精明管家-數據與視覺化之後,「敘事」是決策支援的重要中樞

更新 發佈閱讀 7 分鐘

從數據到故事

數據是冷冰冰的點,視覺化圖像是用一個觀點串連起來的線,一段敘事就是數條觀點線支持的一個面。離決策還多遠?一個重要的決策的依據,可能是千百個面交織成複雜的網,這個網,也許是一個動聽的故事。

比如說某人決策,在市區買一套房,背後可能有王子公主幸福生活的故事,可能有高效工作與事業發展的故事,也可能有生活機能便利豐富的享樂故事。故事的組成涵蓋個人價值觀,建物品質與地段的專業知識,和許多難以細數的情感愛好。如同一個商業決策,需要分析報告,和許多討論的過程,個人的重要人生決策,複雜度不會比較小,只是宏偉的故事不見得外顯於可見的形式,可能只存在於無法說出的心志模型。

這樣看來,說故事,理解與欣賞故事,的確是身而為人的高級性能,故事是否精彩動聽,用很微妙的方式,直接影響著最終的決策。身為一個系統開發者,苦思的就是這個問題,如何在困難的決策過程,扮演一個好的輔助角色。

數據或是一個簡單事實是認知的起點,最粗淺的系統就是停留在這一層而已,更多的表格或花花綠綠的圖像,無法真正幫到使用者,去降低決策過程中的思想負載。要讓系統「說故事」是太難的挑戰,那就努力產出一些「敘事」吧!這是說故事的基礎。

以一個公司的財報顯示「營收跳升」來舉例,這就只是一個單點的數據。但有能力的分析師,可以用宏觀經濟,產業結構,市場供需,等等知識的基礎,抽絲剝繭理出許多合理的敘事,判斷其為「短期現象」,或是「結構性改變」,最終給出迷人的願景,或唱衰的論述。理性投資者需要努力去閱讀並理解各式各樣的敘事,最終得到自己願意相信的故事,可能接受自別人的論述,也可能納入大量自我知識的重構。在做出加減碼等買賣決策以前,這些過程每天都在不間斷的運行著,有些是有意識的,有些甚至是在無意識中也持續運行。

視覺化,開始濃縮資訊

上一次完成了一個「比較進階的圖表」,就高興的發文慶祝,現在要繼續拔營起行了。一個圖表綜合了市場因子結構狀態,和投資組合曝險狀態,交互比較在決策空間中定位,這資訊量真的很不錯:

raw-image

市場結構中其風格因子和市場因子各自表現如何,其搭配狀況與一段時間的歷史資料,也可以顯示在一張圖中,這也是很精練的表達方式:

raw-image

當天的點是方形鮮豔紅色,歷史資料的點,則逐漸變淡變綠,我真的很欣賞這種表達方式。可以注意到,這張已經不是純圖像,有四個象限各自的敘事,系統自此要開始提升了,它要拆解決策流程並用正確的節奏輔助使用者思考。

敘事的基礎:邏輯架構

邏輯架構可大可小,小到一句話完成,或有大到一本書才能論述的。因市場和個人投資組合的無限可能性,故將之視之為一個混沌領域,若無分析與切入的方法,只能望之興嘆,因為任何作為都只能得到完全隨機的結果。統計學的隨機變數,還有假設的分布函數,這個隨機是完全沒有預測的可能性,因此寸步難行。而我們選擇以「因子」的角度切入,大膽假設小心求證,已經是個人認知水準中最好的方法了,運算規則均有明確定義。因此我們把事實從表面現象到核心本質,區分為幾個層次:

