Author Archives: 發財橘子

彼得·提爾（Peter Andreas Thiel，1967年10月11日－）是著名的德裔美籍企業家、風險投資家、對沖基金經理人與政治評論家，被譽為矽谷最具影響力的「教父級」思想家。他以共同創辦 PayPal 及大數據分析巨頭 Palantir Technologies 聞名，且身為 Facebook（現 Meta）的首位外部投資人，其投資眼光精準。他所提倡的「從零到一」創新理念與對壟斷市場的獨到見解，深刻地重塑了當代科技創業與投資界的遊戲規則。

提爾的投資哲學核心在於「逆向投資」（Contrarianism）與「壟斷」。他認為競爭是給失敗者準備的，真正的商業價值來自於創造出獨一無二、能產生壟斷效益的公司（即「從零到一」的垂直進步，而非「從一到多」的水平複製）。

他偏好具有強大技術壁壘、顯著網路效應或獨特品牌優勢的企業。 

獨占性與定價權篩選 (Monopoly & Pricing Power)

• 毛利率 (Gross Margin)：>60>60。高毛利是軟體或科技壟斷的財務特徵，代表極強的定價權與邊際成本趨近於零的可擴展性。
• 淨利率成長率：過去 3 年平均 >15>15。顯示隨著規模擴大，網路效應 (Network Effect) 正在轉化為實際獲利。
• 市場佔有率優勢 ⚠️：該公司在細分領域必須是絕對領導者（量化代理指標：營收規模大於第二名競爭對手 2 倍以上，或相對強弱指標 RS rating > 90）。

工程與技術突破 (The 10x Improvement)

• 研發投入比 (R&D/Sales)：>20>20。持續的高研發投入是維持技術領先（比起競爭對手好 10 倍）的必要條件。
• 營收成長率 (Revenue Growth)：>30>30。必須處於高速擴張期，因為在 Thiel 的觀點中，低成長代表競爭激烈。

創辦人控制權與誘因 (Founder-Led & Skin in the Game)

• 內部人持股比例：創辦人/管理層持股 >5~10%。Thiel 偏好創辦人親自掌舵的企業。

反向與被低估的成長 (Contrarian Truth)

• 機構持股比例：初期可設定 <40 。Thiel 尋找的是大眾尚未發現的「秘密」，若機構持股過高，代表共識已形成，超額報酬降低。
• PEG (本益成長比)：雖然 Thiel 不重估值，但為了量化安全性，可設定 PEG<2.0 ，確保成長未被極度過度定價。

現金流持久性 (Durability)

• 自由現金流 (FCF) 轉正預期：雖然目前可虧損，但經營現金流需呈現逐季改善趨勢，或符合「40法則」(Rule of 40: 營收成長率 + 利潤率 > 40%)。

根據上述的想法，我寫了一個腳本如下

// 腳本名稱：提爾「從零到一」壟斷獨角獸濾網
// 資料頻率：日 (結合季財報與月營收)

// --- 參數設定 ---
input: Margin_Threshold(40, "毛利率門檻(%) -> 尋找定價權與壟斷力");
input: RD_Ratio_Threshold(8, "研發費用率門檻(%) -> 尋找極致的技術壁壘");
input: Rev_Growth(20, "近三月營收年增率(%) -> 尋找網路效應與掠奪式成長");
input: RuleOf40_Limit(40, "4.Rule of 40 下限");
input: Insider_Limit(5, "5.董監持股下限(%)");
input: PEG_Limit(2.0, "7.PEG上限");

// --- 條件一：絕對的定價權 (高毛利) ---
value1 = GetField("營業毛利率", "Q"); 
condition1 = value1 >= Margin_Threshold;


// --- 條件二：深厚的技術壁壘 (高研發投入) ---
// 計算「研發費用率」：營業研發費用 / 營業收入淨額
value2 = GetField("研發費用", "Q");
value3 = GetField("營業收入淨額", "Q");
value4 = 0;

condition2 = false;
if value3 > 0 then begin
value4 = (value2 / value3) * 100;
// 研發投入佔比必須高於設定門檻
if value4 >= RD_Ratio_Threshold then condition2 = true;
end;


// --- 條件三：網路效應與規模化 (高速且持續的營收成長) ---
// 使用近三個月的平均營收年增率，過濾掉單月入帳的雜訊
value5 = Average(GetField("月營收年增率", "M"), 3);
condition3 = value5 >= Rev_Growth;


// --- 條件四：動能確認 (處於擴張期) ---
// 確保目前的月營收具備創新高的規模，而非正在衰退的過氣產業
condition4 = GetField("月營收", "M") = Highest(GetField("月營收", "M"), 12);

// 條件五： Rule of 40 與 PEG 估值保護
value8 = GetField("營業利益率", "Q");
value9 = GetField("本益比", "D");
value10 = GetField("稅後淨利成長率", "Q"); // 單季淨利成長率，用於計算PEG

// 計算 Rule of 40 (營收成長率 + 營業利益率)
value6= value5 + value8;

// 計算 PEG (本益成長比)
// 若本益比或淨利成長率為負，賦予極大值以排除
var:peg(0);
if value9 > 0 and value10 > 0 then 
peg = value9 / value10 
else 
peg = 999; 

condition5 = value6 >= RuleOf40_Limit; // SaaS/軟體股核心健康指標
condition6 = peg <= PEG_Limit; // 成長未被極度透支

// --- 綜合篩選與輸出 ---
if condition1 and condition2 and condition3 and condition4 
and condition5 and condition6 then begin
ret = 1;
outputField1(value1, "營業毛利率(%)");
outputField2(value4, "研發費用率(%)");
outputField3(value5, "近3月營收成長(%)");
end;

根據這樣的腳本去回測過去12年的台股， 持有天數90天，回測報告如下

總交易次數351次，勝率是56%，不算高，時間加權報酬率是3151%，遠遠勝於大盤的276% ，顯示尋找壟斷股票這樣的概念，在台灣也是可行的

趨勢強度指標 (Trend Intensity Index, TII) 雖然不像 RSI 或 MACD 那樣家喻戶曉，但在專業量化交易員圈子中，它被視為測量市場「信念（Conviction）」最精準的工具之一。

