史瓦格期貨基本分析摘要
整個基本分析的範疇都涵蓋在因果關係之中.反之,技術分析的所有方法都是建立在型態之上.因此,如果交易者希望暸解市場的行為,唯有訴諸於基本分析.基本分析的一些重要特質如下:
1.對於純粹的技術分析者而言,基本分析可以提供另一個維度的思考
2.基本面的資料往往可以遠在技術面的訊號之前提供重要價格走勢的徵兆
3.基本面的資料經常可以強化技術面所呈現的重要行情契機,鼓勵交易者採取更積極的立場
4.瞭解基本面的環境,讓交易者有更強烈的動機與信心而堅持某個致勝的部位
5.市場對於基本面消息的反應方式,可以做為一種交易工具--即使是純綷的技術交易者也是如此
許多透過基本面分析做成的推論並不正確或不完整--通常兩者皆是.完全不引用基本分析的結果必然優於不正確的引用.但我們不能否認一項事實:合理的基本分析是一種有效.甚至威力無比的工具
十四種邏輯謬誤
1.由真空的角度看待基本面的資料
[空頭的基本面資料]與[供給過剩]幾乎代表相同的意義.這種解釋或許有些道理,但經常導致錯誤的結論
舉例來說,假定目前的糖價是30元,而供給由緊轉鬆.在這種情況下,基本面確實稱得上[空頭],價格走低是合理的預期.假定價格下滑.在25元的價位,基本面是否仍然偏空呢?很可能.在20呢?或許還是如此.可是,在15元或10元將如何?在5元又如何?此處強調的重點是:基本面的資料在某個價位上將不在偏空,不論潛在的供給有多龐大
事實,如果價格超跌--不是罕見的反應--供給過剩可能代表多頭的基本面.所以,基本面本身並沒有多頭或空頭的意涵,多頭或空頭是相對於價格而言.許多分析家不瞭解這項事實,所以基本面經常在行情頭部被解釋為[多頭],在行情底部被解釋為[空頭]
2.把舊資訊視為新聞
網路新聞與報章雜誌經常以相同的方式報導舊資訊與新資訊.舉例來說,[世界綿花產量預計上升10%],這個標題看起來是利空消息.可是,這個報導可能不會說明該數據是第四次或第五次的估計值.上個月的估計值很可能也是上升10%.或者,上個月的估計值可能是上升12%,所以目前的估計值反而有助於價格走勢.總之,請記住,某些資訊聽起來是[新聞],但實際上是[舊聞],市場早就己經反應
3.去年同期的比較
統計數據經常做一年期的比較,因為這是分析上最簡單的時間基準.可是,這也是一種過度簡化而應該避免的方法.不妨考慮下例的評論:[十月份的豬隻報告顯示豬肉供給將增加.農場的可售豬隻上升10%.預計豬隻屠宰量將增加10%,並迫使價格走低....]雖然這類的分析結論在某些情況下可能正確,但分析的方法頗值得懷疑
精明的讀者可能察覺其中的一項邏輯謬誤,供給增加不一定會造成價格下跌,因為市場可能己經反應這項資料.可是,這類去年同期的比較還潛藏著一些推理上的錯誤.首先,十二月份報告顯示活豬數量增加10%,這並不代表供給增加.或許去年同期的活豬數量特別低.其次,屠宰豬隻與可售活豬之間的關係可能發生重大變化.去年同期的屠宰豬隻佔可售活豬比率可能極度偏高.若是如此,可售活豬數量增加10%僅會造成屠宰量小幅上升.一年期的比較在某些情況下雖有助於說明,但絕對不應該成為基本分析中的基準
4.將基本面資料視為時效的判斷工具
