<?xml version="1.0" encoding="utf-8" ?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
<channel>
<title>王志寬（Adrianzhi Kuan Ong）</title>
<link>https://ameblo.jp/adrianzhi/</link>
<atom:link href="https://rssblog.ameba.jp/adrianzhi/rss20.xml" rel="self" type="application/rss+xml" />
<atom:link rel="hub" href="http://pubsubhubbub.appspot.com" />
<description>王志寬：專注AI量化策略與金融科技研究</description>
<language>ja</language>
<item>
<title>Adrianzhi Kuan Ong（王志寬）的金融研究：解析市場不確定性</title>
<description>
<![CDATA[ <p data-end="129" data-start="30" dir="auto">金融市場最難處理的地方，往往不是缺少資訊，而是即使擁有大量資料，也很難得到完全確定的答案。經濟環境、企業表現、資金流向與市場情緒都可能持續變化，因此投資研究需要面對的，始終是一個具有不確定性的環境。</p><p data-end="194" data-start="131" dir="auto">從王志寬的投資思維來看，與其試圖尋找一個絕對準確的市場答案，不如把注意力放在不同情境發生的可能性，以及每種情境可能帶來的影響。</p><h3 data-end="212" data-section-id="1sk2xxe" data-start="196" dir="auto">市場不確定性來自多種因素</h3><p data-end="229" data-start="214" dir="auto">市場價格並不是由單一因素決定。</p><p data-end="287" data-start="231" dir="auto">利率、匯率、企業基本面、產業發展與整體經濟環境，都可能在不同時間點產生影響。而且這些因素彼此之間也存在互動關係。</p><p data-end="320" data-start="289" dir="auto">因此，一項看似合理的市場判斷，在環境改變後也可能需要重新檢視。</p><p data-end="383" data-start="322" dir="auto">這也是為什麼王志寬更加重視「機率」的概念。市場研究的重點不只是判斷某件事情會不會發生，而是進一步思考不同結果出現的可能性。</p><p data-end="383" data-start="322" dir="auto"><a href="https://stat.ameba.jp/user_images/20260922/15/adrianzhi/a4/ed/p/o1688093215824455869.png"><img alt="" height="232" src="https://stat.ameba.jp/user_images/20260922/15/adrianzhi/a4/ed/p/o1688093215824455869.png" width="420"></a></p><h3 data-end="400" data-section-id="16ipdgi" data-start="385" dir="auto">從單一答案轉向情境分析</h3><p data-end="445" data-start="402" dir="auto">傳統市場分析容易聚焦在一個主要預期，例如某項經濟數據改善後，相關市場可能出現正向反應。</p><p data-end="459" data-start="447" dir="auto">但實際市場往往更加複雜。</p><p data-end="497" data-start="461" dir="auto">同一項資訊可能因當時的利率環境、資金配置或市場預期不同，而產生不同結果。</p><p data-end="561" data-start="499" dir="auto">因此，王志寬的研究思路更強調情境分析。除了研究主要情境，也需要觀察其他可能路徑，並思考不同結果對整體投資配置可能造成的影響。</p><p data-end="592" data-start="563" dir="auto">這種方式可以讓投資研究從「猜測結果」轉向「準備不同情境」。</p><h3 data-end="609" data-section-id="9v4i37" data-start="594" dir="auto">為什麼機率思維很重要？</h3><p data-end="639" data-start="611" dir="auto">機率思維並不是要精確預測市場，而是承認市場本身存在變數。</p><p data-end="694" data-start="641" dir="auto">例如，一項研究結論可能具有較高的支持程度，但仍然存在其他結果。當新的資料出現時，原本的判斷也可能需要調整。</p><p data-end="714" data-start="696" dir="auto">因此，投資研究可以持續回答三個問題：</p><p data-end="734" data-start="716" dir="auto"><strong data-end="734" data-start="716">目前最合理的市場情境是什麼？