（圖片取自網路資源。）
前言：關於菲式思考
關於「菲式思考」，作者為 PTT 版上的名人，小弟久聞大名已久。幾個月前，該本書上市了，且迅速入榜幾名商業暢銷書。自已也趕快下訂一本，拿到書後決定以學習的心態來閱讀。此書的編排類似於個人自敘或傳記，內容融合了作者的經歷、點點滴滴、投資理念與方法。
拜讀後，個人將此書內容分為三個主題來加以說明：
1、「避險、高槓桿、以小博大」。
2、「新聞解讀與事件型交易」。
3、「量化策略與回測」。
此外，以個人觀點分別對應上述三個主題：
4、「高槓桿雙面刃、計算破產風險」
5、「實測事件型交易優缺點」
6、「探討回測有效性」
7、小結「菲式思考」全書內容
一、避險、高槓桿、以小博大
菲比斯是僅用 10 萬元本金，將資產翻至數億的傳奇人物，驚人的成績被網友譽為「菲神」。經閱讀此書後，終於能夠理解菲比斯能夠在市場波動中取得線性爬升又如此高的績效，其成功秘訣主要在於「避險+高槓桿」，佔據了其成功因素的 9 成。
按照作者書中所述的方法，實際上便是類似對沖基金的運作方式，即同時做多和做空股市，沖銷系統性風險，因此不受整體市場波動的影響，其線性爬升績效正是由此而來。然而，這種方式最大的風險仍在於高槓桿的特性，即使獲利可倍增，但同時風險也同樣倍增。
另一方面，多空雙向策略也存在一個重大缺陷，即可能相互沖銷股票市場的成長。以疫情期間為例，當大盤指數從 1 萬 2 跌至 8000 點時，菲比斯的多空雙向操作幾乎不受影響；然而，當台股指數再次從 8000 點上漲至 16000 點時，多空雙向操作的效果就難以完全受惠市場成長一倍的漲幅。
總結而言，菲比斯的策略在多空雙向套利的基礎上引入槓桿倍數，利用個股期貨的高槓桿的特性，平均槓桿倍數為一般股票的 7.4 倍，實現了線性、同時又具有高報酬率的操作模式。此外，書中提到菲比斯幾乎運用了大部分可用的金融工具，例如選擇權的避險策略等，儘管這些衍生性金融工具在整體投資中所占比例不大，但太過複雜的操作方式，也容易帶來不可預料的結果。
根據菲比斯書中所述的績效，經過個人手動試算，年化報酬率平均約在 150% 左右。假如以10萬元本金作為初始值，要將資產增加至 1 億元，理論上僅需要 7 年又 7 個月的時間即可實現，確實可能做到。
二、新聞解讀與事件型交易
該書第二部分談及作者的選股模式。菲比斯指出，他的選股方式是利用 A→B、B→C、C→D、D→E 的思維推導，由此思路推測 A 可能導致 E，這即是作者的選股方式，自稱為菲式思考。
根據書中所述，作者的投資觀念來自於兩個方面。一方面是他本身的工作背景，具有證券業的基礎。另一方面則是他從小就接觸到的投資概念，例如家族中舅舅、父親等的投資方式對他產生的影響。在作者早期獲得的經驗中，從父輩那裡學到區分價值（舅舅的方式）與價格（父親的方式）的不同觀念。這種「如何區分價值與價格」的觀念通常是股票投資新手常常需支付的第一堂學費，有些投資人可能僅需幾個月就能夠學會，但有些人可能花費數十年仍然陷於這個迷思中。
此外，由於作者在證券業的背景，對短線績效非常注重，這也影響到了他的催化劑模式交易方式。書中舉了一些解讀個股新聞的投資觀念，大多偏向中短期的事件型交易。在本文的下半段，個人也特別針對這方面進行了幾個月的實例操作，以說明事件型交易的優缺點。
三、量化策略與回測
量化投資，顧名思義即是透過計算機輔助投資人進行決策或交易。在此，個人將其分為全套或半套模式。全套指的是幾乎完全自動化，所有買進或賣出的決策都由電腦執行，通常被稱為程式交易。而半套模式則是透過計算機將大量公司資訊進行模型化和視覺化，以輔助投資人快速反應，對資訊進行客觀的判讀。
根據菲比斯書中的描述以及前一節解讀新聞的方式，事件和新聞都是難以量化的投資因素，屬於質化分析的範疇。菲比斯應是屬於量化與事件型交易混合使用的投資人，不過書中也提到他已逐漸將交易交由電腦全權自動執行，或許未來可能會進一步走向全套的量化型交易模式。
在「菲式思考」的最後一章，主要討論了量化策略與回測。雖然這部分有點像是為了賣軟體進行置入性行銷，書中提供了超過 40 種以上的選股策略。根據個人經驗判斷，書中提供的策略多數為「直覺有效」的選股邏輯，無須經由回測來加以證明。然而，書中提供這些選股策略回測的績效圖表，反而加深個人疑惑。在本文下半段，將進一步地說明。
四、高槓桿雙面刃、計算破產風險
前文提及，個人試算菲比斯的投資績效，每年大約以年化報酬率 150% 的速度成長（若去除期貨的槓桿倍數後年化約為 20% 上下）。儘管報酬率高，但高報酬率伴隨高風險，尤其是加乘 7.4 倍的槓桿，風險也相應增加。菲比斯一直強調「分散風險、避險、多空雙向、多元配置」等概念，突顯了安全性在他整個投資理念中的重要性。
菲比斯的操作模式著重安全性其來有自，通過多元化的資產配置和多空雙向操作來避免系統性風險，並且平滑化投資績效曲線，即犧牲投資報酬率以換取投資安全性。下方，我將以數學計算菲比斯策略的安全性，以投資來說最大的風險是破產，來做為安全性的衡量方式。由於缺乏菲比斯的投資數據，個人使用自已的數據庫作為參數代替。該模型從 2017 年 3 月開始至今，經歷了至少一波股市循環，共有 1569 筆買賣明細資料，平均績效 10.39%，中位數績效為 2.8%，平均持股天數為 164.65 天，績效標準差為 36.12%。若要查看該模型明細資料，請按此點選下載。
（績效統計表，圖片自行繪製。）
以上述數據為模型標準，統計表參見上圖。表中顯示中位數績效與平均績效差距頗大，表明績效分布呈現非常態分布，而是屬於偏態分布。從數據分布來看，在客觀原則下，計算破產風險時將以中位數績效來計算年化後的標準差。
第一步
將機率分布換算成年化機率分布，如下：
年化報酬率為 1.1011 ^ (365/164) - 1= 24.6%
中位數年化報酬率為 1.028 ^ (365/164) - 1 = 6.34%
年化標準差為 0.3612 * sqrt(365/164) = 53.89%
第二步以不同持股檔數計算可能的破產機率：
集中持有一檔股票，年化報酬率平均值為 24.05%（加乘槓桿後為 178%），年化標準差為 53.89%，x 值為 -16.76%， z 值為 - (16.76 + 6.34) / 53.89 = -0.43，得出一年內破產機率約 33.36%，10 年內破產機率為 98.27%。
分散持有相同機率分布 10 檔投資組合，持股權重各為 1/10，年化報酬率仍為 24.05%（加乘槓桿後為 178%），年化標準差收斂為 53.89% / sqrt(10) = 17.04%，經換算得出 z 值為 -(16.76 + 6.34) / 17.04 = -1.36 ，得出一年內破產機率約 8.69%，10 年內破產機率為 59.71%。
分散持有相同機率分布 50 檔投資組合，持股權重各為 1/50，年化報酬率仍為 24.05%（加乘槓桿後為 178%），年化標準差再次收斂為 7.62%，經換算得出 z 值為 -3.0，得出一年內破產機率下降至 0.13%，10 年內破產機率為 1.29%。
（negative z score table，圖片來自網路。）
五、實測事件型交易優缺點
菲比斯書中分享了閱讀新聞的小技巧：「新聞有沒有用，關鍵在於如何篩選有用的新聞。」 雖然新聞是二手資訊，但由於多數公司為了避免影響市場，重要訊息通常在盤後進行公佈。因此，在隔日開盤前獲得的新聞訊息，仍具有很大的第一手價值。
菲比斯的選股邏輯善於找具有重大利多題材的個股來操作。由於個人也有閱讀新聞的習慣，想要實測菲比斯的選股，只須稍微修改個人平時的選股模式，將「事件、訊息、催化劑」的訊息面比重提高，將公司獲利面的「基本面、實質獲利、安全邊際」所佔比重降低，就可以模擬菲比斯的選股模式。
