觀察短線與當沖
最近滑 Threads，會看到有人分享自己在期貨市場放空畢業，或是當沖畢業的經歷。
當沖畢業主要有兩條路：一是操作失當違約交割，瞬間出局；二是設定的資金池被連續虧損慢慢吃完，再也撐不起下一筆。前者是執行面的意外，這篇不展開；後者跟期望值直接相關，正是這篇要切入的角度。
我跟 AI 聊了一輪，他指出可以從期望值切入 —— 用期望值估算風險狀態，相對是個可行的策略；要嘛知道自己賺得夠多，要嘛在合理範圍內承受小虧、提早出場。這篇就是從那場對話延伸出來的整理。
期望值的算法與直覺，我前一篇〈複習期望值的概念〉已經整理過，這篇直接用，不再重講。
順帶交代一下我自己的立場：我的投資風格以長期投資、持續買進為主（細節在〈投資風格摘要〉），不做當沖、不抓短線。這篇談當沖是從旁觀察期望值在這套規則裡怎麼運作，不是我親自會採用的策略。
交易版的期望值，其實就是同一條公式換層皮
把「賺一筆」和「賠一筆」當成隨機變數 \(X\) 的兩個可能值：賺的時候 \(x_i = +\) 平均獲利、賠的時候 \(x_i = -\) 平均虧損（虧損是負值這件事直接寫在 \(x_i\) 裡），再扣每筆都要付的固定交易成本：
展開就是：
這條就是篇一裡用抽獎卷算「平均每張券值 8 元」的同一條公式，只是把 \(x_i\) 換成損益、再多扣一筆每次都要付的成本。
同樣是 55% 勝率，一個賠錢、一個賺錢
ChatGPT 在回答「怎麼避免當沖畢業」時給了兩個對照範例，我覺得它們把問題切得很乾淨，把核心放在這裡。
範例 A：
| \(x_i\) | \(P(x_i)\) |
|---|---|
| \(+1.0\%\) | 55% |
| \(-0.6\%\) | 45% |
交易成本 \(0.3\%\)，套公式：
55% 勝率看起來不錯，但扣完成本後，幾乎不賺。
範例 B：
| \(x_i\) | \(P(x_i)\) |
|---|---|
| \(+1.2\%\) | 55% |
| \(-0.5\%\) | 45% |
交易成本 \(0.3\%\)，套公式：
同樣 55% 勝率，靠把平均獲利拉大一點、平均虧損壓小一點，期望值才從負轉正。
兩個範例之間真正的差距，不在「看對的比例」，而在「看對時賺多少、看錯時賠多少」。把這兩個放在一起看，比直接講道理還清楚。
該看什麼：賺賠幅度與成本，不是看對的次數
先說一個常被忽略的事實：每筆交易一開始就是負的。
以台股現股當沖為例，每筆交易的固定成本拆開來看：
也就是說，股價得先往你有利的方向走超過 \(0.435\%\)，你才只是接近打平。如果再算上買賣價差、滑價、排隊沒成交，門檻會更高。
從這個角度回頭看勝率，「看對的次數」本身根本沒有提到成本與賺賠幅度。它只回答了「你在判斷方向時有沒有對」，沒有回答「你有沒有從這個對的判斷裡賺到夠多東西」。所以散戶最常見的錯覺，就是把「我這個月勝率有 60%」當成「我這個月會賺」，但只要平均虧損遠大於平均獲利，再加上成本，整體期望值就會是負的。
ChatGPT 還順手給了一個入門門檻：潛在獲利要大於「停損 + 交易成本」，更嚴格一點是潛在獲利至少是停損的 1.5～2 倍。這條規則背後的邏輯，其實就是在強迫每筆交易先去想「如果這次對了，賺的東西夠不夠補一次錯的時候賠的 + 一次交易的固定成本」。它不是要你預測未來，而是要你在動手之前就確保期望值是正的。
從期望值反推：停損、停利、盈虧比
知道要追正期望值之後，下一個問題就是：怎麼讓平均獲利大於平均虧損？實務上靠三個工具。
停損封住「平均虧損」這項。一筆交易進場前就先決定「如果錯了，最多接受跌多少」，這個數字直接就是公式裡 \(-\) 平均虧損的上限。沒有停損，一次失控的大賠就可能把幾十次小賺全部吃掉，再高的勝率都救不回來。
停利反過來決定「平均獲利」要拉到多大。如果停損是 \(0.5\%\)、停利也只設 \(0.5\%\)，勝率必須遠超過 50%（再加上成本門檻）才能撐住正期望值，要求太高。常見做法是讓停利距離至少是停損距離的 1.5 到 2 倍，這個比例就是所謂的「盈虧比」 —— 它把「平均獲利」這項從一開始就拉開。
把這兩個值再連到部位大小：先決定單筆可承受虧損（例如總資金的 \(0.5\%\)），再用「每股停損金額」反推可買股數。這樣每筆交易冒的風險都一致，不會因為股價高低不同而不小心放大部位。
從外面看，停損、停利、盈虧比像是三個操作技術細節，從期望值的角度看其實是在替公式裡每一項封頂或拉開。它們的功能不是預測下一根 K 線，而是在按下下單鍵之前，先把這筆交易的期望值搬到對你有利的那邊。
期望值不是預測工具，而是對於有沒有機會存活的評估工具
篇一裡提過一句話：期望值是長期平均，不是單次預測。
放到交易這個情境，這句話會變得很具體。期望值 +0.135% 的意思，不是「下一筆會賺 0.135%」 —— 下一筆只會出現「賺 1.2%」或「賠 0.5%」這兩個值之一，永遠不會是 0.135%。它真正的意思是：如果你照這套系統做 500 筆、1000 筆，扣完所有成本之後，平均每筆應該會落在 0.135% 附近。
所以期望值在交易裡扮演的角色，是判準 —— 它回答「該不該做這件事」，不回答「下一筆會怎樣」。一套系統正期望值，就值得反覆執行、讓大數法則替你工作；負期望值的系統，做越多筆只是把虧損的速度做得越快。
回到開場的「畢業」問題：避免畢業，本質上就是確保自己手上有一套正期望值的策略，並且部位控制不會讓你在抵達長期平均之前就先出局。神不神準、能不能預測下一根 K 線，反而是次要的。借用 ChatGPT 那句很狠的話收尾：
當沖要活下來，不靠神準，而靠少犯大錯。能不能持續賺，取決於有沒有一套扣除成本後仍為正期望值的系統。