0

2
0

文字

分享

0
2
0

塞車是連假無法逃離的命運?【影音】

PanSci_96
・2016/02/04 ・203字 ・閱讀時間少於 1 分鐘 ・SR值 367 ・三年級

「難道,真的回不去了嗎?」「沒錯,真的回不去了…….」

塞車是春節返鄉的遊子們不得不面對的嚴峻考驗,尤其當高速公路徹底化身為一個大停車場時,更是令人絕望到想砸車窗。

究竟塞車是怎麼發生的?

______________________________

-----廣告,請繼續往下閱讀-----

想了解更多塞車的科學?你需要看這三篇:

文章難易度
PanSci_96
1217 篇文章 ・ 2149 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

9
2

文字

分享

0
9
2
快!還要更快!讓國家級地震警報更好用的「都會區強震預警精進計畫」
鳥苷三磷酸 (PanSci Promo)_96
・2024/01/21 ・2584字 ・閱讀時間約 5 分鐘

本文由 交通部中央氣象署 委託,泛科學企劃執行。

  • 文/陳儀珈

從地震儀感應到地震的震動,到我們的手機響起國家級警報,大約需要多少時間?

臺灣從 1991 年開始大量增建地震測站;1999 年臺灣爆發了 921 大地震,當時的地震速報系統約在震後 102 秒完成地震定位;2014 年正式對公眾推播強震即時警報;到了 2020 年 4 月,隨著技術不斷革新,當時交通部中央氣象局地震測報中心(以下簡稱為地震中心)僅需 10 秒,就可以發出地震預警訊息!

然而,地震中心並未因此而自滿,而是持續擴建地震觀測網,開發新技術。近年來,地震中心執行前瞻基礎建設 2.0「都會區強震預警精進計畫」,預計讓臺灣的地震預警系統邁入下一個新紀元!

-----廣告,請繼續往下閱讀-----

連上網路吧!用建設與技術,換取獲得地震資料的時間

「都會區強震預警精進計畫」起源於「民生公共物聯網數據應用及產業開展計畫」,該計畫致力於跨部會、跨單位合作,由 11 個執行單位共同策畫,致力於優化我國環境與防災治理,並建置資料開放平台。

看到這裡,或許你還沒反應過來地震預警系統跟物聯網(Internet of Things,IoT)有什麼關係,嘿嘿,那可大有關係啦!

當我們將各種實體物品透過網路連結起來,建立彼此與裝置的通訊後,成為了所謂的物聯網。在我國的地震預警系統中,即是透過將地震儀的資料即時傳輸到聯網系統,並進行運算,實現了對地震活動的即時監測和預警。

地震中心在臺灣架設了 700 多個強震監測站,但能夠和地震中心即時連線的,只有其中 500 個,藉由這項計畫,地震中心將致力增加可連線的強震監測站數量,並優化原有強震監測站的聯網品質。

-----廣告,請繼續往下閱讀-----

在地震中心的評估中,可以連線的強震監測站大約可在 113 年時,從原有的 500 個增加至 600 個,並且更新現有監測站的軟體與硬體設備,藉此提升地震預警系統的效能。

由此可知,倘若地震儀沒有了聯網的功能,我們也形同完全失去了地震預警系統的一切。

把地震儀放到井下後,有什麼好處?

除了加強地震儀的聯網功能外,把地震儀「放到地下」,也是提升地震預警系統效能的關鍵做法。

為什麼要把地震儀放到地底下?用日常生活來比喻的話,就像是買屋子時,要選擇鬧中取靜的社區,才不會讓吵雜的環境影響自己在房間聆聽優美的音樂;看星星時,要選擇光害比較不嚴重的山區,才能看清楚一閃又一閃的美麗星空。

-----廣告,請繼續往下閱讀-----

地表有太多、太多的環境雜訊了,因此當地震儀被安裝在地表時,想要從混亂的「噪音」之中找出關鍵的地震波,就像是在搖滾演唱會裡聽電話一樣困難,無論是電腦或研究人員,都需要花費比較多的時間,才能判讀來自地震的波形。

這些環境雜訊都是從哪裡來的?基本上,只要是你想得到的人為震動,對地震儀來說,都有可能是「噪音」!

