整个基本分析的范畴都涵盖在因果关系之中.反之,技术分析的所有方法都是建立在型态之上.因此,如果交易者希望了解市场的行为,唯有诉诸于基本分析.基本分析的一些重要特质如下:

  1.对于纯粹的技术分析者而言,基本分析可以提供另一个维度的思考

  2.基本面的资料往往可以远在技术面的讯号之前提供重要价格走势的徵兆

  3.基本面的资料经常可以强化技术面所呈现的重要行情契机,鼓励交易者採取更积极的立场

  4.了解基本面的环境,让交易者有更强烈的动机与信心而坚持某个致胜的部位

  5.市场对于基本面消息的反应方式,可以做为一种交易工具--即使是纯綷的技术交易者也是如此

  许多透过基本面分析做成的推论并不正确或不完整--通常两者皆是.完全不引用基本分析的结果必然优于不正确的引用.但我们不能否认一项事实:合理的基本分析是一种有效.甚至威力无比的工具

 

  十四种逻辑谬误

 

  1.由真空的角度看待基本面的资料

  [空头的基本面资料]与[供给过剩]几乎代表相同的意义.这种解释或许有些道理,但经常导致错误的结论

  举例来说,假定目前的糖价是30/1b元,而供给由紧转鬆.在这种情况下,基本面确实称得上[空头],价格走低是合理的预期.假定价格下滑.在25元的价位,基本面是否仍然偏空呢?很可能.在20呢?或许还是如此.可是,在15元或10元将如何?在5元又如何?此处强调的重点是:基本面的资料在某个价位上将不在偏空,不论潜在的供给有多庞大

  事实,如果价格超跌--不是罕见的反应--供给过剩可能代表多头的基本面.所以,基本面本身并没有多头或空头的意涵,多头或空头是相对于价格而言.许多分析家不瞭解这项事实,所以基本面经常在行情头部被解释为[多头],在行情底部被解释为[空头]

  2.把旧资讯视为新闻

  网路新闻与报章杂志经常以相同的方式报导旧资讯与新资讯.举例来说,[世界绵花产量预计上升10%],这个标题看起来是利空消息.可是,这个报导可能不会说明该数据是第四次或第五次的估计值.上个月的估计值很可能也是上升10%.或者,上个月的估计值可能是上升12%,所以目前的估计值反面有助于价格走势.总之,请记住,某些资讯听起来是[新闻],但实际上是[旧闻],市场早就己经反应

  3.去年同期的比较

  统计数据经常做一年期的比较,因为这是分析上最简单的时间基准.可是,这也是一种过度简化而应该避免的方法.不妨考虑下例的评论:[十月份的猪隻报告显示猪肉供给将增加.农场的可售猪隻上升10%.预计猪隻屠宰量将增加10%,并迫使价格走低....]虽然这类的分析结论在某些情况下可能正确,但分析的方法颇值得怀疑

  精明的读者可能察觉其中的一项逻辑谬误,供给增加不一定会造成价格下跌,因为市场可能己经反应这项资料.可是,这类去年同期的比较还潜藏着一些推理上的错误.首先,十二月份报告显示活猪数量增加10%,这并不代表供给增加.或许去年同期的活猪数量特别低.其次,屠宰猪隻与可售活猪之间的关係可能发生重大变化.去年同期的屠宰猪隻佔可售活猪比率可能极度偏高.若是如此,可售活猪数量增加10%仅会造成屠宰量小幅上升.一年期的比较在某些情况下虽有助于说明,但绝对不应该成为基本分析中的基准

  4.将基本面资料视为时效的判断工具

  如果由发生频率来排列这些谬误的先后顺序,目前这项谬误颇有夺冠的潜能.基本分析是一种方法,在某组统计条件下衡量合理的价格水准,藉以预测某年.某季或某个月的价格走势.可是,如果把供/需的统计数据简化为瞬间的价格讯号,这是相当荒谬的行为,但某些交易员就是如此运用基本面的资料

  根据报章媒体的文章.新闻的报导或小道消息进行交易,都是属于这个谬误的领域.所以,如此交易的投机客通常都失败的很惨.可是,反向思考是一个重要的例外:某项利多消息公佈而市场不能上涨,这代表放空的讯号

  当基本分析者完成一项研究而发现价格高估或低估的情况,经常迫不及待的希望在市场裡建立部位.这是一种自然而应该克制的冲动.市场并不知道你完成研究而及时提供对应的行情.纵使相关的分析完全正确,发生的时间可能在三个星期之后.总之,就时效的判断来说,即使是基本分析者也应该採用某种形式的技术分析技巧

  5.缺乏视野

  某一天,当你浏览报纸金融版的报导时看见下列的标题:

  政府估计最近的中西部大风雪造成10000头牛只死亡

  这种产量上的重大损失是否代表理想的买进机会?且慢,什么产量上的重大损失?如果一万头牛挤在你家庭院裡,这或许是非常可观的数量,但美国的牛隻总产量是一亿头,损失一万头牛几乎不会造成产量上的影响

  这个例子是说明供给面的情况,但国内消费或出口也可以看到许多类似的例子.总之,你必须考虑一个问题:这个事件对整体情况有何重要性?

