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
29會員
144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