<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>Opportunity-Cost on Tarragon</title><link>https://tarrragon.github.io/blog/tags/opportunity-cost/</link><description>Recent content in Opportunity-Cost on Tarragon</description><generator>Hugo -- gohugo.io</generator><language>zh-TW</language><copyright>Tarragon (CC BY 4.0)</copyright><lastBuildDate>Fri, 28 Aug 2026 00:00:00 +0800</lastBuildDate><atom:link href="https://tarrragon.github.io/blog/tags/opportunity-cost/index.xml" rel="self" type="application/rss+xml"/><item><title>把投機當成一份工作來評估：資金、時間與技能累積的機會成本</title><link>https://tarrragon.github.io/blog/business/retail-instruments/speculation-opportunity-cost/</link><pubDate>Fri, 28 Aug 2026 00:00:00 +0800</pubDate><guid>https://tarrragon.github.io/blog/business/retail-instruments/speculation-opportunity-cost/</guid><description>&lt;p>一個活動要不要投入，判斷基準是它與同一批資源的其他用途相比如何。投機交易的討論通常停在「這次賺了還賠了」，而完整的評估要把三筆機會成本一起放進來：資金的替代用途、時間的替代用途，以及這段投入有沒有累積可轉移的能力。&lt;/p>
&lt;p>巴西的一份研究讓這個評估有了具體的落點。Fernando Chague、Rodrigo De-Losso 與 Bruno Giovannetti 追蹤 2013 至 2015 年間開始在巴西股指期貨市場當沖的所有個人，在持續超過 300 天的那一群裡，97% 虧錢；1.1% 賺得比巴西最低工資多；0.5% 賺得比銀行櫃員的起薪多。&lt;/p>
&lt;p>這組數字的關鍵在剩下的那 3%，而 97% 只是它的背景。即使一個人進入了持續獲利的那一小群，他的報酬中位數仍然低於一份門檻不高的全職工作，而取得那個報酬的過程承擔了遠高於受僱工作的變異。把它當成職業選項評估時，這是它的期望薪資。&lt;/p>
&lt;h2 id="資金的機會成本負債預備金與報酬基準線">資金的機會成本：負債、預備金與報酬基準線&lt;/h2>
&lt;p>投入交易的資金有其他去處，而那些去處的報酬構成這筆資金的機會成本。&lt;/p>
&lt;p>順序上最先要處理的是高利率負債與緊急預備金。信用卡循環利息與現金卡的年利率通常遠高於任何交易策略能穩定達成的報酬率，償還它們的報酬確定且無風險；緊急預備金的作用是避免在市場不利時被迫變現，缺少它會讓所有其他部位的持有期間受制於生活支出的時點。&lt;/p>
&lt;p>利率低於長期報酬基準的負債（房貸這一類）不落在「優先償還」那一格，但它仍然改變這個計算：每月的還款金額佔用現金流，使可承受的虧損期間縮短，而貸款期間內的收入中斷風險與投機部位的虧損有可能同時發生。它進入判斷的方式不是「該不該先還」，是「這筆錢真的可以完全損失而不影響任何計畫嗎」這個問題的答案會因為它而改變。&lt;/p>
&lt;p>這兩項之後才輪到報酬的比較。長期分散配置的歷史報酬有大量公開資料可查，把它當成基準線，交易策略要證明的是超過這條線的部分，而不是「有沒有賺錢」。一年獲利 5% 的交易策略，在同期指數上漲 15% 的環境裡，機會成本是負的 10%。&lt;/p>
&lt;h2 id="時間的機會成本投入時數與本業時薪">時間的機會成本：投入時數與本業時薪&lt;/h2>
&lt;p>盯盤、看盤前資料、覆盤、研究標的都是時間投入。把這些時數乘上自己本業的時薪，得到的是這段時間的替代報酬。&lt;/p>
&lt;p>這個計算有一個常被略過的細節：交易佔用的通常是精力最好的時段。台股與台指期的交易時間與多數人的工作時間重疊，加密貨幣則沒有收盤時間而佔用睡眠。用平均時薪計算會低估，因為被佔用的不是平均品質的時間。&lt;/p>
&lt;p>計算的結果與交易損益相加，才是這個活動的真實績效。一年花 500 小時、獲利 10 萬元的操作，若本業時薪 500 元，這 500 小時的替代報酬是 25 萬元，合計仍是負的。&lt;/p>