如果由發生頻率來排列這些謬誤的先後順序,目前這項謬誤頗有奪冠的潛能.基本分析是一種方法,在某組統計條件下衡量合理的價格水準,藉以預測某年.某季或某個月的價格走勢.可是,如果把供/需的統計數據簡化為瞬間的價格訊號,這是相當荒謬的行為,但某些交易員就是如此運用基本面的資料
根據報章媒體的文章.新聞的報導或小道消息進行交易,都是屬於這個謬誤的領域.所以,如此交易的投機客通常都失敗的很慘.可是,反向思考是一個重要的例外:某項利多消息公佈而市場不能上漲,這代表放空的訊號
當基本分析者完成一項研究而發現價格高估或低估的情況,經常迫不及待的希望在市場裡建立部位.這是一種自然而應該克制的衝動.市場並不知道你完成研究而及時提供對應的行情.縱使相關的分析完全正確,發生的時間可能在三個星期之後.總之,就時效的判斷來說,即使是基本分析者也應該採用某種形式的技術分析技巧
5.缺乏視野
某一天,當你瀏覽報紙金融版的報導時看見下列的標題:
政府估計最近的中西部大風雪造成10000頭牛隻死亡
這種產量上的重大損失是否代表理想的買進機會?且慢,什麼產量上的重大損失?如果一萬頭牛擠在你家庭院裡,這或許是非常可觀的數量,但美國的牛隻總產量是一億頭,損失一萬頭牛幾乎不會造成產量上的影響
這個例子是說明供給面的情況,但國內消費或出口也可以看到許多類似的例子.總之,你必須考慮一個問題:這個事件對整體情況有何重要性?
6.忽略恰當的時間考量
[穀物價格的上漲將造成肉品價格上漲]正確或錯誤?不是開玩笑---不妨稍做思考再繼續閱讀
事實上,這並不是一個好問題,因為答案取決於時間架構.大多數人或許認為這是正確的陳述,因為穀物價格上漲將造成畜牧業者生產的總成本的增加,導致肉類生產減少而價格上揚(生產成本也隱藏著一些錯誤的觀念,稍後另外討論)可是,這種推論僅適用於極長期的時間架構(2 1/2年以上)
就中,短期而言--這也許是期貨交易者所關心的時間架構--結果可能恰好相反.如果穀物價格上漲將造成畜牧業者減產,初步的反應是儘快把既有的牲畜推出市面,這將造成肉類價格下跌.穀物價格上漲或許會造成牛隻重量下降,但這方面的影響相對很小.飼料成本的增加僅會改變供給的流量分配(因為草料牛的成長比較慢),但不會影響較長期的實際總供給
在經濟的世界裡,因果關係不是在瞬間之內完成.某些情況下,個別事件會立即引起價格反應;另一些情況下(例如前述的例子),結果會發生在幾年之後
7.認定價格不可能遠低於生產成本
不論有多少案例證明這項陳述為錯誤,就是有人不信邪.生產成本不是價格的支撐因子,這個結論尤其是適用於不可儲存的商品
商品一但完成生產之後,市場就不再關心生產成本.價格是由目前的供/需關係決定.如果價格跌到生產成本而供給仍然過剩,價格將繼續跌到供需均衡為止
生產者為什麼願意在生產成本之下賣出商品?事實上,他們沒有多少選擇的餘地.農產品是高度競爭市場,任何個人都沒有能力把生產成本轉嫁到市場.反之,生產者必需接受市場決定的價格.畢竟來說,價格偏低總勝過於沒有價格
當然,賠錢的生意沒人做,無法獲利會造成產量減少,但這不會在一夕之間發生.最低的時間落差可能要一年,但在大多數的情況下,價格遠低於生產成本需要好幾年的時間才會造成產量減少.由這個角度來說,{謬論7}是{謬論6}-----忽略恰當的時間考量的輔助定理
