自動化定期定額，帶著智能體的紀律

定期定額（DCA）是投資裡最單純的一種自動化：不論價格如何，都按固定的排程買進固定金額的某項資產。說起來簡單，然而多數手動執行 DCA 的人終究會在某一刻打破排程，而且往往是在最糟糕的時機。計畫與執行之間的這道落差，正是自動化定期定額存在的全部理由。這篇文章會談 DCA 真正能做到什麼、自動化又多加了什麼、智能體能開啟哪些條件感知的變化型，以及那些銷售頁面略過不談的誠實算術：平均而言，一次投入會贏過 DCA。DCA 的重點是紀律，不是超額報酬。

DCA 能做什麼，不能做什麼

先講機制。以固定金額、固定間隔投入，意味著價格低時你買到較多單位，價格高時買到較少。每月投入 €300 到一項資產：每單位 €30 時你買到 10 單位，每單位 €20 時買到 15 單位。時間拉長，你的每單位平均成本會落在你所付出價格的平均之下——這是一個小小的算術上的恩惠，稱為成本平均效應。

DCA 做不到的，是保護你不受下跌市場的傷害。如果一項資產連跌兩年，DCA 排程也會虧兩年的錢，只是比一次性的早期買進虧得慢一些。它同樣無法辨別好資產：對著一項會歸零的東西攤平，只會換來一段漂亮平滑、通往歸零的旅程。要累積什麼，這個判斷 DCA 無法替你做，這篇文章也不會替你做。

DCA 真正買到的，是把決策拿掉。永遠不會再有「現在是好時機嗎？」這個問題。這聽起來像小事，直到你看著自己在滿手現金時、在一個綠翻紅的下跌週裡猶豫不決。排程事先、一次性地、在你冷靜時就回答了時機問題。

自動化定期定額多加了什麼

如果排程就是策略，那麼守住排程就是績效。手動 DCA 會以幾種可預測的方式失敗，而每一種失敗都有個值得記住的名字。

**漏掉的買進。**市場一週跌了 15%，新聞標題彷彿末日將至，這個月的買進忽然感覺可有可無。諷刺得很殘酷：你在下殺中略過的那筆買進，恰恰是你未來平均成本最需要的那一筆。沒有人在歷史高點漏買；人們漏買的時機，正是 DCA 存在的那種條件。

**想「優化」的癢。**連贏幾個月後，固定排程感覺很天真。你開始「改良」它：這裡加碼、那裡暫停、等一個永遠不來的回檔。每一次即興發揮，都把規則變回了感覺。

**單純忘記。**生活自有變數。一次漏掉的轉帳、一趟旅行、一個你不再打開的券商 App。連續紀錄就這麼靜靜地死去。

自動化一舉抹除這三種失敗模式。一個每週一早上 09:00 掛單的智能體，不讀新聞標題、不會在賺錢後自覺聰明、也不會忘記。執行變成系統的一項屬性，而不是每週一次的品格考驗。這就是全部的價值主張，而它的價值，比對排程本身做的任何優化都高。同樣的邏輯可以延伸到一整套放手不管的規則所組成的投資組合——這正是自動駕駛投資 App 這種做法的領域。

一個誠實的提醒：自動化也會自動化錯誤。一個對你的現金流來說過大的排程，會機械式地讓轉帳跳票。把定期金額設在你永遠不需要暫停的水準——因為一個被暫停的自動化，又變回了手動流程。

智能體能開啟的聰明變化型

一份掛著訂單的行事曆不需要什麼智慧。智能體真正發揮價值之處，是條件式 DCA：會在行動前先讀取市場狀態的排程。有三種模式值得認識。

**條件感知的略過。**在排程上加一個過濾條件：每週一買進，除非日線 RSI(14) 高於 75。用意是避免機械式地在動能極端處加碼。要看清這實際上是什麼：一個疊加在「不擇時」策略之上的、小小而明確的擇時賭注。有時候它有幫助，有時候「過熱」的市場只是繼續往上爬，你的過濾條件只是讓你少買了幾個單位。如果你要加一條略過規則，先拿它跟單純的 DCA 做回測，再決定要不要相信它。

**回檔加碼。**反過來的鏡像：當資產從近期高點下跌某個百分比之後——比方說 20%——就把當次排程買進加倍。這把「別人恐懼時我貪婪」的直覺寫死進程式，很多人聲稱自己有這種直覺，卻鮮少執行。這裡上限很重要，例如每月最多兩次加碼買進，以免一段漫長的空頭把你的現金儲備提早耗盡。

