Constructing Forward Scenarios

Constructing Forward Scenarios

When to use this skill

• 季度策略檢視時（每季至少執行一次）。
• 重大宏觀拐點發生後（升息轉降息、戰爭爆發/停火、選舉結果出爐、重大技術突破）。
• 當用戶詢問「接下來市場會怎麼走？」、「未來半年該怎麼佈局？」。
• 完成 scanning-macro-news + analyzing-macro-regime 後，需要將靜態體制判斷延伸為動態路徑推演。
• 當組合面臨「該攻還是該守」的策略抉擇時。

Workflow

1. Plan

• 確認推演時間範圍（預設：3 個月 + 6 個月 + 12 個月）。
• 從上游技能收集基礎輸入：
  • analyzing-macro-regime：當前宏觀體制
  • scanning-macro-news：活躍的地緣/經濟事件
  • collecting-market-data：最新市場數據
  • analyzing-market-expectations：市場隱含預期
• 確認用戶的風險承受度與投資期限。

2. Execute — 三步推演

Step 1：建立「基礎現實」(Base Reality) 這是所有情境的共同起點，必須是客觀事實而非預測：

• 當前宏觀體制（成長/衰退/滯脹/通縮）
• 主要央行政策路徑與市場定價
• 地緣政治態勢與活躍衝突
• 產業週期位置（庫存/CapEx/盈餘成長率）
• 關鍵資產的估值水位（相對歷史百分位）

Step 2：推演情境樹 (Scenario Tree) 建構 3-5 個情境，每個情境包含：

a) 敘事弧線 (Narrative Arc)

• 用清晰的因果鏈描述「從現在到未來的故事怎麼演」
• 必須是可證偽的——列出可以觀察的指標

b) 關鍵路徑節點 (Path Nodes)

• 哪些事件必須依序發生才會走到這個結局
• 每個節點標註「需要觀察的確認信號」
• 範例：停火談判啟動(3月) → 油價回落至$85(4月) → Fed 轉鴿(6月) → 降息(9月)

c) 條件機率 (Conditional Probability)

• 不是單一機率，而是「前一個節點發生後，下一個的機率」
• 強制要求所有情境機率合計 = 100%（±5% 容差）

d) 贏家/輸家矩陣 (Winner/Loser Matrix)

• 在這個情境下：哪些資產類別、產業、具體標的表現最好/最差
• 必須覆蓋用戶的所有持倉

e) 配置建議 (Allocation)

• 在這個情境下的最佳持倉結構（攻擊/防禦/現金比例）
• 應該加碼/減碼的具體標的

Step 3：機率加權配置 (Probability-Weighted Allocation) 這是本技能最核心的輸出——將多情境轉化為單一可執行的配置：

• 機率加權配置 = Σ(情境機率 × 該情境最佳配置)
• 識別「凸性標的」：在多數情境下都表現不差的標的（核心持倉）
• 識別「期權型標的」：只在特定情境下爆發的標的（衛星配置）
• 設定「情境確認/推翻」的觀察指標與檢查時間點

3. Validate

• 機率校準： 所有情境機率合計 100%（±5%）。
• 反向思考： 對每個情境問「什麼證據能推翻它？」。
• 歷史錨定： 類似歷史環境下，各資產類別的表現是否與推演一致？
• 過度自信檢查： 單一情境機率不可超過 60%（除非有壓倒性證據）。
• 盲點審計： 是否遺漏了「所有人都沒想到」的尾端情境？

4. Synthesize

• 產出前瞻情境報告與機率加權配置。
• 標記最近的「情境確認檢查點」。
• 提供與當前持倉的差距分析。

Instructions

• 情境描述必須是可證偽的敘事鏈，不可使用模糊語言（如「市場可能上漲也可能下跌」）。

• 每個情境必須有明確的觀察指標，讓用戶可以在未來判斷「正在走向哪個情境」。

• 機率是主觀估計，必須誠實標註——不假裝精確。

• 預設情境結構（除非用戶指定）：

  1. 基準情境 (Base Case)：最可能的路徑（機率 35-50%）
  2. 樂觀情境 (Bull Case)：正面催化加速（機率 15-30%）
  3. 悲觀情境 (Bear Case)：已知風險惡化（機率 15-30%）
  4. 黑天鵝情境 (Tail Risk)：低機率但高衝擊（機率 5-15%）
  5. 結構性轉變 (Regime Shift)：遊戲規則改變（機率 5-10%）

• 凸性配置（在多數情境下都不差）優先於「賭對一個情境」的集中配置。

• 與 stress-testing-portfolio 的分工：stress-test 問「最壞虧多少」；本技能問「最佳站位在哪」。

Output template

## 🔮 前瞻情境推演 — <YYYY-MM> (<N>個月期)

### 基礎現實 (Base Reality)
| 維度 | 現狀 | 趨勢 |
|---|---|---|
| 宏觀體制 | <體制> | <方向> |
| 央行政策 | <利率> | <鷹/鴿> |
| 地緣態勢 | <描述> | <升溫/降溫> |
| 產業週期 | <位置> | <擴張/收縮> |
| 估值水位 | <百分位> | <便宜/合理/昂貴> |

### 情境推演
| # | 情境 | 機率 | 敘事摘要 | S&P 影響 | 贏家 | 輸家 |
|---|---|---|---|---|---|---|
| S1 | <名稱> | XX% | <摘要> | ±XX% | <標的> | <標的> |

### 情境 S1 詳細：<名稱>
**敘事弧線：**
<月份 1> → <事件 1> → <月份 2> → <事件 2> → <結局>

**確認信號：**
- [ ] <觀察指標 1>（預期時間：<MM/DD>）
- [ ] <觀察指標 2>

**推翻信號：**
- <什麼情況表示這個情境不會發生>

### 機率加權配置
| 維度 | S1 (XX%) | S2 (XX%) | S3 (XX%) | 加權結果 |
|---|---|---|---|---|
| 攻擊 | XX% | XX% | XX% | **XX%** |
| 防禦 | XX% | XX% | XX% | **XX%** |
| 現金 | XX% | XX% | XX% | **XX%** |

### 凸性標的（多數情境受益）
- <標的>：<原因>

### 期權型標的（特定情境爆發）
- <標的>：在 S<N> 下表現突出

### vs 當前持倉差距
| 維度 | 當前 | 建議 | 差距 | 行動 |
|---|---|---|---|---|
| 攻擊 | XX% | XX% | ±X% | <加碼/減碼> |

### 下次檢查點
- 日期：<YYYY-MM-DD>
- 觀察重點：<哪個情境正在被確認>

Error handling

• 若上游技能（macro-regime, macro-news）尚未執行，強制要求先執行再推演。
• 若所有情境機率合計偏離 100% 超過 10%，重新校準。
• 若基礎現實中有「數據過期」標記，降低推演信心度並標明。
• 若推演的時間範圍內有重大「已知未知」（如選舉），必須作為情境分叉節點。

Resources

• scanning-macro-news（上游技能：提供當前宏觀事件）
• analyzing-macro-regime（上游技能：提供體制判斷）
• analyzing-market-expectations（協同技能：市場隱含預期作為情境校準）
• tracking-catalyst-calendar（協同技能：催化劑時間點作為路徑節點）
• stress-testing-portfolio（互補技能：防守 vs 進攻）
• managing-long-term-investment-policy（下游技能：確保配置建議符合長期政策）