意外本身就是訊號
意外 = 實際值減預估值。定義就這樣，而多數交易者也停在這裡。但 CPI 差 0.1 個百分點與 GDP 差 0.1 個百分點不是可比的兩件事——一個稀鬆平常，另一個很罕見。你需要把意外放進「這個序列平常錯多少」的脈絡裡。
標準化：z 分數
收集一個序列最近 N 次的意外值。算出它們的平均（如果預估沒有偏誤，應該接近零）與標準差。然後：
z =（實際值 − 預估值 − 平均意外值）/ 意外值的標準差
z = +2 的意思是「這次比它平常的誤差大了兩倍」。那才是真正的大意外。z = +0.3 是噪音，不管 整體數字 寫什麼。
為什麼這會改變你的交易
兩筆數據在百分點上的 整體數字 意外完全相同，卻值得完全不同的反應，因為其中一個序列很吵、另一個很精確。初次請領失業金人數差 1 萬是家常便飯；CPI 差 0.4 不是。標準化就是讓你能把它們放在一起比的東西。
不對稱是真的
市場的反應不總是對稱的。在某些環境下，通膨的壞消息比好消息更能撼動市場，因為只有其中一個會改變政策的反應函數。把「優於預期」與「不如預期」的反應分開檢查，不要假設反應是對稱的。
誠實的提醒
過去的意外波動不等於未來的意外波動。波動會聚集——一個一直在劇烈意外的序列通常會再持續一陣子，然後才平靜下來。用滾動視窗，不要把 z 分數當成精確的機率。
如何自己驗證
拿出最近十二次 CPI 數據，寫下每一次的預估值與實際值。相減得到意外值，然後看這十二個意外值散布得多開。一個意外值只有相對於那個散布才有意義——0.2 個百分點的誤差在平靜的序列裡是巨大事件，在劇烈波動的序列裡一點也不起眼。