**多資產 DCA 與 DCA-out。**單一排程可以按你定義的權重把每次投入拆分到多項資產上，例如兩檔持倉之間 70/30，這樣就能讓新資金維持穩定的比例，不必為新錢另跑一輪再平衡。同一套機制也能反向運作：按排程賣出固定金額——有時稱為 DCA-out——把「這個部位我總有一天該減碼」變成一次真的會發生的出場，分散在許多價位，而不是在某個情緒化的日子一次倒出。

每加一個條件，你就離純粹的 DCA 更遠一步，離一套需要驗證的策略更近一步。兩個條件是合理的上限。十個條件，就是一套披著 DCA 外衣的交易系統。

誠實的部分：一次投入在紙面上通常會贏

現在來到這篇文章欠你的段落。如果你今天手上有一筆錢，歷史紀錄很一致：立刻全數投入，在多數期間都贏過把它分攤到好幾個月——原因很不浪漫，就是市場上漲的次數多過下跌。你的現金在場邊等待的每一個月，平均而言都是一個錯過市場曝險的月份。把一筆意外之財拿去 DCA，統計上是對預期報酬的一種拖累。

那麼 DCA 為什麼還能在這個事實面前存活？有兩個理由，都站得住腳。

第一，多數 DCA 根本不是對一次投入的取捨。如果你是從薪水裡投資，錢本來就是按月分批到手；每一批到手就投入，其實就是一次投入，只是重複執行罷了。自動化確保它真的發生。這裡沒有需要優化的擇時決策，只有一項需要守住的紀律。

第二，對於一筆真正的意外之財，比較的對象不是兩張試算表，而是兩個人。試算表裡的一次投入者永遠不會恐慌。真實世界那位，在一次 25% 回檔的前一週把所有錢投了進去，有時會在最低點賣出，並且好幾年不敢再進場。DCA 是一種後悔險：你付出一筆不高的預期報酬保費，換取災難性行為反應機率的大幅下降。對某些投資人來說，這筆保費值得每一個基點；對另一些神經較穩的人來說，這是白白留在桌上的錢。認清自己是哪一種投資人，比那個平均值更重要。

不論從哪個角度解讀證據，DCA 都不是免費的超額報酬。任何把它當成能拉高報酬的把戲兜售給你的人，都是在賣你別的東西。

從一句話到一份排程：如何設定

在 Obside，上述這一切的設定就是給 copilot 的一則訊息。你輸入：「每週一 DCA $200 到 BTC，如果日線 RSI(14) 高於 75 就略過買進。」copilot 會把它理解到的內容——資產、金額、排程、略過條件——重述成明確的受監控規則，在你核准這份重述之前，什麼都不會執行。這個重述步驟，是你防範「你說出口的」與「你真正想的」之間落差的防線；第一次就把措辭寫對是一項值得花十分鐘研究的技能，有效的交易提示詞裡有一整套模式庫。

從那裡開始的紀律路徑，和任何值得信任的自動化如出一轍。先讓排程以紙上智能體的形式運行：同樣的即時價格、沒有真實訂單，這樣你就能觀察幾個週一如何結算，確認略過條件在你預期的時候觸發。接著帶著你選定的風險上限上線，例如一個智能體不能超過的每月支出上限。如果你之後要加上回檔加碼或第二項資產，這項變更同樣適用重述—核准—紙上交易的循環。

有兩個相鄰的自動化能補齊全貌。投入會不斷累積你一直在買的東西，於是權重會漂移；把排程和 AI 投資組合再平衡搭配，能讓累積始終對齊你的目標配置。而如果你的時間軸是以數十年計，DCA 只是一套更大的政策裡的其中一項工具——這套政策由冷靜、白紙黑字寫下的規則構成，也就是用 AI 做長期投資的主題。

一份你真的守得住的排程

最好的 DCA 計畫，是那個能撐過你最糟一週的計畫，而這是一個關於執行、而非試算表的論點。把核心排程保持得笨一點，最多加一兩個你回測過的條件，誠實面對「當你真的手握一筆錢時，一次投入平均會贏」這件事，然後讓一台機器替你守住連續紀錄，這樣你的品格就永遠不必上場。如果你想讓那台機器只在一句話之外：Obside 會把那句話變成一個運行中的智能體，先紙上、限制照章執行。

僅供教育參考，不構成投資建議。交易存在風險，可能導致本金損失。