以下舉例近幾個月的事件型交易操作：
（1）線纜股：9 月份，線纜廠接獲台電強韌電網訂單，剔除營收規模大及股本大的公司後，訂單佔公司獲利貢獻較大的公司有合機、宏泰、華榮、大山、華電、大亞等，上述公司至近期才因 11 月營收開始認列貢獻而起漲。
（2）華經：9 月中，搶下電商大客戶，與蝦皮合作無人商店，簽 5 年長約，明年開始建置。個人查詢相關資料，OK 便利商店與蝦皮合作最緊密，店員透露一天約收蝦皮 600 件，另外蝦皮 1000 多家的寄取件據點，約有 2～3 成採用智能貨櫃，略抓 300 件，則一天共有 24.9 萬件。華經幫中華郵政建置 i 郵箱共 2000 個，但使用率低，每天件數僅 1500 件，與蝦皮預估值 24.9 萬個差距甚遠，但 i 郵箱仍佔華經整體獲利近 1 成。因此推估同一系統，華經獲利將可讓公司獲利翻數倍成長，且與蝦皮合作的門市正成長，年底預估將來到 200 間門市。
（3）全達：9 月初，推出首座移動式充電樁「E-HERO移動式充電機器人」，以三年內建置 600 台為目標，個人估算，600 台每年約可創造 8 億元營收，而全達去年營收也才僅 10 億。且該設備具直流快充技術，充 8 分滿僅需 30 分鐘，與固定式充電樁動輒 6 小時起跳，具有市場吸引力，估 24 年上半年開始上線。且美國車樁比高達 32：1，遠高歐洲的 9：1 及中國的 4：1，該產品又以歐美外銷為主，行動式充電樁很有機會。
（4）大成：10 月份，大成斥資 10 億打造全台首顆生食級雞蛋加工廠。由於全台餐廰半熟蛋需求大，且通膨加大餐廰獲利，生食級蛋全台獨家供應，基本面獲利又佳。11 月時，瓦城旗下「大心」的半熟蛋讓 9 個客人食物中毒送醫，推估全台餐廰潛在需求量應是不少。
（5）錼創：10 月與友達簽 7 億元合約，建置龍潭廠區 6 吋 Micro LED COC 產線。錼創單月營收不到 1 億元，估該合約可令公司營收成長近 1 倍。
（6）PA 元件：9 月底，華為新機 Mate 發布，後續市場反應極佳且還加價熱賣，至 10 月時，中國手機百花齊放，相關受惠股為宏捷科、全新、穩懋。另外PA 三雄又受惠 11 月的 WiFi 7 題材（WiFi 7技術預估需使用到 8～10 顆 PA，相較前一代技術多 50% 用量），受惠雙題材效應，11 月漲幅最大。
（7）文曄：9 月中，文曄以 38 億美元現金收購加拿大 IC 通路商 Future Electronics Inc. 100% 股權。但因考量文曄市值僅 650 億元，卻要斥資 1212 億元收購，等於未來勢必用增資來補足而錯過。
（8）安國：10 月，安國取得 ASIC 及 IP 授權廠星河半導體普通股的股權，交易金額 7.15 億元。
（9）亞光：10 月，車載鏡頭每月出貨量，已由 22 年的 25 萬顆成長至 23 年的 50 萬顆，24 年上看每月 80-100 萬顆，續呈現倍數成長。
以上為避免篇幅過長僅列出 9、10 兩個月份。根據菲比斯的選股方式，事件型交易就是找出能夠觸發股票快速上漲的催化劑。催化劑的強度取決於三個要件：(1) 利多發酵時間；(2) 利多影響公司獲利的程度；(3) 現階段公司的基本面與狀況。
例如，線纜股在接到台電大單後，由於公司基本面並不好，且交貨時間未知，股價只有短暫上漲。其他公司如華經、全達、錼創、亞光等，基本面也較差，但利多對公司獲利影響大，催化劑激勵短線股價上漲了10% ～ 30% 不等，但隨即因催化劑熱度過去，基本面尚無法支撐股價而拉回。PA 三雄，受惠手機需求復甦，且公司營收與利多因素一致，其中又以全新與宏捷科營收成長最多，股價反應與基本面成正比。另外像文曄和安國等公司，則因 IC 設計剛好切到邊緣 AI 、或 IP 等市場主流題材，題材熱度一直維持火熱，出現大波段漲幅。
總而言之，事件型交易的優點在於能夠在短期內快速因題材上漲，若題材能持續發酵，甚至可以成為飆股。然而，缺點是抓題材股上車要快速果斷，猶豫不決容易套在短線高點。掌握題材股商機需要平時花時間閱讀最新的網路或紙本新聞，且盡量不要等到主流媒體報導的訊息才要進場，機率很大會套在短線高點。此外，理解催化劑的時效長度需要透過平時的練習和經驗累積，才能掌握短線的賣出時機。
六、探討回測有效性
菲比斯在書中強調回測的重要性，指出它有助於快速評估策略、節省時間和精力、降低風險，提高交易者的信心。然而，根據個人經驗，回測結果的優劣很大程度上取決於「環境」和「假設」，且僅適用於完全客觀的數據和參數。
例如，只使用「價格」、「交易量」或「固定時間」等客觀數據進行回測，由於數據是中性的，策略的回測結果大致會與真實情況相符。書中舉例的一些客觀策略，如「強制融券回補、漲勢落後同業、長時間未破底後創新高、創百日來新高距離低點不遠」等，是較為客觀的策略，其回測結果可信度較高。
然而，如果數據具有主觀性呢？書中提到的其他大部分策略，如「營收動能高於同業平均、低價小股本營收創一年高、投信急買股、連2日大戶大買超、官股護盤股、籌碼集中度大於兩成、投信燒冷灶、主力慢慢收集籌碼後攻堅、可能被入主的公司、淡季不淡、即將開法說會、可能恢復信用交易的個股、PEG小於1、皮式價值型成長股、盈餘加速成長、現金快速累積中、表現突出的成長股、上游漲而個股還沒有漲、本業由虧轉盈且持續好轉中、低價股營收創新高」等，上述策略都不屬於客觀數據，這些數據都帶有「範圍」及「強弱」，且因每個不同個股而異。這些參數都慘雜主觀因素，難以建立客觀的數據來回測，其結果通常也難以被採信。
統計回測的目的在於以客觀的角度來看待數據的結果，這樣的回測才有意義。如果已是先入為主，帶入主觀意識來跑數據，極容易忽略一些影響結果的樣本或情境，很容易陷入過度配適、造成過度擬合等結果。當樣本數過少時，陷入小眾法則的迷思，或未考慮到各種不同的情境，或將未來時間點還未發生的財報資料提前代入等，都將影響模擬的客觀情境。
另一讓人疑惑的部分在於，書中的策略中，做多和做空是分開的，同時也僅有一個方向。但是書中超過 40 種策略的模擬結果都擁有著年化 30% 報酬率以上的績效，遇到股災也完全沒有修正，難以符合現實情境的股市。以概率而言，一個具有超過 1000 檔股票的大盤母體，在 2～3 個月內大跌 30% 時（如歐債風暴、美中貿易戰、新冠等情境下），假設個股標準差是概抓為 20%，個股中仍將有 84.1% 的機率跌幅超過10%以上，僅有15.9% 的機率可以跌幅小於 10%。然而觀察書中的回測績效圖表，絕大部分即使經過股災洗禮，績效拉回也很少超過 10%。以最小樣本數只有 1 個來估算，在某個微小的時間段（2～3 個月期間），股災期間選到平均績效拉回不到 10% 的機率也僅有 3.27% 而已，若樣本數更高，其概率更低，若模擬期間長達十幾年的表現，都能維持線性爬升的績效，其機率將比被雷打到還低，更何況 40 多個策略幾乎都是如此，遇到股災時修正的幅度小到難以觀察拉回的跡象。過於美好的結果，唯一解讀就是樣本數嚴重不足、且有過度擬合的表現，結果也就缺乏客觀性，難有參考價值。
淺談菲式思考，小結
「菲式思考」本書給我的主要影響是對催化劑（事件型交易）的重新啟發。近幾個月來，個人操作與選股試著將催化劑的比重提高，降低基本面的因素，因而發現一些不同以往選股邏輯的優缺點，更能看懂股價短線的波動。例如，當基本面表現不佳時，題材發酵的時間未到，催化劑的題材效果相對短暫，容易在數天的題材行情後再次修正拉回到起漲區，而投資人若因掌握題材利多操之過急也容易被套在短線高點。另一方面，即使錯過了第一波題材股的行情，假若有記錄好利多筆記，等待後續利多發酵的時機點，仍有再次進場的機會，第二次的進場，利多持續時間會比第一波更久，且有基本面獲利做為支撐。