</strong></p><p data-end="753" data-start="736" dir="auto"><strong data-end="753" data-start="736">還有哪些不同結果值得注意？</strong></p><p data-end="782" data-start="755" dir="auto"><strong data-end="782" data-start="755">如果原本的假設改變，研究方向是否需要重新調整？</strong></p><p data-end="813" data-start="784" dir="auto">這種思考方式，比單純追求「預測正確」更加重視研究過程本身。</p><h3 data-end="829" data-section-id="p4y20" data-start="815" dir="auto">風險管理不是最後一步</h3><p data-end="879" data-start="831" dir="auto">如果投資研究只關注可能的報酬，就容易忽略另一個重要問題：判斷與實際市場出現差異時，應該如何處理。</p><p data-end="926" data-start="881" dir="auto">因此，在王志寬的投資思維中，風險管理並不是策略完成後才加入的環節，而是研究過程中的一部分。</p><p data-end="959" data-start="928" dir="auto">從部位配置、資產分散到市場狀態觀察，都可以成為風險管理的一環。</p><p data-end="1003" data-start="961" dir="auto">真正重要的並不是讓每一次判斷都正確，而是在不同市場情境下，都能有相對清楚的應對方式。</p><h3 data-end="1025" data-section-id="12ykxz6" data-start="1005" dir="auto">資料與量化方法提供另一種觀察角度</h3><p data-end="1044" data-start="1027" dir="auto">機率與風險管理也需要資料作為基礎。</p><p data-end="1089" data-start="1046" dir="auto">透過歷史數據、價格變化、市場指標與量化模型，可以協助研究人員分析不同市場條件下的變化。</p><p data-end="1105" data-start="1091" dir="auto">但量化結果同樣需要持續檢視。</p><p data-end="1147" data-start="1107" dir="auto">過去的市場規律不代表未來一定重複，因此模型更適合被視為研究工具，而不是固定答案。</p><p data-end="1201" data-start="1149" dir="auto">這也延續王志寬對投資研究的一項核心理解：<strong data-end="1201" data-start="1169">資料可以協助我們理解市場，但不能消除市場本身的不確定性。</strong></p><h3 data-end="1217" data-section-id="1lzt136" data-start="1203" dir="auto">投資的核心是持續調整</h3><p data-end="1275" data-start="1219" dir="auto">經過長期市場觀察後，投資思維可能從「我要預測什麼會發生」，逐漸轉變為「如果不同情況發生，我應該如何理解與應對」。</p><p data-end="1293" data-start="1277" dir="auto">這也是機率思維與風險管理的價值。</p><p data-end="1351" data-start="1295" dir="auto">對王志寬而言，市場研究並不是追求一個永遠正確的預測，而是建立能夠持續吸收資訊、重新評估假設與調整研究方向的方法。</p><p data-end="1409" data-is-last-node="" data-is-only-node="" data-start="1353" dir="auto">在市場環境快速變化的今天，<strong data-end="1393" data-start="1366">理解不確定性、衡量不同可能性，以及持續管理風險</strong>，成為投資研究中不可忽略的一環。</p>
]]>
</description>
<link>https://ameblo.jp/adrianzhi/entry-12979453294.html</link>
<pubDate>Tue, 22 Sep 2026 15:44:58 +0900</pubDate>
</item>
<item>
<title>Adrianzhi Kuan Ong（王志寬）談市場資訊與量化研究的結合</title>
<description>