近年來有許多典型的例子足以說明價格可能跌到生產成本之下,而且可能持續相當長的期間,包括:活牛在1970年代中期的行情,糖在1976~1979年與1982年以來的大部份年份,銅在1975~1978年與1981~1986年期間的大多數時候,玉米與小麥在1986與1987年的行情,以及1990年代初期的白銀行情.往後,每當你發現研究報告基於生產成本的理由而推薦買進,務必記住前述的例子
8.不當的推理
這個謬誤最好利用幾個例子來說明.首先,飼料牛的數量未必可以用來推論將來潛在屠宰量.理由:飼料牛不包括草料牛.如果屠宰量中的草料牛比率非常的穩定,前述的推論或許沒有問題.可是,這個比率實際上經常大幅的變動;所以直接由飼料牛數量來推論屠宰量,結果經常很離譜.舉例來說,假定飼料價格上漲而造成草料牛的數量增加.在這種情況下,雖然飼料牛的數量明顥減少,但牛隻的總數量還是可能增加
許多市場分析與評論對於屠宰量的預測,顥然都忽略前述的複雜關聯.誤差有多嚴重?飼料牛數量與屠宰量之間的百分率變動關係.我們發現這兩組數據之間的關係非常的不穩定.事實上,在20年期間的10年內,兩個數據的差值每年至少有一季大於12%.在整個20年期間中,有18年的年度差值在6%以上!如果希望根據飼料牛數量來預測屠宰量,那還不如乾脆假定每季的屠宰量將等於前一年同期的水準.這是一個典型的範例,顥示沒有資料往往更優於不正確的使用資料
由耕種的畝數來預測產量也經常有不當推論的情況.當耕種畝數發生某百分率的變動,這並未代表產量也會發生相同的變動(甚至假設收成率不變也是如此).對於大多數作物來說,產量的分配是一項非常重要的變數.舉例來說,某些州的棉花收成率是其他州的三倍(前者如加州,後者如德州).產量應該根據個別地區的耕種畝數來預測,不應該採用總耕種畝數的資料
9.比較名義的價格水準
目前的價格不能與過去的實際紀錄價格互相比較.比較不同期間的價格,需要根據通貨膨脹進行調整
舉例來說,假定我們深入研究某過去商品過去的統計資料,發現目前與1965年和1972年同期具有非常類似的基本面條件.這是否意味著目前商品價格應該大約等於1965年和1972年同期的價位?當然不是如此.就實質價格來說,這些期間的商品價格大約相同,但由於通貨膨脹的影響,目前的名義價格一定會比較高
可是,請注意,自從1980年以來,大多數實體商品的需求呈現長期的下降趨勢,主要是因為對抗通貨膨脹的存貨需求減少.由於需求面的資料非常難以量化------下一章將詳細討論這這點----所以通貨膨脹調整後的淨預測價格會存在向上的偏頗.換言之,如果某項分析完全不考慮需求的變動與通貨膨脹的調整,其結果的精確性可能高於經過通貨膨脹的分析結果.這類負負得正的精確性應該是一種暫時的現象.正確的預測模型還是應該同時考慮通貨膨脹的調整與需求的變動
10.忽略市場預期
相對於既有的基本面資料來說,市場更重視來年(或下一季)的預期.當供給面處於由鬆轉緊或由緊轉鬆的過渡期,前述的說法更為正確
1990年的小麥行情就是一個典型的例子.在1989/1990期間,冬季的收成非常不理想,收成率偏低.因此,結轉庫存掉到15年以來的最低水準.另外,1990年產期的冬麥播種僅小幅增加,這似乎意味著多年的小麥供給將短缺