當地震儀靠近工地或馬路時,一輛輛大卡車框啷、框啷地經過測站,是噪音;大稻埕夏日節放起絢麗的煙火,隨著煙花在天空上一個一個的炸開,也是噪音;台北捷運行經軌道的摩擦與震動,那也是噪音;有好奇的路人經過測站,推了推踢了下測站時,那也是不可忽視的噪音。

因此,井下地震儀(Borehole seismometer)的主要目的,就是盡量讓地震儀「遠離塵囂」,記錄到更清楚、雜訊更少的地震波!​無論是微震、強震,還是來自遠方的地震,井下地震儀都能提供遠比地表地震儀更高品質的訊號。

-----廣告,請繼續往下閱讀-----

地震中心於 2008 年展開建置井下地震儀觀測站的行動,根據不同測站底下的地質條件,​將井下地震儀放置在深達 30~500 公尺的乾井深處。​除了地震儀外,站房內也會備有資料收錄器、網路傳輸設備、不斷電設備與電池,讓測站可以儲存、傳送資料。

既然井下地震儀這麼強大,為什麼無法大規模建造測站呢?簡單來說,這一切可以歸咎於技術和成本問題。

安裝井下地震儀需要鑽井,然而鑽井的深度、難度均會提高時間、技術與金錢成本,因此,即使井下地震儀的訊號再好,若非有國家建設計畫的支援,也難以大量建置。

人口聚集,震災好嚴重?建立「客製化」的地震預警系統!

臺灣人口主要聚集於西半部,然而此區的震源深度較淺,再加上密集的人口與建築,容易造成相當重大的災害。

-----廣告,請繼續往下閱讀-----

許多都會區的建築老舊且密集,當屋齡超過 50 歲時,它很有可能是在沒有耐震規範的背景下建造而成的的,若是超過 25 年左右的房屋,也有可能不符合最新的耐震規範,並未具備現今標準下足夠的耐震能力。 

延伸閱讀:

在地震界有句名言「地震不會殺人,但建築物會」,因此,若建築物的結構不符合地震規範,地震發生時,在同一面積下越密集的老屋,有可能造成越多的傷亡。

因此,對於發生在都會區的直下型地震,預警時間的要求更高,需求也更迫切。

-----廣告,請繼續往下閱讀-----

地震中心著手於人口密集之都會區開發「客製化」的強震預警系統,目標針對都會區直下型淺層地震,可以在「震後 7 秒內」發布地震警報,將地震預警盲區縮小為 25 公里。

111 年起,地震中心已先後完成大臺北地區、桃園市客製化作業模組,並開始上線測試,當前正致力於臺南市的模組,未來的目標為高雄市與臺中市。

永不停歇的防災宣導行動、地震預警技術研發

地震預警系統僅能在地震來臨時警示民眾避難,無法主動保護民眾的生命安全,若人民沒有搭配正確的防震防災觀念,即使地震警報再快,也無法達到有效的防災效果。

因此除了不斷革新地震預警系統的技術,地震中心也積極投入於地震的宣導活動和教育管道,經營 Facebook 粉絲專頁「報地震 – 中央氣象署」、跨部會舉辦《地震島大冒險》特展、《震守家園 — 民生公共物聯網主題展》,讓民眾了解正確的避難行為與應變作為,充分發揮地震警報的效果。

-----廣告,請繼續往下閱讀-----

此外,雖然地震中心預計於 114 年將都會區的預警費時縮減為 7 秒,研發新技術的腳步不會停止;未來,他們將應用 AI 技術,持續強化地震預警系統的效能,降低地震對臺灣人民的威脅程度,保障你我生命財產安全。

文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
196 篇文章 ・ 300 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

1

22
2

文字

分享

1
22
2
塞車好心煩!自動駕駛能解嗎?——台大資工林忠緯專訪
科技大觀園_96
・2021/02/08 ・4673字 ・閱讀時間約 9 分鐘 ・SR值 526 ・七年級

每到年節時期,不管返鄉或是出遊,用路人最討厭遇到的就是塞車,漫長的等待、讓人踩剎車踩到腳痛的行車速度,抑或是被汽車廢煙包圍的感覺,本是愉悅心情恐怕都大打折扣。你也是恨不得讓「塞車」這個詞消失在這世界上的人嗎?自動駕駛或許能幫你達成心願喔~感到好奇的話,那就繼續看下去吧!

造成塞車的幕後黑手是誰?

