1860 年八里橋，三萬清軍對八千英法聯軍。四小時後清軍陣亡逾一千二百人，聯軍陣亡五人 。
不是清兵不夠勤力。而是從那一天起，勤力不再是勝負的變數。
武器才是。
這篇不談價值投資有多落後，而是一步一步，把屬於你的科學電磁砲組裝出來。
第一步：把一句永遠不會錯的話，拆成一句可以被殺死的話
價值投資者：「我看好，因為這家公司會轉型為平台，市場都低估了他的內在價值。」
股價上漲，是市場開始理解。股價下跌，是市場尚未理解。無論發生什麼，這句話都能繼續成立。
科學哲學稱這種陳述為不可證偽（unfalsifiable）：不能被任何證據推翻的說法，不是科學 。多數投資論點都停在這一層，所以看錯之後無從歸因，只能重新編一個故事。
第一個動作，是把論點拆到可以被殺死為止。
最上層是論點本身。往下三到五條分支，每一條都是論點成立的必要條件——不是加分項，而是缺了就不成立。每條分支再拆成幾片葉，每一片寫明證據來源與證偽門檻，例如「若連續兩季設計中標少於 N 件，此葉即證偽」。
┌──────────────────────────┐
│ H0：這家公司會轉型為平台 │ ← 論點
└────────────┬─────────────┘
│
┌────────────────────┼────────────────────┐
│ │ │
┌─────┴─────┐ ┌─────┴─────┐ ┌─────┴─────┐
│ 分支 A │ │ 分支 B │ │ 分支 C │ ← 必要條件
│ 客戶黏著 │ │ 毛利結構 │ │ 生態夥伴 │
└─────┬─────┘ └─────┬─────┘ └─────┬─────┘
│ │ │
┌───┼───┐ ┌───┴───┐ ┌───┴───┐
葉 葉 葉 葉 葉 葉 葉 ← 可獨立死亡的位置
每片葉：證據來源 ＋ 證偽門檻一句話至此變成一棵樹。看錯的時候，你第一次知道是哪一片葉錯了。
第二步：把「這個風險很關鍵」改寫成一個數字
任何人都能說某條風險很關鍵。但關鍵到什麼程度？跌 5% 算關鍵，還是跌 40% 才算？
如果一條「關鍵風險」兌現之後股價毫無反應，它從一開始就不關鍵。這是所有主觀分析的死穴：形容詞無法對答案。
所以每一條分支都要標上衝擊等級，共五級，各自對應一個預設權重 ：
等級不只是排名。它回答一個非常具體的問題：如果這條分支被推翻，整體信念應該跌到哪裡？寫樹的人必須先給出等級，系統再換算成上表的權重 。
借自 1960 年代美國為飛彈與核電系統發展的故障樹分析（Fault Tree Analysis）：一個零件重不重要，不在於它昂貴與否，而在於它斷掉之後整台機器會不會垮 。
┌──────────────────────────┐
│ H0 目前信念 0.62 │
└────────────┬─────────────┘
│
┌────────────────────┼────────────────────┐
│ │ │
┌─────┴─────┐ ┌─────┴─────┐ ┌─────┴─────┐
│ 分支 A │ │ 分支 B │ │ 分支 C │
│ 重創 │ │ 明顯受損 │ │ 邊緣 │ ← 衝擊等級
│ 1.6 │ │ 0.9 │ │ 0.15 │ ← 換算權重
└─────┬─────┘ └───────────┘ └───────────┘
│
↓ 若被推翻
承諾：整體信念跌至 0.22寫下等級的那一刻，你同時寫下了一個能被市場股價檢驗的承諾。從「我覺得這很重要」，變成「如果我錯了，你可以拿這個數字來質問我」。
第三步：讓機器每週自己去讀那些葉