其發明者 M.H. Pee 的設計理念非常獨特，他認為傳統指標只看「價格變動的速度」，卻忽略了 「價格相對於長期均衡價值的累積位移」 。

以下為您詳細說明 TII 的設計理念、計算公式、實戰應用，並提供專為 XQ 系統優化的 XScript 腳本。

一、 TII 的設計理念：量化群眾的「信念」

在行為金融學中，有一個「從眾效應（Herding）」。當一個趨勢形成時，散戶通常是最後知後覺的，而法人機構則是有計劃地推升價格。

TII 的設計核心在於：如果市場真的處於強勢的多頭，群眾不僅會把價格推高，而且會「願意長時間、大幅度地在均線（長期價值共識）之上買進」。

• 傳統 RSI 的缺點：如果股價連續 14 天微幅上漲 0.1%，RSI 會衝到接近 100，顯示極度超買，但實際上推升力道很弱。
• TII 的優點：它不看單日的漲跌幅，而是計算過去一段時間　內，價格位於長期均線　「上方」的累積面積，與「下方」累積面積的比例。這測量的是一種趨勢的「動能持續性」與「群眾追價信念」。

二、 TII 的詳細計算方式

TII 的計算分為四個步驟，本質上是一個「乖離率的累積佔比」運算：

步驟 1：建立長期價值基準線 (Baseline)

計算長天期的移動平均線 (MA)。　

步驟 2：計算每日價格與均線的「乖離 (Deviation)」

計算每日收盤價相對於 MA 的絕對位移。

D = Close – MA

步驟 3：分類並累加「正乖離」與「負乖離」

在過去 N 天　內：

• 如果 D > 0 （收盤價在均線之上），將該數值計入 「多頭力量總和 (SumPosDev)」 。
• 如果  D < 0 （收盤價在均線之下），將該數值的絕對值計入　「空頭力量總和 (SumNegDev)」 。

步驟 4：計算 TII 百分比

將多頭力量佔總力量（多頭 + 空頭）的百分比算出。數值範圍在  0  到100% 之間。

• TII = 50%：多空力量完全平衡。
• TII > 50%：多頭佔優勢，價格主要在均線之上運行。
• TII < 50%：空頭佔優勢，價格主要在均線之下運行。

三、 實戰應用指南 

TII 適合用來作為 「趨勢確認（Filter）」與「信念背離（Divergence）」 的研判工具。

1. 趨勢確認與過濾假突破 (Trend Confirmation)

這是 TII 最強大的功能。當股價突破前高時，散戶常衝進去追高，結果遇到假突破。

• 應用邏輯：只有當 TII 突破 80% 門檻時，才確認這是一個具備強大群眾信念的多頭趨勢。
• 戰略價值：這能幫用戶過濾掉超過 60% 的無效突破與盤整雜訊。　

2. 信念耗竭與頂部背離 (Conviction Exhaustion)

當股價還在創新高，但願意在均線之上追價的「累積力量」開始減少時，就是大逆轉的前兆。

• 應用邏輯：股價創出新高，但 TII 雖然還在 50% 以上，卻無法回到 80% 門檻（或 TII 的高點一波比一波低）。
• 行為學意義：這在行為心理學上稱為 「信念動搖」。雖然價格表面風光，但買盤的真實底氣已經虛化，隨時可能發生崩盤。這是一個極佳的波段停利訊號 。

3. 中軸交叉訊號 (零軸交叉變體)

當 TII 從下方向上穿越 50%，代表長期的籌碼生態正式由空翻多。這是一個較遲鈍但穩健的長線買點。

四、 XScript (XQ 語法) 指標腳本實作

這段腳本忠實還原了 M.H. Pee 的 TII 算法，並使用了 Average 來處理長期均線與乖離的累加。　

// 指標名稱：Trend Intensity Index (TII 趨勢強度指標)
// 理論基礎：M.H. Pee
// -----------------------------------------------------------
Input: 
Long_Period(22, "長期均線週期(基準線)"), 
Smooth_Period(10, "乖離累加週期(平滑線)");

Variable: 
ValueMA(0), Dev(0), 
TodayPosDev(0), TodayNegDev(0), // 新增：單純記錄當根 K 線的正/負乖離
SumPosDev(0), SumNegDev(0), 
TII(0);

// 1. 確保有足夠的 K 線數據
if CurrentBar < Long_Period then return;

// 2. 計算市場長期價值基準線 (SMA)
ValueMA = Average(Close, Long_Period);

// 3. 計算每日價格與均線的「乖離 (Deviation)」
Dev = Close - ValueMA;

// 4. 將當根 K 線的乖離，嚴格分流到正負變數中
// 不在此處進行加總，只做數值分離
if Dev > 0 then begin
TodayPosDev = Dev;
TodayNegDev = 0;
end else if Dev < 0 then begin
TodayPosDev = 0;
TodayNegDev = AbsValue(Dev);
end else begin
TodayPosDev = 0;
TodayNegDev = 0;
end;

// 5. 在條件式之外，無條件對過去 N 天的數列進行滾動加總
// 這樣 Summation 函數每天都會確實讀取到陣列的新值
SumPosDev = Summation(TodayPosDev, Smooth_Period);
SumNegDev = Summation(TodayNegDev, Smooth_Period);

// 6. 計算 TII 最終數值
if (SumPosDev + SumNegDev) <> 0 then
TII = (SumPosDev / (SumPosDev + SumNegDev)) * 100
else
TII = 50;

// 7. 繪圖輸出
Plot1(TII, "TII 強度指數");
Plot2(50, "多空分水嶺(中軸)");
Plot3(80, " 信念強勁");
Plot4(20, "信念崩塌");

底下是趨勢強度指標與K線的對照圖

艾爾德射線 (Elder-Ray Index)，又常被稱為牛熊力量指標 (Bull & Bear Power)，是由擁有精神科醫師背景的傳奇交易員亞歷山大·艾爾德博士 (Dr. Alexander Elder) 所發明。

這套指標的命名極具巧思：「Ray」代表 X 光射線。艾爾德博士認為，K 線圖只是市場的皮膚，而這套指標就是市場的 X 光機，能看穿皮膚底下「多頭（貪婪）」與「空頭（恐懼）」雙方力量的真實骨架。