基本面顯然偏多,但小麥價格由1990年初就開始穩定下滑.這波價格跌勢不能由當時的基本面資料解釋,僅能由預期心理著手.隨著時間經過,市場預期1990/1991的冬麥收成應該非常理想.就事後的實際資料顯示,1990/1991的冬麥收成較前一期增加16%,耕作面積的收成百分率由75%上升到88%.雖然耕種畝數僅稍微增加,但由於收成理想與棄耕面積銳減,1990/1991年的產量增加39%,結轉庫存也恢復正常的水準
雖然前述基本面轉變的資料一直到1990年春天稍後才陸續公佈,但市場在1990年初就有這方面的預期.所以,1990年上半年的小麥行情提供一個典型的範例,預期心理的重要性超過當時的基本面資料
11.忽略季節性的考量
幾乎每種商品都會呈現一種或數種的季節型態.忽略季節性的影響很容易導致基本資料的誤解.讓我們舉一些例子
豬隻屠宰量 第四季的豬隻屠宰量較第三季增加5%,這可能代表產量減少---而不是產量增加.這個陳述表面上看起來很矛盾,但實際上有其道理,因為豬隻的產量有高度的季節性型態 .豬隻的繁殖是在春季最高而冬季最低.由於小豬大約要六個月的時間才能成長到銷售的重量,屠宰量在秋天最高而夏天最低.所以,當我們比較目前一個月或前一季的屠宰量時,必須考慮季節性的型態
棉花的消費量 棉花的月份消費量也具有高度的季節性質,某些月份的消費量總是特別高或特別低.舉例來說,由於假期的緣故,每年六月份或七月份的消費量大概會降低30%,基於相同的理由,七月份到八月份的消費量大約會增加20%.這類的波動顯然非常劇烈,如果不瞭解正常的季節性型態,很可能完全誤解消費的數據
如果生產與消費的數據是與往年同期的資料比較,當然不考慮季節性的因子.可是,如果所比較的基本面資料屬於不同的月份或季節,務必要詳細觀察歷史資料中的季節性行為,並做必要的調整
12.預期價格將遵從國際交易協定的目標水準
整個商品發展史上充滿了無數的例子,顯示國際交易協定完全無法遵從他們所設定的目標價格.交易協定通常是希望透過出口管制與庫存計劃的手段來支撐價格.雖然這對市場價格具有某種程度的支撐效果,偶爾可以激發短暫的價格漲勢,但通常都沒有力量將價格長期維持在均衡水準之上.以最近的國際糖協議與國際可可協議來說,最後都不可能將價格維持在目標區間的下限之內.OPEC或許是最有效率的價格支撐組識,但這個石油卡格爾也經常讓油價跌破目標區的下限-----而且相當嚴重
就價格漲勢的限制而言,世界性的交易協定更是無能為力.當市場價格到達目標區的上限時,這些組織頂多能夠取消所有的管制--換言之,讓市場恢復自由交易的功能
13.根據不充份的資料做成結論
有時候,由於缺乏可充份的可比較歷史資料,幾乎不可能建立某個市場的基本面預測模型
此處將舉個一個典型的例子.在商品雜誌(現在改名為期貨雜誌)創刊號中有一篇文章,詳細研究棉花市場的基本面資料.最後,這篇文章提出一個有效的結論,自從1953年以來,棉花市場僅有兩年稱得上是自由交易的市場.在整個1950與1960年代,政府的規劃將棉花價格維持在供/需的均衡水準之上.截至此處,這篇文章的推論還沒有問題
事實上,適當而正確的結論應該是:既有的資料不足己進行基本面的價格預測.畢竟來說,如果僅有兩年的資料可供比較,你如何能夠進行統計上均衡的預測呢?
