「615 回測後 670 反彈」的敘事解剖：為什麼 90% 的 Level Prediction 是事後合理化

市場充滿精確的價格預測：『S&P 615 回測，670 反彈』。但為什麼這些預測事前很少成立，事後總能解釋？這篇文章用統計學和心理學拆解三個預測存活的機制，以及如何區分『真預測』與『事後合理化』。

2026-04-1710 min read技術分析 · 預測謬誤 · 認知偏誤 · 方法論

ShareX Threads

問題：為什麼精確的價格預測總是存活下來？

2026 年 4 月，一位市場評論者發佈：

「我檢查了所有科技板塊...再看了 4 月的獲利日曆...考量 FOMC...我的結論是：(1) 首先回測到 615-617。(2) 然後推升到 670，在 5 月第二週前。」

這個預測的表面特徵：

具體數字（615-617、670）
明確時間框架（「5 月第二週前」）
列舉了「做功課」的證據（檢查板塊、earnings calendar、FOMC）

六個月後回顧：

S&P 500 最終在某個時間點到過 615？ ✓ Yes
S&P 最終到過 670？ ✓ Yes
發佈者被視為「準確預測者」？ ✓ Yes（被轉推、引用）

問題：這個預測成功，是因為準確，還是因為足夠寬鬆，幾乎任何市場路徑都能解釋成「符合預測」？

為什麼 90% 的 Level Prediction 存活下來

有三個結構性機制保證幾乎任何價格預測都能存活：

機制 1：範圍寬度陷阱

問題的規模

「615-617 回測」看起來「具體」。但實際上：

時間框架是開放的：「首先」沒有說何時。可能是 2 週，可能是 6 個月
價格範圍是隱含的：沒有說 615-617 是「必須經過的單一低點」還是「某個時間段內的最低價」
路徑是不確定的：到達 615 可以是從 650 直線下跌，也可以是從 700 跌到 600、反彈到 680、再跌到 615

實務含義：

如果你說「未來 6 個月，S&P 500 會在 615-670 範圍內波動」，這幾乎是必然成立的。因為：

波動率是市場常態
615-670 是足夠寬（2 千點範圍）
時間足夠長（6 個月內一定會有多次波動）

與「假設檢驗」的對比

預測型別	預測方式	成功率
寬鬆預測	「未來 6 個月，S&P 在 600-750 波動」	95%+
中等預測	「首先 615-617，然後 670」	60-70%
緊密預測	「4/20 開盤 650.50 ± 1%」	<5%

發佈者通常採用「中等預測」的格式（看起來具體，但足夠寬鬆），這樣既能聲稱「準確」，又能避免明確失敗。

機制 2：事後合理化（Post-Hoc Rationalization）

運作方式

假設實際市場路徑如下：

Mar 1:  S&P 650
Mar 15: S&P 680  (升)
Apr 1:  S&P 645  (跌到 615 附近)
Apr 15: S&P 710  (升到 670+ 附近)
May 1:  S&P 665  (回調)

預測者會說：「看，我說的對！首先 615-617 回測，然後 670 反彈！」

實際發生的事：路徑完全不同。預測者初始設想的可能是「單向跌到 615，然後堅定反彈到 670」。但實際上波動了好幾次。

關鍵機制：事後者只需要找到路徑上任意一個符合的點，就能宣稱預測成功。他不需要解釋：

為什麼路徑這麼曲折？
為什麼反彈中間有回調？
為什麼時間表跟預期不符？

心理學根源：Kahneman 稱之為「敘事謬誤」(narrative fallacy)。大腦天生傾向於為已發生的事件編織一個「合理的故事」，即使這個故事與預測者的初衷不符。

統計上的陷阱

從統計角度，每一則預測都有一個隱含的置信區間（confidence interval）。但預測者往往不明確陳述：

預測方式	隱含置信區間	問題
「615-617 然後 670」	±200 bp，時間 ±12 週	太寬了，幾乎無信息量
「4 月回測，5 月反彈」	±30 bp，時間 ±2 週	仍然太寬
「4/15 前達到 615」	精確	幾乎必然失敗

預測者採用「足夠寬鬆的隱含區間」（不明說），這樣無論結果如何，都能事後合理化。

機制 3：生存者偏誤（Survivorship Bias）

預測者的選擇過程

在市場上，有成千上萬的預測者：

A 預測者：「S&P 會到 600」
B 預測者：「S&P 會到 615-617 然後 670」（我們的例子）
C 預測者：「S&P 會到 750」
D 預測者：「盤整，沒有方向」
... （還有 9996 個其他預測）

過了 6 個月，市場實際走到：615 → 670 → 665。

誰存活下來被記住？

只有 B（與實際路徑最接近）。

但問題是：B 的準確率本質上是運氣。他本來只有 1/10000 的機率被選中。但一旦被選中，他就被視為「高手」。

實務上的影響：

Twitter/X 上，大量市場評論者發佈預測。其中大多數會失敗。但那些碰巧接近的，會被轉推、引用、視為「預測高手」。這創造了一個倖存者偏誤的幻覺：

「B 連續 3 個月預測都對，他一定有方法」

實際上，B 只是在 10000 個人中碰巧走運。

為什麼我們特別容易相信「Level Prediction」？

心理學原因 1：具體性偏誤

「615-617 」看起來比「下跌一些」更具體。具體性會誘發信任。

Kahneman 的研究顯示：

「明年 GDP 會成長 2.3%」會被評為更可信，即使實際預測誤差更大
「明年 GDP 會成長 2-4%」會被評為更模糊，即使誤差範圍反而更小

應用到市場：精確到個位數的價格預測，看起來做過計算，所以更容易被相信。實際上，這種精確度恰好是過度自信的信號。

心理學原因 2：錨定效應

一旦預測者說「615」，這個數字就成為了閱讀者的心理錨點。

後續的市場走勢會被無意識地對齊這個錨點：

「市場跌到 620，幾乎達到 615 了」（實際還差 5 點，但心理上覺得很接近）
「市場反彈到 665，已經往 670 推進」（還差 5 點，但方向對了）

心理學原因 3：證實偏誤

一旦我們接受了預測（或接受了預測者），我們會傾向於：

重視符合預測的訊號：「看，他說的 FOMC 轉向確實發生了」
忽視不符預測的訊號：「雖然 earnings 沒有預期好，但總體方向還是對的」

這創造了一個選擇性的敘事，讓預測看起來比實際更準確。

真預測 vs. 事後合理化：如何區分？

Tetlock 的「超級預測者」標準

Philip Tetlock（賓州沃頓商學院）在《超級預測》(Superforecasting) 中設定了一個標準：

真預測必須滿足：

標準	要求	目的
時間精確	± 2 週內（不是「月底」或「季末」）	防止「足夠寬鬆的時間框架」
價格精確	± 1% 或 ± 2% 的固定點數（不是「600-700」）	防止「足夠寬鬆的價格範圍」
路徑規定	明確說「必須先 X，才能到 Y」或「任何路徑都算」	防止事後挑選有利的路徑
失敗條件明確	「如果 ... 就算我錯了」（明確失敗門檻）	防止事後合理化
信心量化	「我 80% 確定」vs.「我很確定」（用數字，不用模糊詞)	防止概率轉移

例子對比

預測	類型	質量
「S&P 在 2026Q2 會在 615-670 之間」	寬鬆	❌ 無信息量
「S&P 在 4/20 前會觸及 617，我 65% 確定」	真預測	✓ 可驗證
「首先 615，然後 670，然後跌回 640」	路徑規定	✓ 可驗證
「如果 FOMC 不轉向，預測失效」	條件明確	✓ 可驗證