2026年11月15日 星期日

(2026/11/15) Technical Short Squeeze

有一類挾空倉情況是技術性觸發,在正常情況下,雙重上市中概股(如阿里、京東、百度、嗶哩嗶哩等)的美股ADR與港股普通股之間可以透過存託銀行(如花旗、摩根大通、紐約梅隆銀行)進行雙向轉換(Issuance & Cancellation),套利盤會把兩地價差鎖死在極小範圍內,約0.5-1.5%。

當公司更換存託銀行(Depositary Bank)或香港本地託管行(Local Custodian),舊銀行與新銀行交接期間,會宣布Books Closed(暫停發行與註銷轉換)。這段期間(通常數天至數週),市場無法透過買入港股 轉換成ADR來增加美股市場的供給。

更換託管行或機構大戶將ADR轉倉回香港中央結算系統(CCASS)時,原本放在美股 Prime Broker 融券池(Stock Loan Pool)里的股票會被系統強制召回(Recall)。空頭如果無法在美股市場借到新券,就會被券商強制平倉(Buy-in)。

在這時間窗口發動攻擊,挾空倉,美股ADR只要有買盤湧入,套利機構無法從港股搬貨到美股砸盤壓價,就會出現大幅高於港股折算價的溢價,直接夾爆單邊做空ADR的資金。

幾年前在《外國公司問責法》(HFCAA)退市陰霾最濃的時期,許多美國大型長線基金為了規避退市風險,集體將手中的美股ADR註銷,轉為港股普通股存入香港託管行(如花旗、滙豐的CCASS戶口)。 這導致部分中概股(例如當時流通盤較小的百濟神州 BGNE、再鼎醫藥 ZLAB,以及中小型中概股)在美股的實際流通盤(Float)急劇萎縮,融券費率(Borrow Fee)瞬間飆升,稍微出現利好消息時,美股ADR的漲幅遠超港股,出現明顯的「美股獨立挾空」行情。


2026年11月14日 星期六

(2026/11/14) 2020 年 4 月滙豐取消派息

滙豐控股(0005.HK / HSBA.L)因為歷史原因,在倫敦(LSE)和香港(HKEX)同時擁有第一上市地位(Dual Primary Listing),而且兩地的股份是完全同股同權、可雙向自由轉移(Fungible)的(這和美股 HSBC 作為 ADR 不同,港英兩地搬的是實打實的普通股)。

香港中央證券登記有限公司(Computershare Hong Kong)與英國 Computershare UK 之間設有專門的跨市場股份轉移登記冊(Branch Register Transfer),香港是CCASS,英國是CREST。

大戶只要透過 Prime Broker提交轉倉指令(Cross-border Settlement Instruction),股票就能在香港股東名冊與英國股東名冊之間切換。

港股與倫敦股市的交易時間有一個極具價值的重疊窗口(香港時間下午 15:00/16:00 至 16:00,視乎英國夏令時而定),以及盤後錯位時間。

假設香港收市時,滙豐(0005.HK)報 $70.00 港元;隨後倫敦開市,歐洲機構因為宏觀消息或英鎊匯率波動,把倫敦滙豐(HSBA.L)推高到折合 $71.20 港元(出現約 1.7% 的正溢價)。

大戶立刻在倫敦市場 賣出(或借券做空) HSBA.L,鎖定 $71.20 的高價。同時(或次日港股開市)在香港買入 0005.HK,鎖定 $70.00 的低價。

大戶向結算行發出指令,將香港買入的 0005.HK 轉移至英國 CREST 系統,用來交割之前在倫敦賣空(Short)的倉位,完成閉環。

2020 年 4 月 1 日(愚人節當天早上港股開市前),滙豐控股(0005.HK)應英國審慎監管局要求,突然宣布取消 2019 年第四次股息(每股 0.21 美元)並暫停 2020 年全年的派息與回購。