不幸地,這位作者根據非常有限的資料而描述整個預測的結論.引用其中的一項:最後的存量在350萬包之下,代表供給非常的緊俏,意味著價格可能上漲超過30￠
雖然這項陳述最後證明為正確,但嚴重低估棉花市場的上漲潛能.當這篇文章發表之後的一年左右,棉花創99￠/1b的歷史新高價格.順便提及一點,那篇文章的作者正是本人
14.需求與消費的觀念混淆
在期貨的文獻分析領域內,需求(demand)可能是最被經常被誤用的兩個名詞之一(另一個是參數).需求與消費之間的混淆不是來自於語言學;兩者代表完全不同的觀念,它們經常被視為同意語而造成許多分析上的重大錯誤.這方面的解釋需要涉及基本的供/需理論
1.對於純粹的技術分析者而言,基本分析可以提供另一個維度的思考
2.基本面的資料往往可以遠在技術面的訊號之前提供重要價格走勢的徵兆
3.基本面的資料經常可以強化技術面所呈現的重要行情契機,鼓勵交易者採取更積極的立場
4.瞭解基本面的環境,讓交易者有更強烈的動機與信心而堅持某個致勝的部位
5.市場對於基本面消息的反應方式,可以做為一種交易工具--即使是純綷的技術交易者也是如此
許多透過基本面分析做成的推論並不正確或不完整--通常兩者皆是.完全不引用基本分析的結果必然優於不正確的引用.但我們不能否認一項事實:合理的基本分析是一種有效.甚至威力無比的工具
十四種邏輯謬誤
1.由真空的角度看待基本面的資料
[空頭的基本面資料]與[供給過剩]幾乎代表相同的意義.這種解釋或許有些道理,但經常導致錯誤的結論
舉例來說,假定目前的糖價是30元,而供給由緊轉鬆.在這種情況下,基本面確實稱得上[空頭],價格走低是合理的預期.假定價格下滑.在25元的價位,基本面是否仍然偏空呢?很可能.在20呢?或許還是如此.可是,在15元或10元將如何?在5元又如何?此處強調的重點是:基本面的資料在某個價位上將不在偏空,不論潛在的供給有多龐大
事實,如果價格超跌--不是罕見的反應--供給過剩可能代表多頭的基本面.所以,基本面本身並沒有多頭或空頭的意涵,多頭或空頭是相對於價格而言.許多分析家不瞭解這項事實,所以基本面經常在行情頭部被解釋為[多頭],在行情底部被解釋為[空頭]
2.把舊資訊視為新聞
網路新聞與報章雜誌經常以相同的方式報導舊資訊與新資訊.舉例來說,[世界綿花產量預計上升10%],這個標題看起來是利空消息.可是,這個報導可能不會說明該數據是第四次或第五次的估計值.上個月的估計值很可能也是上升10%.或者,上個月的估計值可能是上升12%,所以目前的估計值反而有助於價格走勢.總之,請記住,某些資訊聽起來是[新聞],但實際上是[舊聞],市場早就己經反應
3.去年同期的比較
統計數據經常做一年期的比較,因為這是分析上最簡單的時間基準.可是,這也是一種過度簡化而應該避免的方法.不妨考慮下例的評論:[十月份的豬隻報告顯示豬肉供給將增加.農場的可售豬隻上升10%.預計豬隻屠宰量將增加10%,並迫使價格走低....]雖然這類的分析結論在某些情況下可能正確,但分析的方法頗值得懷疑
精明的讀者可能察覺其中的一項邏輯謬誤,供給增加不一定會造成價格下跌,因為市場可能己經反應這項資料.可是,這類去年同期的比較還潛藏著一些推理上的錯誤.首先,十二月份報告顯示活豬數量增加10%,這並不代表供給增加.或許去年同期的活豬數量特別低.其次,屠宰豬隻與可售活豬之間的關係可能發生重大變化.去年同期的屠宰豬隻佔可售活豬比率可能極度偏高.若是如此,可售活豬數量增加10%僅會造成屠宰量小幅上升.一年期的比較在某些情況下雖有助於說明,但絕對不應該成為基本分析中的基準
