今天是感恩節黑色星期五。
過去這幾個月，我寫了許多帶著質疑與警告的 note ── 有些後來被我自己刪掉。但看著某 Uncle、某 Money Life 一次次用荒腔走板的敘事挑戰我的邏輯底線，我決定今天不談產業，不講我最愛的行為經濟學，也不再用比喻繞圈子。
我們直接回到最冷酷、最無情、最不講人情味的那套——統計學。
一句話：假的。一切都是假的。
那些在你眼前蹦蹦跳跳的小型股，你以為背後藏著什麼驚天動地的故事？假的。就算它不是假的，把那些「資訊」完全忽略，也不會對你的投資造成任何損失。
市場裡九成九你以為的「訊號」，其實都是噪音。越早接受這個事實，你的投資生涯會越長命、越平穩、越自在。
你把隨機波動當成趨勢，把噪音當成訊號，把故事當成事實。
而真正能讓你長期存活下來的，只有三把刀：
先驗機率（Base Rate）
因果推斷（Causal Inference）
貝氏更新（Bayesian Reasoning）
當你真正把這三把刀磨利，你會發現一個讓散戶崩潰的事實：
你這輩子看到、聽到、追過的 99% 股價「訊號」，在統計上根本不構成訊號。
量子運算：最純的 Base Rate 幻覺
（這裡的 Base Rate，某些地方會以「先驗機率」1呈現。）
量子股暴衝時，散戶腦中劇本長這樣：
「量子霸權要來了！這家公司要改寫世界！」
但如果你拿出三把刀，就能看到背後的統計現實：
1. Base Rate：量子股 本來 就會瘋狂暴漲
量子題材具備四大母體特徵：
市值極小（3–20 億美元級）
交易量稀薄
故事巨大（量子霸權、軍工、國安…）
敘事聲量大於會計數字
散戶最容易忽略的一點：
👉 小型高題材股的母體分布，本來就會出現 20–200% 週線波動。
這不是訊號，是統計常態。
2. 因果推斷：價格 ≠ 科技進展
量子股暴漲 50% 是因為？
量子糾纏突破？NO
超導 qubit 大爆發？NO
商用化 milestone？NO
國防訂單落地？NO
幾乎永遠是：
meme 效應（Reddit、X 帶節奏）
低流動性市場被小額資金拉動
新手 FOMO
CMS 相互交易（cross market squeezes）
這些都不是「因果」（Causality）。
這就是小盤題材股的母體「噪音特徵」。
3. 貝氏更新：量子股上漲的 likelihood ratio ≈ 1
換句話說：
不論公司基本面有無進展，它的股價波動都差不多。
價格行為的訊息價值 = 極低。
要真正讓後驗2信念更新，必須看到：
真實可測試的量子體積（quantum volume）提升
商業客戶開始付費
Cloud-based quantum computing 落地
政府國防標案落實
但這些事件本身稀有，訊號遠遠小於噪音。
SMR：故事巨大、價格輕盈、訊息毫無
SMR 的敘事非常強：
「能源革命！碳中和終極解！AI 資料中心救世主！」
但這個題材的本質，就是 貝氏更新的死亡陷阱。
1. Base Rate：SMR 股價大波動，是「小型能源早期公司」的自然行為
你不需要任何敘事，只需理解這個母體分布：
SMR 市值 < 30 億美元（OKLO 年初市值約 30 億）
概念層級遠大於營收
與政治、核管制、DOE 預算高度耦合
進度以年為單位，而散戶以日為單位
結果就是：
👉 暴漲 600%、腰斬 70%。三個月翻倍、半年歸零都屬正常母體行為。
這不是訊號。
是 Base Rate。
2. 因果推斷：SMR 股價上漲 ≠ 技術突破、≠ 監管放行
散戶常看到新聞：
「DOE 預算提高！SMR 要起飛！」
「核能被列入清潔能源！」
然後股價漲 40%，他們以為：
「因為政策利好，所以股價漲！」
但你若用因果推斷檢查：
政策方向通常已經反映在價格裡
DOE 預算變動與股價關聯性接近白噪音
國會文件與核監管週期是長時程，不會激發短期大漲
多數大漲只是題材資金輪動（sector rotation）
也就是說：
👉 你看到的不是因果，而是腦補。
3. 貝氏更新：SMR 的「訊息事件」稀少且低頻
真正能更新信念的只有：
NRC 審查正式通過（而且是 final）
與能源巨頭（GE Vernova、Constellation、Chevron）簽署具約束力合約
反應爐進入建造 phase，而非 paper design
PPA（Power Purchase Agreement）落地
除此之外，散戶每天看的：
股價波動
Reddit 熱議
