Loading [MathJax]/extensions/tex2jax.js

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

-----廣告,請繼續往下閱讀-----

「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:

-----廣告,請繼續往下閱讀-----
文章難易度
PanSci_96
1262 篇文章 ・ 2418 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

1
0

文字

分享

0
1
0
ECU: 汽車大腦的演化與挑戰
鳥苷三磷酸 (PanSci Promo)_96
・2025/07/02 ・3793字 ・閱讀時間約 7 分鐘

本文與 威力暘電子 合作,泛科學企劃執行。

想像一下,當你每天啟動汽車時,啟動的不再只是一台車,而是一百台電腦同步運作。但如果這些「電腦」突然集體當機,後果會有多嚴重?方向盤可能瞬間失靈,安全氣囊無法啟動,整台車就像失控的高科技廢鐵。這樣的「系統崩潰」風險並非誇張劇情,而是真實存在於你我日常的駕駛過程中。

今天,我們將深入探討汽車電子系統「逆天改運」的科學奧秘。究竟,汽車的「大腦」—電子控制單元(ECU),是如何從單一功能,暴增至上百個獨立系統?而全球頂尖的工程師們,又為何正傾盡全力,試圖將這些複雜的系統「砍掉重練」、整合優化?

第一顆「汽車大腦」的誕生

時間回到 1980 年代,當時的汽車工程師們面臨一項重要任務:如何把汽油引擎的每一滴燃油都壓榨出最大動力?「省油即省錢」是放諸四海皆準的道理。他們發現,關鍵其實潛藏在一個微小到幾乎難以察覺的瞬間:火星塞的點火時機,也就是「點火正時」。

如果能把點火的精準度控制在「兩毫秒」以內,這大約是你眨眼時間的百分之一到千分之一!引擎效率就能提升整整一成!這不僅意味著車子開起來更順暢,還能直接省下一成的油耗。那麼,要如何跨過這道門檻?答案就是:「電腦」的加入!

-----廣告,請繼續往下閱讀-----

工程師們引入了「微控制器」(Microcontroller),你可以把它想像成一顆專注於特定任務的迷你電腦晶片。它能即時讀取引擎轉速、進氣壓力、油門深度、甚至異常爆震等各種感測器的訊號。透過內建的演算法,在千分之一秒、甚至微秒等級的時間內,精準計算出最佳的點火角度,並立刻執行。

從此,引擎的性能表現大躍進,油耗也更漂亮。這正是汽車電子控制單元(ECU)的始祖—專門負責點火的「引擎控制單元」(Engine Control Unit)。

汽車電子控制單元的始祖—專門負責點火的「引擎控制單元」(Engine Control Unit)/ 圖片來源:shutterstock

ECU 的失控暴增與甜蜜的負荷

第一顆 ECU 的成功,在 1980 年代後期點燃了工程師們的想像:「這 ECU 這麼好用,其他地方是不是也能用?」於是,ECU 的應用範圍不再僅限於點火,燃油噴射量、怠速穩定性、變速箱換檔平順度、ABS 防鎖死煞車,甚至安全氣囊的引爆時機……各種功能都交給專屬的 ECU 負責 。

然而,問題來了:這麼多「小電腦」,它們之間該如何有效溝通?

-----廣告,請繼續往下閱讀-----

為了解決這個問題,1986 年,德國的博世(Bosch)公司推出了一項劃時代的發明:控制器區域網路(CAN Bus)。你可以將它想像成一條專為 ECU 打造的「神經網路」。各個 ECU 只需連接到這條共用的線路上,就能將訊息「廣播」給其他單元。

更重要的是,CAN Bus 還具備「優先通行」機制。例如,煞車指令或安全氣囊引爆訊號這類攸關人命的重要訊息,絕對能搶先通過,避免因資訊堵塞而延誤。儘管 CAN Bus 解決了 ECU 之間的溝通問題,但每顆 ECU 依然需要獨立的電源線、接地線,並連接各種感測器和致動器。結果就是,一輛汽車的電線總長度可能達到 2 到 4 公里,總重量更高達 50 到 60 公斤,等同於憑空多載了一位乘客的重量。

