【專訪】交易虧損的真相:不是策略不好,是你太情緒化——Hoc-Trade怎麼解決?
【專訪】交易虧損的真相:不是策略不好,是你太情緒化——Hoc-Trade怎麼解決?
2025.05.16 | 區塊鏈
##### Hoc-trade用AI讓「投資者」更了解自己

幣圈KOL在帶單群組大喊:「這幣要飛了」,你心跳加速、腦中一片空白,沒做任何研究就立刻ALL IN,結果隔天幣價大跌,一天賠掉好幾個月的薪水。

當然,這不是你,因為你可能也不會承認,交易中參雜了一些情緒,可能是FOMO(害怕錯過)、可能是興奮、可能沒有這麼理性。特別是在「幣圈一天,人間十年」的加密投資領域來說,「錯過」的扼腕可能比資產下跌更讓人厭惡。

來自德國、在台灣創業的Jonas Schleypen,與共同創辦人譚聖融打造了一套運用行為偵測協助交易者認識自己、避免情緒性決策的AI系統「Hoc-Trade」。

Hoc-Trade是將交易數據中的「情緒」與「行為」模式量化的系統,它能根據每位交易者的個人表現與反應,建立獨特的行為心理輪廓(personality profiles)分析。

這些心理輪廓將評估用戶的風險厭惡程度、容易情緒化的程度,以及在壓力下的決策傾向,進而提供客製化的建議與回饋。例如,當系統偵測到用戶有報復性交易(revenge trading)的行為時,會明確指出該行為對績效的影響,並提供詳細的交易事例佐證。

Jonas表示,Hoc-Trade並不會告訴用戶「什麼時候該買或賣」,而是幫助用戶理解為何自己會做出特定的交易決策。

背後的AI訓練過程,結合了大量的歷史交易資料、外部市場與新聞資訊、行為財務學理論,以及來自數10萬名交易者的已知行為模式。透過這些資料的整合與分析,系統不僅能描繪出每位用戶的交易行為,還能進一步了解這些行為對投資績效的實際影響。

而隨著AI持續學習個別交易者的特徵、並累積更多用戶的資料,整體的行為辨識與預測能力也會隨時間不斷進化。

目前外匯平台FP Markets、YaMarkets,以及線上股票交易平台XS.com,皆為Hoc-Trade的客戶。而近期國際加密貨幣交易所BitMEX,也宣布與Hoc-Trade合作,被Hoc-Trade視為進軍加密市場的關鍵里程碑。

##### 交易所、投資人為何需要Hoc-trade?

Jonas在分享創業動機時坦言,自己是熱愛投資的交易者,從外匯到差價合約的短線交易,曾經大賺也曾經大賠。最終他發現,真正影響績效的並非策略本身,而是當下的情緒與錯誤決策。

因此,他開始用Excel紀錄每一筆交易與當下的心情,後來發現這些情緒與行為財務學(Behavioral Finance)理論是相互呼應的,「一開始只是我個人使用的工具,現在則變成分析超過40萬名交易者、數百萬筆交易的演算法系統。」

Hoc-Trade採用B2B2C(企業對企業再對消費者)模式運作,透過與一般或加密貨幣的交易平台合作,由平台將分析工具提供給終端的交易者。

為什麼交易平台會買單?

因為,對交易所而言,這不只是教育或行銷工具,更是提高用戶留存率的系統。「交易所的核心KPI是留住交易者,但情緒化的交易者很快就會虧損出場,不再貢獻交易量。」Jonas說。

透過Hoc-Trade的系統,交易所能有效偵測用戶的交易表現,並提供個人化回饋與追蹤報告,而當交易者看見自身盲點與進步空間後,也有助於對交易所產生信任感與依賴,進一步穩固用戶忠誠度與平台收益。

##### 被台灣「開發人才」吸引

對於選擇在台灣設立辦公室,Jonas笑說一半是私人因素:「我太太是台灣人,而我2015年在台大當交換生,從那時就認識台灣。」

而另外50%的原因,則是台灣的開發者人才密度。Jonas說明,Hoc-Trade最需要的是工程師,而台灣有能力非常強的開發者,可以說Hoc-Trade的技術核心團隊就在台北。

至於台灣加密法規,Jonas並不擔憂,「我們的工具本質上是在保護用戶,幫助他們避免風險操作。我甚至認為,未來可能成為合規教育的一部分,例如新手若想提升槓桿,需先完成一套行為測驗與基礎教育。」

任何參與Web3項目的用戶,都不得不面對加密貨幣交易行為。Jonas指出,許多新手未受過金融訓練,卻常因為想賺錢,誤打誤撞操作槓桿交易或期貨市場,風險高卻毫無心理準備,而這類用戶最需要Hoc-Trade的協助。

Jonas深信,Hoc-Trade能為整個加密投資環境,帶來更「理性」的動能,「技術層面其實大家差不多,但為何超過9成的交易者虧損?關鍵就在於行為與情緒。」

關鍵字: #投資 #交易所
往下滑看下一篇文章
廢棄碳纖維也能變再生材料!天翊綠能靠低溫解聚技術,獲桃園SBIR助攻產品驗證
廢棄碳纖維也能變再生材料!天翊綠能靠低溫解聚技術,獲桃園SBIR助攻產品驗證