  6.忽略恰当的时间考量

  [穀物价格的上涨将造成肉品价格上涨]正确或错误?不是开玩笑---不妨稍做思考再继续阅读

  事实上,这并不是一个好问题,因为答桉取决于时间架构.大多数人或许认为这是正确的陈述,因为穀物价格上涨将造成畜牧业者生产的总成本的增加,导致肉类生产减少而价格上扬(生产成本也隐藏着一些错误的观念,稍后另外讨论)可是,这种推论仅适用于极长期的时间架构(2 1/2年以上)

  就中,短期而言--这也许是期货交易者所关心的时间架构--结果可能恰好相反.如果穀物价格上涨将造成畜牧业者减产,初步的反应是儘快把既有的牲畜推出市面,这将造成肉类价格下跌.穀物价格上涨或许会造成牛隻重量下降,但这方面的影响相对很小.饲料成本的增加仅会改变供给的流量分配(因为草料牛的成长比较慢),但不会影响较长期的实际总供给

  在经济的世界裡,因果关係不是在瞬间之内完成.某些情况下,个别事件会立即引起价格反应;另一些情况下(例如前述的例子),结果会发生在几年之后

  7.认定价格不可能远低于生产成本

  不论有多少桉例证明这项陈述为错误,就是有人不信邪.生产成本不是价格的支撑因子,这个结论尤其是适用于不可储存的商品

  商品一但完成生产之后,市场就不再关心生产成本.价格是由目前的供/需关係决定.如果价格跌到生产成本而供给仍然过剩,价格将继续跌到供需均衡为止

  生产者为什么愿意在生产成本之下卖出商品?事实上,他们没有多少选择的馀地.农产品是高度竞争市场,任何个人都没有能力把生产成本转嫁到市场.反之,生产者必需接受市场决定的价格.毕竟来说,价格偏低总胜过于没有价格

  当然,赔钱的生意没人做,无法获利会造成产量减少,但这不会在一夕之间发生.最低的时间落差可能要一年,但在大多数的情况下,价格远低于生产成本需要好几年的时间才会造成产量减少.由这个角度来说,{谬论7}是{谬论6}-----忽略恰当的时间考量的辅助定理

  近年来有许多典型的例子足以说明价格可能跌到生产成本之下,而且可能持续相当长的期间,包括:活牛在1970年代中期的行情,糖在1976~1979年与1982年以来的大部份年份,铜在1975~1978年与1981~1986年期间的大多数时候,玉米与小麦在1986与1987年的行情,以及1990年代初期的白银行情.往后,每当你发现研究报告基于生产成本的理由而推荐买进,务必记住前述的例子

  8.不当的推理

  这个谬误最好利用几个例子来说明.首先,饲料牛的数量未必可以用来推论将来潜在屠宰量.理由:饲料牛不包括草料牛.如果屠宰量中的草料牛比率非常的稳定,前述的推论或许没有问题.可是,这个比率实际上经常大幅的变动;所以直接由饲料牛数量来推论屠宰量,结果经常很离谱.举例来说,假定饲料价格上涨而造成草料牛的数量增加.在这种情况下,虽然饲料牛的数量明颢减少,但牛隻的总数量还是可能增加

  许多市场分析与评论对于屠宰量的预测,颢然都忽略前述的複杂关联.误差有多严重?饲料牛数量与屠宰量之间的百分率变动关係.我们发现这两组数据之间的关係非常的不稳定.事实上,在20年期间的10年内,两个数据的差值每年至少有一季大于12%.在整个20年期间中,有18年的年度差值在6%以上!如果希望根据饲料牛数量来预测屠宰量,那还不如乾脆假定每季的屠宰量将等于前一年同期的水准.这是一个典型的范例,颢示没有资料往往更优于不正确的使用资料

  由耕种的亩数来预测产量也经常有不当推论的情况.当耕种亩数发生某百分率的变动,这并未代表产量也会发生相同的变动(甚至假设收成率不变也是如此).对于大多数作物来说,产量的分配是一项非常重要的变数.举例来说,某些州的棉花收成率是其他州的三倍(前者如加州,后者如德州).产量应该根据个别地区的耕种亩数来预测,不应该採用总耕种亩数的资料

  9.比较名义的价格水准

  目前的价格不能与过去的实际纪录价格互相比较.比较不同期间的价格,需要根据通货膨胀进行调整

  举例来说,假定我们深入研究某过去商品过去的统计资料,发现目前与1965年和1972年同期具有非常类似的基本面条件.这是否意味着目前商品价格应该大约等于1965年和1972年同期的价位?当然不是如此.就实质价格来说,这些期间的商品价格大约相同,但由于通货膨胀的影响,目前的名义价格一定会比较高

  可是,请注意,自从1980年以来,大多数实体商品的需求呈现长期的下降趋势,主要是因为对抗通货膨胀的存货需求减少.由于需求面的资料非常难以量化------下一章将详细讨论这这点----所以通货膨胀调整后的淨预测价格会存在向上的偏颇.换言之,如果某项分析完全不考虑需求的变动与通货膨胀的调整,其结果的精确性可能高于经过通货膨胀的分析结果.这类负负得正的精确性应该是一种暂时的现象.正确的预测模型还是应该同时考虑通货膨胀的调整与需求的变动