ETF 流量
國會聽證
AI 資料中心能源需求的新聞
👉 這些在貝氏框架下，訊息價值 ≈ 0。
但散戶會把它們當成 100。
這就是 SMR 題材，永遠變成「錯誤更新集中地」的原因。
Rocket Lab：題材迷人，但 95% 噪音、5% 訊號
RKLB 是典型：
技術實在存在（launch + space systems）
題材巨大（SpaceX 平替）
小盤股，波動劇烈
每個月都有新聞，但資訊價值不對稱
是最容易讓散戶誤讀「因果」的一家公司。
1. Base Rate：航太小盤股，本來就會暴漲暴跌
航太類（特別是商業發射）的小盤股，母體分布如下：
市值 10–30 億美元
產業極端資本密集
技術週期慢、營收確認慢
一個獲獎/合約消息就能讓股價跳動 20–40%
👉 你看到的價格波動，統計上本來就常見，與成敗無關。
RKLB 跟 ASTS、PL、SPCE 等一樣——
題材大，價格輕，噪音遠大於訊號。
2. 因果推斷：發射成功 ≠ 股價應漲；發射延誤 ≠ 公司垮
最常見的散戶誤區：
一次成功發射 →「公司飛起來了！」
一次延誤 →「要完蛋了！」
完全錯誤！
RKLB 的技術成熟度已經不低，
發射成功/延誤的 Base Rate 與股價的相關性極低。
真正的因果要問：
「這個事件是否改變了 Rocket Lab 的長期合約、產能、財務能見度？」
絕大多數發射消息：
👉 不會。
所以它們不是因果訊號，只是新聞噪音。
3. 貝氏更新：RKLB 的真正訊號極少，且大多被散戶忽略
真正值得更新信念的事件包括：
NASA 或美國國防部等長期任務合約（multi-year, multi-launch）
Neutron 大型火箭里程碑完全達成（硬訊號）
發射頻次提高到「可持續商業模式」區間
Space Systems 的毛利率穩定上升
黑天鵝：成功搶下 SpaceX 無法服務的市場空白（稀有）
但散戶更新信念的事件卻是：
Reddit 熱議
YouTuber 講太空
一次成功升空
一條看似利好的推文
盤中爆量
技術線突破—「馬斯克 SpaceX 第二」敘事
這些在貝氏框架中，訊息價值接近「噪音」級別。
量子 × SMR × RKLB：全宇宙最容易讓散戶誤用大腦的題材
這三個題材會吸引散戶有三個原因：
宏大敘事
價格輕盈
母體分布本來就容易暴動
但是從「Base Rate × 因果 × 貝氏」看下去，你會發現：
1. 它們的短期價格行為 99% 都是噪音，而非訊號。
2. 它們的上漲幾乎永遠不代表基本面改變。
3. 它們的訊息價值極低，但似然比3極高，不適合做信念更新。
換句話說：
它們不是「危險的股票」，它們是「危險的故事」。
散戶不是輸在技術分析、不是輸在耐心，而是輸在：
錯把噪音當證據，錯把劇情當現實，錯把故事當基本面。
一句話總結：先驗機率＝在看見任何特徵、故事、訊號之前，某件事本身的「基本機率」。也就是「母體分布」本來的比例。
貝氏定理（Bayes’ theorem）是機率論及統計中一個公式簡單並且十分常見的定理，尤其常見用於基於機率的事件推論計算中，然而卻不一定能夠有直觀的理解，即便理解公式的推導卻不能夠內化，貝氏定理的基本核心概念為基於觀測到的相關事件發生與否，修正已知的機率。舉理來說，在已知下雨機率為 10% 的地區，若觀測到天氣為陰天，則會提升心中認為會下雨的機率。這是基於過往的經驗修正，在觀測雨天的 100 天中，陰天的天數為 80 天，因此可以推斷陰天時的下雨機率會是較高的。貝氏定理可以從在雨天中會是陰天的條件機率推論出在陰天時下雨的條件機率，因此貝氏定理彷彿是機率論中的畢氏定理，用於轉換條件機率。
P(A) 稱為事件 A 的事前機率或是先驗機率，代表著在未觀測到相關事件前 A 事件會發生的機率，舉例來說可以是在還不知道明天天氣如何的情況下，明天的雨天機率
P(A∣B)P(A∣B) 稱為事件 A 的事後機率或是後驗機率，代表著在觀測到其他相關事件發生的情況下，A 事件發生的機率，舉例即是在觀測到陰天情況的下雨機率、或在觀測到一個人進星巴克他會喝咖啡的機率等。
似然比（Likelihood Ratio, LR）是一種統計指標，用於評估檢驗的效能或比較模型的擬合優度，它衡量在有或沒有特定條件下，某事件發生的可能性之比。
非常認同，看到教徒痴迷教主的"研究"及"故事"，懂的人真是覺得無語。
這篇真的很棒，漫步我也有看完，但是沒有想到版大分析的點