樹畫好了，但沒有人有時間每週手動檢查超過一千片葉 。
這一步是整套系統需要「工程」的地方。而它的演化路徑，剛好就是這兩年 AI engineering 走過的路：prompt → loop → graph。
第一層：Prompt Engineering
你對 AI 的問法可能是這樣的：
「幫我分析一下這家公司的競爭優勢還在不在。」
回來的東西很漂亮：三段論述、幾個數字、一句「整體而言仍具韌性」。問題是它不能對答案——下週再問一次，可能得出相反結論，而你無法指出中間哪裡變了 。
畫樹投資者則是這樣做：
「這是分支 B 底下的葉 3。定義：連續兩季設計中標（Design Win）少於 N 件即證偽。這是過去七日的證據清單。請只輸出六個判定值的其中一個，並附上引用來源。」
三處關鍵改動：
問題被綁死在一片葉上，不是整家公司
證偽門檻寫在題目裡，不由模型自己決定什麼叫「還在」
輸出格式收窄成六選一，不是自由發揮（✅／🟢／⚪／🟡／🟠／🔴）
模型的角色從「分析師」降格為「判卷員」。它不再負責思考公司好不好，只負責回答一條有標準答案的選擇題。
第二層：Loop Engineering
單次判讀再準也沒用，因為證據每天都在變。第二層決定這台機器什麼時候開工、做什麼、何時算完成 。畫樹投資者的迴圈長這樣：
觸發：每週固定掃描一次，另加財報公布翌日的專門重審，兩種觸發分開標記
取證：逐片葉搜尋新資料，模型自行決定要查幾次、查什麼
判讀：每片葉更新為六個判定值的其中一個
落賬：每一次改動寫入紀錄，記下哪棵樹、哪條分支、由什麼變成什麼、由什麼觸發、當時用的是哪一個模型
第三層：Graph Engineering
到這裡還是一條直線：取證 → 判讀 → 落賬。但一片葉翻了，整棵樹的信念該怎麼變？
第三層把流程從一條直線改寫成一張圖。關鍵在於，圖上的節點不一定都是 AI：有些是確定性函數、路由器、工具呼叫 。
這正是「樹」在這套系統裡的真正身分。它不是一張思維導圖，它是引擎的執行圖：
葉節點由 AI 判讀，這是唯一容許主觀的地方
分支節點是純數學：把底下的葉按第二步那五個權重合成，不容模型插手
根節點同樣是公式，把各分支結果匯總成整體信念
路由節點負責分流，例如財報觸發的判讀走另一條計分路徑
┌──────────────────────── 每 週 迴 圈 ────────────────────────┐
│ │
│ 觸發 ──→ 逐葉取證 ──→ 模型判讀（六選一） │
│ ↑ │ │
│ │ ↓ │
│ │ 分支合成（純公式） │
│ │ │ │
│ │ ↓ │
│ │ 根信念更新 │
│ │ │ │
│ └────── 落賬（不可刪改・戳上模型印記）←───────────────────────┘
│ │
└─────────────────────────────────────────────────────────────┘
AI 只負責「六選一」那一步，其餘全部是確定性節點這張圖最大的價值，是把 AI 關進籠子。
模型只能改變一片葉的判定值，不能決定那片葉有多重要，不能決定它怎麼影響整棵樹，更不能改寫證偽門檻。它答錯了，錯誤只會沿著預先寫好的路徑傳播，而且沿路留下紀錄。
三個月後回頭看，不需要靠記憶。所有錯誤能夠被事後檢驗（Post-mortem)。
第四步：量度負責判讀的 AI
如果連工具本身壞掉了，你要虧多少錢才會發現？
多數人是靠虧錢發現的，而且分不清究竟是市場出了問題，還是方法出了錯。
畫樹者可以用數據回答一條多數人答不出的問題：是零件壞了，還是市場真的變了？
今年 7 月中，我們那個迴圈的判定轉變量突然暴增到平時的四到六倍，方向明顯偏空 。