  10.忽略市场预期

  相对于既有的基本面资料来说,市场更重视来年(或下一季)的预期.当供给面处于由鬆转紧或由紧转鬆的过渡期,前述的说法更为正确

  1990年的小麦行情就是一个典型的例子.在1989/1990期间,冬季的收成非常不理想,收成率偏低.因此,结转库存掉到15年以来的最低水准.另外,1990年产期的冬麦播种仅小幅增加,这似乎意味着多年的小麦供给将短缺

  基本面显然偏多,但小麦价格由1990年初就开始稳定下滑.这波价格跌势不能由当时的基本面资料解释,仅能由预期心理着手.随着时间经过,市场预期1990/1991的冬麦收成应该非常理想.就事后的实际资料显示,1990/1991的冬麦收成较前一期增加16%,耕作面积的收成百分率由75%上升到88%.虽然耕种亩数仅稍微增加,但由于收成理想与弃耕面积锐减,1990/1991年的产量增加39%,结转库存也恢复正常的水准

  虽然前述基本面转变的资料一直到1990年春天稍后才陆续公佈,但市场在1990年初就有这方面的预期.所以,1990年上半年的小麦行情提供一个典型的范例,预期心理的重要性超过当时的基本面资料

  11.忽略季节性的考量

  几乎每种商品都会呈现一种或数种的季节型态.忽略季节性的影响很容易导致基本资料的误解.让我们举一些例子

  猪隻屠宰量第四季的猪隻屠宰量较第三季增加5%,这可能代表产量减少---而不是产量增加.这个陈述表面上看起来很矛盾,但实际上有其道理,因为猪隻的产量有高度的季节性型态 .猪隻的繁殖是在春季最高而冬季最低.由于小猪大约要六个月的时间才能成长到销售的重量,屠宰量在秋天最高而夏天最低.所以,当我们比较目前一个月或前一季的屠宰量时,必须考虑季节性的型态

  棉花的消费量棉花的月份消费量也具有高度的季节性质,某些月份的消费量总是特别高或特别低.举例来说,由于假期的缘故,每年六月份或七月份的消费量大概会降低30%,基于相同的理由,七月份到八月份的消费量大约会增加20%.这类的波动显然非常剧烈,如果不瞭解正常的季节性型态,很可能完全误解消费的数据

  如果生产与消费的数据是与往年同期的资料比较,当然不考虑季节性的因子.可是,如果所比较的基本面资料属于不同的月份或季节,务必要详细观察历史资料中的季节性行为,并做必要的调整

  12.预期价格将遵从国际交易协定的目标水准

  整个商品发展史上充满了无数的例子,显示国际交易协定完全无法遵从他们所设定的目标价格.交易协定通常是希望透过出口管制与库存计划的手段来支撑价格.虽然这对市场价格具有某种程度的支撑效果,偶尔可以激发短暂的价格涨势,但通常都没有力量将价格长期维持在均衡水准之上.以最近的国际糖协议与国际可可协议来说,最后都不可能将价格维持在目标区间的下限之内.OPEC或许是最有效率的价格支撑组识,但这个石油卡格尔也经常让油价跌破目标区的下限-----而且相当严重

  就价格涨势的限制而言,世界性的交易协定更是无能为力.当市场价格到达目标区的上限时,这些组织顶多能够取消所有的管制--换言之,让市场恢复自由交易的功能

  13.根据不充份的资料做成结论

  有时候,由于缺乏可充份的可比较历史资料,几乎不可能建立某个市场的基本面预测模型

  此处将举个一个典型的例子.在商品杂志(现在改名为期货杂志)创刊号中有一篇文章,详细研究棉花市场的基本面资料.最后,这篇文章提出一个有效的结论,自从1953年以来,棉花市场仅有两年称得上是自由交易的市场.在整个1950与1960年代,政府的规划将棉花价格维持在供/需的均衡水准之上.截至此处,这篇文章的推论还没有问题

  事实上,适当而正确的结论应该是:既有的资料不足己进行基本面的价格预测.毕竟来说,如果仅有两年的资料可供比较,你如何能够进行统计上均衡的预测呢?

  不幸地,这位作者根据非常有限的资料而描述整个预测的结论.引用其中的一项:最后的存量在350万包之下,代表供给非常的紧俏,意味着价格可能上涨超过30¢

  虽然这项陈述最后证明为正确,但严重低估棉花市场的上涨潜能.当这篇文章发表之后的一年左右,棉花创99¢/1b的历史新高价格.顺便提及一点,那篇文章的作者正是本人

  14.需求与消费的观念溷淆

  在期货的文献分析领域内,需求(demand)可能是最被经常被误用的两个名词之一(另一个是参数).需求与消费之间的溷淆不是来自于语言学;两者代表完全不同的观念,它们经常被视为同意语而造成许多分析上的重大错误.这方面的解释需要涉及基本的供/需理论。