金融分析閱讀時間 14 分鐘

台股風險羅盤——四維羅吉斯預警模型 Part 1：總體經濟與大盤體制轉換決策模型研究

以四維度量化模型整合資金、關稅、能源與市場結構，評估台股與美股從多頭轉空頭的機率與應對策略。

#總體經濟#台股#量化模型#Regime-Switching#風險管理

一、 緣起：一場由 Meta 引發的市場過敏

2026 年年中，Meta 計劃成立新部門「Meta Compute」出租過剩 AI 算力的消息傳出，華爾街與科技產業隨即劇烈震盪，費城半導體指數單日重挫逾 6%，記憶體、晶片通路及伺服器硬體供應鏈集體大跌。然而，僅僅數日後，台股與美股的營收績優權值股便呈現黑翻紅的強韌走勢。

這場「一日驚魂」暴露了現行市場操作的痛點：投資人極易將單一科技巨頭的基礎設施產能調配（微觀雜訊），誤判為全球 AI 總體需求的轉折點（宏觀體制切換）。 為了在動態震盪的 AI 軍備競賽中過濾情緒噪音、尋找量化依據，本研究旨在構建一套結合「外在總經風向」與「內在市場結構」的大盤體制轉換預測模型，以實質數據引導長線資金的進退決策。

二、 靈感來源與模型定位

本模型的邏輯架構參考了以下兩個核心概念，但在此先誠實說明模型的實際定位，避免術語與內容不一致：

  1. 概念借用：馬可夫體制切換的「兩種狀態」思維： 計量經濟學傳統上使用馬可夫模型來定義經濟體制（State 0 = 擴張，State 1 = 衰退），並透過時變轉換機率（Time-Varying Transition Probability, TVTP）描述體制之間的轉移。本文借用其「多頭／空頭兩種體制」的框架直覺，但並未建構完整的隱藏狀態轉移矩陣與 TVTP 方程式。因此下文將模型正名為「台股風險羅盤——四維羅吉斯預警模型」，而非嚴格意義上的 MS-TVTP 模型，以免誤導專業讀者。
  2. 奧卡姆剃刀原則（Occam’s Razor）與特徵工程： 模型並非變數越多越好，過多的參數會導致統計模型的「過度擬合（Overfitting）」。本模型揚棄了傳統總經繁雜的幾百項指標，精煉出控制實體經濟火車頭的 3 大外在總經維度，並額外納入第 4 個內在結構維度（市場自身的健康度），以 Logistic 函數進行非線性映射，在維持可解釋性的同時捕捉風險的非線性放大效果。

三、 模型內容：四維度量化風險評分模型

本模型將大盤轉向定義為二元事件（Y=1Y=1 代表大盤觸發系統性轉向空頭；Y=0Y=0 代表維持常態多頭）。

1. 核心數學公式

P(Y=1∣X1,X2,X3,X4)=11+e−(α+β1X1+β2X2+β3X3+β4X4)P(Y=1 \mid X_1, X_2, X_3, X_4) = \frac{1}{1 + e^{-(\alpha + \beta_1 X_1 + \beta_2 X_2 + \beta_3 X_3 + \beta_4 X_4)}}

公式修正說明： 舊版公式曾將 X3X_3（能源面向）以減項處理（−β3X3-\beta_3 X_3），這是一個邏輯上的錯誤：它假設模型「已知」該變數對風險是負向影響，等於用人為符號取代了本應由資料決定的權重方向，也讓 X3X_3 與 X1,X2,X4X_1, X_2, X_4 的評分方向互相矛盾（其餘三者「數值越高風險越高」，X3X_3 卻是「數值越高越安全」）。

修正後的統一規則：所有 X1∼X4X_1 \sim X_4 一律定義為「數值越高，代表該面向的轉向空頭風險越高」，並將 X3X_3 由「能源減壓指標」重新定義為「能源通膨壓力指標」（油價與地緣風險越高，分數越高）。公式因此回歸標準的 Logistic Regression 形式，係數的正負與大小完全交由資料或回測經驗決定，不再由人工預設方向。

2. 變數矩陣與 2026 年年中實時數據套用

模型將四大核心大類拆解為可監測的二級影響變量，並進行去量綱標準化（評分化：0 為極度安全，1 為極度危險）。為降低月頻資料的滯後性，X2X_2、X4X_4 皆額外納入至少一項高頻領先指標，月頻資料則以「最後已知值填補（Last Observation Carried Forward）」對齊至日頻信號。