  • 事件層:變化最迅速
    • 市場因子溢酬 (Market Lambda):就是每日大盤的漲幅,每天可能飆上飆下。
  • 屬性層:緩慢變化
    • 個股的市場因子曝險 (Beta):個股與市場的每日報酬,時間序列回歸係數,用半年以上的歷史資料計算,所以緩慢變化。
    • 個股的風格因子曝險 (Beta):個股每日因子值的橫斷面 z-Score,依據各自因子定義,均涉及半年以上的統計,或公司財報的發佈,所以也是緩慢變化。
    • 風格因子溢酬 (Lambda):每日橫斷面回歸係數,變化僅次於市場溢酬。
  • 結構層:更緩慢的變化
    • 因子穩定度 (Lambda Stability):Rolling mean(|Lambda|),通常取 20 天。
    • 風格因子平均穩定度 (Style Stability):三個因子平均
    • 市場因子主導性 (Market Dominance):等於市場因子穩定度,
    • 投資組合的各因子曝險 (Portfolio Beta):依照持有股票市值絕對值,加權平均個股的因子曝險。取決於部位大小變化的速度,可快可慢。
    • 因子穩定度 vs 投資組合曝險:終極對照,所有資訊濃縮於此。

以上的架構,清楚明瞭,難易適中。剛好適合稍具經驗的個人投資者,不想再憑運氣亂交易,或蒙著頭忽視風險,而想要進一步,追求有合理一致性的決策品質,長期累積並擴大,穩健的投資組合。

敘事的順序,絕對不可能從飆上飆下的雜訊開始,而是從緩慢變化的結構開始。先用一句話定位當前的結構,讓人快速取得一種安定感。然後用一張圖佐證,配上過去幾天的狀態,觀察系統定位緩步移動的軌跡,不至於有一刀切的不安。此時注意力尚未回歸自己的投資組合,先以超然獨立的眼光,觀察市場表現中重要的客觀事實。若當天有較大變動,也可以從右上角小字 drill down 到更詳細的因子分析頁面;在大部分的日子,是不需要的,無需用過多訊息轟炸自己。以下就是經過設計微調的畫面,實際資料因為運行的歷史資料還不大夠,所以不見得準確,但格式設計已經配置好了:

raw-image

之後注意力回歸到自己的投資組合身上,是否有「不穩定 + 高曝險」的因子存在?需要一句強而有力的決策原則,不是買賣建議,系統需要提示決策的方向。因為有決策需求所以容易累積壓力,設計上與上下大圖保持一定的區隔性,暫時脫開圖像中較複雜的認知負擔,專心冷靜的思考,是否有加減碼的需求:

raw-image

最後再回到一個綜合圖像,一眼理解客觀的市場狀態,如何對應到自己的投資組合,再度回歸結構觀點的穩定狀態:

raw-image

以上過程可以用五句話來概括:

  1. What is the structure?
  2. Where are we? (chart)
  3. What does the system see?
  4. What should I do?
  5. Why does it make sense? (chart)

其中 3. 4. 兩句牽涉到決策壓力,故獨立區塊,避免認知干擾。每一句話,均用溫和強度的小字,默默的暗示引導使用者思考,這個 portal 就結束了。一改過去習慣用大量的資訊負載,填滿整個畫面,這次重新思考 ui/ux,回歸乾淨簡潔,希望給使用者清爽無負擔的感覺。

用堅實匹配的結構,去應對微觀世界的動盪,是整個系統不斷重述的基本路線。若您認同,歡迎造訪網站:

