（以上圖片取材自氣象局公開資料。）
颱風預報原理
日子轉眼到了5月，夏季台灣地區因是島國，四週環繞著海洋（且是熱帶海洋），在海平面上因為高溫容易蒸發海面上的水氣，而形成所謂的「熱帶低壓」；而北半球較冷的空氣南下，與前述的「熱帶低壓」及北方來的「東北信風」兩冷暖氣流的結合、相遇波動而形成漩渦（即生成颱風），每年造成台灣及其他國家沿海地區農損、及嚴重的生命財產威脅。
颱風以前在科技不發達時，就跟地震一樣，我們只能靠老天爺的臉色吃飯，遇到了也只能認命。但科技的進步，帶來了電腦、計算機的應用，以及後續的許多感測器（感測溫度、濕度），以及更宏觀的衛星應用，讓氣象資訊可以數據化、圖像化，從而變成一種預測科學，而住在颱風頻繁地區的我們，最關心的當然就是颱風路徑的預測了，因為颱風除了影響農作及帶來水患外，我們也很關心颱風假。
股市vs颱風，相似的預測邏輯
然而颱風路徑預測跟股市又有什麼關係呢？想必讀者很想知道，而答案當然是…它們是沒有關係的。但在颱風生成預測及路徑預測上卻有著相似的邏輯，以下分述兩者是如何相似，列舉如下（以下為筆者查找參考文獻所提供的幾項颱風預測方法來比較投資方法）：
（1）持續法：
利用區域的平流和力學上外力所支配，故在假定的若干時間內，當因素沒有改變時，則目前狀況會再持續一段時間，且移動進行方向與速度和過去相同。這跟我們利用基本面或技術面方法來分析股價時，當因素沒有改變時，則趨勢持續的觀念是一致的。
（2）氣候學預報法：
利用氣候，如季節性或各地區風向、速度之統計值，以進行路徑的預報。這與我們利用每年的營收成長周期來判斷未來一段時間內，可能的營收成長結果有什麼不一樣呢？
（3）HURRAN法：
此法係Neumann和Hope在1896年至1968年時分析北大西洋熱帶氣壓而發展出來的方法，即尋找過去颱風，在類似的進行方向、速度、日期等，十二、二十四、四十八、七十二小時後的位置取算術平均值的方法。此方法與我們利用技術分析，利用均線（日線、週線、月線、半年線、年線等平均）或陰陽線排列去猜測未來股價向上或向下突破的方向、壓力或支撐方法是不是也很類似呢？
（4）(P+C)/2法：
原理是利用持續性（P）和氣候學（C）的結果取平均值，此方法取上述（2）及（3）的平均結果。不就是我們取技術分析跟以往營收成長幅度去做平均取捨的方法嗎？
（5）CLIPER法：
利用HURRAN法，考慮氣候學、持續性，如颱風位置的經度、緯度、現在速度的東西分量、十二小時平均速度的東西分量、最大風速、發生日期等8個因子，取因子的二次及三次組合而成。這跟很多經濟學者，研究開發的複雜公式「擺盪指標」（如RSI、KD、MACD、布林通道等等），是不是原理也很類似呢？
（6）綜觀氣象學法（駛引法、幅合法、等壓變法）：
係指利用地面和高空天氣圖，某種氣象要素和空間分布以及特定地點之氣象變化為基礎，去統計因素跟颱風移動之關係，此方法因為公式裡有迴歸係數，基本上與經濟學家常用的迴歸統計方法類似，如每股盈餘的預測，常見分析師報告以廻歸統計方法來預測未來的某一段時間的EPS，是不是跟綜觀氣象學很類似呢？
氣象預報預測失誤的風險
前文討論的各種氣象預測（預估颱風路徑）方法及資料等來自期刊文獻參考，因各國在氣象觀測技術上有著資源及科學技術上的差別。如雷達觀測、飛機偵察、人造衛星觀測等等，國力越強、國家所能提供的資源越先進，則採樣到的統計數據越多、計算機越強大，則計算的結果就越精確。如我們常覺得日本、美國所預測的氣象資料，往往比我們中央氣象局的預測報告結果精準；而投資是不是也是一樣呢？