一級核心變數底層二級影響變量（特徵工程）2026年年中實時市況 / 數據源綜合風險評分 (0~1)
X1X_1 資金緊縮指標• x11x_{11} 10年期美債實質殖利率
• x12x_{12} Fed 每月縮表速度 (QT)
• x13x_{13} 新主席 Warsh 鷹派文本權重		• 實質殖利率 1.85%1.85\% 居高不下
• 縮表維持每月 450∼500450\sim 500 億美元
• Warsh 談話維持歷史中性偏鷹 (+0.35+0.35)		0.65
(熱錢總量變少)
X2X_2 貿易庫存指標• x21x_{21} 川普政府現行加權關稅率
• x22x_{22} 台灣電子零組件出口/新訂單比率（月頻，LOCF 對齊）
• x23x_{23} 美國核心商品 CPI
• x24x_{24} 全球半導體設備出貨量 YoY（高頻領先指標，補足月頻滯後）		• 美、墨、加 25% 關稅實施中
• AI/HPC 拉貨強勁，新訂單增速大於庫存
• 核心商品 CPI 控制在 2.8%2.8\%
• 半導體設備出貨 YoY 維持正成長，領先訊號未轉弱		0.55
(關稅有壓，但硬體新訂單與設備出貨仍強)
X3X_3 能源通膨壓力指標• x31x_{31} 布蘭特原油期貨價格
• x32x_{32} 地緣政治風險指數 (GPR Index)
• x33x_{33} 能源對 CPI 貢獻度		• 布蘭特原油回落至每桶 74.574.5 美元
• 中東局勢未現突發黑天鵝，沿用上月數據
• 能源通膨貢獻度轉為 −0.2%-0.2\%		0.20
(能源面向風險偏低，屬安全區間)
X4X_4 市場結構指標• x41x_{41} 股價高於 200MA 的個股比例
• x42x_{42} 台股大盤融資維持率
• x43x_{43} VIX 期限結構（Contango/Backwardation）（高頻情緒指標）		• 200MA 以上個股佔比達 62%62\% (廣度健康)
• 融資維持率高檔落在 162%162\% (槓桿偏高)
• VIX 期限結構仍呈 Contango，尚未出現恐慌性 Backwardation		0.60
(高檔過熱，散戶槓桿重，但情緒尚未失控)

關於 X4X_4 的補充說明： 「200MA 個股比例」與「融資維持率」本質上是慢變量，融資維持率的下降往往是下跌的結果而非原因，容易錯失最佳應對時點。因此本模型加入 VIX 期限結構作為即時性較高的情緒指標，用以捕捉 X4X_4 內部結構的邊際變化，而非僅依賴落後的槓桿數據。

3. 當前模型試算結果

設定歷史回測經驗權重（β1=1.2,β2=1.5,β3=1.0,β4=1.1\beta_1 = 1.2, \beta_2 = 1.5, \beta_3 = 1.0, \beta_4 = 1.1）。由於公式結構由「含人工減項」修正為「統一加項」，原本吸收在減項中的基礎風險水位需要重新分配回截距，因此重新校準 α=−2.8\alpha = -2.8（校準邏輯：以修正前後模型對同一組市況輸入應給出一致的風險判斷為錨點，避免因公式改寫而產生不連續的結論跳動）：

Logit=−2.8+(1.2×0.65)+(1.5×0.55)+(1.0×0.20)+(1.1×0.60)=−0.335\text{Logit} = -2.8 + (1.2 \times 0.65) + (1.5 \times 0.55) + (1.0 \times 0.20) + (1.1 \times 0.60) = -0.335

P(Y=1)=11+e0.335≈41.70%P(Y=1) = \frac{1}{1 + e^{0.335}} \approx \mathbf{41.70\%}

結果診斷： 當前大盤轉向機率為 41.70%41.70\%，落在 30%∼60%30\%\sim 60\% 的「黃金交叉警戒區」。這代表大盤實體結構依然由「新訂單與設備出貨（X2X_2）」與「低能源壓力（X3X_3）」強力支撐，維持多頭體制；但因內部融資槓桿偏高（X4X_4），導致市場極其敏感，才會對 Meta 的產能消息產生過敏性重挫。

需特別說明：30%∼60%30\%\sim 60\% 的警戒區間與後續 60%60\%、80%80\% 的操作門檻，目前仍屬經驗性設定，尚未經過正式的歷史回測與統計驗證，詳見第六節的模型侷限說明。