換作是人，這時候多半會開始解釋：也許市場真的轉壞了。
我們的處理方式是凍結證據做 A／B 測試：把同一批輸入交給兩個模型，各跑三次，看誰穩定 。
結果新換的那個模型，面對完全相同的證據，可以判出橫跨三個等級的不同答案，無故改判五次裡有四次向下 。推算它每週製造約 28 個純噪音轉變，與實際觀察到的 32 個吻合 。
模型當天換掉，受影響三天內的所有轉變整批重審、更正入帳 。
同一批凍結證據
│
┌───────────┴───────────┐
↓ ↓
┌───────────┐ ┌───────────┐
│ 模型 A │ × 3 │ 模型 B │ × 3
└─────┬─────┘ └─────┬─────┘
│ │
一致性 100% 一致性 95%
零次失敗 五次無故改判
其中四次向下
│ │
└───────── 當天換掉 ─────┘那一週的「市場轉壞」，其實是改卷老師換了人。
第五步：把判定變化，變成一個可以下注的部位
到這裡為止，這台機器每週產出的只是一堆判定變化。它們還不是錢。
要變成錢，需要先寫下一句能夠被證明是錯的話——主假說（Hypothesis）。
樹的判定變化，走在股價前面。降級的股票其後一週跑輸全池中位，升級的跑贏；等級越重、降級越齊，效應越強 。
這句話同樣符合第一步的標準：它可以被殺死。只要降級組其後跑贏，這句話就錯了。
由此推出的策略非常直接：做多升級組，做空降級組 。
每週判定掃描
│
┌───────────┴───────────┐
↓ ↓
升級的股票 降級的股票
│ │
做 多 做 空
│ │
└───────────┬───────────┘
↓
策略回報 ＝ 升級籃超額 － 降級籃超額這樣做有一個關鍵好處：大盤漲跌與產業順逆風，在兩邊互相抵銷 。
如果只做多，賺了錢也不知道是自己判斷準，還是大盤剛好在漲。一多一空之後，剩下的才是這套判斷方法創造的價值。
策略回報序列持續大於零，這套系統才算有 alpha（超額報酬） 。
單邊也照樣計分。某一週只有降級沒有升級，就做空那一籃、用全池對沖。
第六步：讓成績表回頭校準這台機器的參數
長槍與電磁砲的最大差別：後者能夠被真實數據反饋、校準、自我進化。
要看清這一步在校準什麼，先回到上一步留下的一個未解問題。
策略是做多純升級組、做空純降級組。但同一籃裡的五檔股票，該不該押一樣多？
不該。有些股票是「致命」級分支翻掉，有些只是「邊緣」級微調——把它們押成一樣，等於把最強的訊號稀釋掉。所以每個部位的份量，由訊號分決定：當週所有判定變化，按第二步那五個權重加總，升級為正、降級為負 。等級越重的變動，佔的份量越大。
於是這條策略最關鍵的參數，就是那五個權重本身。
它們決定了資金怎麼分配。權重錯了，不是判斷錯，而是押錯份量——看對了方向，卻在最強的訊號上押得太輕。
所以系統每週同時記錄兩套成績：等權版與訊號加權版。前者是對照組，後者是真實策略。加權版長期贏不了等權版，就代表那五個權重要被改寫。
這種比對，同時發生在機器身上的五個位置。
等級權重的數值。 2.5、1.6、0.9、0.4、0.15 只是『專家』寫下的起始值。某一級累積滿 30 個獨立樣本，就用實際股價反應算出的實證值，與原本的猜測混合，得出新的權重 。權重一改，下週的下注份量隨即改變。
每支股票的個別評分。 光有等級不夠。同樣標成「重創」，A 公司的供應鏈風險和 B 公司的監管風險，市場反應未必相同，有可能『專家』的起始值標錯了。所以還有第二層：每條分支的歷史表現先向所屬等級的平均值收縮，再向全體平均收縮 。這一層門檻是 10 個樣本 。三兩次的異常，不會被誤當成發現。
