投資 / 商業
把「想辭職做全職投資」當反向情緒指標:19 次提問還不能證明擦鞋童理論
TinBoker 掃描《股癌》697 集逐字稿,找出 19 次詢問是否辭職做全職投資的提問,稱其後台股 30/60 日中位數比一般集數低 3.5/12.7 個百分點。方向符合市場亢奮的反向情緒假說,但事件日期、抽取規則與完整回測未公開,樣本又集中在四個時期,只能視為待驗證的研究線索。
2026年9月19日3 分鐘閱讀👁 5
Market Sentiment / Podcast Mining / Evidence Check
「想辭職做全職投資」可以當情緒訊號,但 19 次提問還不是交易策略
TinBoker 掃描《股癌》697 集逐字稿,找出 19 次聽眾詢問是否辭職全職投資,觀察到提問後台股 30/60 個交易日表現較弱。方向符合擦鞋童理論直覺,但事件日期、抽取規則與完整回測尚未公開,證據只能視為探索性。
貼文提出的觀察
- 資料期間:2020 年 2 月至 2026 年 9 月,共 697 集《股癌》逐字稿。
- 抽出 19 次「尚未離職、正在問是否轉全職投資」的提問。
- 提問集中於四段:2022 年初、2022 年中、2025 年底,以及 2026 年 9 月附近。
- 作者稱四個密集期中,有三段之後的大盤最大跌幅超過 14%;2025 年底那段沒有發生。
- 以每次提問後的加權指數計算:第 30 個交易日中位數 -1.0%,第 60 個交易日 -7.0%;任一集之後的對照值分別為 +2.5% 與 +5.7%。
先把差異算清楚
| 窗口 | 全職投資提問後 | 任一集後 | 中位數差 |
|---|---|---|---|
| 30 個交易日 | -1.0% | +2.5% | -3.5 個百分點 |
| 60 個交易日 | -7.0% | +5.7% | -12.7 個百分點 |
這個 effect size 看起來很大,但它仍只是貼文提供的彙總數字。沒有 19 筆事件日期、逐筆報酬、價格資料版本與程式碼,就無法獨立重算中位數或檢查 outlier、重疊窗口與期間選擇。
證據分級
| 層級 | 目前有什麼 | 判定 |
|---|---|---|
| 作者主張 | 697 集、19 次提問、四段密集期與 30/60 日彙總 | 可記錄,但屬 author-reported |
| 可觀察材料 | Threads 文字與 EP118 片段的作者說明 | 能理解假說,不能重建完整樣本 |
| 第一方資料 | Podcast 逐字稿與台股歷史指數理論上可取得 | 本貼文未提供事件表或程式碼 |
| 獨立驗證 | 目前沒有完整事件日期、抽取規則、回測 notebook | 尚不可重現 |
為什麼「19 次」不能直接當訊號
- 樣本不獨立:19 次集中在四個時期,同一段行情中的多個問題會共享大量 30/60 日報酬窗口,不能當成 19 次獨立實驗。
- 事後分群:四段「密集期」若是在看到市場結果後才界定,會有 post-hoc selection 與 look-ahead bias。
- 抽取誤差:逐字稿 ASR、同義句、玩笑、轉述與真的準備離職必須有一致標註規則;否則關鍵字命中不等於投資行為。
- 基準重疊:「任一集之後」的窗口高度重疊,且 Podcast 發布頻率會讓對照樣本自相關,不能把 697 集當 697 個獨立觀察。
- 指標混用:「最大跌幅超過 14%」是 peak-to-trough drawdown;30/60 日是 point return。兩種定義不能直接互換。
- 交易規則缺失:即使情緒訊號成立,仍需定義進出場、再進場、成本、稅與沒有訊號時的持倉,才能談策略報酬。