以下為您深度拆解其設計理念、實戰應用，以及專為 XQ 系統優化的 XScript 腳本。

1. 設計理念：精神醫學視角下的「價值共識」

艾爾德射線的底層邏輯，建立在三個行為金融學的假設上：

1. 價值共識 (Value Consensus)：
   艾爾德認為，指數移動平均線 (通常使用 13 日 EMA) 代表了這段期間內，多空雙方妥協後的「合理價值共識」。
2. 多頭的最大推升力 (Bull Power)：
   當天的最高價 (High)，代表多頭在盤中最極度貪婪、傾盡全力把價格往上推的極限位置。
   • 公式： Bull Power = High – 13日 EMA
   • 意義： 測量多頭能把股價拉離「價值共識」多遠。
3. 空頭的最大下砸力 (Bear Power)：
   當天的最低價 (Low)，代表空頭在盤中製造最大恐慌、把價格往下砸的極限位置。
   • 公式： Bear Power = Low – 13日 EMA
   • 意義： 測量空頭能把股價壓離「價值共識」多深。

2. 實戰應用指南 (產品化視角)

這套指標在視覺呈現上極具特色，它通常包含一個趨勢指標 (EMA) 與兩個柱狀圖 (Bull Power & Bear Power)。 這套邏輯能完美解決散戶「順勢交易中找不到進場點」的痛點。

• 最高勝率買點：多頭趨勢中的「空頭力竭」
  • 背景： 13 日 EMA 趨勢向上（大方向是多頭）。
  • 觸發： Bear Power 柱狀圖處於零軸之下（股價回檔，空頭發力），但柱狀體開始縮短、向上勾頭。
  • 行為學意義： 大趨勢向上，但盤中空頭試圖把價格砸破價值共識（EMA）。當 Bear Power 向上勾，代表「空頭砸盤的力量已經耗盡」，這是順勢交易中極佳的拉回買點。
• 最高勝率空點：空頭趨勢中的「多頭力竭」
  • 背景： 13 日 EMA 趨勢向下。
  • 觸發： Bull Power 柱狀圖處於零軸之上，但柱狀體開始縮短、向下彎折。
  • 行為學意義： 跌勢中的反彈，多頭傾盡全力也無法繼續將價格推離 EMA，多頭氣力放盡，是極佳的反彈空點。
• 終極反轉訊號：力量背離 (Power Divergence)
  • 股價創新高，但 Bull Power 柱狀圖卻比前一波低 $\rightarrow$ 多頭情緒耗竭，即將見頂。
  • 股價創新低，但 Bear Power 的負值柱狀圖卻比前一波淺 $\rightarrow$ 空頭情緒耗竭，即將見底。

3. XScript (XQ 語法) 完整指標腳本

為了在系統中創造最強烈的視覺對比，這段腳本將 Bull Power 與 Bear Power 繪製在同一個副圖中，並利用零軸上下的柱狀圖顏色漸層，讓「多空角力」的動態變化一目了然。

程式碼 

// 指標名稱：Elder-Ray Index (艾爾德射線 / 牛熊力量指標)
// 理論基礎：Dr. Alexander Elder
// -----------------------------------------------------------
Input: Length(13, "EMA 計算週期");
Variable: ValueEMA(0), BullPower(0), BearPower(0);

// 1. 計算市場價值共識 (13 日 EMA)
ValueEMA = XAverage(Close, Length);

// 2. 計算多頭力量與空頭力量
// Bull Power：最高價與 EMA 的距離
BullPower = High - ValueEMA;
// Bear Power：最低價與 EMA 的距離
BearPower = Low - ValueEMA;

// 3. 繪圖輸出 (建議在系統設定中，將 Plot1 與 Plot2 皆設為「柱狀圖」)
Plot1(BullPower, "多頭力量(Bull)");
Plot2(BearPower, "空頭力量(Bear)");
Plot3(0, "價值共識(零軸)");

在實務的看盤 上，散戶經常不知道該看哪一個指標來決定進出場。下面是這個指標的圖例

透過將艱澀的行為心理學量化，並轉換為極度直觀的視覺標籤，這能大幅降低一般投資者交易的門檻 。

情緒區間震盪指標 (Sentiment Zone Oscillator, SZO) 是由 Walid Khalil 於 2012 年發表在《Technical Analysis of Stocks & Commodities》雜誌上的指標。這是一個「行為金融學（Behavioral Finance）」 的工具。傳統的 RSI 或 MACD 都是以「價格變動的幅度（Magnitude）」為計算基礎；但 SZO 徹底摒棄了幅度，它只在乎 「時間與群眾情緒的持續性（Persistence）」 。 因為人性只要漲就會更貪婪，只要跌就會更恐懼。

以下為您詳細拆解 SZO 的數學意義、實戰應用，以及無縫接軌系統的 XScript 腳本。

1. 核心數學意義與邏輯：純粹的群眾投票機

SZO 的底層邏輯非常簡單粗暴：今天只要收紅（上漲），就算多頭贏了一票（+1）；只要收黑（下跌），就算空頭贏了一票（-1）。漲跌 1 塊錢跟漲跌 100 塊錢，在情緒的權重上是完全一樣的。

運算步驟拆解：

1. 情緒定位 (Sentiment Position, SP)：

• 三重指數平滑 (TEMA)：

  單純加總每日的 +1 與 -1 會產生太多鋸齒狀雜訊。SZO 採用了極度滑順且延遲極低的三重指數移動平均 (TEMA) 來處理這組數列。

• 標準化 (Normalization)：

  將平滑後的值乘以 100，使其波動範圍完美鎖定在 $+100$ 到 $-100$ 之間。

2. 實戰應用指南 (PM 產品視角)