當市場熱絡時，偶爾會有一些催化劑剛好搭上市場主流，例如今年的 AI 瘋狗浪。前文所述的安國、文曄，催化劑直接搭市場熱度成為股價飆升的引擎，使股價一路攀升不回頭。操作這類題材股，需要理解市場的主流與趨勢，個股的題材動能、強度是否足夠、能否持續，若市場的熱度對，應減少對基本面的考量，讓子彈多飛一會。
儘管菲比斯這套操作方式在分散持有大量股票時得以降低不少風險，但即使持股數量達 50 檔以上，前文 計算 10 年內破產機率仍有 1.29%（由於個股與個股之間相關性未必完全獨立，實際破產機率將更高）。此外，人性並非機器，要長期在高槓桿下時時承擔人性的恐懼與貪婪，有時可能做出異於尋常的非理性動作，使得破產的風險實際上高於數學公式所計算出來的概率。因此，如果有本書的讀者想要複製菲比斯的操作模式，我仍強烈的不建議採用。原因是過去國外知名的槓桿型對沖基金已經有不少破產案例，觀察這些對沖基金破產的原因，無非在於「重押、黑天鵝事件、流動式風險、無法支付保證金被強制平倉等等」，其實最大的風險都來自於人性規避損失的特性、或不可控的環境因素，而非單純的數學概率。當投資人在順風順水下，因過度貪婪而輕忽了風險，不自覺調整多空比例以尋求更好的報酬時，一旦黑天鵝突然降臨，風險便會急遽上升，因此人性的弱點永遠比我們自已所想像的還要脆弱。投資是條長遠的道路，不必承受如此高的壓力，急於短時間賺到驚人的報酬。投資雖是讓生活品質提高的必要活動，但並非人生的全部，讓生活平衡一下，才能活的精采又快樂。
最後，書中提到的回測結果，作者提到最後一章是由「菲想資本」的員工花了一兩個月的時間所做的模擬結果。個人淺見，假若能輕鬆使用軟體，輸入少數參數就能回測出高報酬率的大量選股策略，恐怕現今早就股神滿街跑了，況且前文我也已解釋其概率是有多小了。
話說，量化投資這條路，同時也是筆者正努力已久的投資模式，我沒有使用市面上的軟體（如 XQ 等），量化的模型是一筆一筆 key 出來的，實測過程中，績效圖一天只能跑出一個點，經年累月以測試能否適用在不同景氣循環週期。因此對於「菲式思考」書中所說，只要使用軟體按幾個鍵即可回測感到不可思議，我認為那是軟體公司過於簡化模擬的假設所推出的結果，前文也以數學概念說明為何難以認同其跑出來結果的原因。
總的來說，「菲式思考」是一本實用型的好書，等同是「菲神」以自身經驗來說明其投資與選股的過程，讀者細細的體會一定可以從中受益，但不必完全按照菲比斯的模式與建議操作，因每個人的能力與風險承受度皆與菲比斯不同，難以直接複製。學習理財應是多多涉獵不同的理財書籍，截取對自己有用的部分，調整難易度並修改成適合自己的投資模式，才能真正的受益。最後再不斷地調整與修正，若能謹慎的進行每一步，財富自由只是時間早晚的問題。
※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。
資金面
7、小結「菲式思考」全書內容
一、避險、高槓桿、以小博大
菲比斯是僅用 10 萬元本金，將資產翻至數億的傳奇人物，驚人的成績被網友譽為「菲神」。經閱讀此書後，終於能夠理解菲比斯能夠在市場波動中取得線性爬升又如此高的績效，其成功秘訣主要在於「避險+高槓桿」，佔據了其成功因素的 9 成。
按照作者書中所述的方法，實際上便是類似對沖基金的運作方式，即同時做多和做空股市，沖銷系統性風險，因此不受整體市場波動的影響，其線性爬升績效正是由此而來。然而，這種方式最大的風險仍在於高槓桿的特性，即使獲利可倍增，但同時風險也同樣倍增。
另一方面，多空雙向策略也存在一個重大缺陷，即可能相互沖銷股票市場的成長。以疫情期間為例，當大盤指數從 1 萬 2 跌至 8000 點時，菲比斯的多空雙向操作幾乎不受影響；然而，當台股指數再次從 8000 點上漲至 16000 點時，多空雙向操作的效果就難以完全受惠市場成長一倍的漲幅。
總結而言，菲比斯的策略在多空雙向套利的基礎上引入槓桿倍數，利用個股期貨的高槓桿的特性，平均槓桿倍數為一般股票的 7.4 倍，實現了線性、同時又具有高報酬率的操作模式。此外，書中提到菲比斯幾乎運用了大部分可用的金融工具，例如選擇權的避險策略等，儘管這些衍生性金融工具在整體投資中所占比例不大，但太過複雜的操作方式，也容易帶來不可預料的結果。
根據菲比斯書中所述的績效，經過個人手動試算，年化報酬率平均約在 150% 左右。假如以10萬元本金作為初始值，要將資產增加至 1 億元，理論上僅需要 7 年又 7 個月的時間即可實現，確實可能做到。
二、新聞解讀與事件型交易
該書第二部分談及作者的選股模式。菲比斯指出，他的選股方式是利用 A→B、B→C、C→D、D→E 的思維推導，由此思路推測 A 可能導致 E，這即是作者的選股方式，自稱為菲式思考。
根據書中所述，作者的投資觀念來自於兩個方面。一方面是他本身的工作背景，具有證券業的基礎。另一方面則是他從小就接觸到的投資概念，例如家族中舅舅、父親等的投資方式對他產生的影響。在作者早期獲得的經驗中，從父輩那裡學到區分價值（舅舅的方式）與價格（父親的方式）的不同觀念。這種「如何區分價值與價格」的觀念通常是股票投資新手常常需支付的第一堂學費，有些投資人可能僅需幾個月就能夠學會，但有些人可能花費數十年仍然陷於這個迷思中。
此外，由於作者在證券業的背景，對短線績效非常注重，這也影響到了他的催化劑模式交易方式。書中舉了一些解讀個股新聞的投資觀念，大多偏向中短期的事件型交易。在本文的下半段，個人也特別針對這方面進行了幾個月的實例操作，以說明事件型交易的優缺點。
三、量化策略與回測
量化投資，顧名思義即是透過計算機輔助投資人進行決策或交易。在此，個人將其分為全套或半套模式。全套指的是幾乎完全自動化，所有買進或賣出的決策都由電腦執行，通常被稱為程式交易。而半套模式則是透過計算機將大量公司資訊進行模型化和視覺化，以輔助投資人快速反應，對資訊進行客觀的判讀。
根據菲比斯書中的描述以及前一節解讀新聞的方式，事件和新聞都是難以量化的投資因素，屬於質化分析的範疇。菲比斯應是屬於量化與事件型交易混合使用的投資人，不過書中也提到他已逐漸將交易交由電腦全權自動執行，或許未來可能會進一步走向全套的量化型交易模式。
在「菲式思考」的最後一章，主要討論了量化策略與回測。雖然這部分有點像是為了賣軟體進行置入性行銷，書中提供了超過 40 種以上的選股策略。根據個人經驗判斷，書中提供的策略多數為「直覺有效」的選股邏輯，無須經由回測來加以證明。然而，書中提供這些選股策略回測的績效圖表，反而加深個人疑惑。在本文下半段，將進一步地說明。
四、高槓桿雙面刃、計算破產風險
前文提及，個人試算菲比斯的投資績效，每年大約以年化報酬率 150% 的速度成長（若去除期貨的槓桿倍數後年化約為 20% 上下）。儘管報酬率高，但高報酬率伴隨高風險，尤其是加乘 7.4 倍的槓桿，風險也相應增加。菲比斯一直強調「分散風險、避險、多空雙向、多元配置」等概念，突顯了安全性在他整個投資理念中的重要性。
菲比斯的操作模式著重安全性其來有自，通過多元化的資產配置和多空雙向操作來避免系統性風險，並且平滑化投資績效曲線，即犧牲投資報酬率以換取投資安全性。下方，我將以數學計算菲比斯策略的安全性，以投資來說最大的風險是破產，來做為安全性的衡量方式。由於缺乏菲比斯的投資數據，個人使用自已的數據庫作為參數代替。該模型從 2017 年 3 月開始至今，經歷了至少一波股市循環，共有 1569 筆買賣明細資料，平均績效 10.39%，中位數績效為 2.8%，平均持股天數為 164.65 天，績效標準差為 36.12%。若要查看該模型明細資料，請按此點選下載。