試想,人類與機器人在駕駛汽車時,要維持車與車之間等速前進,誰會 hold 得最好呢?答案很明顯是……機器人!為什麼呢?關鍵就在於「人類的反應速度」,反應速度因人而異:當老(手)司機在開車時,他們能夠對於哪時候該踩剎車、油門的反應速度快,因此不會因誤判與前車之間的距離,而落下一大段「空白車距」;然而菜鳥司機就不一樣了,他們反應速度沒有老(手)司機快,所以在看到前方車輛時,因無法正確判斷哪時候踩剎車最恰當,加上基於安全意識都會先減慢避免 A 到前車為第一反應,「空白車距」自然就出現了~而後方的車輛們會因為這位菜鳥司機(老鼠屎)的行車速度減慢而開始擠成一團,造成塞車。

相信駕駛人們遇到塞車的反應都跟圖片中的人一樣煩悶不堪。圖/GIPHY

相反地,當機器人在行車時,因為他們的動作程序一致,因此能穩穩地維持等速行駛。這也就是為何現今車廠想推出自動駕駛車(以下簡稱「自駕車」)的原因之一。自動駕駛真有那麼神嗎?讓我們來一一剖析它吧!

延伸閱讀:連假無法逃離宿命!為什麼會塞車呢?

自駕車大小事

自動駕駛,顧名思義就是讓車子在無人為操作的情況下,將行車速度與控制車間距離等原本需要手動操控車子行進的動作轉為自動化,以減輕駕駛人的行車負擔。

  • 自動駕駛分級:

自動駕駛可是也有分級制度的!國際汽車工程師協會 (Society of Automotive Engineers, SAE) 依據汽車的自動化程度分為以下級別:

-----廣告,請繼續往下閱讀-----
參考資料:SAE International

時至 2020 年末,汽車業的自動駕駛即將發展至第四級,第五級則是各企業競相達成的最終目標。

  • 自駕車的配備主要有哪些?
    • 感測器:相當於人類的眼睛,能辨識障礙物的種類及位置。而感測器又可分為攝影機(Camera)、光達(LiDAR)、雷達(Radar)、超音波這四種,不同種的感測器對於環境辨識及障礙物解析力也會有差異。
    • 動態定位:相當於 Google 地圖功能,當接收來自感測器的環境資訊後,自駕車能協同 GPS、IMU 與高精準地圖資訊等定位工具自動辨識車輛所在位置及設定目的地。
    • 智慧決策:相當於人腦的決斷力,透過整合電子地圖 (RNDF/OpenStreetMap)、感知融合(Perception)、靜態軌跡規劃(Mission Planning)、行為規劃(Behavior Planning)以決定自駕車整體需執行哪些動作及規劃。
    • 電控底盤:負責車子的轉向、剎車及油門。

參考資料:自駕車發展趨勢與關鍵技術

自駕車能透過感測器偵測車距以維持車與車之間最佳距離。圖/GIPHY

自動駕駛真的能解決塞車嗎?

自駕車本身雖能達到自動辨識路口標誌及安全煞停系統,但它就像一個好的食材,需要透過精湛的廚藝及調料的輔助才能發揮它最完美的風味,而輔助自駕車的便是「車聯網」。究竟什麼是「車聯網」?自駕車與車聯網的搭配真的能解決塞車嗎?就讓台大資工系的林忠緯教授來幫大家解惑吧!

林忠緯教授熟知自駕車與車聯網的研究。圖/轉自科技大觀園。

林忠緯教授小檔案:
林忠緯教授在博班時期的研究題目即是關於 Cyber-Physical System(CPS)的研究,而 CPS 簡單來說是指能夠執行物理層面上動作的電子產品,例如車子(能在路上行走)、心律調節器(能放電控制心律)都屬於 CPS。林教授在博班的研究即是關於車子的 CPS,也曾在美國通用汽車(General Motors)實習,畢業後持續拓展自己所長,進入加州矽谷的豐田汽車(Toyota InfoTechnology Center)擔任研究員。林教授熟知自駕車與車聯網的研究,自身也致力於自駕車、車聯網與資安問題的研究,並開心表示對於未來 28 年後自駕車的展望懷抱深深的期許。

