FQ 統計系統

本白皮書說明 FQ忠隆基金之品牌定位、投資哲學、研究方法、組合治理、風險機制與階段性發展方向。其核心是將郭忠隆長期累積的美國股票研究、臺灣股票研究、量化方法、金融資料分析與人工智慧應用經驗，轉化為可檢驗、可追溯且可持續校正的資產管理框架。

閱讀主軸

• 以郭忠隆的研究經驗與投資判斷為基金方法論起點。
• 將人工智慧、美國股票研究、臺灣股票研究與統計核心系統視為四項具獨立方法邊界的研究能力，再於投資組合層級形成協同。
• 以研究品質、風險預算、流動性與責任治理取代單一績效敘事。
• 以階段性驗證及制度建置，作為基金未來發展與對外合作的前提。

市場的本質從未因工具進步而改變。資訊可以更即時，模型可以更複雜，交易可以更快速，但資本仍必須面對不確定性、週期與判斷失效。真正值得建立的，不是宣稱永遠正確的預測機制，而是一套在判斷正確時能夠有效參與、在判斷失效時仍能保存資本的投資秩序。

我長期研究股票市場、系統化投資與金融風險，並持續觀察人工智慧如何改變資料處理、企業研究與模型驗證。這些經驗使我更加確信：人工智慧、美國股票研究、臺灣股票研究與統計核心系統不能被混合成模糊的技術敘事。人工智慧處理資訊與辨識關聯；美國股票研究回答企業價值、產業結構與全球定價條件；臺灣股票研究聚焦供應鏈位置、產業循環與本地市場資金結構；統計核心系統則檢驗訊號能否在成本、流動性與風險條件下成立。四者只有保持各自的方法邊界，才可能在投資組合層級形成可靠協同。

FQ忠隆基金因此不以單一模型、單一產業或短期市場方向作為存在理由。基金所要建立的，是由研究命題、證據品質、統計驗證、基本面判斷、部位配置與風險約束共同構成的決策制度。每一項判斷都必須說明資料從何而來、推論如何形成、哪些條件可能使其失效，以及資本在失效情境下如何處置。

研究的價值不在資訊數量，而在證據能否支持決策；統計的價值不在回測曲線，而在結果能否通過樣本外與交易條件檢驗；風險管理的價值不在事後解釋，而在部位建立之前即界定可承受範圍。

郭忠隆 Jonathan Kuo

從資訊優勢轉向研究治理

公開市場已由資訊取得不足轉向訊號密度過高。財報、法說會、監管文件、新聞事件、供應鏈資料、價格、成交量與資金流向同時更新，真正稀缺的是能夠辨識資料品質、區分結構性變化與短期雜訊，並將研究結論轉化為可承擔部位的治理能力。

FQ忠隆基金以研究治理作為設立命題。基金不將模型輸出直接等同投資結論，而是要求訊號依序接受資料檢核、統計驗證、基本面解釋、市場條件校驗、交易成本評估與風險預算約束。

面向長期資本的三項問題

• 當企業成長、估值與資本成本同時變動時，如何區分結構性價值與市場敘事。
• 當人工智慧提高訊息處理效率時，如何避免資料偏誤、模型漂移與黑箱決策擴大風險。
• 當歷史規律看似顯著時，如何確認其在交易成本、流動性與不同市場狀態下仍具可行性。

基金定位

由量化股票研究延伸至人工智慧治理

郭忠隆的專業定位建立於股票市場、量化投資、金融資料分析與風險管理的長期研究。其方法並非由特定工具出發，而是由問題本身決定研究路徑：企業價值問題回到財務與產業證據，美國與臺灣市場分別依其產業結構、定價環境與資金特性建立研究框架，市場規律問題接受統計檢驗，資訊密度問題則運用人工智慧改善擷取與分類效率。

多年市場實務使其研究重點逐步由因子分析與組合建構，延伸至非結構化金融資料、自然語言處理、模型漂移、決策可解釋性與跨模型風險。這條發展路徑構成 FQ忠隆基金的方法傳承，也使基金在技術採用上維持清楚邊界。

領導責任

• 確立基金研究哲學、投資憲章與風險文化。
• 主持重大市場命題、核心策略及組合曝險之審議。
• 要求人工智慧輸出具備來源、推論與失效條件。
• 維持研究、驗證、投資決策與風險監督之責任分工。
• 對投資人溝通保持一致、審慎且不誇大技術能力。

