近年社會上大大小小的數據研究調查，如雨後春筍般，由經濟數據到各大機構發表的民調，魔鬼總在細節中。單以投資市場而論，筆者曾見一位老師，指出他的監察股票系統非常有效，並列舉出十年數據印證，不過細看涵蓋的年份，卻只有2006-2007年、2009-2011年、2012-2015年，某些年份或月份不見了。前文「真數據都可以騙人」提及孕婦與咖啡因的遺漏參數，今天再談如何在細節中找出魔鬼。
數據的正反意義
筆者社會學的啟蒙老師，煙癮甚大。當年初接觸社會學，實在不明白，為甚麼學富五車的有識之士會抽煙的呢？筆者在美國國家癌症研究所（NCI）官方網站中，看到一個專欄，提供了大量關於二手煙致癌的資訊，結論是身體暴露於二手煙的環境中會引發癌症。當中引用海量數據去證明兩大論點：一，不抽煙的成年人會因吸入二手煙而誘發癌症，引致肺癌的機率會提高20-30%不等。二，每年美國因吸入二手煙而致癌的非吸煙人士接近三千人。
筆者在網上搜尋資料時，有關NCI的文章，有一篇在搜尋高位，反映應有很多人搜尋及閱讀這篇文章。該文刊於NCI的《國家癌症研究所月刊》2013年12月5日號，標題是 No Clear Link Between Passive Smoking and Lung Cancer（https://academic.oup.com/jnci/article/105/24/1844/2517805）。面對完全矛盾的分析結論，我們應如何自處？筆者沒有細閱NCI官網上的727頁研究報告，但對於NCI並未得到任何確切證據，支持二手煙會影響不吸煙人士的健康，令支持全面禁煙，反對抽煙的筆者甚感失望。對數據筆者是客觀理智的，雖然結論有違本人的價值觀及信念。不過，故事未完，同樣亦沒有決定性數據支持二手煙對人體沒有影響！
用分布圖捕捉機率
市場中有各式各樣的操作方法，招式可能都有數據支持！大家應用原始資料（Raw Data）作為統計數據的正確方法時，務須明白「統計顯著性」（Statistical significance）的意思。例如，有一些朋友用上某種數據組合，構成一個在恆生指數操作時，近期成功率頗高的買入訊號，但卻未必適合長年期，更加不會適用於未來市況。結果便認為，數據要不停更新，人要不停努力，不停改進云云。筆者不是叫大家不用努力，而是要大家把努力用在對的地方！不要曲線套入，不要自欺欺人！
「統計顯著性」是指某件事為真的機率，而計算機率比較易明理想的方法，便是用分布圖。筆者把分布圖融會於股市、指數及商品的價格中，成為獨門的睇圖及操作方法──向心系統。統計學上，真機率的意思是真正發生的可能性，而不是碰巧發生的，通常會用「P值」（Probability）來衡量。當P值愈細，就愈不可能是巧合。如前文所述，大市長線見趨勢，短線是隨機，惟隨機事件就像V2導彈的目標一樣，並不常見。在市場上，大部分情況均是資金部署的結果，假設資金部署後期望10天可升10%，那麼在過程中偶爾急跌急升都沒甚問題，只要最終達標便可以。由於隨機事件出現的機率比想像中細，只要嚴控注碼，專心捕捉高機率事件，雖不可能100%全中，但在複息效應下反覆操作，仍然十分理想。
別死得不明不白
再談No Clear Link Between Passive Smoking and Lung Cancer一文，文中研究了76,000名女性，其中只有152名肺癌患者從未抽煙。為什麼只集中研究女性呢？在研究中只測試有否接觸二手煙的機會，而沒有涉及接觸二手煙的頻率、濃度等問題，即一周吸一次二手煙，跟每天吸十數次二手煙都歸為同類。美國男性抽煙的比率很高，如果一位先生回家便猛抽煙，跟一位先生回家後，只在飯後抽煙一支，大家可以推想，兩者對太太患癌的影響應不一樣。這項研究無法證明二手煙和癌症之間在統計學上有任何關連，但並不表示兩者無關，只是統計問卷在設計上出問題！
筆者在研究之路上，花了最多時間，便是為一些準則、指標作出定義。例如升市但收陰燭，跌市收陽燭，升市時期指轉低水，跌市轉高水…… 林林種種，這些現象背後代表什麼？什麼是收集？什麼是超買？超買要在什麼情況下，去到什麼程度，才值得反手？如不先弄清楚，再去量化這些定義，便難以研究出一個客觀、準確的方法，在市場中暢泳了。
張建雄
劉寧榮
周光蓁
陳婉瑩
張翠容
盧兆興
鄧希煒
阮紀宏
潘樂德
謝祖墀
劉銳紹
周蜜蜜