📋 執行摘要（Executive Summary）
- 動態環境中，投資韌性來自高頻率修正能力，不是預測準確性。當環境參數一直在改變（Fed 政策、通膨、股債相關性），堅持初始策略會追逐一個已經過時的目標。
- 我們提出基於OODA Loop的三層防禦機制：預防性調整（情緒指標警戒區）→ 防禦性降槓桿（跌幅超過門檻）→ 重建部位（Regime 穩定）。
- 實證：2022 升息週期避開 60/40 雙跌；2025 關稅戰預測失準但系統未崩潰。
- 關鍵洞察：台灣人擅長在固定規則下最佳化（台積電良率思維），但需要補足當規則改變時的生存演算法。
- 真正的 Anti-Fragile 是保留精益求精，加入快速試錯。
當環境改變，最佳解也會變
巴菲特的偏航
1965年，巴菲特買下波克夏紡織廠。1985年，他關閉了紡織業務，全力轉向保險業。
傳統商學院會說這是承認失敗。我的理解不一樣。這是Dynamic Programming裡發現了新的Optimal Substructure。
這篇要回答一個問題。在一個環境參數持續變動的系統中，堅持初始策略真的是對的嗎？還是說，高頻率的誤差修正才是在動態環境中尋找最佳解的唯一數學路徑？
這個問題不只投資會遇到。創業者、演化中的物種、甚至你的職涯規劃，底層邏輯都一樣。
堅持初始策略的數學代價
環境不是靜態的
機器學習裡，梯度下降（Gradient Descent）是尋找最佳解的標準方法。你站在山上，沿著最陡的坡往下走，最終會抵達谷底。
但這個方法有一個隱藏前提。環境必須是靜態的。數學上寫作 θ(t₀) = θ(t₁) = θ(t₂)。環境參數不會變。
你的地圖會過期
現實是這樣的。
在t₀時刻，你設定了目標函數，比如最大化夏普比率。你算出一條最佳路徑，開始執行。
在t₁時刻，Fed政策轉向了。或者地緣政治爆發了。環境參數θ已經不等於θ₀。
你在t₀時刻計算出的最佳路徑，在新環境下可能是一條死路。
這就是為什麼人生未來五年計畫經常不按照計畫走的原因。不是執行力的問題，是環境變了，你的地圖過期了。
OODA其實是風控節奏
決策速度比決策準確度重要
OODA Loop最初是美國空軍上校John Boyd提出的空戰戰術。核心理念很簡單。在混亂的戰場上，決策速度比決策準確度更重要。
四個步驟。Observe，觀察環境變化。Orient，重新評估當前策略是否有效。Decide，基於新資訊調整路徑。Act，執行並進入下一個循環。
你追不上θ，就只能縮短週期
這個框架搬到投資，數學結構完全相同。
真正的最佳解等於更高頻率的誤差修正。傳統思維是想辦法把預測準確率從60%提高到70%。OODA思維是把決策週期從季度縮短到月、再縮短到週。
為什麼頻率比準確度重要？
因為在動態環境中，θ的變動速度可能超過你的預測更新速度。如果你每季度才修正一次，但θ每週都在變，你永遠在追趕一個過時的目標。
頻率不是越高越好，而是要高到足以跟上θ的變動，但不能高到被noise過度消耗。
這套系統的變數、邊界與操作規則
在進入案例之前，我先把這套系統的工程規格寫清楚。
變數定義
θ代表什麼？在我們的系統裡，θ是一組環境參數的向量，包含：
- Fed政策立場（鴿派/中性/鷹派）
- 通膨預期變化率（δCPI/δt）
- 股債相關性（rolling 60日）
- 市場槓桿水位（margin debt / market cap）
- VIX term structure（contango vs backwardation）
當這些變數的組合跨越某個門檻，我們判定為regime shift。
邊界條件
這套系統適用於誰？
- 有能力動用多元避險工具（外匯、選擇權、期貨）的配置者