（績效統計表，圖片自行繪製。）
以上述數據為模型標準，統計表參見上圖。表中顯示中位數績效與平均績效差距頗大，表明績效分布呈現非常態分布，而是屬於偏態分布。從數據分布來看，在客觀原則下，計算破產風險時將以中位數績效來計算年化後的標準差。
第一步
將機率分布換算成年化機率分布，如下：
年化報酬率為 1.1011 ^ (365/164) - 1= 24.6%
中位數年化報酬率為 1.028 ^ (365/164) - 1 = 6.34%
年化標準差為 0.3612 * sqrt(365/164) = 53.89%
第二步以不同持股檔數計算可能的破產機率：
集中持有一檔股票，年化報酬率平均值為 24.05%（加乘槓桿後為 178%），年化標準差為 53.89%，x 值為 -16.76%， z 值為 - (16.76 + 6.34) / 53.89 = -0.43，得出一年內破產機率約 33.36%，10 年內破產機率為 98.27%。
分散持有相同機率分布 10 檔投資組合，持股權重各為 1/10，年化報酬率仍為 24.05%（加乘槓桿後為 178%），年化標準差收斂為 53.89% / sqrt(10) = 17.04%，經換算得出 z 值為 -(16.76 + 6.34) / 17.04 = -1.36 ，得出一年內破產機率約 8.69%，10 年內破產機率為 59.71%。
分散持有相同機率分布 50 檔投資組合，持股權重各為 1/50，年化報酬率仍為 24.05%（加乘槓桿後為 178%），年化標準差再次收斂為 7.62%，經換算得出 z 值為 -3.0，得出一年內破產機率下降至 0.13%，10 年內破產機率為 1.29%。
（negative z score table，圖片來自網路。）
五、實測事件型交易優缺點
菲比斯書中分享了閱讀新聞的小技巧：「新聞有沒有用，關鍵在於如何篩選有用的新聞。」 雖然新聞是二手資訊，但由於多數公司為了避免影響市場，重要訊息通常在盤後進行公佈。因此，在隔日開盤前獲得的新聞訊息，仍具有很大的第一手價值。
菲比斯的選股邏輯善於找具有重大利多題材的個股來操作。由於個人也有閱讀新聞的習慣，想要實測菲比斯的選股，只須稍微修改個人平時的選股模式，將「事件、訊息、催化劑」的訊息面比重提高，將公司獲利面的「基本面、實質獲利、安全邊際」所佔比重降低，就可以模擬菲比斯的選股模式。
以下舉例近幾個月的事件型交易操作：
（1）線纜股：9 月份，線纜廠接獲台電強韌電網訂單，剔除營收規模大及股本大的公司後，訂單佔公司獲利貢獻較大的公司有合機、宏泰、華榮、大山、華電、大亞等，上述公司至近期才因 11 月營收開始認列貢獻而起漲。
（2）華經：9 月中，搶下電商大客戶，與蝦皮合作無人商店，簽 5 年長約，明年開始建置。個人查詢相關資料，OK 便利商店與蝦皮合作最緊密，店員透露一天約收蝦皮 600 件，另外蝦皮 1000 多家的寄取件據點，約有 2～3 成採用智能貨櫃，略抓 300 件，則一天共有 24.9 萬件。華經幫中華郵政建置 i 郵箱共 2000 個，但使用率低，每天件數僅 1500 件，與蝦皮預估值 24.9 萬個差距甚遠，但 i 郵箱仍佔華經整體獲利近 1 成。因此推估同一系統，華經獲利將可讓公司獲利翻數倍成長，且與蝦皮合作的門市正成長，年底預估將來到 200 間門市。
（3）全達：9 月初，推出首座移動式充電樁「E-HERO移動式充電機器人」，以三年內建置 600 台為目標，個人估算，600 台每年約可創造 8 億元營收，而全達去年營收也才僅 10 億。且該設備具直流快充技術，充 8 分滿僅需 30 分鐘，與固定式充電樁動輒 6 小時起跳，具有市場吸引力，估 24 年上半年開始上線。且美國車樁比高達 32：1，遠高歐洲的 9：1 及中國的 4：1，該產品又以歐美外銷為主，行動式充電樁很有機會。
（4）大成：10 月份，大成斥資 10 億打造全台首顆生食級雞蛋加工廠。由於全台餐廰半熟蛋需求大，且通膨加大餐廰獲利，生食級蛋全台獨家供應，基本面獲利又佳。11 月時，瓦城旗下「大心」的半熟蛋讓 9 個客人食物中毒送醫，推估全台餐廰潛在需求量應是不少。
（5）錼創：10 月與友達簽 7 億元合約，建置龍潭廠區 6 吋 Micro LED COC 產線。錼創單月營收不到 1 億元，估該合約可令公司營收成長近 1 倍。
（6）PA 元件：9 月底，華為新機 Mate 發布，後續市場反應極佳且還加價熱賣，至 10 月時，中國手機百花齊放，相關受惠股為宏捷科、全新、穩懋。另外PA 三雄又受惠 11 月的 WiFi 7 題材（WiFi 7技術預估需使用到 8～10 顆 PA，相較前一代技術多 50% 用量），受惠雙題材效應，11 月漲幅最大。
（7）文曄：9 月中，文曄以 38 億美元現金收購加拿大 IC 通路商 Future Electronics Inc. 100% 股權。但因考量文曄市值僅 650 億元，卻要斥資 1212 億元收購，等於未來勢必用增資來補足而錯過。
（8）安國：10 月，安國取得 ASIC 及 IP 授權廠星河半導體普通股的股權，交易金額 7.15 億元。
（9）亞光：10 月，車載鏡頭每月出貨量，已由 22 年的 25 萬顆成長至 23 年的 50 萬顆，24 年上看每月 80-100 萬顆，續呈現倍數成長。
以上為避免篇幅過長僅列出 9、10 兩個月份。根據菲比斯的選股方式，事件型交易就是找出能夠觸發股票快速上漲的催化劑。催化劑的強度取決於三個要件：(1) 利多發酵時間；(2) 利多影響公司獲利的程度；(3) 現階段公司的基本面與狀況。
例如，線纜股在接到台電大單後，由於公司基本面並不好，且交貨時間未知，股價只有短暫上漲。其他公司如華經、全達、錼創、亞光等，基本面也較差，但利多對公司獲利影響大，催化劑激勵短線股價上漲了10% ～ 30% 不等，但隨即因催化劑熱度過去，基本面尚無法支撐股價而拉回。PA 三雄，受惠手機需求復甦，且公司營收與利多因素一致，其中又以全新與宏捷科營收成長最多，股價反應與基本面成正比。另外像文曄和安國等公司，則因 IC 設計剛好切到邊緣 AI 、或 IP 等市場主流題材，題材熱度一直維持火熱，出現大波段漲幅。
總而言之，事件型交易的優點在於能夠在短期內快速因題材上漲，若題材能持續發酵，甚至可以成為飆股。然而，缺點是抓題材股上車要快速果斷，猶豫不決容易套在短線高點。掌握題材股商機需要平時花時間閱讀最新的網路或紙本新聞，且盡量不要等到主流媒體報導的訊息才要進場，機率很大會套在短線高點。此外，理解催化劑的時效長度需要透過平時的練習和經驗累積，才能掌握短線的賣出時機。
六、探討回測有效性
菲比斯在書中強調回測的重要性，指出它有助於快速評估策略、節省時間和精力、降低風險，提高交易者的信心。然而，根據個人經驗，回測結果的優劣很大程度上取決於「環境」和「假設」，且僅適用於完全客觀的數據和參數。
例如，只使用「價格」、「交易量」或「固定時間」等客觀數據進行回測，由於數據是中性的，策略的回測結果大致會與真實情況相符。書中舉例的一些客觀策略，如「強制融券回補、漲勢落後同業、長時間未破底後創新高、創百日來新高距離低點不遠」等，是較為客觀的策略，其回測結果可信度較高。
