市面上投資的書籍很多，提供的投資資訊也不少，但看完之後有辦法做出正確的決策嗎? 資料分析有四個階段：描述性分析、診斷性分析、預測性分析和決策性分析。在這篇文章中，我們將探討這四個階段在投資領域的應用，以及相應的工具，並說明如何透過數據做出正確的投資判斷。
數據投資分析的四個階段
描述性分析
描述性分析主要涉及數據的整理、彙總和展示，以更容易理解數據的特點。其目的在於提供對數據的總體描述，幫助用戶了解數據的基本特徵和趨勢。描述性分析通常是數據分析的第一步，為後續的診斷性分析、預測性分析和決策性分析提供基礎。在財經分析領域，新聞、公開資訊觀測站、財報狗和M平方等屬於這一類，提供公司財報等信息，並以可視化方式呈現，提供了“發生了什麼” 的資訊。
診斷性分析
診斷性分析是對現有系統、流程或結構進行分析，以識別和理解問題或困難的根本原因。例如，財報狗Podcast提供產業或個股的發展趨勢，M平方則為投資者提供總體經濟的發展方向和資訊的洞察，FindBillion則透過資料科學提供合理價的分析，皆提供了“為什麼會發生”的資訊。
預測性分析
預測性分析是一種統計技術和數據挖掘方法，利用歷史數據、算法和機器學習技術來預測未來事件的可能結果。其主要目標是根據過去的數據挖掘潛在的趨勢和模式，以預測未來的行為。這有助於制定更有效的決策、降低風險、提高效率和優化資源分配。例如，FindBillion屬於這一類，透過資料科學和財經AI，從大量歷史資料中找出領先指標，並提供股價預估以及未來獲利的機率預測，提供了“未來可能如何發生” 的資訊，協助投資者制定更明智的決策。
決策性分析
決策性分析利用數據和資訊來評估現有情況，並根據結果提供相應的建議或決策，提供了“採取什麼行動”的信息。在投資領域中，這轉化為提供買進和賣出的建議。資料科學和財經AI同樣能夠實現這一步驟，但FindBillion強調了資料並不是做決策的全部。有太多因素是無法預測的，例如疫情導致供應鏈不均衡、法規的變動以及質化分析等。因此，投資者透過以上數據客觀的分析方式，再結合自己的獨立判斷，更適切地作出買賣決策，以因應快速變化的市場情況。
常見錯誤分析
常見的錯誤分析方式通常是拿到描述性分析資料後，若主觀判斷是正確的，那決策正確，若主觀是錯誤的，會得到錯誤的決策性分析，造成誤判。例如，看到長榮的本益比很低，錯誤主觀認定本益比低未來會上漲，於是買進，獲利機率渺茫，完全依賴主觀的知識和經驗。若經由FindBillion合理價這類的診斷性分析，就可以發現長榮的股價跟EPS無關，長榮的本益比參考性不高，可以減少主觀性的判斷失誤。
數據投資錯誤的分析方式
結論
以上這四個階段的資料分析在投資領域都具有廣泛的應用，有助於投資者更好地理解市場、做出明智的決策，並降低風險。然而，錯誤的應用方式可能導致投資風險增加，尤其只有本益比、殖利率、成長率或EPS等這類的描述性分析，很大一部分依靠分析者的專業和經驗才能做出正確的判斷和決策。這也是為何看了很多高手的書籍，如果無法複製高手的主觀判斷思維，就無法複製出相同的決策結果，例如菲神思考的維度很高，令人敬佩，但一般人沒有經過訓練，不一定能學得起來，看到相同的數據不一定會做出正確的判斷。
因此，FindBillion利用財經AI和資料科學，提供診斷性分析與預測性分析，提供了大盤和產業的領先指標、未來EPS的預估、未來殖利率的預估、合理價預估、獲勝機率預測等分析，猶如為投資者提供了一個專業的研究團隊，減少大量主觀的判斷，從而降低誤判的可能性，提高投資的成功機會，若有能力做質化分析，可更進一步提升獲利機率。