- 能承受短期tracking error（追蹤誤差）的長期資本
- 有紀律執行規則的團隊或個人
這套系統不適用於誰？
- 完全被動、長期不看盤的投資人（他們應該用定期再平衡，週期以年計）
- 無法承受短期績效脫鉤的機構（會被迫在錯誤時點行動）
- 沒有風控紀律的散戶（OODA會變成追高殺低的藉口）
操作規則
⚠️ 以下參數值，用於說明框架邏輯。實作需依個人風險承受能力、工具箱與市場條件調整，不應直接照搬。這不是給讀者複製的交易規則，而是說明「如何把修正節奏制度化」的思考方式。
- 情緒指標進入警戒區（我們使用內部模型；AAII、Put/Call Ratio等公開指標僅作為參考，不代表我們的模型輸入），啟動預防性降槓桿。
- 跌幅超過預設門檻（例如15%，可依風險承受能力調整），強制降槓桿至1.0x。
- Regime不明朗時，個股轉ETF，降低風險。
- 流動性緊縮時，賣出傳統避險部位換現金。流動性危機要的是現金，不是避險資產。
- 趨勢確立訊號出現（VIX回落、政策轉向），才逐步重建部位。重建週期可選為兩週，避免假突破。
- 每次調整都要有書面紀錄，包含觸發條件、執行時間、部位變化。沒有紀錄的調整不算系統，只是情緒。
失敗模式
這套系統會在哪裡失效？
失敗模式一 ： 假訊號頻繁導致過度交易。 如果θ的波動是noise而非signal，高頻率修正會變成高頻率虧損。對策是設定最小觀察期（例如5個交易日），避免對單日波動反應。
失敗模式二 ： 流動性危機時避險工具失效。 2008年和2020年3月都出現過「所有資產一起跌」的情況。外匯避險、債券避險在極端情況下會同時失效。對策是保留現金緩衝，不要把所有風險預算都押在避險工具上。
失敗模式三 ： 執行紀律崩潰。 規則寫得再好，執行時猶豫或加碼，系統就失效。這是人的問題，不是系統的問題。對策是把規則寫進制度，讓執行變成機械動作。
2022升息：當教科書答案失效
60/40的底層假設壞了
2022年，Fed為了對抗通膨，執行了數十年來罕見的快速升息週期。
傳統的股債60/40組合遭遇歷史罕見的股債雙跌。S&P 500全年跌幅接近兩成，美國10年期公債跌幅也接近兩成。這是近數十年來少見的股債同跌年份。
問題出在哪？
60/40策略的底層假設是股債負相關。股市跌的時候債券會漲，提供避險。但這個假設在通膨regime下失效了。當Fed暴力升息，股票和債券會一起跌。
我們看到了什麼
2022年Q1，我們的Regime Detection系統偵測到幾個訊號。Fed從暫時性通膨轉向持續性通膨的敘事轉變。10年期TIPS利率快速上升，這是實質利率的regime shift。股債rolling相關性從負轉正。
我們做了什麼
在Fed確定升息後，我們調整了策略。把美債權重大幅降低，增持避險貨幣（日幣和瑞郎）。邏輯是升息週期中美元升值，傳統避險貨幣可以對沖股市風險。
⚠️ 這邊不講績效數字。這裡的重點只有一個。θ變了，我們的系統能在週期內轉向。轉向的速度和方向對不對，每次都不一樣。但系統有能力轉向，這件事本身就是價值。
2025關稅戰：預測錯了但系統沒崩
高點的脆弱性
2025年Q1，S&P 500處於歷史高點附近。我們的情緒風控模型顯示市場處於過度樂觀區間。模型預判有修正空間，我們內部估計是10%到15%。
第一層OODA啟動。觀察到情緒指標進入警戒區，評估當前槓桿在高點的風險，決定預防性降槓桿，在Q1逐步執行。
預測失準了
2025年4月，川普宣布對主要貿易夥伴徵收額外關稅。
市場反應超出預期。我們內部預判的修正幅度是10%到15%，實際盤勢比這個區間更深。
這是最考驗系統的時刻。
我們可以選擇堅持原判斷，認為市場過度反應，加碼抄底。或者承認預測錯誤，啟動防禦機制。