對於您的平台用戶而言，SZO 是一支非常純粹的**「情緒溫度計」**。它的曲線平滑，極度適合用來過濾假訊號與捕捉情緒的極端反轉。

• 尋找極端情緒 (Euphoria vs. Despair)：

  • SZO 通常以 +50 與 -50 作為極端警戒線（這等同於過去 14 天內，有超過 75% 的天數是上漲或下跌的）。

  • 極度貪婪 (+50 以上)： 市場處於非理性的狂熱，散戶瘋狂追高（FOMO）。此時隨時可能發生多殺多的踩踏，是右側波段停利的極佳時機。

  • 極度恐懼 (-50 以下)： 市場連續多日陰跌，散戶絕望停損。這是賣壓即將枯竭的訊號，適合左側尋找買點。

• 情緒背離 (Sentiment Divergence)： 這是 SZO 最具威力的用法。當股價創出新高，但 SZO 卻未能突破前高，這代表**「雖然價格還在漲，但願意每天用真金白銀投下 +1 票的人變少了」**。這種情緒退潮往往領先於價格的崩盤。

3. XScript (XQ 語法) 完整指標腳本

// 指標名稱：Sentiment Zone Oscillator (SZO 情緒區間震盪指標)
// 理論基礎：Walid Khalil (行為金融學)
// -----------------------------------------------------------
Input: Length(14, "計算週期");
Variable: SP(0), EMA1(0), EMA2(0), EMA3(0), SZO(0);

// 1. 計算每日情緒定位 (Sentiment Position)
if Close > Close[1] then
SP = 1
else if Close < Close[1] then
SP = -1
else
SP = 0;

// 2. 計算三重指數移動平均 (VALUE1) 進行極致平滑
// XQ 的 XAverage 函數即為 EMA (Exponential Moving Average)
EMA1 = XAverage(SP, Length);
EMA2 = XAverage(EMA1, Length);
EMA3 = XAverage(EMA2, Length);

// VALUE1 核心公式：3 * EMA1 - 3 * EMA2 + EMA3
VALUE1 = (3 * EMA1) - (3 * EMA2) + EMA3;

// 3. 計算 SZO 最終數值 (標準化至 -100 ~ +100)
SZO = 100 * VALUE1;

// 4. 繪圖輸出
Plot1(SZO, "SZO 情緒指數");
Plot2(0, "零軸 (多空分水嶺)");

// 繪製極端情緒警戒線
Plot3(50, "極度貪婪區 (+50)");
Plot4(-50, "極度恐懼區 (-50)");

畫出來的參考圖

個股合成恐慌指數 (Williams VIX Fix, WVIXF) 是由交易大師 Larry Williams 發明的傑作。傳統的 VIX 指數只能依賴大盤選擇權的隱含波動率來計算，這導致我們無法測量「單一個股」的恐慌程度。WVIXF 的誕生，就是為了讓任何一檔股票、ETF 甚至加密貨幣，都能擁有自己的專屬恐慌指數。

近幾年，TradingView 社群將這個老指標進行了「現代化改良（疊加布林通道）」，使其成為目前抓取個股「極度恐懼（底部）」最精準的工具之一。

1. 核心數學意義與現代化改良

WVIXF 的底層邏輯非常直觀：當前股價距離近期的最高點跌得越深，市場就越恐慌。

原始公式計算

• 意義： 計算當前低點相較於近期最高收盤價的「最大回撤百分比」。指標數值越高，代表跌幅越深、恐慌越劇烈。

現代改良版：疊加動態布林通道 (Bollinger Bands)

原始的 WVIXF 有一個缺陷：每檔股票的股性不同，牛皮股跌 10% 已經是極度恐慌，但妖股跌 10% 只是日常波動。因此，現代量化分析不再使用固定的絕對數值，而是在 WVIXF 曲線之上，疊加一組布林通道的「上軌」。

• 計算方式： 針對 WVIXF 數值，計算其 20 日移動平均線（MA），並加上 2 倍的標準差（Standard Deviation）。
• 改良意義： 這條布林上軌成為了「動態的極端恐慌閾值」。只有當今天的恐慌程度，超越了該檔股票近期的常態波動範圍，才被認定為真實的「散戶怕到想要賣股票」。

2. 實戰應用指南

這個指標的視覺呈現通常是柱狀圖（Histogram）。它的判讀邏輯與一般指標完全相反：指標衝得越高，代表底部越近。

• 左側抄底（抓取極端轉折）：
  當 WVIXF 的柱狀體向上突破布林上軌時，代表市場出現了極端的拋售高潮（Selling Climax）。這通常伴隨著散戶的停損斷頭賣壓。當柱狀體隨後跌回布林上軌之下的那一刻，代表恐慌情緒開始降溫，這正是極高勝率的左側買點。
• 過濾正常回檔：
  在多頭趨勢中，股價難免回檔。如果股價下跌，但 WVIXF 的柱狀體離布林上軌還很遠，代表這只是主力正常的洗盤，市場並未陷入恐慌，這時候輕易摸底容易接刀。

• 大盤與個股的共振：
  若標普500的真實 VIX 飆高，同時個股的 WVIXF 也突破上軌，這種「總體與個體的雙重恐慌」，代表個股的下跌跟外部整體氣氛息息相關，而不是個股的基本面有什麼變化，這往往是長線佈局的機會。

3. XScript的對應腳本

// 指標名稱：個股恐慌指數 (Williams VIX Fix - 現代改良版)
// -----------------------------------------------------------
Input: 
Period(22, "尋找最高價週期"), 
BBLength(20, "布林通道週期"), 
BBMult(2.0, "標準差倍數");

Variable: 
HighestClose(0), WVIXF(0), 
Wvixf_MA(0), Wvixf_Std(0), Wvixf_Upper(0);

// 1. 找出過去 N 天的最高收盤價
HighestClose = Highest(Close, Period);

// 2. 計算 VIX Fix 核心公式 (當下低點距離最高收盤價的回撤百分比)
if HighestClose > 0 then
WVIXF = ((HighestClose - Low) / HighestClose) * 100
else
WVIXF = 0;

// 3. 建立動態極端閾值 (計算 WVIXF 的布林上軌)
Wvixf_MA = Average(WVIXF, BBLength);
Wvixf_Std = StandardDev(WVIXF, BBLength, 1);
Wvixf_Upper = Wvixf_MA + (BBMult * Wvixf_Std);

// 4. 繪圖輸出
// 建議在 XQ 系統中，將 Plot1 樣式設定為「柱狀圖」
Plot1(WVIXF, "WVIXF 恐慌指數");
Plot2(Wvixf_Upper, "極度恐慌閾值(上軌)");