由於當時已經過了除淨日(Ex-dividend Date,2020 年 2 月 27 日),許多香港投資者「名義上已經把股息算進口袋」。消息一出,4 月 1 日港股開市滙豐暴跌 9.5%(收報 $39.95 港元,跌破 $40 心理關口),跌幅遠超前一夜倫敦市場的定價。

港股滙豐相對倫敦滙豐(HSBA.L)出現了罕見的深度折讓(Discount)。擁有港英雙邊庫存池與英國印花稅豁免權的量化對沖基金,在港股開市恐慌盤湧出時瘋狂掃貨(買入 0005.HK),同時在倫敦盤前/開市沽空等量 HSBA.L,鎖定了遠超平時數倍的無風險價差(Spread)。

一度抽乾了倫敦市場的可借券源(Stock Loan),迫使做市商在幾天內進行了天量級別的 CCASS → CREST 實體搬倉才重新把兩地價差壓平。

許多香港本地退休基金(MPF)、保險公司資金以及亞洲高息股票基金,因為受限於投資章程(Mandate,必須持有派息藍籌股),在滙豐宣布不派息後被迫觸發強制沽出機制(Forced Selling),在 $38–$40 港元的地板價位割肉離場,成為被套利基金收割的對手盤。

在 2020 年 3 月底,歐洲央行(ECB)已經率先要求歐元區銀行暫停派息。部分敏銳的倫敦宏觀對沖基金預判英國央行(BoE / PRA)必定會跟進施壓英國本地銀行(滙豐、渣打、巴克萊等),因此在 3 月最後幾天提前在倫敦和香港建立看跌期權(Put Options)或空倉,在 4 月 1 日跳空暴跌時精準收割。

滙豐長年是香港私人銀行與機構發行股票掛鉤票據(ELN)與累計期權(Accumulator / Decumulator)的最熱門底層資產。投行在設計這些結構性產品並進行動態對沖(Delta Hedging)時,模型裡預設了滙豐每年高達 6%–7% 的極高確定性股息率(Dividend Yield)。突然「零派息」導致遠期合約(Forward)與期權定價公式瞬間失真,投行交易員被迫在股價暴跌的同時,在市場上不計成本地重新調整 Delta 對沖倉位,多家外資投行的亞洲股票衍生品部門在 2020 年第一、二季均錄得數千萬至上億美元的對沖虧損。





2026年11月13日 星期五

(2026/11/13) Bill Benter

 Bill Benter是極傳奇的香港賽馬高手及大戶,透過自行研發的統計演算法破解了香港賽馬會的彩池機制,累計獲利接近 10 億美元,將賭馬轉變為一門高度精密的數據科學。

1957 年出生於美國,在凱斯西儲大學(Case Western Reserve University)攻讀物理學。1979 年,他受到數學家愛德華·索普(Edward O. Thorp)經典著作《擊敗莊家》(Beat the Dealer)啟發,放棄學業前往拉斯維加斯成為二十一點(Blackjack)職業算牌客。

在 Las Vegas 贏錢並被各大賭場列入黑名單後,他結識了澳洲精算師兼職業賭徒 Alan Woods。兩人看準香港賽馬會龐大的彩池規模與動態賠率制度,於 1984 年攜帶約 15 萬美元啟動資金移居香港。前兩年模型尚未成熟,幾乎輸光本金;第三年開始扭虧為盈,但隨即因財務與分潤糾紛與 Woods 拆夥(兩人此後成為香港馬場最大的競爭對手)。

拆夥後,Benter 在跑馬地租下俯瞰馬場的辦公室,組建包含統計學家與程式員的團隊,並獲馬會批出大額投注專用終端機(Big CIT),運作模式宛如華爾街量化對沖基金。1988 年獲利 60 萬美元,1989 年躍升至 300 萬美元,巔峰時期(如 2010 年)單年投注流水超過 700 億港元。

1994 年,Benter 罕見地發表了一篇名為 《Computer Based Horse Race Handicapping and Wagering Systems》 的學術論文,公開了他的核心理論框架(但保留了具體權重參數):