我們選了後者。
第二層OODA：先求生存
當跌幅超過預設門檻後，啟動強制降槓桿。把槓桿進一步降到1.0x，完全去槓桿。邏輯是先求生存，保留現金儲備。
同時降低Beta。把個股部位轉換為指數ETF，降低非系統性風險。在Regime不明朗時，避免單一公司爆發危機
賣出傳統避險部位，換取現金。此時需要的是流動性。
第三層OODA：趨勢確立後重建
當政策風向出現轉變訊號，市場情緒開始反轉。
觀察到VIX快速下降，評估這是短期反彈還是趨勢反轉。決定逐步重建部位，用兩週左右的時間把槓桿恢復到目標水位。
策略回顧
我們的預測錯了。10%到15%變成更深的回檔。但系統沒有崩潰。
⚠️ 如果你堅持「我預測只跌15%，所以我要抄底」，結果在更深的位置被套牢，心態很容易崩潰，而且重點是沒人知道底在什麼地方，對使用槓桿的投資人來說，先存活絕對是最重要的。OODA思維是承認預測失準，環境比預期更惡劣，先降低風險，保留實力，等待機會。
子問題的最佳解會變
動態規劃的核心思想是把大問題拆解為小問題，分別求解，再組合成全局最佳解。
關鍵特性叫Optimal Substructure。如果一個子問題的最佳解改變了，全局策略也必須跟著調整。
回到巴菲特的案例。
全局問題是如何最大化長期資本複利。子問題一是如何獲取低成本資金。子問題二是如何配置這些資金。
巴菲特發現紡織廠解決不了低成本資金這個子問題。夕陽產業，現金流差。但保險業可以。浮存金等於負成本資金。
他放棄紡織廠，是因為他發現了保險業這個更好的Optimal Substructure。這是路徑修正。
我們2022年的案例也是同樣邏輯。
全局問題是如何在升息環境中保護資產。子問題是什麼工具能提供有效避險。t₀的答案是美債，教科書標準答案。t₁的答案是避險貨幣，新的Optimal Substructure。
這是發現環境改變後的新最佳解。
台灣人的優勢與盲點
在談跨領域應用之前，我想先談一個我的觀察。
台灣的教育體系非常擅長訓練人在固定規則、固定環境下找到最佳解。
考試就是最典型的例子。規則完全透明，範圍固定、題型固定、評分標準固定。在這種條件下，台灣學生是世界頂尖的。我們可以把Gradient Descent跑到極致，把每一分都榨出來。
這種能力創造了台積電。半導體製程就是一個超級複雜但規則固定的最佳化問題。台積電能把良率從85%推到95%，靠的就是這種在既定框架下精益求精的能力。
但學校沒有教的是，當規則本身在變的時候怎麼辦。
當考試範圍突然改了，當評分標準從背誦轉向創意，當整個賽局的θ參數改變，我們的訓練就失效了。
這不是台灣人不聰明。我們的最佳化函數一開始就假設了固定環境。我們太習慣找到正確答案，不習慣找到當下的局部最佳解然後隨時準備修正。
這解釋了為什麼台灣在創業、職涯轉型、甚至投資上，平均反應速度會比矽谷慢。不是能力問題，是訓練方向的問題。
我們需要的不是拋棄原本的優勢，而是在上面疊加一套動態環境的生存演算法。
保留台灣人的精益求精，那是Gradient Descent的執行力。加入矽谷的快速試錯，那是OODA Loop的修正機制。
這也是為什麼Miyama的投資系統同時強調兩件事。部位做嚴謹的回測和風控，發揮我們的優勢。但保留快速Pivot的彈性，補足我們的盲點。
當你理解這一點，你會發現很多看似不一樣的事情其實和Miyama的投資哲學，底層邏輯是一致的。都是在不確定性中，建立一套有韌性的最佳化系統。
同一套數學在不同領域的投影
這套邏輯不只適用於投資。
生物演化
演化論的邏輯很簡單：個體脆弱，物種才反脆弱。我們把這套搬到投資上。單一策略可以賠小錢，單一部位可以失敗，就像生物突變與試錯。但整個投資組合要活下去、要能進化。我們不求每次都預測對。我們要的是系統能活、能變強。
創業決策
Instagram原本是LBS check-in app，發現照片分享這個subproblem更有價值，Pivot成功。Slack原本是遊戲公司內部工具，發現企業通訊這個市場更大，Pivot成功。
Perseverance和Pivot不是對立的。Perseverance是對全局目標的堅持，Pivot是對子問題最優解的調整。
順帶一提，注意力資本的配置
這套框架甚至適用於社群經營。
創作者面對的問題本質上也是資源配置。有限的時間精力如何在維持能見度和建立差異化之間分配？
Beta內容，跟隨平台演算法的主流，確保你不被遺忘，但無法圈粉。Alpha內容，獨特的觀點或風格，建立護城河，但成本高、風險大。
成功的創作者通常採用槓鈴策略。80%的高頻率Beta內容維持演算法推薦，20%的低頻率Alpha內容建立品牌。失敗者往往卡在中間，一週一支認真但普通的影片，既沒有頻率優勢，也沒有差異化。
這是同一套數學結構在不同領域的投影。
情境樹與更新規則
把前面的框架落地，我們可以畫出一棵情境樹。
Base Case（機率約60%）
- 假設是Fed維持當前政策路徑，通膨緩步下降，地緣風險可控。
- 觀察指標包含Core PCE月增率、Fed點陣圖、VIX維持在15-20區間。
- 操作上維持目標槓桿，股債配置按季度再平衡，避險部位維持標準水位。
Risk Case（機率約30%）
- 假設是通膨反覆或地緣衝突升級，Fed被迫延後降息或重啟升息。
- 觀察指標包含Core PCE連續三個月上升、VIX突破25、股債相關性轉正。
- 操作上啟動預防性降槓桿，個股轉ETF，增持現金與短天期債券。
Tail Case（機率約10%）
- 假設是系統性風險爆發，例如金融機構違約、主權債務危機、流動性枯竭。
- 觀察指標包含信用利差急升、VIX突破40、貨幣市場基金大規模贖回。
- 操作上強制去槓桿至1.0x以下，全部轉現金與貨幣市場工具，停止一切主動交易，等待塵埃落定。
更新規則
每週檢視一次情境機率分布。當觀察指標跨越門檻，在5個交易日內完成對應調整（示意值，實際執行視流動性與市場條件）。調整完成後書面紀錄，包含觸發條件、執行時間、部位變化。
選項、代價與一個還沒答案的問題
三條路徑
路徑A — 高頻率修正。 這是本文主張的方法。代價是交易成本、假訊號風險、需要持續監控的精力。適合有系統、有紀律、能承受短期tracking error的配置者。
路徑B — 低頻率但高冗餘。 完全被動，但配置極度分散、槓桿極低、現金緩衝極高。代價是長期報酬被稀釋，牛市會大幅落後。適合不想花時間管理、但願意犧牲報酬換取安心的人。
路徑C — 完全不修正。 設定好配置，然後忘掉它。定期（以年計）再平衡。代價是遇到regime shift時會硬吃整段回檔。適合時間軸極長、心理素質極強、真的能忽略帳面波動的人。
沒有哪條路徑是絕對正確的。選擇取決於你的時間、精力、風險承受能力和心理素質。
一個還沒答案的問題
這套系統最難的地方，是如何判斷regime shift和noise的差別。
市場每天都在波動，每個月都有新聞說「這次不一樣」。如果你對每個訊號都反應，你會被交易成本和假訊號反覆消耗。如果你對所有訊號都不反應，你會在真正的regime shift時被套牢。
我們目前的做法是設定門檻和觀察期，但這個門檻本身就是一個需要不斷校準的參數。
這個問題我還沒有完美的答案。如果你有想法，歡迎交流。
本文為Miyama Capital內部投資框架的思考筆記，僅供同業參考交流。文中案例涉及實際部位調整，數據經過去辨識化處理，不代表可複製的績效。投資有風險，本文不構成投資建議。任何投資決策請諮詢專業顧問並自行評估。