經驗如何轉化為制度

個人經驗若只停留在直覺，無法形成可延續的組織能力。因此，基金將研究假設、資料處理、模型版本、決策理由、部位限制與事後檢討納入文件化程序，使經驗能被檢視、傳承與修正，而非依賴單一人物的臨場判斷。

五項投資憲章

決策邊界

• 不將人工智慧描述為報酬來源或預測保證。
• 不以統計顯著性取代經濟意義與執行可行性。
• 不因單一企業敘事而忽略估值、資本成本與產業週期。
• 不在流動性、資料品質或模型狀態不明時擴大曝險。
• 不以短期績效壓力任意改變既定風險上限。

臺灣股票研究除評估技術門檻、市占率、資本支出、獲利品質與未來成長空間外，也辨識企業在全球供應鏈中的議價能力與客戶集中風險。長期追蹤範圍涵蓋半導體、AI 伺服器、電子零組件、通訊、綠能、生技、金融及具代表性的傳統產業，並同步評估國際需求、外資動向、新臺幣匯率、利率環境與市場資金結構對估值與流動性的影響。

組合層級的協同

四條研究軸線不相互替代。人工智慧提高資訊處理的一致性；美國股票研究建立企業價值、產業結構與全球定價判斷；臺灣股票研究補充供應鏈位置、產業循環與本地資金結構觀察；統計核心系統則檢驗市場訊號、交易成本與執行條件。只有當相關研究在特定投資命題上形成相容證據，並通過風險與流動性約束，觀點才可能進入組合建構程序。

從市場觀察到可交易規則

統計核心系統由研究問題開始，而非由報酬曲線倒推策略。流程依序涵蓋資料定義、探索性分析、假設建立、模型估計、樣本內外切割、交易成本模擬、壓力測試、有限度驗證與持續監測。任何無法說明經濟邏輯或對參數高度敏感的結果，均不得僅因歷史績效良好而進入實際決策。

主要研究方向

• 均值回歸、價差與相對價值關係。
• 動能、趨勢延續與市場狀態轉換。
• 多因子選股、橫斷面排序與因子擁擠度。
• 企業事件、財報公告與異常報酬。
• 波動率分群、尾端風險與相關性躍升。
• 流動性、交易成本與策略容量。

偏誤控制

研究須辨識前視偏誤、存活者偏誤、資料探勘、多重檢定、樣本選擇與過度配適。除保留真正樣本外期間外，亦應檢查不同市場狀態、標的範圍、交易頻率與成本假設下的敏感度，並確認結論是否依賴少數極端期間。

策略進入組合的最低條件

• 研究假設具備合理的市場或行為機制。
• 樣本外結果與滾動視窗表現未出現重大結構斷裂。
• 納入價差、滑價、市場衝擊與容量後仍具合理風險報酬。
• 已定義模型失效、部位降權及策略退場條件。

企業品質優先於市場敘事

基金對美國股票的研究，首先判斷企業是否具備持續創造現金流與再投資報酬的能力，再評估市場價格是否已充分反映成長預期。科技趨勢可以帶來長期機會，但產業成長並不必然轉化為所有企業的股東報酬。

長期追蹤範圍

市場結構與資金條件

追蹤利率、信用、流動性、市場廣度與資金流向，並評估相關性躍升及風險偏好逆轉對整體組合的傳導。

由觀點強度轉化為風險配置

基金不以主觀信心直接決定部位，而將觀點拆解為證據品質、時間尺度、流動性、波動特徵、下行風險與組合關聯。部位大小取決於其對整體風險的邊際貢獻，而非單一標的的預期報酬。

決策流程

• 提出命題：界定投資問題、時間尺度及可反證條件。
• 整合證據：分別完成企業、統計、產業與市場條件檢查。
• 評估組合：檢視相關性、因子曝險、集中度與流動性。
• 設定部位：依風險預算、信心區間及下行情境配置權重。
• 執行監測：追蹤成交品質、訊號衰減與市場狀態變化。
• 持續校正：依新證據調整、降權、退出或重新建立命題。

風險不是附錄，而是投資條件

郭忠隆將風險管理視為資本配置的前提。任何策略在建立部位前，均須說明可能損失的來源、幅度、傳導方式與處置路徑。當資料、模型、交易環境或市場結構超出核准範圍時，降低曝險或停止新增部位屬正式投資決策，而非被動退讓。