他建立了一個包含超過 130 個變數的資料庫,涵蓋馬匹過往分段時間、負磅、騎師與練馬師勝率、檔位偏差、場地乾濕度偏好、休賽天數,以及「上仗受阻或走外疊蝕位」等人工量化修正項。

Benter 發現,純粹靠基本面數據算出的勝率,依然難以單獨戰勝馬會高達 17.5% 以上的抽水;因為公眾賠率本身包含了海量馬迷與練馬師的隱性資訊。他的決定性突破是將「純基本面模型勝率 f_i」與「公眾市場隱含機率 π_i」透過對數線性模型融合:


透過最大概似估計(Maximum Likelihood Estimation)求得最佳權重 α 與 β,系統就能精準捕捉「基本面極強但被公眾低估」的錯價(Mispricing)。模型算出真實勝率後,系統會結合凱利公式(Kelly Criterion)在開跑前最後一刻自動買入數萬個正期望值組合,主攻計算極為複雜的三T(Triple Trio)與連贏彩池。

2001 年 11 月 6 日,香港賽馬會的三T彩池累積了巨額多寶,Benter 的演算法計算出當晚具備極高的正期望值。他投入約 160 萬港元,買入了 51,381 個電腦篩選出的組合。

結果賽事冷門頻出,Benter 的團隊竟然精準命中當晚頭獎(派彩高達約 1.18 億港元/約 1,600 萬美元)。然而,他並沒有去馬會領取這筆巨款——他將那張粉紅色的中獎彩票拿在辦公室拍了張合照後便鎖進保險箱,任由彩金過期自動撥歸馬會慈善信託基金。

隨著香港賽馬會收緊大戶規則及競爭者增多,Benter 逐漸將重心轉移回美國,但仍持續在全球各地馬場進行演算法投注。

他成立了 Benter Foundation,向美國與香港的教育、藝術及醫療項目捐贈了數千萬美元,並擔任醫療轉錄科技公司 Acusis 的主席兼國際行政總裁,偶爾在大學講授統計學與機率論。他亦曾出任香港扶輪社社長,並與港籍太太在香港結婚生子,與香港淵源極深。

2026年11月12日 星期四

(2026/11/12) Polymarket高手(2)

介紹別一位Polymarket高手Domer,盈利少一個量級,但背後思維對散戶(像我這種)更具參考價值。

Domer在 Polymarket 排行榜上曾用名為 JustKen,不僅在 Polymarket 上累積了超過 4 億美元的交易量,淨利潤達數百萬美元(單年盈利曾接近 300 萬美元),美國新聞節目《60 Minutes》和彭博社都曾對他進行專訪。

2000 年代中期,大學畢業後不久,他便辭去工作,趕上了線上德州撲克的黃金時代並以此維生。這段經歷賦予他極強的期望值(EV)計算、機率思維與資金管理(Bankroll Management)能力。但他後來厭倦了撲克極高的短期波動(Variance),即使打法完全正確,仍可能因為運氣而連續輸錢。

後來,他曾從事股票交易,擅長挖掘市場尚未定價的基本面細節(例如早期發現麥當勞龐大的自有地產價值)。但他發現股市的「時間週期」太不可控,即便看對方向,市場也可能需要數年才會修正錯誤定價。

2007 年至今,偶然接觸電影票房預測與早期政治預測平台 Intrade 後,他在 2008 年美國大選中大獲全勝,從此轉為全職預測市場玩家。預測市場完美結合了撲克的明確結算時間與股票的基本面研究優勢。

Domer 在 Polymarket 參與過超過 5,000 個市場,他並非靠內幕消息,而是依靠一套嚴謹的「資訊與機率套利」框架:

強調必須在市場還沒反應過來之前進場。在事件發酵初期,市場流動性低、資訊混雜,往往會出現嚴重的定價偏差。

在 2024 年美國大選特朗普公布副總統人選前 5 個月,當時 Polymarket 給 JD Vance 的勝率僅有 2%。Domer 深入研究了特朗普 2016 年挑選副手的歷史邏輯與政治需求後,果斷重倉買入。