四、 變化與應用：如何應對市場的動態翻轉

在實際操作中，數據不是靜態的。本模型在過去七天與未來實務中，有以下變化觀測法與應用場景：

  1. 過去七天的動態微調（壓力釋放）： 過去七天內，外在總經環境（X1,X2,X3X_1, X_2, X_3）的底層數據幾乎沒有實質變化（油價在 74.574.5 美元窄幅震盪、台灣新訂單與設備出貨月資料未更迭）。唯一發生變動的是 X4X_4（市場結構指標）——Meta 引發的單日重挫，被動讓高槓桿的融資部位進行了快速減肥，個股廣度微幅修正，VIX 期限結構亦未轉為 Backwardation。這種變化在模型中屬於「健康的壓力釋放」，降低了隨後多殺多的斷頭風險。
  2. 極端場景類比（模擬未來轉向）：
  • 場景 A（全面崩盤）： 若中東突發衝突導致油價飆破 95 美元，使能源通膨壓力指標 X3X_3 由目前的 0.200.20 攀升至 0.850.85 以上，且關稅導致美國核心 CPI 飆升、台灣新訂單與設備出貨同步走弱（X2X_2 風險升至 0.90.9）。代入模型：Logit=−2.8+1.2(0.65)+1.5(0.9)+1.0(0.85)+1.1(0.60)≈0.84\text{Logit} = -2.8+1.2(0.65)+1.5(0.9)+1.0(0.85)+1.1(0.60)\approx 0.84，機率將躍升至約 70%70\%，系統將發出體制轉換警報，長線資金應大幅降低硬體股部位。
  • 場景 B（強者恆強延續）： 若能源通膨壓力指標維持在 0.150.15 以下的低檔，而台灣電子零組件營收、新訂單與半導體設備出貨持續創高（X2X_2 降至約 0.350.35）。此時即使聯準會再釋放鷹派言論使 X1X_1 走高至 0.750.75，代入模型可得機率約 36%36\%，落在 40%40\% 以下，投資人應無視市場雜訊，繼續大膽做多。

五、 結語：回歸「營收為王」的唯一防線

透過「四維度量化風險評分模型」的解構，我們看清了 2026 年 AI 算力與硬體市場的底牌：這是一個資金總量被抽離（Warsh 縮表時代）、但實體需求依然被營收灌滿的「高純度市場」。

Meta 轉租算力的風波，本質上只是多頭高檔、高融資水位下的一場情緒過敏，全球經濟軟著陸的火車頭並未熄火。模型跑出的 41.70%41.70\% 機率告訴我們，只要「低能源壓力的隱形減稅」還在，台灣硬體大廠的「新訂單防護罩」未破，大盤步入系統性空頭的機率便微乎其微。

在波動加劇的未來，投資人應放棄盲目猜底或隨小道消息起舞。緊盯每個月的台灣電子零組件出口新訂單、半導體設備出貨與企業實質營收，將此模型作為決策的羅盤之一，在體制尚未正式轉換前，死守「營收為王」的唯一防線。

六、 模型侷限與後續改善方向

為求嚴謹，以下誠實列出本模型目前的侷限，避免讀者將其誤認為已驗證的量化交易系統：

  1. 尚未經過正式回測： 目前的 α,β\alpha, \beta 係數屬於經驗性設定，尚未針對過去多年的歷史資料進行系統性回測，也未計算 Accuracy、Precision、Recall、F1-Score 或 AUC-ROC 等驗證指標。30%∼60%30\%\sim 60\%、60%60\%、80%80\% 等門檻目前僅供參考，而非統計檢定得出的最適閾值。
  2. 缺乏敏感性分析： 尚未測試當各項 β\beta 權重上下浮動（例如 ±10%\pm 10\%）時，模型輸出的機率會如何變化，因此模型的穩健性仍待驗證。
  3. 模型定位： 本模型是一個台股風險羅盤——四維羅吉斯預警模型，用於輔助判斷大盤所處的風險區間，而非具備完整轉移矩陣的正式 Regime-Switching（MS-TVTP）計量模型。

後續改善規劃：

  • 補充至少 5 年期的歷史回測，統計模型發出警報（機率 >60%>60\%）後，大盤在接下來 1 個月的實際漲跌分布。
  • 針對 β\beta 權重進行敏感性分析，驗證結論在合理參數區間內是否穩健。
  • 將機率區間轉化為明確的部位管理規則，例如：機率 >60%>60\% 時減倉，>80%>80\% 時大幅降低曝險，並回測此規則的歷史勝率與最大回撤。

在完成上述驗證之前，本文的機率數字與警戒區間應被視為結構化的觀點框架，用於整理判斷邏輯與追蹤關鍵變數，而非可直接用於下單的黑盒訊號。

享受這次的閱讀嗎？

如果你對數位主權與未來技術有興趣，歡迎訂閱我們的雙週刊，獲取更多深度思考。

延伸閱讀 Related Thoughts