Strategy

金融投資研究最難的地方在於，不能單純根據過往的經驗，來對未來某件事情判斷發生的機率，所以從以前到現在，每次的金融風暴或股市大多頭都會有人精準預測，但每次都是不同人。

要根除這個問題，最理想的做法是從人的經濟行為去著手，就像Kostolany描述的那樣，透過長線的經濟數據組成的資料庫來分析，人的實體經濟是主軸，證券市場是狗，投資人專心追著人跑，而不是狗，雖然狗有時會偏離實體經濟軌道，但狗最終還是會回到人的身旁。

所以不能從經濟數據直接解讀，要從人的經濟行為去解讀，透過big data的統計，去交叉比對找出方向，而不是注意當下的經濟數據變化。

例如現在美國自願離職的員工數量變化、汽車耗油量和里程數、各種產業水電消耗量、各產業的工時變化、各種商店的客人進出數量統計等等，經濟有無真的成長，從 這些數據變化才能觀察，他是追蹤人類的基本經濟行為，例如上述數據如果都是成長的，代表實體經濟真的好轉，能夠真的帶動企業營收和民間消費成長。

經濟不好，員工怎麼敢自願離職，消費者也不會開車四處走，企業有營運才會消耗水電，商店有人潮就有相對消費，這種數據統計隱藏大量big data的概念，這才是有效率的數據，這些數據目前正進入更高的成長期，所以對美國經濟樂觀，對股市也可以樂觀，這是透過量化數據來投資的概念。

投資人在研究經濟數據有幾個重點

第一，不能只看一個月，應該把每個月的數據做成線圖，去觀察相對應變化，當下剛出爐的經濟數據大多只能改變短線，長線意義不大。

第二，有些數據不是有效益的經濟數據，它不會反映後續景氣的變化，而是當下景氣好壞反映在它身上，最常見的例子是失業率，想找工作的人找不到工作，計算在失業率裡面，但景氣差，想找工作的人減少，失業率也會下降，未必能真實反映景氣，但是觀察，請領失業救濟金人數或就業人口，有領補助金或有工作，數據一筆一筆統計，這是相對高效率的數據呈現。

第三，有些數據只能反映短線的證券市場變化，那不能反映長線實體經濟，那是在追狗，而非追人。

第四，全球經濟體或原物料商品的最大影響力來源都是美國，不管操作哪一種商品或哪一國股市，最上游的美國經濟都是研究重點，只要美國出現大型金融危機或改變貨幣政策，全球幾乎都會受到影響。

投資做功課以前應該釐清這些原則，這樣才能事半功倍，對經濟或數據反映敏感度較低的投資人，要盡量把布局的周期拉長，讓自己有從容不迫看待市場的機會，耐心等待，讓時間成為投資的朋友。