這兩週國內的疫情延燒，百業都受到影響，身在其中，生活與工作型態的調整與改變，著實不習慣也不好受。但就如同上篇文章我們所預期的，市場指數的漲跌，並不是隨著確診人數增加而反向崩跌的；隨著疫情加劇，因為群眾恐慌與從眾心理將形成一股反覆拉扯的力量，進而產生大振幅的震盪波動，加上造市商的觀望，掛單薄弱，因而產生前幾天急拉急殺的暴漲與閃崩現象，雖然都在預料之內，但對程式交易多少會有些負面影響。
不過值得開心的是在這樣嚴苛的環境之下，還是有許多組策略默默地創了新高，這也是為什麼我們一直強調利用自動交易克服人性情緒弱點的好處與重要性。
以科學及量化方式 改善交易耐受度
但仍然有許多人非常在意每天新聞的報導，大量的數據圖表，與各式恐嚇威脅性的文章與影片，緊緊的箝住了這些傳統習慣看各式消息的交易者，進而影響他們的交易情緒，想當然耳，這不是一個好現象，但我們要如何用科學與量化的方式來改正這錯誤習慣，進而改善我們的交易耐受度呢？又要如何用我們擅長的方式，量化與分析這些資料呢？
在這我必須強調的，會是數據的真實性與時間性，以前幾天吵得沸沸揚揚的「校正回歸」來說好了，篩檢需要時間沒錯，將比較晚出來的檢測結果，註記在檢測當天都是對的。但這也代表著，一週前所公布的數據，並非當下真實的狀況，若當下用此數據判斷真實狀況，必會產生誤差。回頭來看，當下造成的心理影響會遠大於實際影響。
那我們又該如何去分析解讀，才會更有效率呢？答案是資訊的完整性與全面性。舉例而言，若教授問學生「你這三天進度如何？」學生的回答若是「週一做了８組實驗，失敗１組；週二做７組實驗，失敗２組；週三12組實驗，失敗３組。」字面上代表的意思就是總共進行了8+7+12=27組實驗，失敗了1+2+3=6組，進而會算出成功次數與比率。
但若是過了幾天，學生跟教授說，其實由於實驗結果出爐需要時間，當天其實進行且分析完成的實驗數分別是４、５、９組，其餘的在等待結果出爐，校正回歸後失敗組數分別是３、３、６組，我相信教授一定會不開心，會覺得被用錯誤的數據所影響了，但解決此問題的方式並不是要求要加速整個實驗流程，抑或是做更多的實驗，而是要讓數據提供者在提供資訊時，講得更完善也更詳細。若是一開始就能將有結果與檢測中的數據呈現，再分別呈現成功與失敗的筆數，對於數據使用者而言，勢必能做出更精確的判斷。
有了這樣的概念後，我們就能分析更多的細節，比如每天的檢測人數是否增加，篩檢完成數是否增加，進而知道篩檢比例與確診比例等等，越詳細討論，能解釋的東西自然就越多，對整個情勢的判斷自然更加全面。這就像是我們分析行情時，每個月的漲跌幅度、點數、開收盤價格、成交量、集中交易時間、成交筆數等等資料，給的越詳細，越能讓使用者知道其中差異，若是每天只公布開收盤價而沒有其他資訊，對於交易者來說等於是沒有夠多的資訊判斷情勢，自然沒辦法做出正確判斷。
這也是為什麼我們一直提到，在觀看新聞時，不要過於在意它對當下所造成的影響，畢竟它在整個歷史數據分析內，只佔了二十年四千個交易日中的一天，就算是極端狀況，那在數據統計上終究是會被刪去淘汰的罷了。當你想通了這一點，在程式交易碰到拉回時，你自然也不會慌張，也有夠多自信能繼續執行。
--
本文同步發表於理財周刊 1084期│吳偉仁 |2020-06-03