  1. 車聯網是什麼?
    車聯網(Internet of Vehicles,IoV)是指車與車之間(vehicle-to-vehicle,V2V),或車與道路狀況(Vehicle-to-everything, V2X)之間利用網路互相交換、接收感測器所會彙整出的訊息,以達到更完善、迅速的交通網絡資訊交流,讓用路人能即時獲得路況的整體資訊。
車聯網就是車子版本的物聯網。圖/Pixabay
  1. 自駕車結合車聯網真能解決塞車嗎?
    若要剖析塞車問題,其實可以分成以下幾種狀況,自駕車必須面對各種塞車情況作出相對應的解決方案。
    1. 選擇路徑:假如過年走春行程是去宜蘭玩,大家通常會想到要走雪隧,然而當大家都走雪隧的話,勢必會造成大塞車。而車聯網能即時追蹤到已經開始塞車的道路,並通知自駕車可以改走較為不塞車的路段(例如北宜),這時候就達到了疏散車流量的效果。
    2. 路口與路口間的交通號誌:假如今天車子走在路上,一路都是綠燈當然令人心情愉悅,反之,則會導致後面開始塞車,因此在車聯網當中也可以整合總體交通號誌的順暢運行。
    3. 單一路口的車輛運行:通常遇到駕駛人遇到路口,都需先放慢行駛速度,觀察轉角方向是否有來車,再行通過;當一個路口車多時,塞車肯定逃不掉~而車聯網能達成上述第二點的升級版——便是不用交通號誌!車聯網就像是開上帝視角,可以同時獲得路口的各道路資訊,而這些資訊是單一自駕車無法自行偵測的,自駕車針對這些資訊做出相對應的動作,而自駕車對於這些動作的控制能比駕駛人更加精準,因此車聯網與自駕車能夠相輔相成增加路口的運行效率。
    4. 單一車輛的運行:車聯網與自駕車亦能互相搭配在安全的前提下縮短跟車距離並減少過度保守的煞車,如此道路的使用率能夠提升,也能減少塞車的機率。
自駕車結合車聯網能達成無須紅綠燈,路口間也能順暢行駛。圖/GIPHY

林教授認為自駕車結合車聯網勢必能解決部分層面的塞車問題,也能避免酒駕、恍神、視線死角等人為意外肇事的發生比率,但在現實生活要自駕車能實際放在道路上跑,現階段仍面臨重重難關。

  1. 自駕車的發展現階段會遇到哪些瓶頸?
    讓我們想像一下,當自駕車、車聯網已完全取代所有的交通系統,實際上最有可能會發生以下幾種瓶頸:
    • 瓶頸一:自駕車的整合系統尚未完善
      林教授個人認為目前自駕車的整合系統會是一大問題,即便供應商提供再好的車組配件,配件與配件之間的整合系統不佳還是會造成車子載運行時效率不佳甚至還可能會釀成車禍,或是遭駭客入侵自駕車系統。所以教授認為設計一個具縝密規畫的整合系統,不僅可以讓車子運行順暢,也能保障駕駛人的安全。
    • 瓶頸二:法規訂定的難題
      當自駕車發生車禍了,那誰該跳出來負責任呢?該怪自駕車內部的機器學習沒有收納進這些意外狀況的數據嗎?還是都是工程師的錯?其實這也是自駕車衍伸出的頭疼題,而林教授針對這個問題也提出相關建議,例如在購買自駕車時,售價的一部分可以作為保險補償,當發生意外時,便能獲得補償金。
    • 瓶頸三:消費者的接受程度
      消費者在購買商品時常會考慮價格及使用感受,而自駕車雖然目前製造成本高昂,但相信未來隨著自駕車的研發技術逐漸成熟,成本也會隨之下降,但成本要降到多低才能達到量產,以及售價普遍是消費者能接受的範圍仍是個問題。另外,感受度的部分,當我們坐進自駕車裡面,由於自駕車可以精準縮小車距,因此當對向來車很近地迎面衝過來,真的不會嚇到嗎?因為自駕車有別於以往的行車感受,所以也不見得能被所有消費者接受。
      另外,有部分消費者享受自己駕馭車子的樂趣,所以他們也不會想使用自駕車,當道路上並非統一是自駕車的情形,要達成車聯網更是難上加難哪~
    • 瓶頸四:資安問題
      自駕車結合車聯網運行時極需網路,而有網路的地方,駭客便如影隨形,當駭客像電影情節一樣駭入車聯網時,不但會構成駕駛人的性命威脅,甚至還會造成全面性的交通世紀大癱瘓!水能載舟亦能覆舟,車聯網雖能讓交通運行更順暢,也可能會釀成一場可怕的災難,因此林教授強調維護資安也是設計車聯網的重點項目。