然而，如果數據具有主觀性呢？書中提到的其他大部分策略，如「營收動能高於同業平均、低價小股本營收創一年高、投信急買股、連2日大戶大買超、官股護盤股、籌碼集中度大於兩成、投信燒冷灶、主力慢慢收集籌碼後攻堅、可能被入主的公司、淡季不淡、即將開法說會、可能恢復信用交易的個股、PEG小於1、皮式價值型成長股、盈餘加速成長、現金快速累積中、表現突出的成長股、上游漲而個股還沒有漲、本業由虧轉盈且持續好轉中、低價股營收創新高」等，上述策略都不屬於客觀數據，這些數據都帶有「範圍」及「強弱」，且因每個不同個股而異。這些參數都慘雜主觀因素，難以建立客觀的數據來回測，其結果通常也難以被採信。
統計回測的目的在於以客觀的角度來看待數據的結果，這樣的回測才有意義。如果已是先入為主，帶入主觀意識來跑數據，極容易忽略一些影響結果的樣本或情境，很容易陷入過度配適、造成過度擬合等結果。當樣本數過少時，陷入小眾法則的迷思，或未考慮到各種不同的情境，或將未來時間點還未發生的財報資料提前代入等，都將影響模擬的客觀情境。
另一讓人疑惑的部分在於，書中的策略中，做多和做空是分開的，同時也僅有一個方向。但是書中超過 40 種策略的模擬結果都擁有著年化 30% 報酬率以上的績效，遇到股災也完全沒有修正，難以符合現實情境的股市。以概率而言，一個具有超過 1000 檔股票的大盤母體，在 2～3 個月內大跌 30% 時（如歐債風暴、美中貿易戰、新冠等情境下），假設個股標準差是概抓為 20%，個股中仍將有 84.1% 的機率跌幅超過10%以上，僅有15.9% 的機率可以跌幅小於 10%。然而觀察書中的回測績效圖表，絕大部分即使經過股災洗禮，績效拉回也很少超過 10%。以最小樣本數只有 1 個來估算，在某個微小的時間段（2～3 個月期間），股災期間選到平均績效拉回不到 10% 的機率也僅有 3.27% 而已，若樣本數更高，其概率更低，若模擬期間長達十幾年的表現，都能維持線性爬升的績效，其機率將比被雷打到還低，更何況 40 多個策略幾乎都是如此，遇到股災時修正的幅度小到難以觀察拉回的跡象。過於美好的結果，唯一解讀就是樣本數嚴重不足、且有過度擬合的表現，結果也就缺乏客觀性，難有參考價值。
淺談菲式思考，小結
「菲式思考」本書給我的主要影響是對催化劑（事件型交易）的重新啟發。近幾個月來，個人操作與選股試著將催化劑的比重提高，降低基本面的因素，因而發現一些不同以往選股邏輯的優缺點，更能看懂股價短線的波動。例如，當基本面表現不佳時，題材發酵的時間未到，催化劑的題材效果相對短暫，容易在數天的題材行情後再次修正拉回到起漲區，而投資人若因掌握題材利多操之過急也容易被套在短線高點。另一方面，即使錯過了第一波題材股的行情，假若有記錄好利多筆記，等待後續利多發酵的時機點，仍有再次進場的機會，第二次的進場，利多持續時間會比第一波更久，且有基本面獲利做為支撐。
當市場熱絡時，偶爾會有一些催化劑剛好搭上市場主流，例如今年的 AI 瘋狗浪。前文所述的安國、文曄，催化劑直接搭市場熱度成為股價飆升的引擎，使股價一路攀升不回頭。操作這類題材股，需要理解市場的主流與趨勢，個股的題材動能、強度是否足夠、能否持續，若市場的熱度對，應減少對基本面的考量，讓子彈多飛一會。
儘管菲比斯這套操作方式在分散持有大量股票時得以降低不少風險，但即使持股數量達 50 檔以上，前文 計算 10 年內破產機率仍有 1.29%（由於個股與個股之間相關性未必完全獨立，實際破產機率將更高）。此外，人性並非機器，要長期在高槓桿下時時承擔人性的恐懼與貪婪，有時可能做出異於尋常的非理性動作，使得破產的風險實際上高於數學公式所計算出來的概率。因此，如果有本書的讀者想要複製菲比斯的操作模式，我仍強烈的不建議採用。原因是過去國外知名的槓桿型對沖基金已經有不少破產案例，觀察這些對沖基金破產的原因，無非在於「重押、黑天鵝事件、流動式風險、無法支付保證金被強制平倉等等」，其實最大的風險都來自於人性規避損失的特性、或不可控的環境因素，而非單純的數學概率。當投資人在順風順水下，因過度貪婪而輕忽了風險，不自覺調整多空比例以尋求更好的報酬時，一旦黑天鵝突然降臨，風險便會急遽上升，因此人性的弱點永遠比我們自已所想像的還要脆弱。投資是條長遠的道路，不必承受如此高的壓力，急於短時間賺到驚人的報酬。投資雖是讓生活品質提高的必要活動，但並非人生的全部，讓生活平衡一下，才能活的精采又快樂。
最後，書中提到的回測結果，作者提到最後一章是由「菲想資本」的員工花了一兩個月的時間所做的模擬結果。個人淺見，假若能輕鬆使用軟體，輸入少數參數就能回測出高報酬率的大量選股策略，恐怕現今早就股神滿街跑了，況且前文我也已解釋其概率是有多小了。
話說，量化投資這條路，同時也是筆者正努力已久的投資模式，我沒有使用市面上的軟體（如 XQ 等），量化的模型是一筆一筆 key 出來的，實測過程中，績效圖一天只能跑出一個點，經年累月以測試能否適用在不同景氣循環週期。因此對於「菲式思考」書中所說，只要使用軟體按幾個鍵即可回測感到不可思議，我認為那是軟體公司過於簡化模擬的假設所推出的結果，前文也以數學概念說明為何難以認同其跑出來結果的原因。
總的來說，「菲式思考」是一本實用型的好書，等同是「菲神」以自身經驗來說明其投資與選股的過程，讀者細細的體會一定可以從中受益，但不必完全按照菲比斯的模式與建議操作，因每個人的能力與風險承受度皆與菲比斯不同，難以直接複製。學習理財應是多多涉獵不同的理財書籍，截取對自己有用的部分，調整難易度並修改成適合自己的投資模式，才能真正的受益。最後再不斷地調整與修正，若能謹慎的進行每一步，財富自由只是時間早晚的問題。
※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。
資金面
將機率分布換算成年化機率分布，如下：
年化報酬率為 1.1011 ^ (365/164) - 1= 24.6%
中位數年化報酬率為 1.028 ^ (365/164) - 1 = 6.34%
年化標準差為 0.3612 * sqrt(365/164) = 53.89%
第二步以不同持股檔數計算可能的破產機率：
集中持有一檔股票，年化報酬率平均值為 24.05%（加乘槓桿後為 178%），年化標準差為 53.89%，x 值為 -16.76%， z 值為 - (16.76 + 6.34) / 53.89 = -0.43，得出一年內破產機率約 33.36%，10 年內破產機率為 98.27%。
分散持有相同機率分布 10 檔投資組合，持股權重各為 1/10，年化報酬率仍為 24.05%（加乘槓桿後為 178%），年化標準差收斂為 53.89% / sqrt(10) = 17.04%，經換算得出 z 值為 -(16.76 + 6.34) / 17.04 = -1.36 ，得出一年內破產機率約 8.69%，10 年內破產機率為 59.71%。
分散持有相同機率分布 50 檔投資組合，持股權重各為 1/50，年化報酬率仍為 24.05%（加乘槓桿後為 178%），年化標準差再次收斂為 7.62%，經換算得出 z 值為 -3.0，得出一年內破產機率下降至 0.13%，10 年內破產機率為 1.29%。
（negative z score table，圖片來自網路。）
五、實測事件型交易優缺點
菲比斯書中分享了閱讀新聞的小技巧：「新聞有沒有用，關鍵在於如何篩選有用的新聞。」 雖然新聞是二手資訊，但由於多數公司為了避免影響市場，重要訊息通常在盤後進行公佈。因此，在隔日開盤前獲得的新聞訊息，仍具有很大的第一手價值。
菲比斯的選股邏輯善於找具有重大利多題材的個股來操作。由於個人也有閱讀新聞的習慣，想要實測菲比斯的選股，只須稍微修改個人平時的選股模式，將「事件、訊息、催化劑」的訊息面比重提高，將公司獲利面的「基本面、實質獲利、安全邊際」所佔比重降低，就可以模擬菲比斯的選股模式。
以下舉例近幾個月的事件型交易操作：