外資法人、投信、自營商等所掌握的人力、物力、資訊、資金等，實力越強分析報告也越精準，帶來的影響力也越大。但無論如何，如氣象預報之準確度尚不能讓人十分滿意這點來看，投資是不是也是一樣都存在著預測失誤的風險？任何高明的分析師報告都存在著失準的可能性，但如果就跟氣象預報一樣，假設氣象預告10次有7~8次準，則雖然不是100%精準的氣象預報，仍然可以成為我們是否帶傘及地方政府考慮是否發布颱風假的基礎或參考。
投資雖然無法像氣象一般，打開電視或查找網路就可看看預報結果，但我們卻能自已分析可能的預測，以提高投資成功的概率。因此考量散戶在投資理財上的資訊、資源及對投資的理解不對等而影響投資結果。本站利用數據分析方法，提供本站認為具備潛力的財務估測方案，可做為散戶投資的預測氣象台；但就跟氣象預報一般，同樣也有著預測失誤的風險。
如何運用於股市
上述的氣象學主要運用的是量化的預測模式，即所有的結果都以數據運算為主，因此本站的「個股分析」、「個股追蹤」及「專題研究」等，是以量化做為分析的依據，所有的個股公司狀況是依個別的財務公告數據推算，以找出「最具投資價值」的標的。利用這種「大數據」分析最紅的例子，不外乎如日本或美國的職業棒球球團擅長利用高速攝影機情蒐「投手」的姿勢、習慣、球種、球路軌跡、配球、球速等等；及分析「打者」的揮棒軌跡、擅長功擊的球路、位置、揮棒力道、打擊率等等，不只可以利用「大數據」提高勝率，還能用「最低的價錢」找出CP值最高的球員。因此球團之間，不只比球技，更是比科技及大數據。
「數據分析」也可用於「股市」，利用數據運算來快速計算出公司的基本面，類似網站較知名的如「財報狗」或筆者常用的「GoodInfo」等網站，是以數據整理為基礎，提供讀者相關報表分析。如財報狗甚至還提供電腦篩選指標的方式，以提供選股服務等。本站過去也利用上述網站分析報表，但現在改用自行分析的方式，優點是好的分析不只要計算「過去」還得計算「未來」，同時還加入了一些「非量化」的分析。
有關老化曲線
財務數據分析若是純「量化」，可能會有「反人性」、「反市場」及「機器人化」的缺點。違反了「人」及「公司」的本質，如公司就跟「人」的身體狀況一般，不可能「屢創高峰」，因為「市場是有限」的，而且領導人或好員工也會交替。如大力光股價再高也會有極限、「蘋果」賣得再好市場也會飽和，「人口數」成長也有會有高峰。「老化曲線」是一種順應自然的結果，人出生從爬到走到跑，青壯年後達到體能的最高峰，而後開始衰退、最終沉寂。「市場」及「技術」也一樣，若沒有開發「新技術」、「新市場」，則終受老化曲線影響，因此數據分析若只依簡單的「迴歸分析」或其它更複雜預測方法，也容易陷入高估或低估個股價值的風險，導入「老化曲線」的影響可帶來另一種思維。
（以上圖片自行繪製。）
如何再降低預測失誤的風險
專家VS大數據分析
擅長於「數據」的投資者，容易忽略「市場的訊息面」變化；而擅長於「市場狀況」的投資者，通常只看「投資報告」數據參考。如「財務分析人員」專長於財務報表中的「數據」本身，而電視上的「專家」更在乎市場上的「訊息變化」。因此我們回歸「氣象」的話題，當「氣象」資料被計算出來之後，有一個不成科學的研究，氣象資料通過「人為經驗」的修正後，可以讓氣象資料更為「準確」。因此在「量化」的背後，質化資料的研究可做為降低預測失誤風險的策略。
評估質化資料
本站在「挖掘潛力股」專欄裡，分析公司的產業狀況，以降低財務估測「失敗」的機率。類似「財報狗」中「洞見」網誌專欄，只是本站僅是筆者自行分析資料，並未實際走入產業分析。產業分析需要花費「大量時間」、「實際採訪」等進行，筆者僅能提供書面初步的推敲，尚無法達到「深入」的地步，但某種程度可降低一定的投資風險，及在自已的數據分析上推敲數據的合理性。
有關本站，歡迎讀者朋友提供相關建議，給予指教。
※本文為個人研究，非投資建議，相關數據依據當時公布之財報資料推估，僅供讀者參考。
本站說明
0 意見:
張貼留言