4.將基本面資料視為時效的判斷工具
如果由發生頻率來排列這些謬誤的先後順序,目前這項謬誤頗有奪冠的潛能.基本分析是一種方法,在某組統計條件下衡量合理的價格水準,藉以預測某年.某季或某個月的價格走勢.可是,如果把供/需的統計數據簡化為瞬間的價格訊號,這是相當荒謬的行為,但某些交易員就是如此運用基本面的資料
根據報章媒體的文章.新聞的報導或小道消息進行交易,都是屬於這個謬誤的領域.所以,如此交易的投機客通常都失敗的很慘.可是,反向思考是一個重要的例外:某項利多消息公佈而市場不能上漲,這代表放空的訊號
當基本分析者完成一項研究而發現價格高估或低估的情況,經常迫不及待的希望在市場裡建立部位.這是一種自然而應該克制的衝動.市場並不知道你完成研究而及時提供對應的行情.縱使相關的分析完全正確,發生的時間可能在三個星期之後.總之,就時效的判斷來說,即使是基本分析者也應該採用某種形式的技術分析技巧
5.缺乏視野
某一天,當你瀏覽報紙金融版的報導時看見下列的標題:
政府估計最近的中西部大風雪造成10000頭牛隻死亡
這種產量上的重大損失是否代表理想的買進機會?且慢,什麼產量上的重大損失?如果一萬頭牛擠在你家庭院裡,這或許是非常可觀的數量,但美國的牛隻總產量是一億頭,損失一萬頭牛幾乎不會造成產量上的影響
這個例子是說明供給面的情況,但國內消費或出口也可以看到許多類似的例子.總之,你必須考慮一個問題:這個事件對整體情況有何重要性?
6.忽略恰當的時間考量
[穀物價格的上漲將造成肉品價格上漲]正確或錯誤?不是開玩笑---不妨稍做思考再繼續閱讀
事實上,這並不是一個好問題,因為答案取決於時間架構.大多數人或許認為這是正確的陳述,因為穀物價格上漲將造成畜牧業者生產的總成本的增加,導致肉類生產減少而價格上揚(生產成本也隱藏著一些錯誤的觀念,稍後另外討論)可是,這種推論僅適用於極長期的時間架構(2 1/2年以上)
就中,短期而言--這也許是期貨交易者所關心的時間架構--結果可能恰好相反.如果穀物價格上漲將造成畜牧業者減產,初步的反應是儘快把既有的牲畜推出市面,這將造成肉類價格下跌.穀物價格上漲或許會造成牛隻重量下降,但這方面的影響相對很小.飼料成本的增加僅會改變供給的流量分配(因為草料牛的成長比較慢),但不會影響較長期的實際總供給
在經濟的世界裡,因果關係不是在瞬間之內完成.某些情況下,個別事件會立即引起價格反應;另一些情況下(例如前述的例子),結果會發生在幾年之後
7.認定價格不可能遠低於生產成本
不論有多少案例證明這項陳述為錯誤,就是有人不信邪.生產成本不是價格的支撐因子,這個結論尤其是適用於不可儲存的商品
商品一但完成生產之後,市場就不再關心生產成本.價格是由目前的供/需關係決定.如果價格跌到生產成本而供給仍然過剩,價格將繼續跌到供需均衡為止
生產者為什麼願意在生產成本之下賣出商品?事實上,他們沒有多少選擇的餘地.農產品是高度競爭市場,任何個人都沒有能力把生產成本轉嫁到市場.反之,生產者必需接受市場決定的價格.畢竟來說,價格偏低總勝過於沒有價格
當然,賠錢的生意沒人做,無法獲利會造成產量減少,但這不會在一夕之間發生.最低的時間落差可能要一年,但在大多數的情況下,價格遠低於生產成本需要好幾年的時間才會造成產量減少.由這個角度來說,{謬論7}是{謬論6}-----忽略恰當的時間考量的輔助定理