（1）線纜股：9 月份，線纜廠接獲台電強韌電網訂單，剔除營收規模大及股本大的公司後，訂單佔公司獲利貢獻較大的公司有合機、宏泰、華榮、大山、華電、大亞等，上述公司至近期才因 11 月營收開始認列貢獻而起漲。
（2）華經：9 月中，搶下電商大客戶，與蝦皮合作無人商店，簽 5 年長約，明年開始建置。個人查詢相關資料，OK 便利商店與蝦皮合作最緊密，店員透露一天約收蝦皮 600 件，另外蝦皮 1000 多家的寄取件據點，約有 2～3 成採用智能貨櫃，略抓 300 件，則一天共有 24.9 萬件。華經幫中華郵政建置 i 郵箱共 2000 個，但使用率低，每天件數僅 1500 件，與蝦皮預估值 24.9 萬個差距甚遠，但 i 郵箱仍佔華經整體獲利近 1 成。因此推估同一系統，華經獲利將可讓公司獲利翻數倍成長，且與蝦皮合作的門市正成長，年底預估將來到 200 間門市。
（3）全達：9 月初，推出首座移動式充電樁「E-HERO移動式充電機器人」，以三年內建置 600 台為目標，個人估算，600 台每年約可創造 8 億元營收，而全達去年營收也才僅 10 億。且該設備具直流快充技術，充 8 分滿僅需 30 分鐘，與固定式充電樁動輒 6 小時起跳，具有市場吸引力，估 24 年上半年開始上線。且美國車樁比高達 32：1，遠高歐洲的 9：1 及中國的 4：1，該產品又以歐美外銷為主，行動式充電樁很有機會。
（4）大成：10 月份，大成斥資 10 億打造全台首顆生食級雞蛋加工廠。由於全台餐廰半熟蛋需求大，且通膨加大餐廰獲利，生食級蛋全台獨家供應，基本面獲利又佳。11 月時，瓦城旗下「大心」的半熟蛋讓 9 個客人食物中毒送醫，推估全台餐廰潛在需求量應是不少。
（5）錼創：10 月與友達簽 7 億元合約，建置龍潭廠區 6 吋 Micro LED COC 產線。錼創單月營收不到 1 億元，估該合約可令公司營收成長近 1 倍。
（6）PA 元件：9 月底，華為新機 Mate 發布，後續市場反應極佳且還加價熱賣，至 10 月時，中國手機百花齊放，相關受惠股為宏捷科、全新、穩懋。另外PA 三雄又受惠 11 月的 WiFi 7 題材（WiFi 7技術預估需使用到 8～10 顆 PA，相較前一代技術多 50% 用量），受惠雙題材效應，11 月漲幅最大。
（7）文曄：9 月中，文曄以 38 億美元現金收購加拿大 IC 通路商 Future Electronics Inc. 100% 股權。但因考量文曄市值僅 650 億元，卻要斥資 1212 億元收購，等於未來勢必用增資來補足而錯過。
（8）安國：10 月，安國取得 ASIC 及 IP 授權廠星河半導體普通股的股權，交易金額 7.15 億元。
（9）亞光：10 月，車載鏡頭每月出貨量，已由 22 年的 25 萬顆成長至 23 年的 50 萬顆，24 年上看每月 80-100 萬顆，續呈現倍數成長。
以上為避免篇幅過長僅列出 9、10 兩個月份。根據菲比斯的選股方式，事件型交易就是找出能夠觸發股票快速上漲的催化劑。催化劑的強度取決於三個要件：(1) 利多發酵時間；(2) 利多影響公司獲利的程度；(3) 現階段公司的基本面與狀況。
例如，線纜股在接到台電大單後，由於公司基本面並不好，且交貨時間未知，股價只有短暫上漲。其他公司如華經、全達、錼創、亞光等，基本面也較差，但利多對公司獲利影響大，催化劑激勵短線股價上漲了10% ～ 30% 不等，但隨即因催化劑熱度過去，基本面尚無法支撐股價而拉回。PA 三雄，受惠手機需求復甦，且公司營收與利多因素一致，其中又以全新與宏捷科營收成長最多，股價反應與基本面成正比。另外像文曄和安國等公司，則因 IC 設計剛好切到邊緣 AI 、或 IP 等市場主流題材，題材熱度一直維持火熱，出現大波段漲幅。
總而言之，事件型交易的優點在於能夠在短期內快速因題材上漲，若題材能持續發酵，甚至可以成為飆股。然而，缺點是抓題材股上車要快速果斷，猶豫不決容易套在短線高點。掌握題材股商機需要平時花時間閱讀最新的網路或紙本新聞，且盡量不要等到主流媒體報導的訊息才要進場，機率很大會套在短線高點。此外，理解催化劑的時效長度需要透過平時的練習和經驗累積，才能掌握短線的賣出時機。
六、探討回測有效性
菲比斯在書中強調回測的重要性，指出它有助於快速評估策略、節省時間和精力、降低風險，提高交易者的信心。然而，根據個人經驗，回測結果的優劣很大程度上取決於「環境」和「假設」，且僅適用於完全客觀的數據和參數。
例如，只使用「價格」、「交易量」或「固定時間」等客觀數據進行回測，由於數據是中性的，策略的回測結果大致會與真實情況相符。書中舉例的一些客觀策略，如「強制融券回補、漲勢落後同業、長時間未破底後創新高、創百日來新高距離低點不遠」等，是較為客觀的策略，其回測結果可信度較高。
然而，如果數據具有主觀性呢？書中提到的其他大部分策略，如「營收動能高於同業平均、低價小股本營收創一年高、投信急買股、連2日大戶大買超、官股護盤股、籌碼集中度大於兩成、投信燒冷灶、主力慢慢收集籌碼後攻堅、可能被入主的公司、淡季不淡、即將開法說會、可能恢復信用交易的個股、PEG小於1、皮式價值型成長股、盈餘加速成長、現金快速累積中、表現突出的成長股、上游漲而個股還沒有漲、本業由虧轉盈且持續好轉中、低價股營收創新高」等，上述策略都不屬於客觀數據，這些數據都帶有「範圍」及「強弱」，且因每個不同個股而異。這些參數都慘雜主觀因素，難以建立客觀的數據來回測，其結果通常也難以被採信。
統計回測的目的在於以客觀的角度來看待數據的結果，這樣的回測才有意義。如果已是先入為主，帶入主觀意識來跑數據，極容易忽略一些影響結果的樣本或情境，很容易陷入過度配適、造成過度擬合等結果。當樣本數過少時，陷入小眾法則的迷思，或未考慮到各種不同的情境，或將未來時間點還未發生的財報資料提前代入等，都將影響模擬的客觀情境。
另一讓人疑惑的部分在於，書中的策略中，做多和做空是分開的，同時也僅有一個方向。但是書中超過 40 種策略的模擬結果都擁有著年化 30% 報酬率以上的績效，遇到股災也完全沒有修正，難以符合現實情境的股市。以概率而言，一個具有超過 1000 檔股票的大盤母體，在 2～3 個月內大跌 30% 時（如歐債風暴、美中貿易戰、新冠等情境下），假設個股標準差是概抓為 20%，個股中仍將有 84.1% 的機率跌幅超過10%以上，僅有15.9% 的機率可以跌幅小於 10%。然而觀察書中的回測績效圖表，絕大部分即使經過股災洗禮，績效拉回也很少超過 10%。以最小樣本數只有 1 個來估算，在某個微小的時間段（2～3 個月期間），股災期間選到平均績效拉回不到 10% 的機率也僅有 3.27% 而已，若樣本數更高，其概率更低，若模擬期間長達十幾年的表現，都能維持線性爬升的績效，其機率將比被雷打到還低，更何況 40 多個策略幾乎都是如此，遇到股災時修正的幅度小到難以觀察拉回的跡象。過於美好的結果，唯一解讀就是樣本數嚴重不足、且有過度擬合的表現，結果也就缺乏客觀性，難有參考價值。
淺談菲式思考，小結
「菲式思考」本書給我的主要影響是對催化劑（事件型交易）的重新啟發。近幾個月來，個人操作與選股試著將催化劑的比重提高，降低基本面的因素，因而發現一些不同以往選股邏輯的優缺點，更能看懂股價短線的波動。例如，當基本面表現不佳時，題材發酵的時間未到，催化劑的題材效果相對短暫，容易在數天的題材行情後再次修正拉回到起漲區，而投資人若因掌握題材利多操之過急也容易被套在短線高點。另一方面，即使錯過了第一波題材股的行情，假若有記錄好利多筆記，等待後續利多發酵的時機點，仍有再次進場的機會，第二次的進場，利多持續時間會比第一波更久，且有基本面獲利做為支撐。