&lt;h2 id="技能累積的機會成本人力資本">技能累積的機會成本：人力資本&lt;/h2>
&lt;p>前兩筆機會成本是當期的，第三筆影響的是未來的收入能力，也是最容易被略過的那一筆。&lt;/p>
&lt;p>本業的時間投入會累積&lt;a href="https://tarrragon.github.io/blog/business/knowledge-cards/human-capital/" data-link-title="Human Capital（人力資本）" data-link-desc="評估小型事業續行或退場決策時，把經營者的技能與經驗當成會增值或折舊的資產納入判斷">人力資本&lt;/a>：可轉移的技能、產業知識、人脈與履歷紀錄，這些提高未來每一年的收入。投機交易的時間投入是否累積同類資產，取決於這段投入有沒有產生可驗證、可對外說明、可移轉到其他場合的能力。&lt;/p>
&lt;p>判斷方式是問這段經歷在什麼場合可以被使用。取得可查核的長期績效紀錄並因此進入專業機構，是一條真實存在的路徑，而它要求的紀錄形態與多數人手上的交易歷程不同——需要涵蓋多個市場週期、包含下跌區段、統計全部交易而非選出來的部分。沒有走向這條路徑時，這段時間累積的是對特定平台介面的熟練度與一批無法對外驗證的經驗。&lt;/p>
&lt;h2 id="社群樣本的篩選退出揭露與誘因">社群樣本的篩選：退出、揭露與誘因&lt;/h2>
&lt;p>評估一個活動的期望報酬時，樣本從哪裡來決定了估計值。社群提供的樣本經過至少三層篩選。&lt;/p>
&lt;p>第一層是退出篩選：虧損到停止交易的人不再發文，看到的是還在場上的人。第二層是揭露篩選：獲利的紀錄比虧損的紀錄更常被公開，同一個人也更常貼出賺錢的那幾筆。第三層是誘因篩選：以交易為收入來源的內容創作者，其收入部分來自觀看與訂閱，而那份收入需要的是持續產出，不是準確。&lt;/p>
&lt;p>這三層合起來構成&lt;a href="https://tarrragon.github.io/blog/business/knowledge-cards/survivorship-bias/" data-link-title="Survivorship Bias（倖存者偏誤）" data-link-desc="拿到一組產業基準、同業比較或成功案例時，用來判斷那批樣本是不是先被結果篩過、數字該往哪個方向修正">倖存者偏誤&lt;/a>在這個場域的形態。它的效果是讓觀察到的成功率遠高於全體實際的成功率，而巴西那組研究之所以有價值，正是因為它從交易所端取得所有開始當沖的人，不經過任何一層篩選。&lt;/p>
&lt;h2 id="評估的輸入資本時數績效紀錄與技能方向">評估的輸入：資本、時數、績效紀錄與技能方向&lt;/h2>
&lt;p>完整的評估有明確的輸入，每一項都能查到或記錄下來。&lt;/p>
&lt;p>&lt;strong>投入的資本與它的替代用途&lt;/strong>：這筆錢目前的其他去處各能產生什麼報酬，包含償還負債的確定報酬。&lt;/p>
&lt;p>&lt;strong>投入的時數與本業時薪&lt;/strong>：實際花掉的小時數乘上替代報酬，這一項通常大於交易損益本身。&lt;/p>
&lt;p>&lt;strong>實際的績效紀錄&lt;/strong>：全部交易的損益總和，涵蓋期間包含市場下跌的區段。憑印象估計會偏高，機制在&lt;a href="https://tarrragon.github.io/blog/til/behavior/disposition-effect/" data-link-title="處置效應：獲利的部位賣得太早、虧損的部位留得太久" data-link-desc="對兩筆處境相反的部位給出了兩套不同的續留理由時，用來理解那個不對稱來自哪裡">處置效應&lt;/a>。&lt;/p>
&lt;p>&lt;strong>技能的累積方向&lt;/strong>：這段投入有沒有產生可對外驗證的能力，以及那個能力在哪些場合能被使用。&lt;/p>
&lt;p>四項算完之後，這個活動與其他用途的比較就成為一個數字問題，而不是感覺問題。&lt;/p>
&lt;h2 id="評估得出值得投入的條件">評估得出值得投入的條件&lt;/h2>
&lt;p>上面的算式對少數情況會得出正的結果，而那些條件可以事先指認，不需要等結果出來才知道。&lt;/p>
&lt;p>&lt;strong>資金完全可損失且不影響任何計畫&lt;/strong>時，資金的機會成本降到只剩替代報酬，沒有生活層面的連帶損失。&lt;strong>時間確實有剩餘且不排擠本業與休息&lt;/strong>時，時間那一項的替代報酬接近零。&lt;strong>已經持有涵蓋多個市場週期的完整紀錄且該紀錄支持繼續&lt;/strong>時，第一項的估計有依據而非期望。&lt;strong>目標定位在學習市場機制而非取得收入&lt;/strong>時，評估基準從報酬換成學到的內容，而學習的效率有比實際下單更便宜的取得方式。&lt;/p>