近年來有許多典型的例子足以說明價格可能跌到生產成本之下,而且可能持續相當長的期間,包括:活牛在1970年代中期的行情,糖在1976~1979年與1982年以來的大部份年份,銅在1975~1978年與1981~1986年期間的大多數時候,玉米與小麥在1986與1987年的行情,以及1990年代初期的白銀行情.往後,每當你發現研究報告基於生產成本的理由而推薦買進,務必記住前述的例子
8.不當的推理
這個謬誤最好利用幾個例子來說明.首先,飼料牛的數量未必可以用來推論將來潛在屠宰量.理由:飼料牛不包括草料牛.如果屠宰量中的草料牛比率非常的穩定,前述的推論或許沒有問題.可是,這個比率實際上經常大幅的變動;所以直接由飼料牛數量來推論屠宰量,結果經常很離譜.舉例來說,假定飼料價格上漲而造成草料牛的數量增加.在這種情況下,雖然飼料牛的數量明顥減少,但牛隻的總數量還是可能增加
許多市場分析與評論對於屠宰量的預測,顥然都忽略前述的複雜關聯.誤差有多嚴重?飼料牛數量與屠宰量之間的百分率變動關係.我們發現這兩組數據之間的關係非常的不穩定.事實上,在20年期間的10年內,兩個數據的差值每年至少有一季大於12%.在整個20年期間中,有18年的年度差值在6%以上!如果希望根據飼料牛數量來預測屠宰量,那還不如乾脆假定每季的屠宰量將等於前一年同期的水準.這是一個典型的範例,顥示沒有資料往往更優於不正確的使用資料
由耕種的畝數來預測產量也經常有不當推論的情況.當耕種畝數發生某百分率的變動,這並未代表產量也會發生相同的變動(甚至假設收成率不變也是如此).對於大多數作物來說,產量的分配是一項非常重要的變數.舉例來說,某些州的棉花收成率是其他州的三倍(前者如加州,後者如德州).產量應該根據個別地區的耕種畝數來預測,不應該採用總耕種畝數的資料
9.比較名義的價格水準
目前的價格不能與過去的實際紀錄價格互相比較.比較不同期間的價格,需要根據通貨膨脹進行調整
舉例來說,假定我們深入研究某過去商品過去的統計資料,發現目前與1965年和1972年同期具有非常類似的基本面條件.這是否意味著目前商品價格應該大約等於1965年和1972年同期的價位?當然不是如此.就實質價格來說,這些期間的商品價格大約相同,但由於通貨膨脹的影響,目前的名義價格一定會比較高
可是,請注意,自從1980年以來,大多數實體商品的需求呈現長期的下降趨勢,主要是因為對抗通貨膨脹的存貨需求減少.由於需求面的資料非常難以量化------下一章將詳細討論這這點----所以通貨膨脹調整後的淨預測價格會存在向上的偏頗.換言之,如果某項分析完全不考慮需求的變動與通貨膨脹的調整,其結果的精確性可能高於經過通貨膨脹的分析結果.這類負負得正的精確性應該是一種暫時的現象.正確的預測模型還是應該同時考慮通貨膨脹的調整與需求的變動
10.忽略市場預期
相對於既有的基本面資料來說,市場更重視來年(或下一季)的預期.當供給面處於由鬆轉緊或由緊轉鬆的過渡期,前述的說法更為正確
1990年的小麥行情就是一個典型的例子.在1989/1990期間,冬季的收成非常不理想,收成率偏低.因此,結轉庫存掉到15年以來的最低水準.另外,1990年產期的冬麥播種僅小幅增加,這似乎意味著多年的小麥供給將短缺
基本面顯然偏多,但小麥價格由1990年初就開始穩定下滑.這波價格跌勢不能由當時的基本面資料解釋,僅能由預期心理著手.隨著時間經過,市場預期1990/1991的冬麥收成應該非常理想.就事後的實際資料顯示,1990/1991的冬麥收成較前一期增加16%,耕作面積的收成百分率由75%上升到88%.雖然耕種畝數僅稍微增加,但由於收成理想與棄耕面積銳減,1990/1991年的產量增加39%,結轉庫存也恢復正常的水準
