一、前一天零成交的股票，三天升了一百倍
2021 年 1 月 4 日，Signal Advance 這隻股票全日成交零股。一股都沒有人買賣。
1 月 7 日，Elon Musk 發了兩個字：Use Signal。他說的是那個加密通訊 App，由非營利組織營運，不是上市公司。
錢流進了另一家公司。Signal Advance，德州 Rosharon，全公司只有一名全職員工。
1 月 6 日收盤 0.60 美元。1 月 11 日盤中最高 70.85 美元，當日再漲 438%，成交超過 200 萬股，是它 2014 年上市以來最高。那一刻它的市值超過 30 億美元。這家公司 2015 和 2016 年的收入是零。
出價的是一群從來沒聽過它的陌生人。
這不是孤例
2020 年 3 月 26 日，SEC 動用《交易法》第 12(k) 條把 Zoom Technologies 停牌兩週，理由是這家公司自 2015 年起沒有任何公開披露，而投資者把它跟一家名字相似、疫情期間大漲的 Nasdaq 公司搞混。停牌前它今年以來漲超過 800%。而同樣的誤認在 2019 年 4 月 Zoom Video 上市時已經發生過一次。
2013 年 10 月 3 日收盤後 Twitter 公開 IPO 文件。第二天，一家已經破產的音響零售商 Tweeter Home Entertainment 因為 ticker 是 TWTRQ，盤中一度漲逾 2,000%。
2017 年 12 月，做冰茶的 Long Island Iced Tea Corp 宣布改名為 Long Blockchain Corp。業務沒改，現金流沒改，當天漲了將近三倍。
到這裡你都可以用一句話打發掉：這些人蠢，認錯了對象。
那看 Hertz。
它在 2020 年 5 月 22 日申請 Chapter 11。破產後第一個交易日股價最低 0.40 美元，兩週後漲到 5.53 美元。然後公司自己出手，向 SEC 申請發售最多 5 億美元新股，而在同一份文件裡，「worthless」這個字出現了五次，明確寫明這批股票極可能一文不值。
買的人知道它破產了。發行人自己用書面公布了內在價值，答案是零，公開、正確、所有人都讀得到。
價格還是往反方向走了九倍。
所以價格到底在量什麼
股價是最後那一筆成交定出來的。出價最高、剛好買到的那個人說了算。不是全部股東一起投票，也不是最懂的那個人說了算。
所以要數的不是有多少人相信一句話。是相信的人手上有多少錢，而且願意動用多少。
我把這個東西叫做感染資金：已經接受某個說法，並且準備用它做決定的購買力。
而且不要以為只有這種股票才這樣。分析師做 DCF 的時候，前面幾年逐年估，後面所有年份會被塞進一個數字裡，而那個數字通常佔整個估值的六到八成。它代表你對很多年之後那家公司長什麼樣的信念。
你算的不是價值，是一句話的貼現。DCF 不是故事的解藥，它是故事的乘法器。
二、傳染病模型是更好的解釋
想像一個 100 人的投資群組。今天有一個人開始講一個說法。
只有兩件事決定接下來會發生什麼：
他每天能說服幾個人
他自己多久之後會覺得無聊，不再講。
第一個叫傳染力，第二個叫退燒。1927 年 Kermack 與 McKendrick 把這兩件事寫成方程式，Shiller 在 2017 年美國經濟學會的主席演講裡，把它原封不動搬來看經濟故事怎麼擴散。
要看的只有一條：
新增的傳播者 = 傳染力 × 還沒聽過的人 × 正在講的人 − 退燒的人
寫成符號是 dI/dt = cSI − rI。I 是正在講的人，S 是還沒聽過而且可能被說服的人，c 是傳染力，r 是退燒速度。左邊那個 dI/dt 的意思就是「正在講的人數，今天變多還是變少」。 （有興趣微積分的讀者，論文出處在文章末。）
用 Shiller 論文裡那個例子的參數跑一次：群組 100 人，一開始 1 個人在講，傳染力 0.005，退燒速度 0.05。
三件事可以從這張表直接讀出來。
會不會爆開，在於自己退燒之前平均能傳給幾個人。這裡是 0.005 乘 99 除以 0.05，大約等於 10。大於一就擴散，小於一它自己會熄掉，你連新聞都不會看到。