&lt;p>多數人的情況不滿足這幾項，而原因與判斷能力無關——資金有其他用途、時間排擠本業、缺少可查核的紀錄，這三件事在多數人的生活裡同時成立。這也是為什麼同一套操作在不同人身上會得出不同結論：差別在機會成本的結構，不在誰比較聰明。&lt;/p>
&lt;h2 id="延伸閱讀摩擦成本的計算社群流行的操作手法與加密金融產品">延伸閱讀：摩擦成本的計算、社群流行的操作手法與加密金融產品&lt;/h2>
&lt;p>摩擦成本的計算方式在&lt;a href="../trading-cost-structure/">交易的成本結構&lt;/a>，它決定了實際績效紀錄裡有多少比例是無法避免的支出。社群樣本背後的手法在&lt;a href="../social-trading-patterns/">社群流行操作手法的共同結構&lt;/a>。&lt;/p>
&lt;p>同一組判讀方式套在加密金融產品上的版本，見&lt;a href="../stablecoin-claims/">穩定幣的宣稱與實際&lt;/a>。&lt;/p></description><content:encoded><![CDATA[<p>一個活動要不要投入，判斷基準是它與同一批資源的其他用途相比如何。投機交易的討論通常停在「這次賺了還賠了」，而完整的評估要把三筆機會成本一起放進來：資金的替代用途、時間的替代用途，以及這段投入有沒有累積可轉移的能力。</p>
<p>巴西的一份研究讓這個評估有了具體的落點。Fernando Chague、Rodrigo De-Losso 與 Bruno Giovannetti 追蹤 2013 至 2015 年間開始在巴西股指期貨市場當沖的所有個人，在持續超過 300 天的那一群裡，97% 虧錢；1.1% 賺得比巴西最低工資多；0.5% 賺得比銀行櫃員的起薪多。</p>
<p>這組數字的關鍵在剩下的那 3%，而 97% 只是它的背景。即使一個人進入了持續獲利的那一小群，他的報酬中位數仍然低於一份門檻不高的全職工作，而取得那個報酬的過程承擔了遠高於受僱工作的變異。把它當成職業選項評估時，這是它的期望薪資。</p>
<h2 id="資金的機會成本負債預備金與報酬基準線">資金的機會成本：負債、預備金與報酬基準線</h2>
<p>投入交易的資金有其他去處，而那些去處的報酬構成這筆資金的機會成本。</p>
<p>順序上最先要處理的是高利率負債與緊急預備金。信用卡循環利息與現金卡的年利率通常遠高於任何交易策略能穩定達成的報酬率，償還它們的報酬確定且無風險；緊急預備金的作用是避免在市場不利時被迫變現，缺少它會讓所有其他部位的持有期間受制於生活支出的時點。</p>
<p>利率低於長期報酬基準的負債（房貸這一類）不落在「優先償還」那一格，但它仍然改變這個計算：每月的還款金額佔用現金流，使可承受的虧損期間縮短，而貸款期間內的收入中斷風險與投機部位的虧損有可能同時發生。它進入判斷的方式不是「該不該先還」，是「這筆錢真的可以完全損失而不影響任何計畫嗎」這個問題的答案會因為它而改變。</p>
<p>這兩項之後才輪到報酬的比較。長期分散配置的歷史報酬有大量公開資料可查，把它當成基準線，交易策略要證明的是超過這條線的部分，而不是「有沒有賺錢」。一年獲利 5% 的交易策略，在同期指數上漲 15% 的環境裡，機會成本是負的 10%。</p>
<h2 id="時間的機會成本投入時數與本業時薪">時間的機會成本：投入時數與本業時薪</h2>
<p>盯盤、看盤前資料、覆盤、研究標的都是時間投入。把這些時數乘上自己本業的時薪，得到的是這段時間的替代報酬。</p>
<p>這個計算有一個常被略過的細節：交易佔用的通常是精力最好的時段。台股與台指期的交易時間與多數人的工作時間重疊，加密貨幣則沒有收盤時間而佔用睡眠。用平均時薪計算會低估，因為被佔用的不是平均品質的時間。</p>
<p>計算的結果與交易損益相加，才是這個活動的真實績效。一年花 500 小時、獲利 10 萬元的操作，若本業時薪 500 元，這 500 小時的替代報酬是 25 萬元，合計仍是負的。</p>
<h2 id="技能累積的機會成本人力資本">技能累積的機會成本：人力資本</h2>
<p>前兩筆機會成本是當期的，第三筆影響的是未來的收入能力，也是最容易被略過的那一筆。</p>
<p>本業的時間投入會累積<a href="/blog/business/knowledge-cards/human-capital/" data-link-title="Human Capital（人力資本）" data-link-desc="評估小型事業續行或退場決策時，把經營者的技能與經驗當成會增值或折舊的資產納入判斷">人力資本</a>：可轉移的技能、產業知識、人脈與履歷紀錄，這些提高未來每一年的收入。投機交易的時間投入是否累積同類資產，取決於這段投入有沒有產生可驗證、可對外說明、可移轉到其他場合的能力。</p>