當市場熱絡時，偶爾會有一些催化劑剛好搭上市場主流，例如今年的 AI 瘋狗浪。前文所述的安國、文曄，催化劑直接搭市場熱度成為股價飆升的引擎，使股價一路攀升不回頭。操作這類題材股，需要理解市場的主流與趨勢，個股的題材動能、強度是否足夠、能否持續，若市場的熱度對，應減少對基本面的考量，讓子彈多飛一會。
儘管菲比斯這套操作方式在分散持有大量股票時得以降低不少風險，但即使持股數量達 50 檔以上，前文 計算 10 年內破產機率仍有 1.29%（由於個股與個股之間相關性未必完全獨立，實際破產機率將更高）。此外，人性並非機器，要長期在高槓桿下時時承擔人性的恐懼與貪婪，有時可能做出異於尋常的非理性動作，使得破產的風險實際上高於數學公式所計算出來的概率。因此，如果有本書的讀者想要複製菲比斯的操作模式，我仍強烈的不建議採用。原因是過去國外知名的槓桿型對沖基金已經有不少破產案例，觀察這些對沖基金破產的原因，無非在於「重押、黑天鵝事件、流動式風險、無法支付保證金被強制平倉等等」，其實最大的風險都來自於人性規避損失的特性、或不可控的環境因素，而非單純的數學概率。當投資人在順風順水下，因過度貪婪而輕忽了風險，不自覺調整多空比例以尋求更好的報酬時，一旦黑天鵝突然降臨，風險便會急遽上升，因此人性的弱點永遠比我們自已所想像的還要脆弱。投資是條長遠的道路，不必承受如此高的壓力，急於短時間賺到驚人的報酬。投資雖是讓生活品質提高的必要活動，但並非人生的全部，讓生活平衡一下，才能活的精采又快樂。
最後，書中提到的回測結果，作者提到最後一章是由「菲想資本」的員工花了一兩個月的時間所做的模擬結果。個人淺見，假若能輕鬆使用軟體，輸入少數參數就能回測出高報酬率的大量選股策略，恐怕現今早就股神滿街跑了，況且前文我也已解釋其概率是有多小了。
話說，量化投資這條路，同時也是筆者正努力已久的投資模式，我沒有使用市面上的軟體（如 XQ 等），量化的模型是一筆一筆 key 出來的，實測過程中，績效圖一天只能跑出一個點，經年累月以測試能否適用在不同景氣循環週期。因此對於「菲式思考」書中所說，只要使用軟體按幾個鍵即可回測感到不可思議，我認為那是軟體公司過於簡化模擬的假設所推出的結果，前文也以數學概念說明為何難以認同其跑出來結果的原因。
總的來說，「菲式思考」是一本實用型的好書，等同是「菲神」以自身經驗來說明其投資與選股的過程，讀者細細的體會一定可以從中受益，但不必完全按照菲比斯的模式與建議操作，因每個人的能力與風險承受度皆與菲比斯不同，難以直接複製。學習理財應是多多涉獵不同的理財書籍，截取對自己有用的部分，調整難易度並修改成適合自己的投資模式，才能真正的受益。最後再不斷地調整與修正，若能謹慎的進行每一步，財富自由只是時間早晚的問題。
※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。
資金面
以不同持股檔數計算可能的破產機率：
集中持有一檔股票，年化報酬率平均值為 24.05%（加乘槓桿後為 178%），年化標準差為 53.89%，x 值為 -16.76%， z 值為 - (16.76 + 6.34) / 53.89 = -0.43，得出一年內破產機率約 33.36%，10 年內破產機率為 98.27%。
分散持有相同機率分布 10 檔投資組合，持股權重各為 1/10，年化報酬率仍為 24.05%（加乘槓桿後為 178%），年化標準差收斂為 53.89% / sqrt(10) = 17.04%，經換算得出 z 值為 -(16.76 + 6.34) / 17.04 = -1.36 ，得出一年內破產機率約 8.69%，10 年內破產機率為 59.71%。
分散持有相同機率分布 50 檔投資組合，持股權重各為 1/50，年化報酬率仍為 24.05%（加乘槓桿後為 178%），年化標準差再次收斂為 7.62%，經換算得出 z 值為 -3.0，得出一年內破產機率下降至 0.13%，10 年內破產機率為 1.29%。
（negative z score table，圖片來自網路。）
五、實測事件型交易優缺點
菲比斯書中分享了閱讀新聞的小技巧：「新聞有沒有用，關鍵在於如何篩選有用的新聞。」 雖然新聞是二手資訊，但由於多數公司為了避免影響市場，重要訊息通常在盤後進行公佈。因此，在隔日開盤前獲得的新聞訊息，仍具有很大的第一手價值。
菲比斯的選股邏輯善於找具有重大利多題材的個股來操作。由於個人也有閱讀新聞的習慣，想要實測菲比斯的選股，只須稍微修改個人平時的選股模式，將「事件、訊息、催化劑」的訊息面比重提高，將公司獲利面的「基本面、實質獲利、安全邊際」所佔比重降低，就可以模擬菲比斯的選股模式。
以下舉例近幾個月的事件型交易操作：
（1）線纜股：9 月份，線纜廠接獲台電強韌電網訂單，剔除營收規模大及股本大的公司後，訂單佔公司獲利貢獻較大的公司有合機、宏泰、華榮、大山、華電、大亞等，上述公司至近期才因 11 月營收開始認列貢獻而起漲。
（2）華經：9 月中，搶下電商大客戶，與蝦皮合作無人商店，簽 5 年長約，明年開始建置。個人查詢相關資料，OK 便利商店與蝦皮合作最緊密，店員透露一天約收蝦皮 600 件，另外蝦皮 1000 多家的寄取件據點，約有 2～3 成採用智能貨櫃，略抓 300 件，則一天共有 24.9 萬件。華經幫中華郵政建置 i 郵箱共 2000 個，但使用率低，每天件數僅 1500 件，與蝦皮預估值 24.9 萬個差距甚遠，但 i 郵箱仍佔華經整體獲利近 1 成。因此推估同一系統，華經獲利將可讓公司獲利翻數倍成長，且與蝦皮合作的門市正成長，年底預估將來到 200 間門市。
（3）全達：9 月初，推出首座移動式充電樁「E-HERO移動式充電機器人」，以三年內建置 600 台為目標，個人估算，600 台每年約可創造 8 億元營收，而全達去年營收也才僅 10 億。且該設備具直流快充技術，充 8 分滿僅需 30 分鐘，與固定式充電樁動輒 6 小時起跳，具有市場吸引力，估 24 年上半年開始上線。且美國車樁比高達 32：1，遠高歐洲的 9：1 及中國的 4：1，該產品又以歐美外銷為主，行動式充電樁很有機會。
（4）大成：10 月份，大成斥資 10 億打造全台首顆生食級雞蛋加工廠。由於全台餐廰半熟蛋需求大，且通膨加大餐廰獲利，生食級蛋全台獨家供應，基本面獲利又佳。11 月時，瓦城旗下「大心」的半熟蛋讓 9 個客人食物中毒送醫，推估全台餐廰潛在需求量應是不少。
（5）錼創：10 月與友達簽 7 億元合約，建置龍潭廠區 6 吋 Micro LED COC 產線。錼創單月營收不到 1 億元，估該合約可令公司營收成長近 1 倍。
（6）PA 元件：9 月底，華為新機 Mate 發布，後續市場反應極佳且還加價熱賣，至 10 月時，中國手機百花齊放，相關受惠股為宏捷科、全新、穩懋。另外PA 三雄又受惠 11 月的 WiFi 7 題材（WiFi 7技術預估需使用到 8～10 顆 PA，相較前一代技術多 50% 用量），受惠雙題材效應，11 月漲幅最大。
（7）文曄：9 月中，文曄以 38 億美元現金收購加拿大 IC 通路商 Future Electronics Inc. 100% 股權。但因考量文曄市值僅 650 億元，卻要斥資 1212 億元收購，等於未來勢必用增資來補足而錯過。
（8）安國：10 月，安國取得 ASIC 及 IP 授權廠星河半導體普通股的股權，交易金額 7.15 億元。
（9）亞光：10 月，車載鏡頭每月出貨量，已由 22 年的 25 萬顆成長至 23 年的 50 萬顆，24 年上看每月 80-100 萬顆，續呈現倍數成長。