另一方面,大量的 ECU 與錯綜複雜的線路,也讓「電子故障」開始頻繁登上汽車召回原因的榜首。更別提這些密密麻麻的線束,簡直是設計師和維修技師的惡夢。要檢修這些電子故障,無疑讓人一個頭兩個大。

大量的 ECU 與錯綜複雜的線路,也讓「電子故障」開始頻繁登上汽車召回原因的榜首。/圖片來源:shutterstock

汽車電子革命:從「百腦亂舞」到集中治理

到了2010年代,汽車電子架構迎來一場大改革,「分區架構(Zonal Architecture)」搭配「中央高效能運算(HPC)」逐漸成為主流。簡單來說,這就像在車內建立「地方政府+中央政府」的管理系統。

-----廣告,請繼續往下閱讀-----

可以想像,整輛車被劃分為幾個大型區域,像是車頭、車尾、車身兩側與駕駛艙,就像數個「大都會」。每個區域控制單元(ZCU)就像「市政府」,負責收集該區所有的感測器訊號、初步處理與整合,並直接驅動該區的馬達、燈光等致動器。區域先自理,就不必大小事都等中央拍板。

而「中央政府」則由車用高效能運算平台(HPC)擔任,統籌負責更複雜的運算任務,例如先進駕駛輔助系統(ADAS)所需的環境感知、物體辨識,或是車載娛樂系統、導航功能,甚至是未來自動駕駛的決策,通通交由車輛正中央的這顆「超級大腦」執行。

乘著這波汽車電子架構的轉型浪潮中, 2008 年成立的台灣本土企業威力暘電子,便精準地切入了這個趨勢,致力於開發整合 ECU 與區域控制器(Domain Controller)功能的模組化平台。他們專精於開發電子排檔、多功能方向盤等各式汽車電子控制模組。為了確保各部件之間的溝通順暢,威力暘提供的解決方案,就像是將好幾個「分區管理員」的職責,甚至一部分「超級大腦」的功能,都整合到一個更強大的硬體平台上。

這些模組不僅擁有強大的晶片運算能力,可同時支援 ADAS 與車載娛樂,還能兼容多種通訊協定,大幅簡化車內網路架構。如此一來,車廠在追求輕量化和高效率的同時,也能顧及穩定性與安全性。

-----廣告,請繼續往下閱讀-----
2008 年威力暘電子致力於開發整合 ECU 與區域控制器(Domain Controller)功能的模組化平台 /圖片來源:shutterstock

萬無一失的「汽車大腦」:威力暘的四大策略

然而,「做出來」與「做好」之間,還是有差別。要如何確保這顆集結所有功能的「汽車大腦」不出錯?具體來說,威力暘電子憑藉以下四大策略,築起其產品的可靠性與安全性:

  1. AUTOSAR : 導入開放且標準化的汽車軟體架構 AUTOSAR。分為應用層、運行環境層(RTE)和基礎軟體層(BSW)。就像在玩「樂高積木」,ECU 開發者能靈活組合模組,專注在核心功能開發,從根本上提升軟體的穩定性和可靠性。
  2. V-Model 開發流程:這是一種強調嚴謹、能在早期發現錯誤的軟體開發流程。就像打勾 V 字形般,左側從上而下逐步執行,右側則由下而上層層檢驗,確保每個階段的安全要求都確實落實。
  3. 基於模型的設計 MBD(Model-Based Design) 威力暘的工程師們會利用 MatLab®/Simulink® 等工具,把整個 ECU 要控制的系統(如煞車),用數學模型搭建起來,然後在虛擬環境中進行大量的模擬和測試。這等於在實體 ECU 誕生前,就能在「數位雙生」世界中反覆演練、預先排除設計缺陷,,並驗證安全機制是否有效。
  4. Automotive SPICE (ASPICE) : ASPICE 是國際公認的汽車軟體「品質管理系統」,它不直接評估最終 ECU 產品本身的安全性,而是深入檢視團隊在軟體開發的「整個過程」,也就是「方法論」和「管理紀律」是否夠成熟、夠系統化,並只根據數據來評估品質。