畫出來的指標如下

Fomo研究院昨天寫了一篇文章如連結，這文章是摩根士丹利對傳奇投資人 Stan Druckenmiller 進行了一場深度訪談的內容。我請Gemini把這位大神的投資哲學寫成Xscript的選股腳本，今天我們就來聊一聊這位大神，以及我們要如何透過AI的協助，複製這位大神的投資哲學到台股的投資中。

Druckenmiller是個猛人，他原本在密西根大學唸經濟學博士，唸一唸發現學術界的經濟學模型過於僵化、不具備市場實戰價值而決定退學，直接投入金融業。

1977年他以去Pittsburgh National Bank當實習生，僅花一年時間，便因展現出卓越的商業直覺與分析能力，25 歲就被拔擢為股票研究部主管。

他在這個職務做了四年，1981年創辦了屬於自己的避險基金Duquesne Capital Management

這個基金以 100 萬美元創立 ，最高管理資產規模達 120 億美元。 30 年期間，締造了平均年化報酬率約 30% 的驚人紀錄，且從未有過任何虧損的年度（包含 2000年網路泡沬及2008 年金融海嘯期間仍維持正報酬）。

他最知名的戰役是，他曾從1988到2000年兼任過索羅斯量子基金的操盤手，在1992年重倉放空英鎊，為量子基金一天就賺了10億美金。

2010年之後，他就把錢都退完給客戶，目前專注於管理自有資金，持續活躍於全球市場，近年在 AI 浪潮（如 Nvidia）與生技醫療等領域亦有精準的佈局。

這樣一位如神一般存在的投資人，他的投資邏輯必有值得我們學習的地方

Fomo研究院這一篇寫的很好，內容請大家點連結進去看，基於版權我不好多寫

不過我可以在這篇文章提的這五點之外，另外分享幾點

一，永遠聚焦 18 到 24 個月後的未來

Druckenmiller 從不根據今天的財報或明天的新聞來交易，他認為現在的數據早就被市場定價了。 他的工作是想像「18 到 24 個月後，這家公司或這個世界的經濟樣貌會是什麼？」然後在現在尋找能夠引發那種改變的催化劑。他買的不是公司現在的價值，而是買它兩年後的變化率。

他的這個觀點我超級認同

二，將技術分析作為「測溫計」與「計時器」

他不迷信簡單的圖表型態，但他極度依賴技術分析來驗證基本面觀點。 如果他的基本面研究顯示某檔股票極佳，但圖表卻呈現不斷破底的空頭走勢，他會選擇觀望，認為「市場一定看到了我沒看到的東西」。他利用技術分析來感受市場的情緒、尋找絕佳的進場時機（Timing），並設定嚴格的停損點。

看完了他的投資哲學之後，我想要跟大家分享我如何用AI+XQ來複製他的投資哲學

第一步：  我把Fomo研究院的這篇文章貼到 gemini上，然後gemini就幫我整理出這篇文章的重點，然後gemini問我要不要進一步探討如何利用程式（例如 XScript 或 Python）將這些哲學轉化為具體的選股濾網嗎？例如，我們可以試著構思一段邏輯，專門篩選出「本益比處於歷史低位，但近兩季研發費用卻異常暴增」的潛在轉型股。

我說  yes，gemini就幫我生成了一份xscript的選股腳本

第二步，我把這腳本貼到XQ的 Xscript編輯器去編譯

然後就出現下面的錯誤訊息

第三步： 修正腳本

我看了一下，發現他的腳本中用了GetField(“營業研發費用”, “Q”); 但Xscript的研發費用欄位，並沒有營業兩個字，所以我就直接把這兩個字去掉，重新編譯，就成功了

成功後的腳本如下

// 腳本名稱：轉型迷霧淘金 (低本益比 + 研發爆增)
// 資料頻率：日

// 參數設定
input: PE_Length(750, "本益比歷史區間(天，預設約3年)");
input: PE_Threshold(1.2, "歷史低位容忍倍數(1.2=距最低點20%內)");
input: RD_Growth(30, "近兩季研發費用年增率門檻(%)");

// --- 條件一：本益比處於歷史低位 ---
value1 = GetField("本益比", "D");
value2 = Lowest(value1[1], PE_Length); // 過去N天的最低本益比

// 確保本益比為正值(排除虧損)，且目前本益比接近歷史最低點
condition1 = value1 > 0 and value1 <= (value2 * PE_Threshold);


// --- 條件二：近兩季研發費用異常暴增 ---
// 取得研發費用 (以季為頻率)
value3 = GetField("研發費用", "Q"); // 最近一季
value4 = GetField("研發費用", "Q")[1]; // 前一季
value5 = GetField("研發費用", "Q")[4]; // 去年同期 (最近一季)
value6 = GetField("研發費用", "Q")[5]; // 去年同期 (前一季)

condition2 = false;
// 確保去年同期的研發費用大於0，避免分母為零的運算錯誤
if (value5 + value6) > 0 then begin
// 計算近兩季研發費用總和的年成長率
value7 = ((value3 + value4) - (value5 + value6)) / (value5 + value6) * 100;

// 若成長率突破門檻，則觸發條件
if value7 >= RD_Growth then condition2 = true;
end;


// --- 綜合篩選與輸出 ---
if condition1 and condition2 then begin
ret = 1;
outputField1(value1, "目前本益比");
outputField2(value7, "近兩季研發年增率(%)");
outputField3(value3 + value4, "近兩季研發總額(百萬)");
end;

我把它拿來回測了一下，持有天數直接設為120天，我用的是普通股扣除KY，金融股及營建股

回測報告如下

我把這個選股加到每日自動執行的清單中，就可以知道有那一檔台股符合Druckenmiller的選股標準，接下來我就把這檔股票放到自選股，用其他技術分析指標來研判是否出現進場訊號

以上是我用AI+XQ的協作過程，先前介紹的技術指標，蠻多也是先請AI幫我寫腳本，寫完再放到Xscript編輯器裡去編譯，然後再根據錯誤訊息去修改，以我目前的心得，大部份的錯誤都是getfield的欄位名稱跟XS有小小落差，或是畫圖的語法，XS是直接用UI來設，不支援直接用語法寫，但AI對於寫程式的邏輯倒是很少有出過錯，甚至比我們人寫還精準