他曾透過對梵蒂岡教廷動向的深度研究,押注當時被視為大冷門的 Prevost 當選教宗(Pope Leo XIV),單筆獲利超過 10 萬美元。

他每天醒來的第一秒就是拿起手機掃描全球隔夜新聞。但他不看二手評論,而是直接追蹤最原始、冷門的一線數據。例如在選舉期間,他會緊盯各州地方報紙、基層民調機構的原始交叉數據、甚至當地選舉官員的社群動態,在主流媒體消化這些資訊並反映在盤口前完成建倉。

Polymarket 上有大量帶有強烈政治立場或情緒化(Degen)的散戶,他們經常因為希望某事發生而盲目推高價格(例如某些明顯缺乏勝算的政治候選人)。Domer 擅長識別這種由情緒驅動的「泡沫賠率」,在市場過度反應時站在對立面提供流動性或買入被低估的 NO 份額。

高賠率冷門(如 2%–10%),用較小倉位博取數十倍的盈虧比。

高確定性事件(如 85%–95%),當他透過數據確認結果幾乎已成定局、但市場因猶豫而未給到 99% 時,他會投入重金賺取穩健的「無風險折價」。

除了單向押注外,他也會利用不同預測平台(如 Polymarket 與 Kalshi)之間的價差進行對沖套利,並在波動劇烈時掛限價單(Limit Order)賺取買賣價差(Spread),避免直接滑點損耗。






2026年11月11日 星期三

(2026/11/11) Polymarket高手

Polymarket 是目前全球最大的去中心化預測市場平台。它建立在加密貨幣區塊鏈(Polygon)之上,允許用戶針對未來的現實世界事件進行押注與交易,從政治大選、宏觀經濟政策、科技突破,到體育賽事與流行文化。

傳統博彩是house-banked,玩家對手是博彩公司,但polymarket是peer to peer,平台只是撮合不同玩家。

每個預測事件都會轉化為一組「Yes」(會發生)與「No」(不會發生)的交易份額(Shares)。份額價格在 $0.01 美元至 $0.99 美元 之間即時波動。

例如「Yes」的交易價格是 $0.65,代表市場認為該事件發生的概率為 65%。如果事件最終發生,持有「Yes」份額的人每股可獲得 $1.00 的結算回報(淨賺 $0.35);若未發生則歸零。用戶也不需要持有到事件結束,可以在事件演變的過程中隨時買入或賣出份額以鎖定利潤或止損。

2024年,曾經是法巴的宏觀金融交易員Macro Trader,Théo重倉了數千萬美元押注美國總統大選中特朗普勝選、奪下搖擺州及普選票,最終淨賺約 7,800 萬至 8,500 萬美元。

Théo主要靠自己花錢委託頂級民調機構的獨立數據,以及專業的資金管理。

本質上,邏輯與美股完全一致,都是流動性管理(Liquidity Management),考驗把大象塞進冰箱的執行力。

在 Polymarket ,深度與流動性遠不及傳統金融市場,一口氣建倉數千萬美元很容易引發極大的Market Impact Cost,進而將賠率拉爆、抬高自己的成本。

他利用多帳戶分流、嚴格限價掛單、時間加權分批等手段,在不驚動高頻 Bot 和市場情緒的前提下,隱蔽地完成了這筆巨額建倉。

建倉過程持續了數週甚至數月,切割成無數筆小額交易(從幾千美元到幾萬美元不等),分散在不同的時間段(包含全球各個時區的流動性高峰期)逐步成交。

在限價訂單簿(CLOB)上製造多個獨立買家在交替出價的假象,降低市場的戒心與情緒性擠兌。而且只在特定價格區間(例如勝率在 50%–56% 之間)掛出被動限價單Limit Orders 。當對手(如賀錦麗支持者)押注時,Théo 的訂單在底層靜靜吸收這些賣盤。