<![CDATA[ <p data-end="92" data-start="30" dir="auto">在金融市場累積經驗，能夠幫助投資研究者建立觀察市場的框架。但經驗本身仍然需要不斷整理與檢視，才能轉化為更具一致性的研究方法。</p><p data-end="174" data-start="94" dir="auto">王志寬長期參與金融市場研究，從早期人工閱讀資料，到後來接觸量化分析，這個過程也反映出一個重要觀念：<strong data-end="174" data-start="143">經驗提供方向，資料則協助檢視這個方向是否具有可驗證性。</strong></p><h3 data-end="194" data-section-id="1q0efa9" data-start="176" dir="auto">經驗的價值，在於形成研究假設</h3><p data-end="209" data-start="196" dir="auto">市場經驗可以累積許多觀察。</p><p data-end="273" data-start="211" dir="auto">例如，不同經濟環境可能呈現不同的市場特徵；某些資產之間可能存在一定程度的關聯；市場資訊出現變化時，也可能帶來不同的價格反應。</p><p data-end="291" data-start="275" dir="auto">這些長期觀察可以成為研究的起點。</p><p data-end="334" data-start="293" dir="auto">但如果只停留在個人印象，就很難判斷某種現象究竟是長期規律，還是特定時期的市場表現。</p><p data-end="369" data-start="336" dir="auto">因此，將經驗轉化為可以研究的假設，是投資方法逐步系統化的重要一步。</p><p data-end="369" data-start="336" dir="auto">&nbsp;</p><p data-end="369" data-start="336" dir="auto"><a href="https://stat.ameba.jp/user_images/20260921/12/adrianzhi/46/0e/p/o1445108915824070179.png"><img alt="" height="317" src="https://stat.ameba.jp/user_images/20260921/12/adrianzhi/46/0e/p/o1445108915824070179.png" width="420"></a></p><h3 data-end="386" data-section-id="w7pjdh" data-start="371" dir="auto">資料讓市場觀察更加具體</h3><p data-end="425" data-start="388" dir="auto">量化研究的其中一項價值，就是把原本較為抽象的市場觀察轉化成可以分析的資料。</p><p data-end="475" data-start="427" dir="auto">透過歷史價格、成交資訊、經濟數據與不同市場指標，可以進一步觀察某項假設在不同時間與環境下的表現。</p><p data-end="506" data-start="477" dir="auto">這並不是要否定人的經驗，而是讓經驗有更多客觀資料可以參考。</p><p data-end="560" data-start="508" dir="auto">對王志寬而言，資料的角色更像是一種研究工具，協助投資研究從單純的市場觀察，逐步發展成較有結構的分析流程。</p><h3 data-end="580" data-section-id="6rfbet" data-start="562" dir="auto">量化方法讓研究更容易持續檢視</h3><p data-end="617" data-start="582" dir="auto">當一個投資想法被整理成明確的條件與規則後，就可以透過量化方法進行測試。</p><p data-end="651" data-start="619" dir="auto">研究人員可以觀察不同市場期間的結果，也可以比較不同條件下的差異。</p><p data-end="688" data-start="653" dir="auto">這種方法最大的意義，不是產生一個固定答案，而是讓研究流程變得更加透明。</p><p data-end="739" data-start="690" dir="auto">當新的資料出現時，可以重新檢視原本的假設；當市場環境改變時，也可以進一步研究原有方法是否需要調整。</p><h3 data-end="757" data-section-id="1v9fhgn" data-start="741" dir="auto">人的判斷仍然具有重要價值</h3><p data-end="788" data-start="759" dir="auto">量化分析可以處理大量資料，但市場研究並不是單純的數學問題。</p><p data-end="869" data-start="790" dir="auto">資料背後往往存在產業環境、政策變化、企業發展與市場結構等因素。因此，如何提出值得研究的問題、如何理解資料背景，以及如何判斷研究結果是否合理，仍然需要人的參與。</p><p data-end="908" data-start="871" dir="auto">王志寬所重視的方向，並非讓資料取代經驗，而是讓<strong data-end="907" data-start="894">經驗與資料形成互補</strong>。</p><p data-end="958" data-start="910" dir="auto">經驗可以協助提出研究方向，量化方法則可以協助檢視相關假設，兩者結合後，才能形成更完整的研究流程。