九成勝率為什麼不能當買課理由
「WYSIATI：眼前資訊容易被當成全部真相。」
— Daniel Kahneman,《Thinking, Fast and Slow》(2011)
撲克與決策研究裡有一個相近的坑：用結果倒推決策好不好。Annie Duke 稱之為 resulting（結果偏誤）——贏了就以為方法對，輸了就以為要換一套更「神」的課。單次出金美照，證明不了課程可轉移；它只證明有一條路徑曾經走到終點。
| 常見展示 | 缺了什麼 | 教練式追問 |
|---|---|---|
| 勝率 90% | 樣本數、標的、時期、是否含手續費與滑點 | 先交代分母 N，再檢驗換一段行情是否仍成立 |
| 上個月出金 XX | 同一策略總嘗試次數、總考試費、淨損益 | 補上同一方法未出金的人數與比例 |
| 跟我做就穩 | Prop 的回撤、單日虧損、一致性等約束 | 加上規則後重估仍可存活的路徑 |
| 學員感謝信 | 購買總人數、完課率、虧損分布 | 成功案例必須對購買總人數開分母 |
「成功常常只是有利樣本裡的運氣。」
— Nassim Taleb,《Fooled by Randomness》(2001)
還有一層 Prop 特有的結構：即使策略期望接近零，在特定規則下仍可能「過關」或完成出金條件。因此「高勝率教學」更不能直接兌換成你的交易優勢。出了金，也不自動等於你學會了可遷移的方法。
學費較可能買到什麼、買不到什麼
| 較可能買到 | 通常買不到 |
|---|---|
| 術語、平台操作、複盤表格、流程節奏 | 可審計、可帶走、在你帳戶上仍成立的 edge |
| 情緒名詞與基本風控觀念 | 替你承擔回撤、考試費與爆倉後果 |
| 社群身份、被督促的感覺 | 不需你自己驗證的「九成勝率保證」 |
「有膚風險（skin in the game）才是認真程度的真尺度。」
— Nassim Taleb,《Antifragile》(2012)
工具課、經典書籍、清楚的操作手冊可以有資訊價值。本文針對的是另一類：**以高勝率與出金故事驅動付費，卻拒絕提供你能獨立重跑的證據。** 學費加上反覆考試費，對很多人並不是「小額進修」，而是數月現金流；在驗證之前先付款，等於用真金白銀購買未被證偽的敘事。
先立四條憲法，再讓 AI 上場
| 原則 | 經典命題 | Prop 含義 |
|---|---|---|
| 概率，不是神諭 | Mark Douglas：用概率思考；任何一筆都可能發生 | 單筆盈虧不定義你的系統好壞 |
| 防守優先 | Paul Tudor Jones：Defense, defense, defense；永不攤平虧損 | 接近單日虧損或回撤線時先縮手，不「博回來」 |
| 少做蠢事 | Charlie Munger：與其偶發聰明，不如持續不太蠢；凡事反轉思考 | 先問策略會如何死在 trailing／DLL／consistency |
| 流程大於偶像 | Jack Schwager 系列：沒有單一聖杯；過程重於人格崇拜 | 教練是可重複流程，不是某張網紅臉 |
「他們打敗的是自己，不是市場。」
— Edwin Lefèvre 所記 Livermore 傳統,《Reminiscences of a Stock Operator》(1923)
五步：如何一步步讓 AI 成為你的教練
步驟一：把九成勝率拆成可證偽清單
AI 輸出：逐條標出缺了哪些分母、哪些屬於結果偏誤、哪些無法獨立驗證。
你決定：核心證據缺三項以上——不付款、不跟單、不為此加買考試。
沉澱：一份「聲稱 vs 缺口」表。
給 AI 的語氣可以很直接：你是懷疑論研究員，不是粉絲。每條盈利聲稱必須對應樣本、時期、標的、費用、最大回撤、是否包含 Prop 規則。缺項標紅。禁止用「感覺很強」收尾。
「Resulting：用結果判斷決策品質。」
— Annie Duke,《Thinking in Bets》(2018)
步驟二：只認官方，做出 Eval／Funded 規則表
AI 輸出：表格——回撤類型、單日虧損限制、一致性規則、最低交易日、出金條件、禁止行為；並分開 Eval（考核） 與 Sim Funded（模擬資金帳戶），若有 Live 再另欄。
你決定：AI 與官網衝突時，以官網為準。
沉澱：一張分階段規則表。
Munger 的「反轉」在這裡最好用：不要先問「怎樣過」，先問「這套規則組合會怎樣殺死我的策略」。Prop 裡，活着的優先級永遠高於漂亮勝率。
步驟三：策略壓成可回測的三句話
| 欄位 | 要求 | 例子方向 |
|---|---|---|
| 進場 | 可觀察、可重複 | 何時才允許開倉；何時絕對不開 |
| 出場 | 停利或時間條件清楚 | 目標、追蹤，或當日平倉規則 |
| 停損 | 價格或結構，不得「看情況」 | 固定點數、結構破壞、或時間停損 |
「把 A+ 交易寫進劇本，只打劇本內的球。」
— Mike Bellafiore,《One Good Trade》／《The PlayBook》
AI 輸出：把你的口述逼成上述三句 + 「不可交易條件」。
你決定：三句話定稿前，不買課、不加倉位哲學。
沉澱：playbook_v0。
步驟四：本地回測——裸結果 vs 規則約束
| 對照欄 | 看什麼 | 若只有這邊好看 |
|---|---|---|
| ① 裸回測 | 勝率、盈虧比、最大回撤 | 最多證明「無規則世界」的曲線 |
| ② 規則約束回測 | 觸及單日虧損次數、回撤出局、一致性否決 | 這才接近考試生存 |
你輸入：NQ 或 GC 等歷史數據 + 步驟三的規則 + 步驟二的參數。
AI 輸出：① 與 ② 兩欄數字與結論，並標註過擬合風險（把歷史曲線調到完美、樣本外崩潰）。
你決定：
