即便我們知道如何從各來源取得資訊,並且了解它們的生成方式、所經歷的資料處理過程,與發布者所提供的解讀方式,但這樣其實仍遠遠不夠。我們不只要有辦法更深入解讀每一筆資訊(深度),更要能夠整合各種看似不相干的資訊(廣度),以組織出別人尚未察覺出的洞見。
這樣的能力,姑且稱為
分析力,這是本篇所要探討的項目。與
前一篇的
資訊力探討一樣,談論內容是較為抽象而原則性的。
向資料分析師學習
近年來大數據、人工智慧、資料科學等概念盛行,因此「如何解讀不斷產出的各種海量資料」的市場需求也就愈來愈大,而我們在投資過程中其實也都會接觸到海量的原始資料(例如各檔股票的即時報價與逐筆明細),以及各種篩選與簡化處理過後的摘要資訊(例如漲跌家數、前五大成交值個股、大盤當日K線等),我們面對這些不同種類的資訊時,究竟有沒有什麼要點是萬變不離其宗的呢?
前陣子我看到一本書,其中的一套要點我想或許值得參考故在此簡要分享。這本書的中譯本名為《透視數據下的商機─運用Google Analytics發掘商業洞見》,作者是前Google歐洲區首席網路分析師的布萊恩‧克里夫頓(Brian Clifton)。Google Analytics (GA)可以說是近十年來從事網站最佳化與網路行銷的必備分析工具,它被用來追蹤跨網域、線上與線下的使用者行為,並將這些龐大且雜亂的數據分群分組產生出各式報表,而資料分析師或商業分析師則透過這些報表洞悉出市場的趨勢,進而制定接下來的營運或行銷方針。
儘管使用的工具和數據的來源不同、處理資料的手法不同,但股市投資者與電商資料分析師所需要的分析能力應該是相近的。
我們對GA和網路行銷的討論到此為止。接下來我想說的是理想的分析師所具有的特質,我將書中的敘述做了點簡化(也略為調整了這些項目的用意)並列舉如下,而我認為這也是股市投資者(不論是財務派或是技術派)都應試著去掌握的:
- 對所有學問追根究柢。
- 打從心底想要創新。創造漂亮的解答。
- 渴望把事情做對。
- 對於品質、標準,和細節有極高要求。
- 壓抑情緒,保持沉默。
- 根據事實、數據、邏輯做出判斷。冒險是經過計算與深思熟慮的。
- 注重細節,根據事實、數據,與邏輯來說服人,而非受情緒影響。
這些項目如果做更精簡的說明並應用於投資方面,就是思考判斷重於情緒、用力吸收新知、掌握細節,並且努力追求最佳決策。關於最後一點,如果我們追求最佳決策的目的是為了盡力推升績效,那便不難理解其必要性了。
書中建議的分析思考方式如下:
- 先建立假說,再利用資料來證明或反證,這是所謂的演繹法。
- 從資料中找出規律與不尋常之處,接著建立假說來解釋原因,即歸納法。
- 對資料抱持質疑的態度,並檢驗其品質。必要時以嚴謹、合邏輯的方式大膽猜測以獲得結論。
演繹法與歸納法非常基本,我們總是在使用,但多半淪為誤用:
- 演繹法的運用不應當淪為先射箭再畫靶。要避免如此,我們就必須勇於用反面資料來打臉自己原有的假設。這樣打臉自己有什麼好處?在實際投資操作蒙受虧損之前即可提早學習到新知與教訓不是挺划算的嗎?
- 歸納法常常用於找尋資料之間的關聯性,然而我們必須避免不合常理的比較,例如以聯電杯圍棋賽某職業棋手當日的勝敗來臆測聯電股價的漲跌,然而就啃瓜子聊天而言這是蠻新鮮的話題。做關聯性比較時,最好是資料間具有因果關係,例如有色金屬價格與工業生產指數的表現、工業用電量與電子類指數期貨、氣溫或雨量資訊與黃小玉期貨價格即是。
以上這些分析方式,看似與之前提到的第二層思考無關,實則是達成的核心手段。
資訊模糊度 vs. 洞見精細度
GA為什麼是網路分析中最重要的工具之一?我想最關鍵的要素在於它有辦法處理大量的模糊資料。如果使用者不提供真實身分和個人資訊,我們要怎麼判斷當前進入網站的匿名訪客是男性或女性?青少年或是中高齡族群?
許多網路服務(指的是那些blahblah-as-a-service公司)提供訂閱服務,它們謀求的是真實用戶個人資訊。這樣的資訊最有價值,可用於做高精細度的決策,然而與匿名訪客資訊相比它們只佔了一小部分。模糊資訊雖然做不了高精細度的決策,但卻不是完全沒用,這也就是GA的價值所在。
股市中其實充斥著相當多的模糊資料,而和網路行銷一樣,你只要有辦法做資料的分層篩選與一路追蹤,久了以後或許就知道當下追蹤的資訊能怎麼被分類。這個技巧的應用直覺是想到券商分點的追蹤,當你愈有辦法確信追到的是主力且慣於某種操作策略,你愈有辦法精確地去吃對方的豆腐。
然而就像是網頁匿名訪客一樣,它們會從事反演算法的行為,或是在其他需要身分的網頁中填寫假資料以避免被準確分類,股市大戶也會用多種交易策略或是切換券商分點等作為來掩飾身分,而不掩飾的時候多半也是對方刻意要讓市場知道的。
在看總經數據時,也需要注意避免只看主要指數的部分,它所涵蓋的資訊也是最含糊的。以美國ISM製造業PMI而言,前期高升可能靠的是新訂單增長,後期維持高檔可能來自於雇傭、客戶端存貨等項目。以主要指數和細項做決策時,決策精確度應做區隔。
而後者似乎是填了正確的真實資料?那也未必。想想網站上的會員們難道都填了正確的個人資料?再以美國ISM製造業PMI為例,其問卷調查是否受主觀因素影響而掩蓋了客觀現象?
總結
- 思考判斷重於情緒、用力吸收新知、掌握細節、努力追求最佳決策(以達到不凡績效),這些是提升分析力所需具備的個人特質。
- 演繹法與歸納法人人都聽過,但必須避免被誤用。具備分析師特質,能使我們避免誤用這些基本卻重要的方法。
- 股市中存在大量不同程度的模糊資訊,依其模糊的程度對應拿捏所作決策的精細度。避免依據模糊不可靠的資訊下大膽的策略。
本文最新版本:2021.10.22
本文初版發布:2021.10.22