壓力測試

壓力情境包括利率快速上升、信用條件收緊、科技估值壓縮、跨資產相關性躍升、流動性消失、報價中斷、模型訊號反轉及重大企業事件。測試目的不是預測下一次危機，而是確認組合在不同失序方式下仍保有可理解及可執行的處置能力。

資料來源與血緣

研究資料須記錄來源、授權、發布時點、實際可得時間、欄位定義、清理程序與修訂版本。對財務及總體資料，須區分原始發布與後續修正；對新聞及企業文本，須保留原始文件、擷取時間與語意分類信心。

模型生命週期

• 立項：說明研究目的、適用市場與預期使用方式。
• 開發：記錄資料、特徵、參數、程式版本及限制。
• 驗證：由相對獨立職能檢查方法、穩健性與成本假設。
• 核准：確認風險門檻、適用情境與人員權限。
• 監測：追蹤資料漂移、模型殘差、行為偏離與策略容量。
• 退場：保存決策原因、影響評估及替代安排。

人工智慧治理原則

生成式或語意模型不得自行形成未經覆核的投資事實。關鍵輸出須能追溯至原始資料，並標示不確定性、時效與已知限制。涉及個人資料、授權內容或第三方模型時，應另行處理使用權限、資訊安全及供應商風險。

人機協作

人工智慧負責擴大資訊處理範圍與提示異常，統計模型負責檢驗規律及估計不確定性，研究人員負責企業與產業解釋，投資決策人員負責資本配置，風險職能則負責限制與例外監督。最終責任不得轉移給模型。

可實現報酬先於理論報酬

研究報酬只有在納入手續費、買賣價差、滑價、市場衝擊、未成交成本、交易稅負及策略容量後，才具有資本配置意義。執行方式須與訊號半衰期、市場深度、委託尺寸及波動環境相匹配。

流動性準備

基金應依組合波動、資產流動性、潛在資金需求與極端情境維持適當緩衝。帳面市值不等同可退出價值；當市場深度下降或相關性上升時，應重新估計退出天數及可承受折價。

資訊揭露原則

投資人溝通應以一致、可追溯及可理解為原則。對研究方法、組合風險、績效來源與重大變更的說明，應區分已發生事實、研究判斷與前瞻假設，避免以單一期間績效、回測結果或技術名詞取代完整風險說明。

報告與紀錄

定期報告應維持口徑一致，至少涵蓋組合曝險、主要風險來源、績效歸因、流動性狀態、模型或資料異常及重大例外事項。研究版本、決策依據、核准紀錄與對外說明應保留可核驗軌跡，以降低資訊落差與事後敘事偏誤。

利益衝突與責任邊界

涉及研究、交易、風險監督、外部服務商或關係人事項時，應事先辨識潛在利益衝突並建立揭露、迴避、核准與複核機制。投資判斷、交易執行與風險限制之權責應保持清楚，重大例外不得以口頭指示取代正式紀錄。

投資人溝通紀律

對外溝通不得將人工智慧、統計模型或歷史績效描述為確定性保證。當策略假設、市場條件或風險狀態發生重大變化時，應以一致的程序更新說明，並清楚交代變更原因、影響範圍與後續處置原則。

營運韌性

關鍵流程應採最小權限、身分驗證、資料加密、版本控管、環境隔離、備援切換與事件通報。資料中斷、模型服務異常、時間同步失效或風控不可用時，系統應進入安全降級，停止新增風險並保留人工處置能力。

四階段發展

• 第一階段　方法定義：完成投資憲章、研究標準、風險分類與治理文件，使權責配置、決策邊界及例外處理均可接受審查。
• 第二階段　研究驗證：建立資料基線、模型驗證、交易成本分析與壓力測試程序，以核心結果可重現、研究限制充分揭露作為完成條件。
• 第三階段　受控運作：在有限策略、標的及資本範圍內檢驗流程，確認風險控制、交易執行、估值對帳與異常應變具備實際有效性。
• 第四階段　合規擴展：依法完成必要主體、資格與營運架構後，始評估對外服務及合作；擴展前提包括契約、揭露、治理與持續營運能力均已完備。

成效衡量

• 研究命題的可重現程度與樣本外穩定性。
• 實際交易成本與模型估計之偏差。
• 風險限額觸發、處置及復原之有效性。
• 績效來源、因子曝險與回撤原因的可解釋性。
• 模型漂移、資料異常與營運事件的發現時效。
• 投資人報告的一致性、完整性與可理解程度。