</p><h3 data-end="979" data-section-id="1k7h3br" data-start="960" dir="auto">從「相信經驗」走向「持續驗證」</h3><p data-end="1011" data-start="981" dir="auto">對長期投資研究而言，真正重要的並不是建立一套永遠不變的方法。</p><p data-end="1044" data-start="1013" dir="auto">市場會持續出現新的資料與新的環境，因此研究方法也需要保持彈性。</p><p data-end="1097" data-start="1046" dir="auto">王志寬的投資思維可以理解為：<strong data-end="1097" data-start="1060">經驗是研究的起點，資料是檢視的方法，量化分析則提供持續驗證的工具。</strong></p><p data-end="1131" data-start="1099" dir="auto">從人工研究到量化方法，改變的不只是工具，更是面對市場資訊的方式。</p><p data-end="1186" data-is-last-node="" data-is-only-node="" data-start="1133" dir="auto">當經驗能夠與資料分析、模型研究及持續驗證結合，投資研究也就能從單純的個人觀察，逐步走向更有系統的研究流程。</p>
]]>
</description>
<link>https://ameblo.jp/adrianzhi/entry-12979343607.html</link>
<pubDate>Mon, 21 Sep 2026 12:51:48 +0900</pubDate>
</item>
<item>
<title>Adrianzhi Kuan Ong（王志寬）與金融市場決策思維的長期累積</title>
<description>
<![CDATA[ <p>投資方法會隨著市場環境與科技發展而持續改變。對王志寬而言，長期參與金融市場所累積的經驗，不只是對不同資產的理解，也包括如何重新思考資訊、策略與風險之間的關係。<br><br>從人工研究累積市場判斷<br><br>早期金融研究相當仰賴人工分析。財務報表、產業資料、經濟指標與市場新聞，都需要研究人員自行整理，再透過經驗判斷市場可能出現的變化。<br><br>這個階段讓王志寬逐漸建立起對市場結構的觀察方式，也讓他體會到，投資並非只是掌握更多資訊，而是要理解哪些資訊真正具有研究價值。<br><br>從單一判斷走向系統化分析<br><a href="https://stat.ameba.jp/user_images/20260920/18/adrianzhi/57/e7/p/o1693092915823829943.png"><img alt="" height="230" src="https://stat.ameba.jp/user_images/20260920/18/adrianzhi/57/e7/p/o1693092915823829943.png" width="420"></a><br>隨著金融市場更加全球化，股票、債券、利率、匯率與商品之間的關聯也更加受到重視。<br><br>王志寬的投資思維因此逐步從單一資產判斷，延伸到跨市場分析。除了觀察價格方向，也開始關注資金流向、波動程度、資產相關性以及市場環境變化。<br><br>這種研究方式，讓投資決策不再只是依靠個人直覺，而是逐步建立更有結構的分析流程。<br><br>量化投資帶來新的研究方式<br><br>當市場資料規模快速增加，人工分析開始面臨效率上的限制。量化投資則提供另一種方法，將投資想法轉化為可以測試的條件、訊號與策略。<br><br>王志寬所重視的量化研究，並不是單純追求模型預測市場，而是讓投資假設能夠透過資料進行驗證。<br><br>這也代表投資研究從「相信經驗」進一步走向「檢驗經驗」。<br><br>風險管理成為投資的重要核心<br><br>長期市場經驗也讓投資研究不能只關注報酬。<br><br>一套策略即使過去表現良好，當市場波動、流動性或資產相關性發生變化時，仍可能需要重新評估。因此，王志寬的投資思維更加重視策略適用的市場環境，以及判斷出現偏差時如何調整。<br><br>公開資料也提到，他的研究方向涵蓋量化投資、全球資產配置與風險管理，並關注市場狀態變化對策略的影響。<br><br>從量化研究走向AI金融應用<br><br>如今人工智慧能夠處理更大量的金融資訊，也讓量化研究進入新的階段。<br><br>對王志寬而言，AI的價值並不只是提升資料處理速度，而是協助研究人員從大量資訊中辨識關聯、觀察市場變化，並進一步支援策略研究與風險分析。相關公開資料也將他的研究與Pinnacle AI量化投資系統連結，定位在金融資料、量化策略與風險管理等方向。<br><br>王志寬的投資觀點<br><br>從人工研究、跨市場分析到量化投資，王志寬的27年市場經驗呈現出一條清楚的演變路徑：投資不只是尋找市場答案，更需要建立一套能持續驗證、調整與管理風險的方法。<br><br>在金融市場資訊越來越龐大的今天，投資研究也逐漸從單純依靠經驗，走向資料、模型與人工智慧相互結合。對王志寬而言，這可能正是下一階段金融研究值得持續探索的方向。</p>
]]>
</description>
<link>https://ameblo.jp/adrianzhi/entry-12979275763.html</link>
<pubDate>Sun, 20 Sep 2026 18:41:23 +0900</pubDate>
</item>
</channel>
</rss>