故事的高潮由還剩多少人沒聽過決定。第 15 天見頂，原因不是故事變差了。看那一行，正在講的有 67 個，還沒聽過的只剩 12 個。峰值出現是因為可以傳的人快用完了。
傳得快不等於傳得廣。把傳染力和退燒速度同時乘十，這場疫情會在第 1.5 天見頂，而最終被感染的人數一個不差。同一條曲線，只是把時間壓短了十倍。所以你不能從「這件事傳得很兇」推論「它會傳得很廣」。
股票在這套模型裡還有一個特點。Shiller 分析 Bitcoin 時指出，它的退燒被拖慢了，因為你不需要真的懂就可以立刻買一點，而下過注之後記憶會被強化，會不斷為自己的持倉辯護，並宣揚正面信息。
股票完全一樣，你買了就從聽眾變成傳播者，每一個持倉都是一個記憶錨。
這條式子解釋了 Signal Advance 為什麼會發生，但它給不了我一個可以下注的東西。因為它裡面少了一樣東西：真假。
三、真假不進方程式，但真假決定結局
翻回去看那條式子。裡面有傳染力、退燒速度、還沒聽過的人、正在講的人，就是沒有一項叫做「這個說法是不是真的」。
那是不是所有感染都可以照同一個方式下注？
不是。因為那條式子只回答了一半：這句話會傳多遠、什麼時候見頂。它回答不了另一半：等它傳完，價格會不會留在那裡。
要看清另一半，先看兩個具體情況。
情況一，消息是真的，而且還沒傳完。
一家公司的訂單真的變好了。這件事不會在同一秒傳到所有人耳朵裡。先是幾個緊盯它的分析師知道，然後是機構，然後是活躍散戶，最後才是完全不看盤的人。
每一層知道的時候，都有一批新的錢進來買。所以價格不是一次跳到位，是分幾個星期一級一級往上爬。
Hong 與 Stein 在 1999 年把這件事寫成模型，名字叫漸進擴散。它的推論是：因為消息傳得慢，價格一開始升得不夠，然後隨著消息擴散慢慢補上去，最後追進來的人會把它推過頭。
他們後來想到一個驗證方法。如果原因真的是「傳得慢」，那愈少人盯的股票，這個效果應該愈明顯。於是他們按分析師人數把股票分組，結果正如預期，沒什麼分析師盯的那一組，價格一級一級往上爬的現象強得多。
消息是真的而且還在往外傳，價格會續行。
情況二，消息是舊的，只是被重新講了一次。
現在換一個場面。沒有任何新消息。一則三個星期前已經出現過的說法，被另一家媒體重新寫了一遍，標題換了，內容其實一樣。
那天股價還是會升，因為總有人是第一次看到它。
Tetlock 在 2011 年做的事，是替「舊」找一個可以計算的定義。他把一則新聞拿去跟同一家公司之前十則報導比對文字相似度，相似度高的就判定為舊聞。
然後他發現兩件事。舊聞當天升得愈多，之後那個星期跌得愈多。而且個人投資者買賣愈活躍的股票，這個回吐愈明顯。
沒有新東西的注意力，價格會回頭。
同一條正在上升的感染曲線，可以有這兩種完全相反的結局，取決於曲線底下有沒有新東西。
所以我要看的不是一件事，是兩件事。故事傳到哪一步，以及底下有沒有新東西。
四、那張表，市場不會給你
前面那張表之所以好看，是因為我知道全部三欄。真實市場裡，你在任何終端機、任何財報、任何資料庫都查不到「還有多少錢沒聽過這個說法」。這一欄不存在。
所以剩下的工作，是找幾樣看得見的東西來代替它。
數「持有的人」乘「沒持有的人」
式子裡最重要的那一項是「正在講的人」乘「還沒聽過的人」。有沒有辦法直接數出來？
Shive 用芬蘭的個人持倉資料做了一件很直接的事。在一個小鎮裡，已經持有這隻股票的人就是會講的人，還沒持有的人就是還沒被說服的人，於是她把兩個人數相乘。
結果這個乘積可以預測當地個人投資者的買賣。她證明了那條式子在市場裡是真實有效。
問題是她靠的是政府級別的個人持倉資料。你沒有，我也沒有。
所以要退一步，改用公開資料。
數有多少人主動去搜這隻股票
一個人會去 Google 一隻股票的名字，通常代表他還沒買，但已經開始想。所以搜尋量看的是最外圍那一圈人有沒有開始被叫醒。
Da、Engelberg 和 Gao 發現，異常的搜尋量上升會預測未來兩週的股價上升，而一年之內出現反轉。
這給一張時間表。它告訴我這條感染曲線在真實市場裡跑多久，也就直接界定了我該用什麼持有期。