以上為避免篇幅過長僅列出 9、10 兩個月份。根據菲比斯的選股方式，事件型交易就是找出能夠觸發股票快速上漲的催化劑。催化劑的強度取決於三個要件：(1) 利多發酵時間；(2) 利多影響公司獲利的程度；(3) 現階段公司的基本面與狀況。
例如，線纜股在接到台電大單後，由於公司基本面並不好，且交貨時間未知，股價只有短暫上漲。其他公司如華經、全達、錼創、亞光等，基本面也較差，但利多對公司獲利影響大，催化劑激勵短線股價上漲了10% ～ 30% 不等，但隨即因催化劑熱度過去，基本面尚無法支撐股價而拉回。PA 三雄，受惠手機需求復甦，且公司營收與利多因素一致，其中又以全新與宏捷科營收成長最多，股價反應與基本面成正比。另外像文曄和安國等公司，則因 IC 設計剛好切到邊緣 AI 、或 IP 等市場主流題材，題材熱度一直維持火熱，出現大波段漲幅。
總而言之，事件型交易的優點在於能夠在短期內快速因題材上漲，若題材能持續發酵，甚至可以成為飆股。然而，缺點是抓題材股上車要快速果斷，猶豫不決容易套在短線高點。掌握題材股商機需要平時花時間閱讀最新的網路或紙本新聞，且盡量不要等到主流媒體報導的訊息才要進場，機率很大會套在短線高點。此外，理解催化劑的時效長度需要透過平時的練習和經驗累積，才能掌握短線的賣出時機。
六、探討回測有效性
菲比斯在書中強調回測的重要性，指出它有助於快速評估策略、節省時間和精力、降低風險，提高交易者的信心。然而，根據個人經驗，回測結果的優劣很大程度上取決於「環境」和「假設」，且僅適用於完全客觀的數據和參數。
例如，只使用「價格」、「交易量」或「固定時間」等客觀數據進行回測，由於數據是中性的，策略的回測結果大致會與真實情況相符。書中舉例的一些客觀策略，如「強制融券回補、漲勢落後同業、長時間未破底後創新高、創百日來新高距離低點不遠」等，是較為客觀的策略，其回測結果可信度較高。
然而，如果數據具有主觀性呢？書中提到的其他大部分策略，如「營收動能高於同業平均、低價小股本營收創一年高、投信急買股、連2日大戶大買超、官股護盤股、籌碼集中度大於兩成、投信燒冷灶、主力慢慢收集籌碼後攻堅、可能被入主的公司、淡季不淡、即將開法說會、可能恢復信用交易的個股、PEG小於1、皮式價值型成長股、盈餘加速成長、現金快速累積中、表現突出的成長股、上游漲而個股還沒有漲、本業由虧轉盈且持續好轉中、低價股營收創新高」等，上述策略都不屬於客觀數據，這些數據都帶有「範圍」及「強弱」，且因每個不同個股而異。這些參數都慘雜主觀因素，難以建立客觀的數據來回測，其結果通常也難以被採信。
統計回測的目的在於以客觀的角度來看待數據的結果，這樣的回測才有意義。如果已是先入為主，帶入主觀意識來跑數據，極容易忽略一些影響結果的樣本或情境，很容易陷入過度配適、造成過度擬合等結果。當樣本數過少時，陷入小眾法則的迷思，或未考慮到各種不同的情境，或將未來時間點還未發生的財報資料提前代入等，都將影響模擬的客觀情境。
另一讓人疑惑的部分在於，書中的策略中，做多和做空是分開的，同時也僅有一個方向。但是書中超過 40 種策略的模擬結果都擁有著年化 30% 報酬率以上的績效，遇到股災也完全沒有修正，難以符合現實情境的股市。以概率而言，一個具有超過 1000 檔股票的大盤母體，在 2～3 個月內大跌 30% 時（如歐債風暴、美中貿易戰、新冠等情境下），假設個股標準差是概抓為 20%，個股中仍將有 84.1% 的機率跌幅超過10%以上，僅有15.9% 的機率可以跌幅小於 10%。然而觀察書中的回測績效圖表，絕大部分即使經過股災洗禮，績效拉回也很少超過 10%。以最小樣本數只有 1 個來估算，在某個微小的時間段（2～3 個月期間），股災期間選到平均績效拉回不到 10% 的機率也僅有 3.27% 而已，若樣本數更高，其概率更低，若模擬期間長達十幾年的表現，都能維持線性爬升的績效，其機率將比被雷打到還低，更何況 40 多個策略幾乎都是如此，遇到股災時修正的幅度小到難以觀察拉回的跡象。過於美好的結果，唯一解讀就是樣本數嚴重不足、且有過度擬合的表現，結果也就缺乏客觀性，難有參考價值。
淺談菲式思考，小結
「菲式思考」本書給我的主要影響是對催化劑（事件型交易）的重新啟發。近幾個月來，個人操作與選股試著將催化劑的比重提高，降低基本面的因素，因而發現一些不同以往選股邏輯的優缺點，更能看懂股價短線的波動。例如，當基本面表現不佳時，題材發酵的時間未到，催化劑的題材效果相對短暫，容易在數天的題材行情後再次修正拉回到起漲區，而投資人若因掌握題材利多操之過急也容易被套在短線高點。另一方面，即使錯過了第一波題材股的行情，假若有記錄好利多筆記，等待後續利多發酵的時機點，仍有再次進場的機會，第二次的進場，利多持續時間會比第一波更久，且有基本面獲利做為支撐。
當市場熱絡時，偶爾會有一些催化劑剛好搭上市場主流，例如今年的 AI 瘋狗浪。前文所述的安國、文曄，催化劑直接搭市場熱度成為股價飆升的引擎，使股價一路攀升不回頭。操作這類題材股，需要理解市場的主流與趨勢，個股的題材動能、強度是否足夠、能否持續，若市場的熱度對，應減少對基本面的考量，讓子彈多飛一會。
儘管菲比斯這套操作方式在分散持有大量股票時得以降低不少風險，但即使持股數量達 50 檔以上，前文 計算 10 年內破產機率仍有 1.29%（由於個股與個股之間相關性未必完全獨立，實際破產機率將更高）。此外，人性並非機器，要長期在高槓桿下時時承擔人性的恐懼與貪婪，有時可能做出異於尋常的非理性動作，使得破產的風險實際上高於數學公式所計算出來的概率。因此，如果有本書的讀者想要複製菲比斯的操作模式，我仍強烈的不建議採用。原因是過去國外知名的槓桿型對沖基金已經有不少破產案例，觀察這些對沖基金破產的原因，無非在於「重押、黑天鵝事件、流動式風險、無法支付保證金被強制平倉等等」，其實最大的風險都來自於人性規避損失的特性、或不可控的環境因素，而非單純的數學概率。當投資人在順風順水下，因過度貪婪而輕忽了風險，不自覺調整多空比例以尋求更好的報酬時，一旦黑天鵝突然降臨，風險便會急遽上升，因此人性的弱點永遠比我們自已所想像的還要脆弱。投資是條長遠的道路，不必承受如此高的壓力，急於短時間賺到驚人的報酬。投資雖是讓生活品質提高的必要活動，但並非人生的全部，讓生活平衡一下，才能活的精采又快樂。
最後，書中提到的回測結果，作者提到最後一章是由「菲想資本」的員工花了一兩個月的時間所做的模擬結果。個人淺見，假若能輕鬆使用軟體，輸入少數參數就能回測出高報酬率的大量選股策略，恐怕現今早就股神滿街跑了，況且前文我也已解釋其概率是有多小了。
話說，量化投資這條路，同時也是筆者正努力已久的投資模式，我沒有使用市面上的軟體（如 XQ 等），量化的模型是一筆一筆 key 出來的，實測過程中，績效圖一天只能跑出一個點，經年累月以測試能否適用在不同景氣循環週期。因此對於「菲式思考」書中所說，只要使用軟體按幾個鍵即可回測感到不可思議，我認為那是軟體公司過於簡化模擬的假設所推出的結果，前文也以數學概念說明為何難以認同其跑出來結果的原因。
總的來說，「菲式思考」是一本實用型的好書，等同是「菲神」以自身經驗來說明其投資與選股的過程，讀者細細的體會一定可以從中受益，但不必完全按照菲比斯的模式與建議操作，因每個人的能力與風險承受度皆與菲比斯不同，難以直接複製。學習理財應是多多涉獵不同的理財書籍，截取對自己有用的部分，調整難易度並修改成適合自己的投資模式，才能真正的受益。最後再不斷地調整與修正，若能謹慎的進行每一步，財富自由只是時間早晚的問題。
※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。
資金面
0 意見:
張貼留言