昨天有網友在問我寫的這些指標是怎麼做出來的，謹以此篇作例子，也請大家可以自己試看看。

VSA 是理查·奈（Richard Ney）與湯姆·威廉斯（Tom Williams）將威科夫理論現代化後的最強分支。它將威科夫的「努力與結果（Effort vs. Result）」法則直接寫成 K 線的辨識邏輯。

無供應 (No Supply) / 測試 (Test)： 發生在下跌區間。K 線收跌，但波幅縮小，成交量極度萎縮。這代表市場上的浮動籌碼已經洗乾淨，賣壓枯竭，是威科夫理論中極佳的買點。

深入探討 VSA (Volume Spread Analysis, 量價分析) 中的 「無供應 (No Supply)」，是將威科夫理論從「抽象哲學」落地為「具體交易訊號」的關鍵一步。

在傳統技術分析中，散戶常常看見下跌就恐慌，或是迷信「放量才是買點」。然而，VSA 的核心理念是：主力的建倉往往是悄無聲息的；當市場上真正沒有人願意倒貨時，只要一點點買盤，股價就能輕鬆推升。

以下為您詳細拆解「無供應」的底層意義、嚴謹的定義方式，以及如何將其轉化為高勝率的實戰策略。

1. 核心意義：看透賣壓的枯竭

「無供應 (No Supply)」K 線的出現，代表市場上的浮動籌碼 (Floating Supply) 已經被清洗乾淨。

• 心理學視角： 想像一檔股票經歷了回檔洗盤，散戶該停損的都停損了，套牢的也已經麻木不再看盤。這時，主力會進行「測試 (Test)」，他們刻意不掛買單，任由價格自然滑落。
• 主力行為特徵： 如果價格滑落時，成交量極度萎縮，且價格跌不下去（實體與波幅很小），這就給了主力一個明確的綠燈——「市場上已經沒有潛在的拋售壓力（無供應）了，現在拉抬股價阻力最小，成本最低。」

2. 計算方式與嚴謹定義 (XScript 邏輯拆解)

VSA 不是一個有著絕對數學公式的指標（如 RSI 的 0 到 100 ），它是一套 「條件特徵比對」 的邏輯。要精準定義一根「無供應」K 線，必須同時滿足以下三個嚴格條件：

1. 條件 A：價格收跌 (Down Bar)
   • 定義： 當根 K 線的收盤價，必須低於前一根 K 線的收盤價（Close < Close[1]）。
   • 意義： 這是一次向下的測試，用來逼迫潛在的賣壓出籠。
2. 條件 B：波幅狹窄 (Narrow Spread)
   • 定義： 當根 K 線的最高價減最低價（High – Low），必須明顯小於過去一段時間（例如 20 天）的平均波幅。
   • 意義： 如果賣壓很重，價格會被輕易摜破，波幅會放大。波幅狹窄代表「跌不下去」，下方有隱形的限價買盤托底。
3. 條件 C：成交量極度萎縮 (Ultra-Low Volume)
   • 定義： 當根 K 線的成交量，必須低於前兩根 K 線的成交量（Volume < Volume[1] And Volume < Volume[2]），甚至低於近期的平均成交量。
   • 意義： 這是最重要的靈魂。下跌卻沒有成交量，代表主力與散戶都沒有意願在這個價位拋售。

根據這樣的想法，寫出來的腳本如下

// 指標/選股名稱：VSA 威科夫無供應 (No Supply) 偵測
// 邏輯：尋找賣壓枯竭的 K 線
// -----------------------------------------------------------
Variable: Spread(0), AvgSpread(0);
Variable: IsDownBar(False), IsNarrow(False), IsLowVol(False);
Variable: IsNoSupply(False);

// 1. 定義波幅 (Spread)
Spread = High - Low;
AvgSpread = Average(Spread, 20); // 過去 20 天的平均波幅

// 2. 條件 A：這是一根下跌的 K 線 (或收在相對低點)
IsDownBar = Close < Close[1];

// 3. 條件 B：波幅必須小於近期平均 (窄幅震盪，代表沒有強烈拋售動能)
if Spread > 0 then
IsNarrow = Spread < (AvgSpread * 0.8)
else
IsNarrow = False;

// 4. 條件 C：成交量必須「顯著萎縮」(通常定義為低於前兩根 K 線)
IsLowVol = Volume < Volume[1] and Volume < Volume[2];

// 5. 綜合判斷：觸發威科夫「無供應」訊號
IsNoSupply = IsDownBar and IsNarrow and IsLowVol;

// 6. 繪圖與視覺化提示
if IsNoSupply then begin
// 在 K 線下方畫一個向上的綠色箭頭或標記
Plot1(Low * 0.97, "No Supply");

end;

3. 實戰用法與操作紀律

單獨看一根「無供應」K 線是危險的，「背景脈絡 (Context)」決定了這根 K 線的含金量。

實戰場景一：多頭趨勢中的回檔 (最強買點)

• 背景： 股票處於明確的上升趨勢（例如在 20MA 或 60MA 之上）。
• 觸發： 股價漲多拉回，在均線或前波支撐區附近，連續出現「無供應」K 線。
• 行動： 這代表主力的洗盤結束，隨時準備發動下一波主升段。
• 確認機制 (極重要)： VSA 的鐵律是 「無供應需要被確認」。出現無供應訊號後，必須等待下一根 K 線收漲 (Up Bar) ，才能正式進場做多。
• 停損設定： 設在無供應 K 線的最低點下方一點。因為如果這真的是無供應，主力絕不允許價格再跌破這個測試低點。

實戰場景二：底部盤整區的「彈簧效應 (Spring)」前兆

• 背景： 經歷長期下跌後，進入長達數個月的橫盤區間（威科夫的 Phase B）。
• 觸發： 股價慢慢向下滑落，逼近區間底部的支撐線，此時成交量極度萎縮，波幅變小（無供應）。
• 行動： 這是主力在底部「最後測試」籌碼穩定度的跡象。這時進場，買在起漲點的機率極高。

實戰場景三：空頭趨勢中的無供應 (無效訊號 / 誘多)