許多大選相關的子市場(如「普選票勝者」、「特定搖擺州歸屬」、「選舉人票範圍」)存在定價關聯性。

Théo 透過在不同的子市場、以及在關鍵的時間節點(例如當主流媒體發布有利於對手的民調造成短暫恐慌盤拋售時)進行精準接盤,實現了跨市場的流動性互補,拉低了整體組合的持倉成本。鎖定了在多種不同選舉結果下的收益曲線,大幅降低了極端意外導致本金清零的概率。




(2026/11/11) 如無必要,勿增實體

如果交易策略的出手次數不高,一年可能只有數十筆,在樣本數不足的情況下,應該遵循奧卡姆剃刀原則,如無必要,勿增實體。

在量化交易中,交易筆數必須遠大於策略參數數量,背後原因是每一個可調整的參數都在數學上賦予了策略一個自由度(Degree of Freedom)。

自由度代表策略能夠「彎曲、調整曲線」去迎合歷史數據的能力。當參數數量 增加時,策略在歷史數據上畫出完美獲利曲線的能力就會呈指數級上升。

當交易筆數與參數數量接近時,策略根本不是在捕捉Alpha,而是在「強行記憶」過去特定時間點的隨機雜訊。

所以業界嚴謹的做法是交易筆數至少是參數數量的 20 到 50 倍以上,若涉及機器學習或神經網路模型(參數動輒數百個),所需要的樣本數往往需要達到數萬甚至數十萬筆。

減少參數的核心目的,是將策略的自由度降到最低,確保系統捕捉到的是市場結構的真實 Alpha,而不是歷史數據中的隨機雜訊。也解釋了為什麼一些核心邏輯簡單到一眼就看懂,反而具備統計穩健性,生命力強。


2026年11月10日 星期二

(2026/11/10) 從統計角度看交易筆數

在交易統計中,「交易筆數」容易誤導,在broker券商角度看,買進算 1 筆,賣出又算 1 筆,如果你分 2 次買進、分 3 次賣出,券商明細上就會顯示 5 筆成交紀錄。券商這樣算主要是為了計算佣金、手續費和結算成本。

對交易員而言,trade count是一筆完整的Round Trip,只要這筆倉位從建立到完全平倉,在統計勝率、盈虧比和總交易次數時,被歸類為 1 筆交易,對計算期望值和回測績效最有意義。

交易筆數是決定交易系統是否具備統計顯著性(Statistical Significance)與穩健性的核心參數,交易策略的期望值需要足夠的樣本數 N 才能收斂至真實分佈。


N<30時,勝率和盈虧比極易受隨機雜訊干擾。


N=30時,擺脫極端小樣本失真。這數字並非憑空想像,而是來自中心極限定理(Central Limit Theorem, CLT)與 t 分佈(Student's t-distribution) 的演繹推導。當樣本數 N 達到 30 時,大多數中度偏態分佈的平均數抽樣分佈,其偏態程度已被壓低到足以忽略不計,常態逼近的誤差通常低於 5%。


N=100時,根據大數定律,實際表現會逐漸逼近數學期望值,勝率的抽樣誤差範圍(Margin of Error)控制在 ±10% 以內。


如果放大至1000筆,交易筆數增加到10倍,但抽樣誤差只是由±10% 降至±3.16% ,具備高度的統計穩定性,幾乎可以排除運氣成分。統計學的邊際效益明顯地遞減,對散戶而言,100筆是合理的門檻。

對於量化策略的基金,如HFT高頻交易,回測可能達數萬筆至數百萬筆。筆數越多,資金容量(AUM)通常越受限。當筆數放大到超過市場深度時,自身的進出單會造成Market Impact,直接吞噬利潤。因此,量化基金會嚴格監控Turnover Ratio的最佳化曲線。

機構不只看總筆數,更看這些筆數分佈在什麼經濟環境。專業回測通常要求涵蓋至少 10 至 20 年的歷史數據,橫跨多次牛熊轉換。

標準做法是將數據切分為樣本內(In-Sample, 70%)與樣本外(Out-of-Sample, 30%)。策略在樣本內調校完畢後,必須在未見過的新數據(OOS)中維持相近的交易筆數與勝率表現,才算通過風控審查。