- 只有 ① 漂亮、② 崩潰 → 否決該策略敘事（含對應課程故事）
- 兩欄都弱 → 停買考試，回到 playbook
- ② 仍可接受 → 才進入小倉模擬與行為紀律
「不要過一條平均只有四呎深的河。」
— Nassim Taleb,《Fooled by Randomness》(2001)
暫時沒有完整數據，至少先做「規則壓力推演」：連虧 N 日會否觸線、單日大盈會否撞上一致性、防守縮手規則寫了沒有。推演代替不了回測，但遠好過直接為九成勝率刷卡。有數據以後，再讓 AI 幫你跑 walk-forward（滾動樣本外驗證）之類的紀律檢查；參數再美，站不住樣本外，就當故事。
「找到優勢，然後才決定下注大小。」 — Ed Thorp,《A Man for All Markets》(2017)
「倉位大小往往決定你能否留在局內。」 — Van Tharp 系倉位思想
步驟五：行為教練——五條禁令與過程日誌
| 你輸入 | AI 輸出 | 你強制執行 |
|---|---|---|
| 近 20 筆交易 + 情緒標籤 | 重複違規模式（復仇、攤平、為達標加倍） | 寫死最多五條禁令 |
| 當日是否接近規則紅線 | 應用哪一條防守規則 | 觸發即停當天，不談判 |
| 每週原始日誌 | 過程評分摘要（不先看賺賠） | 只改系統，不改「自我攻擊」 |
「You do not rise to the level of your goals. You fall to the level of your systems.」
— James Clear,《Atomic Habits》(2018)
到這裡，可以給「AI 教練」一個不浪漫的定義：
| 是 | 不是 |
|---|---|
| 逼你補分母、對官方、重跑回測 | 保證提高出金成功率 |
| 把影片變成可證偽清單 | 替代你承擔虧損與停手 |
| 每週指出你重複的愚蠢 | 新的付費偶像或情緒安慰機 |
「每個人最終都從市場得到他真正想要的東西。」
— Ed Seykota，見 Jack Schwager,《Market Wizards》(1989)
想要被保證、被帶飛，會走向話術；想要可驗證，會走向這五步。
五種把 AI 用壞的方式
| 錯用 | 常見後果 | 改正 |
|---|---|---|
| 「哪個策略最容易過 Prop？」 | 空泛推薦，隨時被話術收編 | 只接受：規則表 + 可回測定義 |
| 單次回答當真理 | 把幻覺當 edge | 每個關鍵數字要官方 URL 或本地檔 |
| 連虧時求安慰 | 合理化復仇單 | 只准回答：有沒有違禁令 |
| 回測不設規則約束 | 自制「九成勝率 2.0」 | 強制裸結果 vs 規則約束兩欄 |
| 聊天紀錄從不歸檔 | 知識無法檢索、無法迭代 | 每步必須留下表或檔案 |
Howard Marks 提醒過：最大的錯誤常常是心理錯誤，不是資訊不夠。AI 已經降低了資訊整理成本；若心理上仍追求「被保證的九成」，工具只會更快幫你找到下一個故事。
影響你什麼
| 路徑 | 你通常付出 | 你實際拿到 |
|---|---|---|
| 見高勝率 → 買課 → 再買考試 | 學費 + 反覆 exam 費（現金流壓力常被低估） | 篩選故事、身份感、未必可重跑的方法 |
| 五步驗證後否決 | 時間與數據為主 | 少付一門課、少一次冤爆的機會 |
| 五步後仍保留 | 考試費仍可能要付 | 至少知道規則下是否自洽，而不是只會背口號 |
「Don’t risk what you have and need for what you don’t have and don’t need.」
— Morgan Housel,《The Psychology of Money》(2020) 所討論的生存優先邏輯
下一步
- 本週只做一件打假：挑一個「高勝率」聲稱，填可證偽清單；分母不清就不付款。
- 只認官方：選一間平台，按 Help 原文做出 Eval 與 Sim Funded 對照表。
- 三句話 + 約束：策略寫成進場／出場／停損；有數據就跑裸回測與規則約束對照，並寫下最多五條行為禁令。
你來 Prop，可以是來買一種「被帶着走」的感覺，也可以是來建立自己能重跑的證據。兩者費用都真實，只有一種產物在沒有導師以後還屬於你。
📚 參考書目（節錄）：Daniel Kahneman,《Thinking, Fast and Slow》(2011)；Annie Duke,《Thinking in Bets》(2018)；Nassim Taleb,《Fooled by Randomness》(2001)、《Antifragile》(2012)；Mark Douglas,《Trading in the Zone》(2000)；Jack Schwager,《Market Wizards》(1989)；Mike Bellafiore,《One Good Trade》(2010)、《The PlayBook》(2013)；Jared Tendler,《The Mental Game of Trading》(2021)；Brett Steenbarger,《The Daily Trading Coach》(2009)；Ed Thorp,《A Man for All Markets》(2017)；Morgan Housel,《The Psychology of Money》(2020)；James Clear,《Atomic Habits》(2018)；Charlie Munger 思想見《Poor Charlie’s Almanack》；Livermore 傳統見 Edwin Lefèvre,《Reminiscences of a Stock Operator》(1923)。