雖然前述基本面轉變的資料一直到1990年春天稍後才陸續公佈,但市場在1990年初就有這方面的預期.所以,1990年上半年的小麥行情提供一個典型的範例,預期心理的重要性超過當時的基本面資料
11.忽略季節性的考量
幾乎每種商品都會呈現一種或數種的季節型態.忽略季節性的影響很容易導致基本資料的誤解.讓我們舉一些例子
豬隻屠宰量 第四季的豬隻屠宰量較第三季增加5%,這可能代表產量減少---而不是產量增加.這個陳述表面上看起來很矛盾,但實際上有其道理,因為豬隻的產量有高度的季節性型態 .豬隻的繁殖是在春季最高而冬季最低.由於小豬大約要六個月的時間才能成長到銷售的重量,屠宰量在秋天最高而夏天最低.所以,當我們比較目前一個月或前一季的屠宰量時,必須考慮季節性的型態
棉花的消費量 棉花的月份消費量也具有高度的季節性質,某些月份的消費量總是特別高或特別低.舉例來說,由於假期的緣故,每年六月份或七月份的消費量大概會降低30%,基於相同的理由,七月份到八月份的消費量大約會增加20%.這類的波動顯然非常劇烈,如果不瞭解正常的季節性型態,很可能完全誤解消費的數據
如果生產與消費的數據是與往年同期的資料比較,當然不考慮季節性的因子.可是,如果所比較的基本面資料屬於不同的月份或季節,務必要詳細觀察歷史資料中的季節性行為,並做必要的調整
12.預期價格將遵從國際交易協定的目標水準
整個商品發展史上充滿了無數的例子,顯示國際交易協定完全無法遵從他們所設定的目標價格.交易協定通常是希望透過出口管制與庫存計劃的手段來支撐價格.雖然這對市場價格具有某種程度的支撐效果,偶爾可以激發短暫的價格漲勢,但通常都沒有力量將價格長期維持在均衡水準之上.以最近的國際糖協議與國際可可協議來說,最後都不可能將價格維持在目標區間的下限之內.OPEC或許是最有效率的價格支撐組識,但這個石油卡格爾也經常讓油價跌破目標區的下限-----而且相當嚴重
就價格漲勢的限制而言,世界性的交易協定更是無能為力.當市場價格到達目標區的上限時,這些組織頂多能夠取消所有的管制--換言之,讓市場恢復自由交易的功能
13.根據不充份的資料做成結論
有時候,由於缺乏可充份的可比較歷史資料,幾乎不可能建立某個市場的基本面預測模型
此處將舉個一個典型的例子.在商品雜誌(現在改名為期貨雜誌)創刊號中有一篇文章,詳細研究棉花市場的基本面資料.最後,這篇文章提出一個有效的結論,自從1953年以來,棉花市場僅有兩年稱得上是自由交易的市場.在整個1950與1960年代,政府的規劃將棉花價格維持在供/需的均衡水準之上.截至此處,這篇文章的推論還沒有問題
事實上,適當而正確的結論應該是:既有的資料不足己進行基本面的價格預測.畢竟來說,如果僅有兩年的資料可供比較,你如何能夠進行統計上均衡的預測呢?
不幸地,這位作者根據非常有限的資料而描述整個預測的結論.引用其中的一項:最後的存量在350萬包之下,代表供給非常的緊俏,意味著價格可能上漲超過30￠
雖然這項陳述最後證明為正確,但嚴重低估棉花市場的上漲潛能.當這篇文章發表之後的一年左右,棉花創99￠/1b的歷史新高價格.順便提及一點,那篇文章的作者正是本人
14.需求與消費的觀念混淆
在期貨的文獻分析領域內,需求(demand)可能是最被經常被誤用的兩個名詞之一(另一個是參數).需求與消費之間的混淆不是來自於語言學;兩者代表完全不同的觀念,它們經常被視為同意語而造成許多分析上的重大錯誤.這方面的解釋需要涉及基本的供/需理論
留言