Odd Lots 聽後心得：民調已經先替你打了折，你再打一次就是重複打折

目錄

1. 「民調偏向民主黨」這句話我信了八年
2. 低估只發生在他本人在選票上的那幾年
3. 我現在把民調當成一份含意見的資料
4. 可以參考的資料
5. 帶得走的一件事

使人大迷惑者，必物之相似也。玉人之所患，患石之似玉者；相劍者之所患，患劍之似吳干者。

—— 《呂氏春秋・疑似》（戰國）

2026 年 11 月 3 日這集《Odd Lots》是選舉日特輯，Tracy Alloway 與 Joe Weisenthal 請來 Silver Bulletin 的 Nate Silver，錄音日是 10 月 29 日。他說那天 Trump 的支持率約 37%，其中強烈支持只有 19%，全國通用選票民主黨領先約 9 點，他的模型給民主黨拿下參院的機率在七字頭後段，Polymarket 與 Kalshi 約 68%。這集最打到我的一句是：民調機構現在自己就先替結果打了折——Marist 那份緬因民調，登記選民是民主黨領先 9 點，套上可能投票者模型以後變成 2 點。所有數字都是錄音當天的讀數，選舉結果出來以後它們就只是當時的快照。

「民調偏向民主黨」這句話我信了八年

2016 年以後我養成一個習慣：看到民調說民主黨領先幾點，我就在心裡扣掉兩三點，然後覺得自己比一般人清醒。這個習慣有來源——2016、2020、2024 三次總統大選，民調都低估了 Trump。我把它收成一條規律，往後每一場美國選舉都先打這個折。

我還有第二個想法：預測市場比民調聰明。理由聽起來很硬，有人把錢押在上面，說錯要付代價，民調機構說錯只是被罵一季。2024 年那個法國巨鯨在 Polymarket 上押對，把這個印象釘得更牢。

這集從頭到尾在拆的就是這兩句。

低估只發生在他本人在選票上的那幾年

他給這場選舉取了個名字：夾在石頭與硬地之間的選舉。背景條件對民主黨好到不能再好——期中選舉的歷史趨勢、選民對經濟的焦慮、對伊朗的戰爭、Trump 是任期將盡的八十歲總統、提前投票數字漂亮、2025 年紐澤西與維吉尼亞大勝。石頭是有些民主黨候選人被看成太左。硬地是參院的算術：他們得在紅到像 Texas、Kansas、Alaska、South Carolina 這種州贏下來才拿得到參院。他說這讓模型與民調變得難做，而他拒絕躲進「五五波」那個答案，因為那是對沖，不是誠實的回答。

Nate 的第一刀是把「民調偏向民主黨」這句話的適用範圍切出來。2016、2020、2024 民調低估 Trump 是事實，2024 那次幅度小一些，方向一樣。可是在 Trump 時代、他本人不在選票上的那幾場選舉裡，這個誤差不見了：2025 年紐澤西與維吉尼亞的州長選舉，民調是大幅低估民主黨。

機制他講得站得住。Trump 有辦法把平常不投票的人叫出來，而這群人剛好是民調機構最難觸達的——電話接不到，接到了也容易被可能投票者模型當成不會去投而篩掉。問題是這群人不會為 Kansas 的 Roger Marshall 或 Texas 的 Ken Paxton 出門。他的說法很乾脆：這些失蹤的選民如果不投票，他們造成的麻煩就不存在。他自己也留了退路，說這整件事也可能只是雜訊——你讓語言模型寫一支模擬程式，把過去二十場選舉的隨機誤差畫出來，看起來跟真實紀錄分不開。

第二刀砍在民調本身。Marist 上週出了一份緬因州民調，登記選民的數字是民主黨的 Troy Jackson 領先 9 點，而他的平均值在那州是 D+3。接著 Marist 套上可能投票者模型，9 點變成 2 點；同一份民調裡的州長選舉，11 點變成 0。Nate 說這個數學接不起來，他的判斷是他們先決定了一個自己敢發的結果，再反推回去。所以他說，一份民調現在是「一份含了資料的意見」。

這裡的反轉是我聽完最在意的地方。發現民調機構在自己打折，照直覺應該讓人對民調更沒信心，可是從做模型的人的位置看是好消息：它證明民調機構是理性的行動者，知道自己最怕往民主黨那邊失準，所以有很強的動機不要系統性偏一邊。民調這個工具不精準，但誤差是對稱的；把一堆不精準、誤差對稱的讀數加起來，算出各州之間的相關，再轉成機率，就是他的模型 Flipper 在做的事。

他也說，選舉每兩年或四年才一次，這種對稱性永遠拿不到資料證明，他的信心是來自民調機構的誘因結構。

那我那條打折的規矩呢？它早就被民調機構自己執行過一次了。我再扣兩點，是重複打折。

我現在把民調當成一份含意見的資料

我現在看一份數字，第一個問題變成製作它的人有沒有被現實校正過。選舉民調每兩年對一次答案，錯了會被記住——2024 年愛荷華那份把 Kamala Harris 算成領先的民調，Ann Selzer 錯完就退出這個行業。對比之下 Nate 說消費者信心調查品質差得多，原因正是沒有這個校正迴圈：密西根大學那份調查把樣本組成改到線上以後，樣本裡的民主黨人太多。多年來大家罵選舉民調的那件事，發生在消費者信心調查上。

