延遲(月營收 10 號、季財報季後 45 天)
• 結果回測超漂亮,實戰超慘澹

某分析師把「多指標複合分數 50 穿越法 」做成策略跑某中大型半導體股:全期回測 +89%、看起來不錯。

細看:勝率 18%、75 次交易、平均持有 7 天、MDD -48%。OOS 訓練期 Sharpe -0.6。典型 whipsaw 災難。

根因:震盪市裡分數 49 → 51 → 48 → 52 → 47 → ... 每次穿越都發出買賣訊號,但實際趨勢沒形成。手續費 + 滑點吃 ~2.5% 報酬。

• 多數技術指標(均線、MACD、KD)在趨勢市 有效,震盪市 失靈
• 散戶以為「訊號越多越好 」 — 其實訊號越多越爛
• 看到全期回測 +89% 就 ALL IN,沒看 OOS

UC Berkeley 教授 Terrance Odean 2000 年研究分析 6.6 萬個散戶帳戶,發現交易最頻繁的 20% 散戶,年化報酬比市場低 6.5%;交易最少的 20% 報酬接近市場水準。

結論: "Trading is hazardous to your wealth"(交易有害你的財富)。交易越多越虧錢,因為:

• 手續費 + 滑點累積
• 追高殺低的心理偏誤被放大
• 進進出出錯失大趨勢

• 多巴胺成癮 — 交易帶來快感,類似賭博
• 錯失恐懼(FOMO)— 看到別人賺就想進場
• 錨定錯誤 — 「不交易就沒在認真投資」

你在 $100 買進某傳統電子股,跌到 $80 你說「等漲回 $100 我就解套 」 — 但該股可能再也回不去 $100。3 年後跌到 $60,你仍堅持「等漲回成本 」,結果一直套牢。

正確思維:「現在 $60 是否值得買?如果不買,為何要繼續持有? 」 — 沉沒成本不應該影響現在的決策。

• 買進價在腦中留下強烈錨點,後續判斷都圍繞它
• Daniel Kahneman 諾貝爾獎研究指出這是人類認知的基本缺陷
• 「不甘心」變成最大敵人

1913 年蒙地卡羅賭場輪盤連續開出 26 次「黑 」。賭徒們瘋狂加碼「紅 」 — 因為「連 26 次黑了,下一次絕對是紅 」。最後輸到傾家蕩產。

投資版: 「我這個策略連虧 5 次,下次該贏了,我要加碼攤平 」 → 第 6 次仍然輸,而且更多錢。最後爆倉。

• 人腦尋找「平衡 」 — 直覺認為連續結果會自我修正
• 但獨立事件(輪盤、骰子、股價短期波動)沒有「記憶 」
• 「輸到不甘心 」想加倍下注 → 凱利公式說這正是最快爆倉路徑

2021 年 1 月台股 17000 點,散戶開戶數爆增、所有人都在討論「下一個千金股 」 — 散戶 ALL IN。結果隔年崩跌 27%,最深時 13000 點。散戶平均虧 30-50%。

反例: 2022 年 10 月 12683 點,媒體一片悲觀「大衰退 」「結構性熊市 」 — 此時敢進場的少數人,3 年後拿到 +80% 報酬。

• 演化遺留 — 跟著群體跑可以避免被獅子吃,但在股市反向
• 社會認同 — 看到鄰居賺錢就壓力 ALL IN
• 媒體放大 — 漲多時新聞天天報、跌深時沒人想看
• 散戶資金結構 — 大家用同樣資訊買同樣股票,造成 自我實現的泡沫

2008 年金融海嘯時,某退休教授 ALL IN 摩根士丹利股票。跌 30% 他說「跌深了,加碼攤平 」 → 跌 50% 「更便宜了 」加碼 → 跌 70% 已絕望但仍持有 → 最後跌 90% 才賣。退休金全沒。

正確思維: 「如果我今天還沒持有,我會用現在的價格買嗎? 」 — 如果不會,就該賣。過去虧多少跟現在決策無關。

• 損失厭惡 — 虧 100 元的痛苦 = 賺 200 元的快感(Kahneman 證實)
• 「賣出就承認失敗 」 — 自尊心作祟
• 期待奇蹟反彈 — 但奇蹟通常不會發生

LTCM 1998 年爆倉: Long-Term Capital Management 由諾貝爾獎得主管理,1994-1997 年 CAGR 40%、Sharpe 7+。1998 年 8 月俄羅斯違約 → 全球流動性瞬間枯竭 → LTCM 模型假設失效 → 46 億美元資產蒸發,Fed 緊急救援。

原因: 模型假設「過去波動率 + 相關性 = 未來」,但 regime change 時這些統計屬性瞬間崩盤,「正常情況下不可能 」的事件全部一起發生。

• 策略基於過去資料,過去資料只反映過去的 regime
• 2020 前的策略可能完全不適用 2022 升息後的市場
• 黑天鵝事件時「相關性都變 1 」 — 所有股票同步跌,分散失效

某策略訊號:「跌破前低就賣 」。回測假設用 $100 賣出。實戰時:訊號觸發時所有人都看到,搶單導致實際成交 $98(滑點 2%)。一年下來 50 筆交易,光滑點吃掉 ~10% 報酬。

更慘: 中小型股流動性差,有時甚至「無法成交 」 — 連續跌停板根本逃不掉,你看的 $100 賣不到、$90 也賣不到、最後 $60 才出場。

• 回測引擎預設 0 滑點(理想化假設)
• 新手沒意識到「訊號 = 大家都看得到 」的現實
• 小型股、開盤、收盤前 30 分鐘 滑點特別大
• 漲跌停板時根本鎖死無法成交