參、投資的科學基礎
統計學 — 研究歷史
目的： 已知樣本 → 推測母體特性
分析過去幾百年股市歷史，找出顯著特性，制定戰略。巴菲特、孟格、霍華馬克思等頂級大師都曾研究過去幾百年的股票歷史。
機率學 — 預測未來
目的： 已知母體 → 猜測樣本發生機率
基於歷史特性預測未來，例如：知道生產力週期特性，可預測下跌可能 2-3 個月、幅度 20-25%。
核心公式
統計特性 + 機率判斷 = 理性投資決策
資訊品質的三大標準
| 標準 | 定義 | 反面案例（雜訊） |
|---|---|---|
| 理解性 | 擁有完整的邏輯推論 | 雜訊大哥：AI 自動交易神級演算法，無法解釋邏輯 |
| 攸關性 | 能影響實際決策 | 雜訊二哥：從年報複製貼上的分析報告，與決策無關 |
| 取得性 | 能定期、持續取得 | 雜訊三弟：內線消息，無法穩定取得 |
三者缺一即為雜訊
藏鋒團隊的核心目標：提供同時具備理解性、攸關性、取得性的資訊。
三大資訊雜訊的具體案例
雜訊大哥（缺理解性）
AI 自動交易神級演算法
「有人跟你推薦一個 AI 演算法，過去 5 年回測賺 300%。但你問他為什麼這個演算法會賺錢？他答不出來，只說『AI 黑盒子』。沒有邏輯推論 → 你無法判斷未來會不會繼續賺，也無法判斷何時該停止用它。」
雜訊二哥（缺攸關性）
從年報複製貼上的分析報告
「打開券商研究報告：『該公司 2024 年營收 1234 億，YoY 12.3%……』全部從年報複製貼上。對你的買賣決策完全沒有影響 — 因為它沒有告訴你為什麼會這樣、未來會怎樣。」
雜訊三弟（缺取得性）
內線消息
「有人跟你說『下週這檔會發布利多』。就算這次對了 → 你下次拿得到嗎？不一定。下下次呢？更不一定。無法穩定取得的資訊，無法形成可重複的投資流程。」
統計學 → 機率學 → 投資決策的完整流程
三步驟 SOP
- 統計：收集過去 100 年的數據（如生產力週期歷史報酬）
- 找特性：歸納顯著模式（如下跌 2-3 個月、幅度 20-25%）
- 機率判斷：當前處於哪個週期？對照歷史機率採取對應策略
- 戰略制定：生產力週期 → 長期持股；通膨週期 → 波段操作
Allen 的金句
「巴菲特、孟格、霍華馬克思都做同一件事：研究過去幾百年的股票歷史，然後用機率猜測未來。沒有歷史，就沒有機率；沒有機率，就只能憑感覺投資。」
為什麼這套方法特別重要？— 反例的啟示
沒有科學基礎的投資長什麼樣？
- 「股神朋友報明牌」 — 缺攸關性 + 取得性
- 「我覺得這檔會漲」 — 缺理解性
- 「主力進場了我跟著買」 — 缺取得性（你不知道下次主力何時進場）
學會三大標準後，你會自動把這些「雜訊」濾掉，只剩真正能形成戰略的資訊。
章節銜接
科學基礎 → 股市週期邏輯
科學方法的第一個應用就是研究股市週期。下一章 肆、股市週期邏輯 會用 Howard Marks 的「四大週期動力」+ 市場效率對照表，把週期講透。