有一條概念是交易筆數必須遠大於策略參數數量。如果一個策略有 10 個可調整參數,但在歷史回測中只有 80 筆交易,這 100% 屬於曲線擬合(Curve Fitting),實盤上線必定失效。通常要求交易筆數至少是參數數量的 20 到 50 倍以上。

反過來說,散戶策略只有 1 到 2 個核心參數(甚至沒有可調整參數),根本不需要統計上千筆交易筆數。





2026年11月9日 星期一

(2026/11/9) 結構性交易的勝率極高

系統有分為隨機性與決定性,決定性系統(Deterministic System)是指在既定相同的初始條件和運作規則下,系統的未來狀態、演化軌跡與最終輸出是完全確定且唯一的。

市場是一個動態切換、多重特徵交織的複合系統,交易的本質就變成了一場辨識系統狀態(Regime Recognition)與匹配應對策略的遊戲。

在常態市場下,價格呈現隨機或微弱趨勢的特徵,市場參與者眾多,各方的資金量、持有週期、風險偏好完全不同。買賣雙方在任何一個價位都可能找到相對應的對手盤。在流動性充足的情況下,Order Book兩側充滿了做市商(Market Maker)的雙向報價、演算法拆單與散戶的零散訂單。這些訂單相互抵消與隨機撞擊,形成了價格在短期內的微幅震盪(Noise)。此時,價格演變符合統計學上的隨機過程(如布朗運動),技術分析或預測的勝率往往只維持在大數法則的統計優勢上。

一般能穩定獲利的高手,大概做到65-75%勝率之間,透過嚴格控制風險對抗variance,獲取統計上的優勢。

但如果獲利是建立在市場機制及結構上,其勝率會比普通高手有一個數量級差距。當市場觸發某些極端條件時,多樣化的參與者會瞬間轉變成方向一致的單向行為,隨機性隨之瓦解,決定性法則開始主導。

這類策略的高手在常態 Regime保持低風險暴露、試探性輕倉、甚至完全休息。等待的是強制性約束(Enforced Constraints)出現,諸如機構被迫 Margin Call、爆倉單被清算引擎強制拋售、做市商(Market Maker)在 Gamma 擠壓或動態對衝中,必須按 Delta 公式在現貨市場無腦追買/追賣。基本上是“攻其必救”。

還有一類我具體參與過的策略,賺了八位數美元利潤,也具這性質:

收市競價時段(美股 MOC/LOC)是全天交易中規則約束最強、資訊透明度最高、且資金驅動極其機械化的時間窗口。在這個時段,市場從連續交易(Continuous Trading)的雙向隨機撞擊,轉變為集中撮合(Single-Price Auction)的演算法對決,套利與結構性策略的確定性因此被拉到極高。

在收市競價期間,交易所會定期公佈收盤盤後失衡數據(Imbalance Data),公開市場上還剩多少淨買單(Buy Imbalance)或淨賣單(Sell Imbalance)需要在收盤價成交。

如果美股 MOC在 15:50 顯示有巨大的買入失衡,且做市商無法在短時間內提供足夠的賣單,價格在收盤撮合前必須向上修正以誘發新的賣盤來達成市場清算(Clearing)。這不是猜測,而是撮合演算法的數學約束。

ETF績效考量指標是跟蹤誤差(Tracking Error)。為了讓淨值(NAV)與指數官方收盤價完全貼合,基金經理或演算法被禁止在盤中隨意下注。他們必須把絕大部分的再平衡訂單(Rebalancing Orders)集中在收盤競價時段以收盤價成交。這種百億級別的資金流動是公開且無條件執行的,只求成交、不計成本。

許多衍生品(如 OTC 掉期、波動率期權、結構性產品)的結算價直接取決於收盤價。市場大戶或做市商為了對衝極大的衍生品風險,會在競價時段集中動用現貨資金拉抬或壓低收盤價,形成極強的單邊推進。

