一個被多數人忽略的「隱形殺手」
為什麼你的實際報酬總比試算表少一截？
2026 Jun 24 投資雞湯文
▋先從那位「資訊理論之父」說起
1956年紐澤西州，一棟不特別的辦公大樓，有個叫克勞德·夏農的男人，正在做一件改變整個人類文明的事。
他白天的工作，是發明「資訊理論」，這個理論後來讓網際網路成為可能，讓手機成為可能，讓你現在看這篇文章這件事，成為可能。
整個數位時代的底層邏輯，都建立在他那幾十頁的論文上面。
▋但是，他也偷偷交易股票
說「偷偷」，是因為他從來不張揚這件事，他沒有出書，沒有開課，沒有在媒體上露面說自己是投資大師，
但從 1968 年到 1986 年，將近二十年的時間，他的投資組合年化報酬率約 28%，同期間，巴菲特是 27%。(後面有補充說明)
▋幾何報酬率 vs 算術平均報酬率
夏農跟同事 約翰·凱利 寫了一篇沒幾個人看得懂的論文，(是的，就是寫出「凱利公式」那位凱利)，這篇論文後來改變了華爾街。
他們發現的事情，其實很直白：在一個會複利的世界裡，你不會經歷「平均」，你經歷的是「中位數」。
每個人的投資過程有順有逆，有漲有跌，你實際拿到的最終報酬率，永遠會比Excel的算術平均少一截，少多少？大約「波動率的平方除以二」，「幾何報酬率 ≈ 算術平均報酬率 − 波動率² ÷ 2」
波動越大，差距越大，而且不是線性的差，是平方，波動率翻倍，遞減放大四倍，這後來被叫做波動率拖曳（Variance Drag），(因為就像拖油瓶嗎
)。
▋為什麼你的帳戶比試算表少一截
假設你有 1,000 元，第一年賺 50%，變成 1,500 元，第二年虧 30%，剩下 1,050 元，兩年平均報酬率10%，(50% - 30%)/2 = 10%，平均而言，好像你應該賺100元(1000*10%)，但實際上你只拿到50塊。
你常聽到的「平均報酬率10%」，和你帳戶裡的真實數字出現落差，這個差距就是「波動率拖曳」，這個差距，跟運氣無關，跟市場時機無關，純粹是數學。
簡單來說，你本金虧了50%，需要漲100%才能回到原點，這個不對稱，就是波動率最殘忍的地方。
▋夏農的選擇，說明了一切
夏農的績效為什麼能那麼穩？他不追最高報酬，他追的是最不容易出錯的幾何報酬。
他用凱利公式管理每一筆部位的規模，在波動可控的範圍，讓複利安靜地工作，不是每一年衝到最高點，而是每一年都「不讓自己被打回原形」。
▋為什麼很少有人告訴你這件事
但七十年過去了，打開任何一份基金或ETF的廣告，你看到的還是「過去十年平均年化報酬….%」，打開退休金試算器，所計算的還是一個沒有波動的平行宇宙，為什麼？
因為「年化10%」聽起來比「中位數 8.7%」性感，一條平滑的曲線，比一條鋸齒狀的真實路徑，更容易讓人點頭簽名。
▋ 這跟選股，有什麼關係？
我在上週直播提到一句話，「我不是要逮到每一檔會漲的股票，我要的是只要進入我追蹤清單的個股，它有比較高的機率會漲，而且能走得久。」
這讓我想到夏農，建立一個讓幾何報酬最大化的系統，而不是去追每一次看起來最大的機會。
▋ 法人買很多，為什麼沒有立刻漲？
我在直播裡拆解了三個關鍵參數。
第一個：法人買超。
法人買很多，不等於立刻上漲，關鍵要看兩件事：
一是買超排名有沒有進入前段班，二是買超金額對比資本額夠不夠大，
光看「法人在買」還不夠，要看買的量相對於公司規模夠不夠有意義。
▋ 全市場的錢 : 大戶籌碼
第二個關鍵參數：大戶。
法人籌碼我只有統計外資跟投信，但是大戶籌碼則是全市場，大戶比例大增、總股東人數下降，是籌碼正在集中的訊號。
▋ 進場初期，最怕被洗下車
第三個問題，我覺得是最關鍵的，進場初期，如何不被洗盤洗出去？
如果我在股價盤整或洗盤階段就下車，那後面即使大漲也不關我的事了。
所以我在其中一組篩選參數進行微調，排除波動程度大的雜訊，這和波動率拖曳的道理高度一致。
進場後的波動，是真報酬被侵蝕的來源，控制「被洗掉的機率」，比每次都想買在最低點更重要。
▋ 下次有人給你看試算表，只需問一個問題
「這個X %，是算術平均還是幾何平均？」如果對方愣住，你已經比他多懂了一層。
選股的道理也一樣，重點不是找「今天看起來最猛的那一檔」，而是建立一套能讓幾何報酬最大化的流程，
每次進場之前，可以再問多自己一句：「萬一股價不如預期呢？」
▋ 補充說明夏農的股票投資報酬率
在 William Poundstone 的名著《財富公式》（Fortune’s Formula）指出，從 1950 年代末到 1980 年代，克勞德·夏農的年化報酬率高達28%，而同期的巴菲特大約是27%左右。
但把夏農跟巴菲特直接對比，存在以下幾個根本上的局限性：
1. 資產規模的「量級差異」
夏農僅管理數千萬美元的資金，可以重壓在高成長的中小型股上，但巴菲特掌管的波克夏，同期規模早已達數數十億美元，巴菲特在巨量資金下還能維持27%的年化報酬，在統計學的困難度已高出好幾個量級。
2. 夏農是「創投與集中持股」，而非神祕演算法
很多人以為夏農是靠他的「資訊理論」或「凱利公式」，做高頻或量化交易打敗巴菲特的，但這是一個巨大的誤解。
事實上，夏農在接受採訪時坦言，他的操作策略更偏向基本面，他的巨大財富主要來自極少數的「全壘打」。
他是科技公司 Teledyne 的早期投資人，這檔股票在幾十年間翻了幾百倍，此外，他還早期重壓了惠普和摩托羅拉。
換句話說，夏農的超額報酬，本質上更接近「早期創投+集中持股」，而不是靠每天計算數學公式。
結論
統計數據的「事實」是真的，但「前提」不對等，夏農的28%證明了這位天才，即便是「兼職」投資，其基本面眼光與對風險的耐受力也是大師級別，但若以此斷言他的投資能力超越巴菲特，就忽視了資金規模的客觀限制了。
以上簡單分享酌供參考^^
PS 文章靈感來源 : PG財經筆記
《為何蒙地卡羅算出來的，往往比Excel來的少？》
【2026年7月木桐高雄講座】
地點：思博客商務中心-會議教室(巨蛋館)
(高雄市左營區立文路77號13樓之1)
之前租的場地有人借了，改成巨蛋館不要走錯
繳費：講座當天現場繳費
報名請來信 bonddealer.service@gmail.com
請在主旨寫明報名講座別，如7/25小曹高雄講座或7/26 Bengo高雄講座…等
並留下姓名、電話
7/26(日) 14:00~17:00
講師與講座名：7/26 Bengo高雄講座
費用：4200元
1.參加講座的學員加贈3個月Bengo訂閱資料+1-1教學服務(價值6600+元）
2.參加講座學員皆享有「1-1教學服務」，課後會請您填寫表單。
---
7/25(六) 17:00~20:30(中間休息半小時)
講師與講座名：7/25小楊高雄講座
費用：5000元
如想留言評分，請先 登入會員！