資料每日處理累積,目前只到 18 筆,連 20 日滾動運算都無法執行,所以尚未穩定大約 10 日後將歸於穩定,敬請持續關注。

Newman 2026/1/9







留言
avatar-img
newman的沙龍
30會員
147內容數
漫步是一種境界。
newman的沙龍的其他內容
2025/12/25
這一天,成功的完成了,目前資訊濃度最高的圖表: 不過就幾個點點,有何了不起之處?外行人沒有熱鬧可以看,內行人卻可以看到很多門道,讓我一一拆解。 這個圖不需要任何馬賽克,因為不會暴露資產規模,系統也沒在關心你有多少錢,唯一任務是「結構拆解」。市場有其結構,投資組合也是,搭配起來是否吻
Thumbnail
2025/12/25
這一天,成功的完成了,目前資訊濃度最高的圖表: 不過就幾個點點,有何了不起之處?外行人沒有熱鬧可以看,內行人卻可以看到很多門道,讓我一一拆解。 這個圖不需要任何馬賽克,因為不會暴露資產規模,系統也沒在關心你有多少錢,唯一任務是「結構拆解」。市場有其結構,投資組合也是,搭配起來是否吻
Thumbnail
2025/12/18
風險規避之進一步省思 市場,動能,波動,價值,四大基本因子曝險都算好了,然後呢? 因子曝險,相當於用四盞超強的探照燈,從不同角度照進投資組合的結構,把隱藏弱點一一顯明出來。在「前一篇」的論述中,認為我應該站在「消除風險」的,因為膽小如我,極端厭惡風險。但規避風險的結果,雖然安全感增加,淨值波動也
Thumbnail
2025/12/18
風險規避之進一步省思 市場,動能,波動,價值,四大基本因子曝險都算好了,然後呢? 因子曝險,相當於用四盞超強的探照燈,從不同角度照進投資組合的結構,把隱藏弱點一一顯明出來。在「前一篇」的論述中,認為我應該站在「消除風險」的,因為膽小如我,極端厭惡風險。但規避風險的結果,雖然安全感增加,淨值波動也
Thumbnail
2025/12/10
動能因子,算好了 經過上一篇「因子模型」的探討,其中許多理論確實值得實作。首要目的不是為追逐因子溢酬,而是為了「對沖」因子曝險。無論如何,分析各種因子,有助於解開市場風險與報酬的奧秘。 經過數日暢快的開發,已經頗有成果,請看主畫面,已經蹦出許多新功能了。其中主要的進展是「動能因子」分析:
Thumbnail
2025/12/10
動能因子,算好了 經過上一篇「因子模型」的探討,其中許多理論確實值得實作。首要目的不是為追逐因子溢酬,而是為了「對沖」因子曝險。無論如何,分析各種因子,有助於解開市場風險與報酬的奧秘。 經過數日暢快的開發,已經頗有成果,請看主畫面,已經蹦出許多新功能了。其中主要的進展是「動能因子」分析:
Thumbnail
看更多
你可能也想看
Thumbnail
在 vocus 與你一起探索內容、發掘靈感的路上,我們又將啟動新的冒險——vocus App 正式推出! 現在起,你可以在 iOS App Store 下載全新上架的 vocus App。 無論是在通勤路上、日常空檔,或一天結束後的放鬆時刻,都能自在沈浸在內容宇宙中。
Thumbnail
在 vocus 與你一起探索內容、發掘靈感的路上,我們又將啟動新的冒險——vocus App 正式推出! 現在起,你可以在 iOS App Store 下載全新上架的 vocus App。 無論是在通勤路上、日常空檔,或一天結束後的放鬆時刻,都能自在沈浸在內容宇宙中。
Thumbnail
vocus 慶祝推出 App,舉辦 2026 全站慶。推出精選內容與數位商品折扣,訂單免費與紅包抽獎、新註冊會員專屬活動、Boba Boost 贊助抽紅包,以及全站徵文,並邀請你一起來回顧過去的一年, vocus 與創作者共同留下了哪些精彩創作。
Thumbnail
vocus 慶祝推出 App,舉辦 2026 全站慶。推出精選內容與數位商品折扣,訂單免費與紅包抽獎、新註冊會員專屬活動、Boba Boost 贊助抽紅包,以及全站徵文,並邀請你一起來回顧過去的一年, vocus 與創作者共同留下了哪些精彩創作。
Thumbnail