<p>判斷方式是問這段經歷在什麼場合可以被使用。取得可查核的長期績效紀錄並因此進入專業機構，是一條真實存在的路徑，而它要求的紀錄形態與多數人手上的交易歷程不同——需要涵蓋多個市場週期、包含下跌區段、統計全部交易而非選出來的部分。沒有走向這條路徑時，這段時間累積的是對特定平台介面的熟練度與一批無法對外驗證的經驗。</p>
<h2 id="社群樣本的篩選退出揭露與誘因">社群樣本的篩選：退出、揭露與誘因</h2>
<p>評估一個活動的期望報酬時，樣本從哪裡來決定了估計值。社群提供的樣本經過至少三層篩選。</p>
<p>第一層是退出篩選：虧損到停止交易的人不再發文，看到的是還在場上的人。第二層是揭露篩選：獲利的紀錄比虧損的紀錄更常被公開，同一個人也更常貼出賺錢的那幾筆。第三層是誘因篩選：以交易為收入來源的內容創作者，其收入部分來自觀看與訂閱，而那份收入需要的是持續產出，不是準確。</p>
<p>這三層合起來構成<a href="/blog/business/knowledge-cards/survivorship-bias/" data-link-title="Survivorship Bias（倖存者偏誤）" data-link-desc="拿到一組產業基準、同業比較或成功案例時，用來判斷那批樣本是不是先被結果篩過、數字該往哪個方向修正">倖存者偏誤</a>在這個場域的形態。它的效果是讓觀察到的成功率遠高於全體實際的成功率，而巴西那組研究之所以有價值，正是因為它從交易所端取得所有開始當沖的人，不經過任何一層篩選。</p>
<h2 id="評估的輸入資本時數績效紀錄與技能方向">評估的輸入：資本、時數、績效紀錄與技能方向</h2>
<p>完整的評估有明確的輸入，每一項都能查到或記錄下來。</p>
<p><strong>投入的資本與它的替代用途</strong>：這筆錢目前的其他去處各能產生什麼報酬，包含償還負債的確定報酬。</p>
<p><strong>投入的時數與本業時薪</strong>：實際花掉的小時數乘上替代報酬，這一項通常大於交易損益本身。</p>
<p><strong>實際的績效紀錄</strong>：全部交易的損益總和，涵蓋期間包含市場下跌的區段。憑印象估計會偏高，機制在<a href="/blog/til/behavior/disposition-effect/" data-link-title="處置效應：獲利的部位賣得太早、虧損的部位留得太久" data-link-desc="對兩筆處境相反的部位給出了兩套不同的續留理由時，用來理解那個不對稱來自哪裡">處置效應</a>。</p>
<p><strong>技能的累積方向</strong>：這段投入有沒有產生可對外驗證的能力，以及那個能力在哪些場合能被使用。</p>
<p>四項算完之後，這個活動與其他用途的比較就成為一個數字問題，而不是感覺問題。</p>
<h2 id="評估得出值得投入的條件">評估得出值得投入的條件</h2>
<p>上面的算式對少數情況會得出正的結果，而那些條件可以事先指認，不需要等結果出來才知道。</p>
<p><strong>資金完全可損失且不影響任何計畫</strong>時，資金的機會成本降到只剩替代報酬，沒有生活層面的連帶損失。<strong>時間確實有剩餘且不排擠本業與休息</strong>時，時間那一項的替代報酬接近零。<strong>已經持有涵蓋多個市場週期的完整紀錄且該紀錄支持繼續</strong>時，第一項的估計有依據而非期望。<strong>目標定位在學習市場機制而非取得收入</strong>時，評估基準從報酬換成學到的內容，而學習的效率有比實際下單更便宜的取得方式。</p>
<p>多數人的情況不滿足這幾項，而原因與判斷能力無關——資金有其他用途、時間排擠本業、缺少可查核的紀錄，這三件事在多數人的生活裡同時成立。這也是為什麼同一套操作在不同人身上會得出不同結論：差別在機會成本的結構，不在誰比較聰明。</p>
<h2 id="延伸閱讀摩擦成本的計算社群流行的操作手法與加密金融產品">延伸閱讀：摩擦成本的計算、社群流行的操作手法與加密金融產品</h2>
<p>摩擦成本的計算方式在<a href="../trading-cost-structure/">交易的成本結構</a>，它決定了實際績效紀錄裡有多少比例是無法避免的支出。社群樣本背後的手法在<a href="../social-trading-patterns/">社群流行操作手法的共同結構</a>。</p>
<p>同一組判讀方式套在加密金融產品上的版本，見<a href="../stablecoin-claims/">穩定幣的宣稱與實際</a>。</p>
]]></content:encoded></item></channel></rss>