解決塞車問題的理想藍圖

當我們檢視塞車問題的視野再拉遠一點,除了自駕車及車聯網以外,教授也慷慨地分享了以下管道解決塞車問題:

-----廣告,請繼續往下閱讀-----
  • 共享汽車:當大家都選擇搭乘共享自駕車,便能減低車流量與車子的總量(大家更傾向不買車),路上的車子少了,便能減低塞車的發生率。(傳染病盛行的時代不太適用)
  • 道路擴大:當車子的總量下降,停車需求減少,空間使用更有彈性。當道路新增了好幾條線,便能分散車流,避免全部車子堵在同一條路上。
  • 網路通訊:現在網路科技發達,人們在家也能透過網路完成視訊會議、參與活動,減少出門的必要性,也就無須駕車。

結語

雖然現階段自駕車要完全解決塞車問題仍需經時間歷練,但相信透過林忠緯教授及眾多研發單位的辛勤貢獻,大家在春節期間能夠利用自駕車與車聯網享受更加順暢、迅速的行車體驗,而不再受塞車之苦的日子指日可待!新春期間,也祝大家行車平安,旅途別塞!

塞車問題仍需大家共同努力解決,才能營造良好的交通網絡。圖/GIPHY

參考資料

  1. 「自駕車受騙上當和辨識盲點」之專家回應
  2. 為何美國交通部選用SAE的自動駕駛分級,而棄NHTSA丨汽車商業評論
  3. 自動駕駛車發展現況與未來趨勢
  4. 何謂自動駕駛?
  5. 關於自動駕駛:內行人才會懂的有話直說
  6. 對於塞車問題,智慧交通提供的四大解決方案
  7. 塞車讓駕駛踩煞車踩到抽筋,汽車新科技解決這困擾!(內有影片)
  8. 2020 最新自動駕駛技術報告出爐!以特斯拉、Volvo 為例,全面涵蓋智駕技術
  9. 網宇實體系統與製造應用- 熱門焦點- 經濟部技術處
  10. Wevolver: Knowledge for engineers
  11. 一起來用十分鐘略懂自駕車吧!GoGoGo!
  12. 無人駕駛車/自駕車技術探索
  13. SAE International
  14. 科學月刊:不需駕駛也能輕鬆上路-淺談自駕車與高精地圖
所有討論 1
科技大觀園_96
82 篇文章 ・ 1124 位粉絲
為妥善保存多年來此類科普活動產出的成果,並使一般大眾能透過網際網路分享科普資源,科技部於2007年完成「科技大觀園」科普網站的建置,並於2008年1月正式上線營運。 「科技大觀園」網站為一數位整合平台,累積了大量的科普影音、科技新知、科普文章、科普演講及各類科普活動訊息,期使科學能扎根於每個人的生活與文化中。

0

0
0

文字

分享

0
0
0
用統計學看股票投資:投資人理性嗎?「追高殺低」真能穩賺不賠?
研之有物│中央研究院_96
・2018/01/25 ・4308字 ・閱讀時間約 8 分鐘 ・SR值 545 ・八年級

「行情總是在絕望中誕生,在半信半疑中成長,在憧憬中成熟,在充滿希望中毀滅。」

──華爾街諺語

其中(股票投資)有哪些預期心理會和動能效應互相影響?本文專訪中研院統計所的何淮中研究員。

投資策略研究

「 2000 年受臺大財金系合聘之邀,我開了一門『財務統計』課程。當時股市正值科技泡沫,我很好奇為什麼會有這個現象,加上受到財金系同事和學生的耳濡目染,漸漸覺得財務的『實證研究』蠻有趣,就一直研究到現在……」

研究室位於中研院統計所的迴廊深處,何淮中像個隱士般。置身股市戰線之外,以嚴謹的統計模型、歷史的股市資料,驗證股票市場的理性與不理性。

從小黑板上的數學題難不倒何淮中,對數字的靈敏,長大後轉化為統計分析的本領。 攝影│張語辰
從小黑板上的數學題難不倒何淮中,對數字的靈敏,長大後轉化為統計分析的本領。攝影/張語辰。

投資人有理性嗎?