本文深入探討了科技基金經理人 Gavin Baker 在訪談中的核心觀點,聚焦於快速變遷的AI科技及其對投資格局的影響。文章涵蓋了Baker對於AI產業結構性轉變、基礎設施競爭(如Nvidia Blackwell架構)、Edge AI 的潛在風險以及 SaaS 企業面臨的轉型挑戰的見解。
Thumbnail
本文深入探討了科技基金經理人 Gavin Baker 在訪談中的核心觀點,聚焦於快速變遷的AI科技及其對投資格局的影響。文章涵蓋了Baker對於AI產業結構性轉變、基礎設施競爭(如Nvidia Blackwell架構)、Edge AI 的潛在風險以及 SaaS 企業面臨的轉型挑戰的見解。
Thumbnail
彼得林區的經典智慧,像是「了解持股」,在實務中總讓我覺得有點窒礙難行。一個凡人,要如何理解一家高科技公司的護城河?這個疑問,推動了羊羹我打造一套屬於自己的投資系統。這是一段從質化哲學到量化紀律的探索,試圖在兩者之間,找到一條能讓自己安心持有、穿越市場多空的路。
Thumbnail
彼得林區的經典智慧,像是「了解持股」,在實務中總讓我覺得有點窒礙難行。一個凡人,要如何理解一家高科技公司的護城河?這個疑問,推動了羊羹我打造一套屬於自己的投資系統。這是一段從質化哲學到量化紀律的探索,試圖在兩者之間,找到一條能讓自己安心持有、穿越市場多空的路。
Thumbnail
​投資理財內容聲明 文內如有投資理財相關經驗、知識、資訊等內容,皆為作者個人分享行為。 有價證券、指數與衍生性商品之數據資料,僅供輔助說明之用,不代表創作者投資決策之推介及建議。 閱讀同時,請審慎思考自身條件及自我決策,並應有為決策負責之事前認知。 希望您能從這些分享內容汲取投資養份,養成獨
Thumbnail
​投資理財內容聲明 文內如有投資理財相關經驗、知識、資訊等內容,皆為作者個人分享行為。 有價證券、指數與衍生性商品之數據資料,僅供輔助說明之用,不代表創作者投資決策之推介及建議。 閱讀同時,請審慎思考自身條件及自我決策,並應有為決策負責之事前認知。 希望您能從這些分享內容汲取投資養份,養成獨
Thumbnail
本文探討五因子模型對臺灣是否有效並且參考相關論文與資訊進行彙整摘要與探討。透過分析臺灣股票市場,探討不同特性的投資組合的報酬趨勢,並檢測三因子模型及五因子模型的解釋能力。
Thumbnail
本文探討五因子模型對臺灣是否有效並且參考相關論文與資訊進行彙整摘要與探討。透過分析臺灣股票市場,探討不同特性的投資組合的報酬趨勢,並檢測三因子模型及五因子模型的解釋能力。
Thumbnail
前言 這篇會拿Finlab上的策略與機器學習預測線圖的因子進行結合。由於模型是透過2007-2011年的線圖作為訓練資料,回測的時候會從2012年開始以示公平。 還沒看過前面兩篇的可以點下面連結,會比較看得懂接下來的內容。 第一篇: 什麼?!AI也看得懂k線圖?利用機器學習來判斷股票漲
Thumbnail
前言 這篇會拿Finlab上的策略與機器學習預測線圖的因子進行結合。由於模型是透過2007-2011年的線圖作為訓練資料,回測的時候會從2012年開始以示公平。 還沒看過前面兩篇的可以點下面連結,會比較看得懂接下來的內容。 第一篇: 什麼?!AI也看得懂k線圖?利用機器學習來判斷股票漲
Thumbnail
自Lev and Sougiannis (1996)的研究發現,研發費用佔營收占比較高的公司,在未來會享有較高的報酬率,會形成這個現象的原因眾說紛紜,目前學術界主要有以下幾類說法: 1. 錯誤定價: 由於投資人與分析師難以分析研發計畫對未來對現金流的效益,因此相較於傳產等未來現金流明確,但研發費用較
Thumbnail
自Lev and Sougiannis (1996)的研究發現,研發費用佔營收占比較高的公司,在未來會享有較高的報酬率,會形成這個現象的原因眾說紛紜,目前學術界主要有以下幾類說法: 1. 錯誤定價: 由於投資人與分析師難以分析研發計畫對未來對現金流的效益,因此相較於傳產等未來現金流明確,但研發費用較
追蹤感興趣的內容從 Google News 追蹤更多 vocus 的最新精選內容追蹤 Google News