當檢測到日均成交量(ADV)極度異常的買入失衡時,在連續交易最後階段(或競價初期)買入現貨,並在競價撮合的高點(或溢價處)提供賣出,吃掉被動資金不計代價買入的溢價(Liquidity Premium)。


2026年11月8日 星期日

(2026/11/8) 交易與行為心理

没有想到上一篇剛寫完,隔日11月5日就出現納指單日崩跌6.36%,估計再有一批賬戶blow up。

終於有機會再講心理,對得住這個網誌的名稱。

在交易中,大腦的獎勵機制是以「結果導向」而非「過程正確」運作。只要某個動作最後讓你賺到了錢或避免了當下的痛苦,大腦就會釋放多巴胺,將這個行為標註為「正確」。

這就是交易中最致命的錯誤強化(False Reinforcement)。

在行為心理學(Operant Conditioning)中,有「正向」就一定有「負向」,而且「負向強化」(Negative Reinforcement)往往是做出種種毀滅性壞行為的最強大隱性推手。

• 強化(Reinforcement):目標是增加某個行為發生的頻率。

• 正向(Positive):給予一個愉悅刺激(如:賺到錢、獲得成就感)。

• 負向(Negative):移走或擺脫一個痛苦/不適刺激(如:消除焦慮、逃避損失感)。

負向強化的核心邏輯是:「只要你做這個動作,當下的痛苦或焦慮就會立刻消失。」 大腦會迅速記住這種「解脫感」,並在下次焦慮時重蹈覆轍。

有很多常見的交易行為都陷入了各種正向或負向強化:

價格跌破止損後繼續持有,甚至加碼攤平,最後行情反彈成功解套甚至盈利。強化了大腦將「避免掉止損後的實質虧損痛苦」視為勝利,建立強烈的避痛迴路。

建倉後剛有一點微薄利潤就因為害怕利潤回吐而急忙平倉離場,大腦拿到了落袋為安的即時確定感與微量多巴胺獎勵。這種行為短期內勝率極高,但長期會徹底破壞期望值結構。平倉的瞬間,焦慮感瞬間煙消雲散(痛苦被移除了)。大腦被成功強化了這個行為,導致你永遠抱不住大行情,盈虧比徹底失衡。

沒有出現任何符合系統的進場setup,僅憑消息或手癢隨機扣動扳機,結果順利賺到錢。類似老虎機的間歇性強化(Intermittent Reinforcement),不定期發放的意外獎勵最容易令人上癮。

剛被止損一筆,大腦處於「不甘心、自尊受打擊」的極度不適狀態,只要重新開倉,大腦就會獲得一種「我正在把錢贏回來」的虛幻掌控感,暫時壓制了剛剛虧損的痛苦。(Revenge Trading)




2026年11月4日 星期三

(2026/11/4) 交易員心理側寫

十月尾,美股似乎十分波動,在社交平台見到有一個人爆了倉,看他的equity curve過去一年都是穩步上升,突然崩跌,倒輸回去。

一是策略本身隱藏risk of ruin,現在遇上market regime shift才爆;一是策略没有問題,但心態崩潰,失控亂來導致。

没有其他資訊,但只簡單看淨值走勢,也可以此為線索來一個profiling:

因為每次回踩都能硬扛回來,equity curve會呈現出一條完美的 45 度角斜線。當策略連續勝了 10 個月,交易者會產生「幻覺」,以為自己破解了市場密碼,過去的謹慎徹底消失。

為了賺得更快,他開始主動加大槓桿、倉位,甚至在不符合策略規則的時機強行重倉進場。正好趕上行情配合,本金在短時間內出現急升。

當市場終於出現反向極端走勢時,因為之前的暴利讓他對損失產生了極強的拒絕心理。本該切斷的止損被手動取消,甚至加碼死守,試圖一波回本。

到了這個階段,他已經上頭,完全拋棄了原本的規則,演變成憑情緒賭博,最終在一次流動性枯竭或Margin Call中被交易所強平清零。