• 背景： 股票處於明確的下跌趨勢，均線蓋頭。
• 觸發： 出現無供應 K 線。
• 意義： 這不代表主力要買進！這只代表「暫時沒人賣」，但因為上方套牢賣壓太重，缺乏主動買盤的推升，股價很快會因為一點點賣單而繼續破底。（此處絕對不可做多）

 可以參考下面這張圖

將 VSA 邏輯指標化，對於消除 「主觀恐懼」具有極大價值。 

波浪趨勢震盪指標 (WaveTrend Oscillator, WT) 是近年在 TradingView 等新世代社群中被奉為「抓轉折神器」的指標，最初由開發者 LazyBear 發表後迅速爆紅。

WT 完美解決了傳統 KD（隨機指標）與 RSI 最讓散戶痛苦的問題：鋸齒狀的劇烈跳動與頻繁的假交叉。

以下為您深度拆解 WT 的數學意義、實戰應用，以及 XScript 腳本。

1. 核心數學意義與邏輯：極致平滑的 CCI 變體

WT 的底層邏輯其實是源自於商品通道指數 (Commodity Channel Index, CCI)，但它加上了非常精巧的雙重指數平滑 (Double EMA Smoothing) 機制，硬生生將原本暴躁的數據，馴化成如海浪般起伏的平滑曲線。

運算步驟拆解：

1. 典型價格 (Typical Price)： 不單看收盤價，而是取 (最高價 + 最低價 + 收盤價) / 3，這能更真實地反映當日多空交戰的平均成本。
2. 計算絕對偏差的 EMA： 先算出典型價格的指數移動平均 (EMA)，再計算價格偏離這條均線的「絕對距離」，並對這個距離再做一次 EMA。這等於量化了「波動的厚度」。
3. 常態化 (Normalization)： 將價格的偏離程度除以「波動厚度 ｘ 0.015」（這是源自 CCI 的經典常數，能將 70% 到 80% 的數值收斂在 +100 到 -100 之間）。
4. 終極平滑： 對上述算出的數值再做一次長週期的 EMA 得到主線 WT1，接著對 WT1 做 4 週期的簡單均線得到訊號線 WT2。

// 指標名稱：WaveTrend Oscillator (WT 波浪趨勢指標)
// 理論基礎：LazyBear
// -----------------------------------------------------------
Input:
ChannelLen(10, "通道計算週期(n1)"),
AverageLen(21, "平滑計算週期(n2)");

Variable:
ap(0), esa(0), d(0), ci(0),
wt1(0), wt2(0);

// 1. 計算典型價格 (Typical Price)
ap = (High + Low + Close) / 3;

// 2. 計算典型價格的指數移動平均 (EMA)
esa = XAverage(ap, ChannelLen);

// 3. 計算絕對偏差的 EMA (量化波動厚度)
d = XAverage(AbsValue(ap - esa), ChannelLen);

// 4. 計算通道指數 (常規化處理)
// 乘以 0.015 是為了將絕大多數數值壓縮到 -100 ~ +100 之間
if d > 0 then
ci = (ap - esa) / (0.015 * d)
else
ci = 0;

// 5. 計算 WT1 (主線) 與 WT2 (訊號線)
wt1 = XAverage(ci, AverageLen);
wt2 = Average(wt1, 4); // 訊號線通常固定取 4 週期 SMA

// 6. 繪圖輸出
Plot1(wt1, "WT1 (主線)");
Plot2(wt2, "WT2 (訊號線)");

// 繪製極值參考線
Plot3(60, "超買線");
Plot4(53, "警戒天花板"); // 輔助觀察線
Plot5(-60, "超賣線");
Plot6(-53, "警戒地板"); // 輔助觀察線
Plot7(0, "多空分水嶺");

2. 實戰應用指南 (PM 產品視角)

WT 的曲線異常圓滑，這在產品設計與使用者體驗（UX）上有著極大的優勢。用戶不會再因為盤中的小波動而感到焦慮。

• 精準的深水區交叉 (極值反轉)：
  WT 的超買超賣線通常設定在 +60 與 -60（更極端為 +80/-80）。
  • 買進： 當 WT1 與 WT2 雙雙跌破 -60，隨後 WT1 在深水區由下往上穿過 WT2（黃金交叉），這通常是極佳的波段起漲點。
  • 賣出： 當兩線進入 +60 以上的高空區，並發生死亡交叉，代表波段推升力道耗盡。
• 視覺化頂底背離 (Divergence)：
  這是 WT 最強大的功能。因為曲線沒有雜訊，用戶可以非常輕易地用肉眼看出：股價創了新低，但 WT 的交叉點卻比上一次的交叉點還要高（底背離）。

定量定性估計指標 (Quantitative Qualitative Estimation, QQE) 是近年在 TradingView 與量化社群中被譽為「趨勢跟隨與過濾雜訊神作」的現代指標。

它完美解決了我們前面討論過的痛點：傳統震盪指標（如 RSI、KD）在強趨勢中會「鈍化」，導致投資人過早逆勢進場而受傷。

以下為您深度拆解 QQE 的意義、實戰應用，以及如何在 XQ 中用 XScript 實作。

1. 核心數學意義與邏輯：動態的超買超賣線

傳統 RSI 的致命傷在於使用「固定的天花板與地板」（例如 70 與 30）。但在極強的牛市中，RSI 可以連續幾個月維持在 80 以上。

QQE 的核心創舉是：為 RSI 裝上了一個基於「波動率」的動態追蹤停損線 (Trailing Line)。

它的計算邏輯分為三個層次：

1. 平滑化 RSI： 先計算標準 RSI，再對其取指數移動平均 (EMA)，這過濾了單日暴漲暴跌的毛刺。
2. 計算 RSI 的真實波幅 (ATR of RSI)： 這是 QQE 最天才的地方。它不計算「股價」的 ATR，而是計算「RSI 數值本身」的變動絕對值，並對其進行兩次 EMA 平滑。這量化了**「動能的波動率」**。
3. 乘數與動態追蹤線： 將上述算出的動能波動率乘以一個費波南希常數（通常是 4.236），加減到平滑 RSI 上，形成一條動態的快慢追蹤線。