既然 ECU 掌管了整輛車的運作,其能否正常運作,自然被視為最優先項目。為此,威力暘嚴格遵循汽車業中一本堪稱「安全聖經」的國際標準:ISO 26262。這套國際標準可視為一本針對汽車電子電氣系統(特別是 ECU)的「超嚴格品管手冊」和「開發流程指南」,從概念、設計、測試到生產和報廢,都詳細規範了每個安全要求和驗證方法,唯一目標就是把任何潛在風險降到最低

有了上述這四項策略,威力暘確保其產品從設計、生產到交付都符合嚴苛的安全標準,才能通過 ISO 26262 的嚴格檢驗。

然而,ECU 的演進並未就此停下腳步。當ECU 的數量開始精簡,「大腦」變得更集中、更強大後,汽車產業又迎來了新一波革命:「軟體定義汽車」(Software-Defined Vehicle, SDV)。

-----廣告,請繼續往下閱讀-----

軟體定義汽車 SDV:你的愛車也能「升級」!

未來的汽車,會越來越像你手中的智慧型手機。過去,車輛功能在出廠時幾乎就「定終身」,想升級?多半只能換車。但在軟體定義汽車(SDV)時代,汽車將搖身一變成為具備強大運算能力與高速網路連線的「行動伺服器」,能夠「二次覺醒」、不斷升級。透過 OTA(Over-the-Air)技術,車廠能像推送 App 更新一樣,遠端傳送新功能、性能優化或安全修補包到你的車上。

不過,這種美好願景也將帶來全新的挑戰:資安風險。當汽車連上網路,就等於向駭客敞開潛在的攻擊入口。如果車上的 ECU 或雲端伺服器被駭,輕則個資外洩,重則車輛被遠端鎖定或惡意操控。為了打造安全的 SDV,業界必須遵循像 ISO 21434 這樣的車用資安標準。

威力暘電子運用前面提到的四大核心策略,確保自家產品能符合從 ISO 26262 到 ISO 21434 的國際認證。從品質管理、軟體開發流程,到安全認證,這些努力,讓威力暘的模組擁有最高的網路與功能安全。他們的產品不僅展現「台灣智造」的彈性與創新,也擁有與國際大廠比肩的「車規級可靠度」。憑藉這些實力,威力暘已成功打進日本 YAMAHA、Toyota,以及歐美 ZF、Autoliv 等全球一線供應鏈,更成為 DENSO 在台灣少數核准的控制模組夥伴,以商用車熱系統專案成功打入日系核心供應鏈,並自 2025 年起與 DENSO 共同展開平台化量產,驗證其流程與品質。

毫無疑問,未來車輛將有更多運作交由電腦與 AI 判斷,交由電腦判斷,比交由人類駕駛還要安全的那一天,離我們不遠了。而人類的角色,將從操作者轉為監督者,負責在故障或斷網時擔任最後的保險。透過科技讓車子更聰明、更安全,人類甘願當一個「最弱兵器」,其實也不錯!

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

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
  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
-----廣告,請繼續往下閱讀-----
所有討論 1
科技大觀園_96
82 篇文章 ・ 1126 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

-----廣告,請繼續往下閱讀-----

「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

-----廣告,請繼續往下閱讀-----
研之有物│中央研究院_96
296 篇文章 ・ 3663 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

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:

-----廣告,請繼續往下閱讀-----
文章難易度
PanSci_96
1262 篇文章 ・ 2418 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。