市場,由人的行為構成。過往「效率市場」假說認為「投資人都是理性的」,而且市場上的資訊會迅速地被所有投資人知道,因此投資人可以在多種方案中,理性選擇能使共同利益最大化的一種方案。

但 2017 年獲得諾貝爾經濟學獎的 Richard H. Thaler ,曾經做一個有趣的實驗,闡述另一位諾貝爾經濟學獎得主 Herbert Simon 所提的「有限理性」(bounded rationality),證明人沒有辦法完全理性。

Richard H. Thaler 在 1997 年 5 月於《金融時報》(Financial Times)刊登一則活動廣告,希望大家來報名參加 “pick a number game” ,大獎是英國航空往返倫敦與紐約/芝加哥的機票。玩法很簡單,只要玩家在 1~100 中選一個整數寫在信中、寄回主辦單位,截止後將所有收到的數字蒐集起來「取平均數、再乘以三分之二 」 ,最靠近這個數字的玩家,就是贏家。

假設 5 個人參加比賽,他們選擇 10,20, 30, 40 和 50 ,在此情況下,平均數是 30,而 30 的三分之二是 20 ,因此最初選擇 20 的玩家是勝利者。

這遊戲的隱含意義是──人們的預期心理、有限的理性。

若按照「市場是理性」假說,所有玩家應該會預期別人選擇什麼數字、並取平均數再乘以三分之二;然後又預期別人應該也會這麼做,又再取平均數再乘以三分之二……;經過這樣的循環,直到最後每個人都會選擇 1。

但無論是 1997 年《金融時報》這次、或我在各場合玩這個遊戲,都發現理性是有限的,人們一開始只會猜測別人的答案兩到三次循環,然後就選一個直覺大概沒錯的數字。

不同市場群體,會理性到什麼程度,我們可能不知道,就需要蒐集資料、根據統計來估計,這就是統計的重要性。

預期心理是什麼?

以股票市場來說,股票的價格由市場供需決定。若投資人預期某股未來表現良好,會紛紛進場買進,股價就會上揚。若投資人對某股預期悲觀,會紛紛賣出,導致股票下跌。

但其實台股的「菜籃族」常常搞不清楚股票上漲或下跌的原因,聽聞小道消息就跟風「追高殺低」,導致損失慘重。其實這背後有「動能效應」可以解釋,1993  年由 Jegadeesh and Titman 提出,指的是股票報酬率有持續性的現象,強者恆強、弱者恆弱。

跟風的菜籃族,若未留意股票市場的「動能效應」,常出現這些內心獨白。 圖說設計│林婷嫻、張語辰
跟風的菜籃族,若未留意股票市場的「動能效應」,常出現這些內心獨白。圖說設計/林婷嫻、張語辰。

動能效應是什麼?

由於動能效應,股票報酬強者恆強、弱者恆弱。有些投資人藉此採取「追高殺低」法,賺取一定期間內股價持續上漲、或持續下跌過程中的「價差」。

投資人會有預期心理,預期心理又受到小道消息影響。由於小道消息的資訊傳遞像漣漪一層層擴散出去,因此股價在一定期間內呈現漲繼續漲、跌繼續跌,好像有個「動能」在持續推高或拉低股價

動能投資策略,就是運用這種現象來規劃投資組合:買進贏家股票(漲繼續漲)、搭配賣出輸家股票(跌繼續跌)。

然而,2000 年之後的股票市場,這種動能效應似乎消失了。有些人認為是因為大家都知道這種賺錢方法,有些人認為是時機不對。但我們認為動能效應應該還存在,只是被一些「雜訊」給掩蓋,所以就撈出 1930 年 1 月到 2010 年 12 月的美國股市資料,和學生一起設計我們的「WL-LH 動能投資策略」做實證研究。

實證研究有哪些發現?