數這則消息跟過去十則有多相似
前面兩樣都在看故事傳到哪一步。第二件事，新舊，也要有量法，而它剛好就是 Tetlock 那個文字相似度：把今天這則新聞跟同一家公司之前十則報導比一比，相似度高就是舊聞。
這是一個可以每天重算的定義，不是感覺。
三樣東西到這裡齊了。但每一樣只能給我一個數字，而我需要同時知道三件事：這個故事幾歲、傳到了哪一層、還在爬還是已經見頂。
一個數字給不了我這些。要的是一張病歷。
五、我建了三個樹的測量儀
下面是我自己在跑的東西，還沒有結果。
我把每週的樹的判定訊號名單當成一批剛出生的故事。每個故事出生當日拍一張傳播快照，一週後再拍一張，中間的差就是它的感染軌跡。
媒體層，數有多少個獨立媒體域名在轉述，以及首報是哪一天。域名數量看的是它在專業資訊圈滲透到什麼程度，首報日期則是判斷新舊的依據。
X 層，數有多少個獨立作者在講、小帳號佔比有沒有上升、七日帖量曲線還在爬升還是已經見頂。作者數就是「正在講的人」，小帳號佔比則告訴我新進來的是哪一種人。
搜尋層，用 Google Trends 的異常搜尋量。看的是最外圍的大眾有沒有開始主動去找。
三層合起來就是一條完整的感染曲線：專業圈到輿論場，再到大眾搜尋。這就是那張病歷。
有一欄我必須先承認我量不到，就是「還剩多少人沒聽過」的存量本身。上面三層量的是傳播的動作，不是剩餘的人數。那一欄我只能從曲線的形狀去推，推錯了整套讀數就會失準。這是這個實驗最大的弱點。
實驗要能被打臉，預期就要先寫出來。所以我把訊號按「故事新不新」和「傳不傳得動」分成四種情況，每一種預期什麼都先寫死。
傳播中而且帶新資訊，故事年輕、正在跨圈、曲線還在爬。市場還沒消化完，價格應該續行。我預期它是四種情況裡一週跑贏大市最多的一種。
舊聞翻熱，故事流傳數週後突然被重新炒起，注意力來了但新東西沒有。我預期它是最弱、甚至反向的一種。
新資訊但沒人轉述。要麼我比市場早，續行在後面；要麼市場正確地不在乎。曲線的位置與後續一週會分辨這兩者。
死水，沒有年齡優勢也沒有傳播。我預期無事發生。
再往下一層，我預期在傳播中那一種情況裡面看到分野：作者數還在加速、小帳號持續流入的續行；作者增長停了而價格還掛在高位的，就是反轉窗口。
傳播停止的時間，早於價格見頂的時間。一個正在傳播的人如果遇到的對象也已經知道了，他會覺得這件事人人都知道，於是不再講。翻成市場的語言：當你講一個看法，對方說「這個我早就知道了」，傳播已經開始停止，而價格還沒有。
六、如果讀數成熟，策略是一台三段變速箱
以下是假設情境與殺死條件，不是買賣建議。
多頭加速，是判定升級加上新資訊加上曲線還在爬升。訊號本身說基本面變好了，感染曲線說市場才剛開始聽到。這時候把注碼開大，因為你買的是一個還沒講完的故事。
空頭狙擊，是判定降級加上舊聞翻熱，或者任何方向的「感染已停、價格未回」。搜尋量回到基準、作者數停止增長、而價格還站在感染高峰期的位置。那段價格是由已經退燒的購買力撐起來的，它的下面沒有人。
避開絞肉機，是擴散尾聲的追高不做，你在買別人的尾巴；無人轉述的死水也不做，沒有感染就沒有感染定價的錯位。
證偽條件 （Kill Conidtion）：如果搜尋量回到基準而價格沒有回，那麼「這句話還會推動價格」這個假設已經死了，不論基本面看起來多好。
判定訊號告訴我該不該信這個故事，感染曲線告訴我市場信到哪裡，而 alpha 住在這兩者的時間差裡。
我不確定的地方有三個。
上面那些研究的樣本，一份是 2008 年之前的美股，一份是九十年代的芬蘭。那時候沒有短視頻，沒有演算法推薦，沒有零手續費。傳染力和退燒速度今天幾乎肯定跟當年不同，我猜兩個都變大。而如果兩個同比例變大，按前面那個時間壓短的性質，最終規模不變，只是整場疫情擠進更短的時間。這剛好是我要驗的東西之一。
我這套系統目前只有設計和預期，沒有結果。四種情況會不會照我寫的順序排列，我不知道。如果排不出來，最可能的死因有兩個：獨立作者數量到的是機器人不是人，或者一週的視窗太短，感染曲線的資訊已經被同期的價格動能吃掉。
我會把跑出來的結果貼出來，包括打臉的那些。