碳纖維因重量輕、強度高,廣泛應用於自行車、汽車、航太及無人機等產業,每公斤原生碳纖維價格可達數百元,部分高階材料甚至高達數千元。然而,這些高價材料製成複合材料後,生產過程產生的邊角料與廢棄物,卻因熱固性樹脂難以分離,往往只能焚化、掩埋或降級使用,讓耗費大量能源製造的碳纖維失去再利用價值。

「產業真正需要的不是把廢棄物處理掉,而是如何把裡面的碳纖維、玻璃纖維重新變成有市場價值的材料。」天翊綠能科技執行長莊文彥指出。深耕複合材料產業約20年的他,於2023年成立天翊,希望透過自主開發的低溫常壓解聚技術,讓廢棄複材重新回到製造業供應鏈。

低溫解聚保留纖維性能,從廢料處理走向材料再生

熱固性複合材料難以回收,關鍵在於樹脂固化後無法像一般塑膠重新加熱熔融。傳統高溫熱裂解雖能去除樹脂,卻可能損傷碳纖維性能;若回收碳纖維強度下降,製造商可能需要增加材料用量以滿足產品的強度要求,反而削弱碳纖維原有的輕量化優勢。

為突破限制,天翊開發低溫常壓化學解聚技術,在約90°C、常壓環境下分離樹脂與纖維,降低高溫處理對纖維性能的影響。不同於將樹脂直接燒除,天翊也推進樹脂回收再利用及化學溶劑循環,提高材料利用效率。根據天翊提供的第三方檢測結果,回收碳纖維在受測性能項目上的表現達原生材料的98%以上。團隊也將回收纖維製成再生碳纖維不織布、板材、塊材及工程材料。

莊文彥表示,再生碳纖維每公斤價格約150至300元,具備成本競爭潛力。天翊也規劃三層商業模式:取得合法處理資格後,協助製造商處理複材廢料並收取處理費;將回收纖維製成再生材料銷售;再與客戶共同開發終端零組件。「我們不希望公司的主要價值停留在『每公斤收多少處理費』,而是希望營收逐步往再生材料與高值應用移動。」莊文彥強調,讓回收材料具備市場需求,才是循環經濟能否持續運作的關鍵。

桃園 SBIR 助攻百公斤級驗證,跨越技術走向產品的關鍵門檻

對技術型新創而言,證明技術可行只是第一步。要讓再生材料進入製造業供應鏈,還必須建立可重複的處理流程、穩定的材料品質及產品驗證機制。這些工作需要投入設備、人力與檢測費用,對商業化初期的天翊而言,是不小的負擔。

在桃園市政府地方型SBIR計畫的研發經費支持下,天翊得以加速推進製程測試、材料檢測與產品驗證。莊文彥指出,過去團隊主要仰賴實務經驗調整回收製程,但要讓技術進入產業應用,還必須建立標準作業流程、進出料紀錄及材料品質數據。透過計畫,天翊逐步完善這些機制,並針對碳纖維自行車、碳纖維預浸布邊料、高壓氣瓶與車用零件等廢料進行測試,完成超過100公斤複材廢料的處理驗證,建立相應的操作條件。

除了製程驗證,補助也支持團隊將回收纖維製成不織布、模具及相關產品,確認再生材料能否符合實際需求。其中,以再生碳纖維氈製作的模具,相較原本的玻璃纖維模具,減重約56.96%;以再生碳纖維氈製作的產品,相較原本玻纖產品,減重約27.77%。這些成果讓天翊不再只能向客戶說明技術可行性,而能透過具體的材料與產品數據,爭取後續合作機會。

天翊也與既有下游夥伴推進汽車零組件應用,累積再生材料進入供應鏈所需的驗證經驗。「SBIR對我們而言,不只是補助研發,而是幫助公司跨過了『實驗室技術走向實際產品』非常重要的一段。」莊文彥表示,政府資源不僅分攤研發成本,更協助團隊補足商業化所需的品質管理與產品驗證基礎。

以桃園為循環基地,從碳纖維走向風機葉片回收

除了研發補助,桃園聚集電子、汽車、航空與複合材料產業,也讓天翊有機會就近尋找廢料來源、加工夥伴及應用客戶。此外,天翊與桃園市政府消防局就高壓氣瓶展開合作,嘗試將回收技術應用於地方政府實際產生的循環需求。團隊目前持續推進桃園廠區設置與再利用相關申請,希望建立「在地廢料、在地回收、在地再製」的產業模式。

不過,即使技術與產品驗證已取得初步成果,天翊仍須完成事業廢棄物再利用相關許可程序,才能依核准條件擴大收料與處理規模。漫長的審查過程雖然增加營運成本,但莊文彥認為,除了回收技術,合法處理資格、穩定料源與產品市場,同樣是建立長期競爭優勢的關鍵。天翊的長期目標則不止於碳纖維。莊文彥補充,當初投入低溫常壓解聚技術,也考量到未來大型風力發電機退役葉片的回收需求。風機葉片主要由玻璃纖維、樹脂及部分碳纖維構成,體積龐大且難以回收,隨著全球風電產業發展,退役葉片處理將成為重要課題。天翊也已取得風機葉片回收處理方法的臺灣發明專利與美國發明專利。

因此,團隊選擇先從材料價值較高的碳纖維切入,累積技術驗證、設備放大與商業化經驗,再逐步拓展至大型風機葉片。「我們希望證明,複合材料不是只能從製造走向廢棄,而是可以從廢棄再回到材料、再回到產業。天翊要做的,就是把這條循環真正建立起來。」莊文彥說。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