這條線也解釋了他為什麼不接受把民調外包給 AI。數位分身聽起來能解決沒人接電話的問題，他的反對理由是民調是我們還剩下的少數幾個地面真相來源。而且模型會給你理想型：你叫它生成合成的西語裔受訪者，99% 的回答都愛足球；就像你叫 Claude 從 0 到 10 挑一個數字，它總是挑 7。西語裔選民是美國擺動幅度最大的一群——古巴裔、波多黎各裔、墨西哥裔、多明尼加裔，剛來的跟住了幾十年的，彼此並不同意——把他們壓成一個平均人格，要測的東西就被測掉了。

他對 AI 的另一面講得同樣清楚。他說每月一兩百美元的方案等於請到兩個世界級工程師。NFL 季後賽那套平手規則純演算法，去年他自己寫了兩天半，還漏掉幾條、跑得慢；現在交給模型，他去健身房的那十五分鐘就寫完，而且快十倍。代價是模型會埋 bug 再藏起來——他們的足球模型有一版把評分繞成一個圈，2026 年的評分回頭餵給 1900 年的評分。他的位置是：架構與機率他懂，寫程式一直是他的弱項，而模型最強的剛好是他最弱的那一塊。

預測市場那件事我也改了看法。他的模型跟 Polymarket 在個別州的相關係數是 0.995，而預測市場一邊看民調、一邊看他的模型——他的模型 8 月 11 日上線那天，市場動了好幾個點。他提的測試是：你蓋一個實驗室，不准預測市場看民調，他預期它們會爛得不行。預測市場的長處在逼你把看法變成一個價格，而且消息進得快，週四早上的醜聞要好幾天才會進到民調裡。可是它跟民調吃同一份原料，不是獨立的第二個訊號源。

讀者可能跟我有過同一個問題——新聞講得這麼好，我該不該相信——我現在的拆法是先找誘因方向。Nate 講競選廣告時說，系統裡每個人都有動機說廣告有效，而他認為廣告的邊際報酬掉得很快。他書裡寫過 Sam Bankman-Fried 在奧勒岡一場眾院初選替某個候選人花掉約 1,000 萬美元，候選人事先不知情，而那位曾經在民調領先的候選人最後慘敗；他後來跟 Nate 說，選民收到太多郵件，還一直在問這個奇怪的加密貨幣億萬富翁為什麼在資助我。Joe 接著講他七歲兒子看德州美式足球賽時看到一支 Abbott 陣營的廣告，說對手的所得稅計畫會讓你家多付好幾千美元，兒子轉頭問他：爸，我們不投她對不對。Joe 的反應是，你就是這支廣告瞄準的人。

我還沒想清楚的地方有幾個。民調誤差是相關的，愛荷華失準，堪薩斯與內布拉斯加很可能也往同一邊失準，所以各州不能當成獨立事件來擲骰子；他說期中選舉的相關性比總統大選年低，因為每州候選人不同，可是相關還在。佛州那種紅色選民持續遷入的州，用上一次選舉當基準，基準本身在移動。還有南卡這種 Trump 贏 18 點、他說彈性低的州，他自己承認比起堪薩斯，他對南卡的民調更存疑。

可以參考的資料

• 《Odd Lots》2026 年 11 月 3 日的選舉日特輯，本文的來源（節目中提到錄製日是 10 月 29 日）
• Nate Silver 的 Silver Bulletin 電子報與他的選舉模型 Flipper
• Polymarket 與 Kalshi 當時各州的參院盤口
• Marist 2026 年 10 月的緬因州民調，登記選民與可能投票者兩套數字
• Joel Wertheimer 在 Silver Bulletin 的客座文章，談消費者信心調查的樣本組成
• 密西根大學消費者信心調查改為線上訪問後的方法說明

帶得走的一件事

一條規矩開始失準的時候，先問它在什麼條件下成立，不要急著把它丟掉，也不要把打折幅度加大。

Nate 那一刀的價值對我來說不在結論站哪邊。他沒有把「民調偏向民主黨」這條規律丟掉，也沒有加碼。他問的是這條規律在什麼條件下出現，答案是 Trump 本人在選票上的時候。同一條規律，加上條件以後從「永遠打折」變成「只在這幾年打折」，而今年不是那幾年。

我自己試過的一個做法，跟投資無關也成立。挑一條你靠經驗立的規矩——他每次都遲到、這間店週末總是要排隊、我媽講這句話就是在生氣——然後回頭數最近五次。成立的那幾次有什麼共同點，失準的那幾次有什麼共同點。找到那個共同點，把規矩改寫成帶條件的版本：他下班後約的會遲到，中午約的不會。然後把這句寫下來，下次用新版那一句。

Markdown 原文

本文為投資方法論的教育性分享，不構成任何個股買賣建議、不提供目標價、不針對當期標的。投資有風險，任何決策請自行判斷或諮詢合格的專業人士。