２．對應指標腳本

// 指標名稱：QQE (Quantitative Qualitative Estimation)
// -----------------------------------------------------------
Input: 
RSILen(14, "RSI週期"), 
SF(5, "RSI平滑週期(EMA)"), 
QQE_Factor(4.236, "波動率乘數(通常為4.236)");

Variable: vRSI(0), SmoothRSI(0), AbsDelta(0);
Variable: AtrRSI(0), SmoothAtrRSI(0), Darvas(0);
Variable: TrLevel(0); // 動態追蹤線

// 1. 計算 RSI 並進行平滑處理
vRSI = RSI(Close, RSILen);
SmoothRSI = XAverage(vRSI, SF);

// 2. 計算 RSI 的變動絕對值 (量化動能的波動)
if CurrentBar > 1 then
AbsDelta = AbsValue(SmoothRSI - SmoothRSI[1])
else
AbsDelta = 0;

// 3. 對波動率進行雙重平滑 (標準設定為 27 期 EMA)
AtrRSI = XAverage(AbsDelta, 27);
SmoothAtrRSI = XAverage(AtrRSI, 27);

// 4. 計算動態區間 (Darvas Box 原理)
Darvas = SmoothAtrRSI * QQE_Factor;

// 5. 計算動態追蹤停損線 (Trailing Level)
// 邏輯：根據 RSI 與前一期追蹤線的相對位置，決定追蹤線是要收斂還是翻轉
if CurrentBar = 1 then begin
TrLevel = SmoothRSI;
end else begin
if SmoothRSI < TrLevel[1] and SmoothRSI[1] < TrLevel[1] then
// 空頭延續：追蹤線只能向下壓，不能往上退
TrLevel = MinList(TrLevel[1], SmoothRSI + Darvas)
else if SmoothRSI > TrLevel[1] and SmoothRSI[1] > TrLevel[1] then
// 多頭延續：追蹤線只能向上墊，不能往下退 (保護獲利)
TrLevel = MaxList(TrLevel[1], SmoothRSI - Darvas)
else if SmoothRSI > TrLevel[1] then
// 剛由空翻多：重新設定下緣支撐
TrLevel = SmoothRSI - Darvas
else
// 剛由多翻空：重新設定上緣壓力
TrLevel = SmoothRSI + Darvas;
end;

// 6. 繪圖輸出
Plot1(SmoothRSI, "平滑 RSI");
Plot2(TrLevel, "動態追蹤線");
Plot3(50, "多空強弱分界");

３. 實戰應用指南　

　QQE 是一個非常適合做成　「波段自動交易策略」或是「趨勢確診儀表板」　的核心元件，因為它的訊號非常客觀，完全沒有模糊空間。

• 過濾假突破 (趨勢確認)：
  當股價突破新高，但 QQE 的「平滑 RSI 線」未能向上突破「動態追蹤線」，甚至發生背離，這就是強烈的假突破警告。系統可以自動發出警示：「動能未獲波動率確認，慎防誘多」。
• 黃金交叉與死亡交叉 (精準買賣點)：
  • 買進訊號： 平滑 RSI 線由下往上穿過動態追蹤線（且最好發生在 50 中軸附近或之上），代表多頭動能正式超越了近期的雜訊波動。
  • 賣出/停損訊號： 平滑 RSI 線由上往下穿過動態追蹤線。因為追蹤線是動態計算的，在強勢上漲中，它會自動向上收斂，成為非常完美的「移動停利點」。

逆費雪轉換 RSI (Inverse Fisher Transform on RSI, IFT-RSI) 是技術分析大師 John Ehlers 針對傳統震盪指標「鈍化」與「假訊號」痛點，所提出的一項工程級別的解決方案。

傳統的 RSI 在盤整時經常於 40 到 60 之間無意義地跳動，而在強勢趨勢中又會長時間卡在 80 以上，導致投資人提早逆勢操作而受傷。IFT-RSI 完美解決了這個問題，它將模糊的指標轉化為 「非黑即白」的數位訊號 。

1. 核心數學意義與邏輯

IFT-RSI 的底層邏輯是將機率統計學中的特徵轉換應用於金融時間序列：

1. 數值平移與壓縮： 首先將傳統 RSI（範圍 0 到 100）減去 50，使其圍繞「零軸」波動，並乘以 0.1，將其數值壓縮到 -5 到 +5 之間。
2. 平滑過濾： 對壓縮後的數值進行加權移動平均（WMA），過濾掉極短線的微小波動。

逆費雪轉換： 將平滑後的數值  代入逆費雪公式：

２．對應的ＸＱ腳本

// 指標名稱：IFT-RSI (Inverse Fisher Transform on RSI)
// 理論基礎：John Ehlers
// -----------------------------------------------------------
Input: RSILen(5, "RSI 計算週期"), WMA_Len(9, "WMA 平滑週期");
Variable: vRSI(0), ScaledRSI(0), SmoothRSI(0), vxt(0), IFT(0);

// 1. 計算基礎 RSI
vRSI = RSI(Close, RSILen);

// 2. 數值平移與壓縮
// 將 0~100 的 RSI 平移至零軸，並壓縮至大約 -5 到 +5 的區間
ScaledRSI = 0.1 * (vRSI - 50);

// 3. 雜訊平滑處理
// Ehlers 建議使用加權移動平均 (WMA) 來保留近期的權重同時過濾雜訊
SmoothRSI = WMA(ScaledRSI, WMA_Len);

// 4. 逆費雪轉換核心公式
// 公式: (e^(2x) - 1) / (e^(2x) + 1)
vxt = ExpValue(2 * SmoothRSI);

if (vxt + 1) <> 0 then
IFT = (vxt - 1) / (vxt + 1)
else
IFT = 0;

// 5. 繪圖輸出
Plot1(IFT, "IFT-RSI");

// 繪製極端參考線
Plot2(0.5, "超買反轉線");
Plot3(-0.5, "超賣反轉線");
Plot4(0, "零軸");

可以將 IFT-RSI 設計成一個　「極端反轉警示 (Reversal Alert)」　模組。因為它的訊號非常明確　，演算法在做全市場掃描時，不會像傳統 RSI 一樣產生大量模糊的假警報，這能大幅降低程式推播垃圾訊號給用戶的機率。