持股期。 起始設定是一週。但校準追蹤的是第 1 到第 8 週的完整曲線，曲線在第幾週見頂，那一週就是最佳持股期 。
樹的保鮮期。 分支與證偽條件都寫於建樹那一刻。時間過去，論點的解釋力可能衰減，也可能因為經過篩選而更準。方向不預設，登記為雙尾檢定，交由數據決定 。一旦成立，訊號分會乘上一個隨樹齡遞減的折扣因子 。
訊號來源的分層。 每週例行掃描發現的新資訊，與財報公布翌日的重審，性質完全不同——後者的股價早在公布當下就反應了大半 。兩層永遠分開計分，各自累積、各自校準 。
每週策略成績（等權 vs 訊號加權）
│
┌─────────┬─────────┼─────────┬─────────┐
↓ ↓ ↓ ↓ ↓
┌───────┐ ┌───────┐ ┌───────┐ ┌───────┐ ┌───────┐
│ 等級 │ │ 分支 ││ 持股 │ │ 樹的 │ │ 訊號 │
│ 權重 │ │ 評分 ││ 期間 │ │ 保鮮 │ │ 分層 │
└───┬───┘ └───┬───┘ └───┬───┘ └───┬───┘ └───┬───┘
30 樣本 10 樣本 8 週曲線 雙尾檢定 分層計分
│ │ │ │ │
└─────────┴─────────┴─────────┴─────────┘
↓
改寫下週的下注份量這五項校準的共同名字是：貝葉斯更新（Bayesian updating）。
每一個參數的起始值都是先驗（prior），動工之前寫下的最佳猜測。判定轉變連同其後的股價是似然（likelihood），世界對這個猜測的回應。兩者結合成後驗（posterior）：獲得數據支持的保留，被反駁的向實證收縮 。
這台機器身上沒有常數，只有變數。它們今天的值，只是等著被下一批數據校準。
六個步驟裝完之後，上週的讀數
規則是每週日先公布名單，下週日才對答案 。帳本只能追加，不能刪改 。
🎯 核心讀數：策略回報（等權）+11.2pp｜（訊號加權）+6.2pp
升級籃超額 +11.6pp、降級籃超額 +0.3pp；買入側命中 7/7、沽空側命中 7/15。
完整紀錄每週更新：github.com/Draw-Tree/tree-quant-ledger
這是一個公開實驗，並非投資建議。讀者據此決策需自負風險。
換一件武器，不需要工程團隊，只需要一頁紙
八里橋之後，清廷的結論是要多練兵。
問題不在練得夠不夠。手上那件東西沒有讀數，練一百年也只是把同一把槍磨得更利。在科學面前毫無還擊之力。
上面六個步驟，其實可以壓縮成一頁紙。在下一次按下買入之前，寫下三件事：
這一次的假設是什麼，用一句帶方向的話寫出來
什麼證據出現，會證明這個假設是錯的
打算多久之後回來檢查
三個月後打開它。你會看到的不只是賺賠，而是當時的推理——哪一步站得住，哪一步只是情緒。那一刻，第六步自動裝上：你手上的東西第一次會自己變準。
72 棵樹、910 片葉、A／B Testing、Bayesian updating，本質上都只是這一頁紙的放大版 。技術決定它跑得多快，方向由第一頁決定。
跨過這條線，改變的不是持股，而是認知。
從一個憑感覺開槍的士兵，變成一個看著讀數調整整條戰線的統帥。前者靠故事支撐，一把槍磨一輩子；後者手上是一件件會自我診斷、逐週校準、自我進化、二十四小時無休的科學電磁砲。
多數人終其一生停在前者。不是做不到，而是從來沒有人告訴他們，投資可以是一場能被驗證的實驗，而不只是一場需要不斷解釋的表演。
現在你知道了。第一個零件，今晚就可以裝上。
本文僅供研究與討論，不構成投資建議。讀者據此決策需自負風險。
會員專區 - 加入 Slack、共建畫樹者的科學電磁炮