從 1930 年 1 月到 2010 年 12 月的美國股市資料中,我們依據各股票報酬輸贏分成 4 種投資組合,並設計 WL-LH 投資策略模型:「買進漲幅被低估的贏家股票、賣出跌幅被低估的輸家股票」。 (Winners with Low IPR minus Losers with High IPR, 簡稱 WL-LH)

何淮中團隊的 WL-LH 投資組合模型。資料來源│Implied price risk and momentum strategy. 圖說重製/林婷嫻、張語辰。

其實這與過往的動能投資策略差不多,差別在於,我們透過美股歷史資料分析,於投資策略中刪掉一些「雜訊」:「漲幅被高估」的贏家股票,也就是動能燃料已經燒完、會開始下跌;還有「跌幅被高估」的輸家股票,因為超跌、未來會再漲回來。這兩者分別代表投資人對於市場中好與壞的資訊,呈「過度反應」的現象。

困難的是,如何判定漲幅或跌幅是否被高估?我們從「資訊擴散」的角度出發,提出一個資產價格模型。然後藉由價格模型,設計一個價格風險指標,有效地篩選掉超漲或超跌的股票,從而驗證了市場的預期心理和動能效應,也同時說明市場的不效率性。

其中相關的統計模型算式,通常大家看了就頭痛,這裡先不贅述,有興趣的朋友請直接看看我們的論文

從 1930 年 1 月的資料開始,我們先看過去一年的累計複利報酬、排序,買表現好的股票、賣表現壞的股票,一個月後檢視這樣的投資組合的報酬率。因為資料時序已經移動一個月,所以我們再從新的一個月回頭看過去一年的累積複利報酬、排序,再進行一次剛剛說的投資。

最後把累計複利報酬取平均值,例如下圖的 2000 – 2010 年資料所示。其中可看到, 2000 年以後的動能效應,原本大家認為已經消失了,但經由我們的 WL-LH 投資策略挖掘,失而復得,動能投資策略的獲利空間仍然存在。

將 WL-LH 投資策略以美股歷史資料實證,雖然在 2008 年金融海嘯大起大落,但其 2000-2010 年累計複利報酬率為 138.12%,若投資 100 元會獲得 138 元。 資料來源│Implied price risk and momentum strategy. 圖說重製│林婷嫻、張語辰
將 WL-LH 投資策略以美股歷史資料實證,雖然在 2008 年金融海嘯大起大落,但其 2000-2010 年累計複利報酬率為 138.12%,若投資 100 元會獲得 138 元。 資料來源│Implied price risk and momentum strategy. 圖說重製/林婷嫻、張語辰。

若把這個動能投資策略,套用至不同國家市場,有不同表現嗎?

過往文獻認為,美國和歐洲國家股票市場的動能效應較強,因為個人主義較強、過度自信,導致動能持續上漲或下跌。過往文獻也解釋,亞洲國家比較群體主義、做事大家會商量,所以動能效應較不明顯。

我們對這個詮釋抱持懷疑,所以我們試著將 WL-LH 投資策略,套用至不同國家股市的歷史資料(1990-2014 年)驗證,發現只要去掉「雜訊」──上漲動能燃料已燒完的股票、以及超跌的股票,無論是美國、歐洲、日本、印度等 21 個國家,都能看見動能效應,比率接近九成。

換言之,因為人們投資行為的偏誤,例如貪婪追高股價、恐懼在低點持股,而導致市場的不效率性,是超越地域、族群而存在的共通現象。

但是台股比較特別,在 WL-LH 策略下,仍看不到動能效應。

在台股歷史資料(1990-2014 年)中,刪掉漲幅「被高估」的贏家股票、跌幅「被高估」的輸家股票後,並未找到動能效應。我們的推斷認為,台股投資人普遍容易過度預期,以及股票交易周轉率較高,可能是主要的原因。兩者都影響了模型預測「資訊擴散程度」的準確性。

話說回來,為什麼會喜歡統計呢?

我從小就喜歡數學,黑板上的數學題都有辦法解開。數學是告訴你,怎麼看問題、怎麼創造適當的工具來解決問題。「機率」是數學裡的一支,我覺得很有趣,因為機率可以解決所有問題,某個問題你不懂就回答百分之多少機率怎樣怎樣……(笑)。

由機率跨入統計,是很自然的。兩者都是處理「不確定性」的方法體系,密不可分。

我的研究,包括前面提到市場效率性的課題,「機率」與「統計」兼而有之。透過資料分析,可以證實股市有一定程度的不效率性,也有獲利的空間。但投資仍有風險,不會因為這些研究發現就產生過度自信,所以我老婆和我還是存定存、買共同基金。再說,她的錢我也管不了呀。

延伸閱讀

本著作由研之有物製作,原文為《行情總是在希望中毀滅? 專訪何淮中》以創用CC 姓名標示–非商業性–禁止改作 4.0 國際 授權條款釋出。

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位

研之有物│中央研究院_96
293 篇文章 ・ 3360 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook