尋找夠強大的統治力量並順服它，這是對我心中策略的最精簡的描述。
可解釋的力量
Regime, 這個英文資料經常用到的名詞，台灣的財經新聞和評論，卻鮮少看到相對應的詞，似乎專業的量化分析內容還是比較稀少，所以我現在的探索有一定程度的稀缺性。
此字原意為「政權」，其意義有點深奧，是一種超越籌碼與漲跌，至高無上甚至有點玄的影響力。當識別到 Regime Change / Switch / Retation 等現象，就如同「政權更替」，不服從者如同與當政者鬥爭，吃力不討好；但若能順其道而行，就會舒服很多。尋找這種統治力量，就是我們的主要功課。這股力量必須可解釋，有意義，否則虛幻玄乎也無法產生有效決策，所以產生了近期一系列對四個因子的研究。總結最近的發現，從因子值的計算，到橫截面回歸產生的因子溢酬，然後對因子溢酬進行多種數學運算而定義出因子穩定度，後又放棄大部分運算，只用 EMA20 直接認定為因子穩定度。畢竟我不是一個學術研究者，只是一個應用整合者，數據經層層轉換，若未能強化資訊價值，那還是捨棄吧。EMA20 很清晰表達出因子作用的大小和方向，非常漂亮：
數據表達出目前市場 (大盤) 很強，波動很大，這都符合體感認知。但是「動能」就有點怪，明明強勢股票還蠻多的，但指標顯示一點點的負報酬。這有可能是說，強勢股票其震盪也高，大漲伴隨大跌，呈現不穩定狀態，可能有反轉風險。無論如何，「它」還在興風作浪，主導盤面，不可因為指標數值低就掉以輕心。那有沒有另一觀點，來表達重要性，或主導性，它可能是無關乎方向，但必須被識別的市場力量？我用 pca 找到了。
比個別因子更高一層的力量：主軸統治力
pca 是降維演算法，之前我把它用在「報酬率向量」上，產生了現在還覺得很實用的「泡泡圖」，直接看泡泡擠不擠，是判讀風險很好的方式。若一群泡泡擠在一起，意思是一群股票的屬性很接近，就是報酬率的向量很相似，容易同漲同跌的意思。即使發生的機率很低，還可維持著正期望值，但一發生就容易損失慘重，這就是風險管理的重點了。因為機率統計的模型再漂亮，現實世界的「尾巴」似乎比理論值還要肥大！
但那只實施在一組投資組合，數量頂多幾十支，且軸也沒有可解釋的意義。現在我想要描繪的是整個市場，用 100 多維度的報酬率向量就顯得有點暴力，不是算力的問題，是不夠優雅；而四個維度的「因子向量」則剛剛好，兼顧可解釋性。迫不及待想把滿天星星畫出來，果然美麗且壯觀：
橫軸是第一主成份 (pc1, principal component 1)，縱軸是第二主成份 (pc2)。四個維度的原始資料，被打亂重新組合，每個主成份會對應一個 eigenvalue，代表該軸所可解釋的變異量。pc1 就是解釋最多變異量的老大。預設演算法會跑出與原始變數相同數量的 pc，四個 pc 可以大致認定為可解釋全部的變異量，老大到底有多重要，就成為一個重要指標：eigenvalues[0] / eigenvalues.sum() = 0.58
有教科書把它稱為「擁擠度」，我認為不達意，我自己給它取一個酷名字「主軸統治力」，或稱為「主旋律」也不錯。因為當此值很大，不是代表這些點會如何擁擠，而是沿著主軸橫向展開「很扁很長」。我終於找到了，這就是統治力，如上圖所示，一個 pc 就解釋了 58% 的變異，是老大沒錯。
而這統治力的內涵是什麼，就需要去解開 pc1 的組成權重，在 pca 演算法中稱為 loading，在我想到更好的 ui 之前，先簡單展開如下：vol (0.55) beta(0.51) mom(0.51) val(-0.42)
這個指標還給 momentum 公道，顯示三個指標三足鼎立，高波動，高 beta，高動能，共同主導目前的市場行為；高動能伴隨低穩定，報酬可能忽高忽低，這就是風險所在，必須特別關注。只有價值指標，就是公司的淨值如何，比較沒人在意，它的報酬是正是負也就沒那麼重要。且可以把這個統治力，與穩定度，做個交叉比較，定義出一個新的指標「張力」：Tension=∣PCA_loading∣−Stability，(for each factor)
得到一個結論：目前動能因子，張力巨大，有反轉風險。
與主軸統治力互為消長的是「有效維度數」：eigenvalues.sum()**2 / sum([x**2 for x in eigenvalues])
eigenvalues 和的平方，除以平方的和，若很大，表示各軸力量分散，沒有老大。這時個別公司自行表現，有選股能力的投資者更容易得到 alpha。
離群值有何意義？
當滿天星空的圖畫出來，赫然看到許多離群值 (mahalanobis distance > 95 percentile)，出現近期成交值排行榜中的熱門標的。顯然這些離群值不是給我們忽略的，是挑出來給我們注意的，他們比較像是引領風潮的開路先鋒，蓄積可觀的力量，可能在拉扯或鞏固著個群組的中心。每個群組是經由 clustering 演算法，在原始四維因子空間中運算的，因此可以得到每個群組中心的 dominant factor，為群組特性定調。離群比例高者，從 zoom in 圖中可以大致判斷，此群組的力量是在蓄積變強，或是正在拉扯質變。以下我的圖經過 zoom in 顯示更多細節：
一堆飆股就現形了，不要亂追喔。我們永遠關注的是結構，是風險，是曝險水準的理性微調。
這樣來看市場是不是很有趣？做投資真的不只是死盯著價格和損益，那是表象中的表象，我深深渴望能參透一些更深層和結構性的東西。來吧，請拜訪我這帶有深度哲理的網站 😄：
Newman 2026/3/2
- 導覽頁：精明管家
- 技術議題有興趣者，也可關注這兒：紐曼的技術筆記-索引
