> ## Content Index > Fetch the complete content index at: https://www.astrokinsey.com/llms.txt > Use this file to discover other available public pages before exploring further. # 占星真的能預測銷售？用 2,697 日真實營運數據檢驗「月亮」效應 - URL: https://www.astrokinsey.com/can-the-moon-predict-sales-testing-astrology-with-real-business-data-statistical-test-moon-effect/ - Published: 2026-08-15T14:57:41.000Z - Updated: 2026-08-18T10:27:41.000Z - Author: Patrick Lian *作者：Patrick Lian* > **運用過往 2,697 日的真實營運銷售數據**，以千萬計的營業額，用每天的銷售波幅配上月亮軌跡，來證實一下**占星推測的運氣是否真實存在**。 重點速讀（30 秒版）：趕時間的話，讀這個框和每節開頭就夠了。 - 我用自己業務 2,697 日的真實銷售數據，檢驗月亮軌跡與每日銷售波動有沒有系統性關連。 - 方法：先用統計模型扣走星期幾、旺淡季、疫情等已知因素，再將剩下的「無法解釋的波動」對照月亮的星座與宮位。 - 結果：月亮位置的影響能夠被量化，部分模式在接近十年的數據中相當穩定；但最關鍵的假設只差一點才達到統計標準。 - 對經營者的意義：這套方法可以套用在你自己的業務上，找出專屬的「微週期」。 ## 長期的業務焦慮：為什麼業務老闆們最喜歡「玄學」？ 如果你有經營任何業務生意的經驗，必定經歷過高低起伏的週期，甚至去嘗試掌握這些週期，在市場高峰時賺更多，在市場低潮前未雨綢繆。當然，很多波動可由已知因素解釋：例如整體市場的結構性週期、個別市場的旺淡季，以及消費者行為模式。以實體店為例，週末（尤其週六）人流往往更高，這就是典型的 Day-of-the-Week effects。但是，**仍然有一些波動是無法解釋的**，有時你明明沒做特別推廣，突然間來一波「爆數」（銷售額飆升），也可能是某一個節日本應該旺丁旺財，卻出奇地比平常更冷清。這些無法解釋的波動，就是令老闆們迷信、訴諸玄學去解釋，去趨吉避兇的緣故嗎？ 對於面對大眾的生意例如零售業，這種無法解釋的波動更為常見，因為影響因素太多了，最終可能更加要看的是消費者的「心情」。我有超過十年零售行業的經驗，對於銷售波動甚為重視，因為除了影響長遠規劃之外，更加為經營者帶來龐大的心理壓力和焦慮。 💡 如果你是老闆，偶爾會諮詢玄學命理，但****不喜歡抽象詮釋，想要實在的數據支持**，以下的內容相信你會很感興趣。 ## 那些「未知」的波動：爆數與異常冷清從何而來？ 既然我懂得占星學，而且這麼多年一直用來輔助商業決策，於是我想問：這些「無法解釋的波動」是否其實存在某種微週期？如果當中真的有週期和規律的話，**是不是也可以通過分析過往真實銷售數據、以統計建模（Statistical modeling）的方法，用社會科學的方法找出個別業務的「微週期」呢？**找到規律，就可以在預計順景的、銷售暢旺的日子盡力推廣促銷，而遇上預計有可能低沉的日子時就當是小休吧，甚至不用聘請那麼多員工。**是不是就像專屬自己命運的《通勝》呢？** ## 研究問題：月亮真的能「導致」銷售高低嗎？ 上面提到短期的銷售波動最終可能是消費者的「心情」，專業一點來說就是「市場情緒」。經濟學研究 sentiment；在西洋占星的象徵框架中，月亮運行的軌跡和性質，常被用來理解群體情緒與短期反應。其實經濟學家過往也有運用月亮週期去研究股市收益回報（例如：橫跨主流的交易市場，日回報在新月前後 15 日可比在滿月高出接近一倍 (Dichev and Janes (2003)），**根本不是什麼迷信或者新鮮論點**，始終人類歷史好幾千年來在不同時間和不同文化都對月亮週期有文化詮釋，甚至可能依據行事。 在西洋占星學中，運行中的月亮平均約 2.3 日換一個星座，而星座就是我們平常會說的黃道十二星座，由白羊座開始至到雙魚座。月亮在每一個星座都會走30度，圍繞一圈就是360度。一個完整的月亮週期涵蓋了27.3日（使用 Sidereal Movement 計算），期間每一度對應精準至分鐘的時間點，變化很快，因此非常適合用來研究短期、甚至是每一天的高低起伏，例如跟銷售額的相關性（Correlation）。 ## 我想驗證的不是「信仰」，而是可量化的差異 這就是我這個個案研究的主題：運用過往2,697日的真實營運銷售數據，以千萬計的營業額，用每天的銷售波幅配上月亮軌跡，並且按照這個業務成立時間的「命盤」作為框架，來證實一下占星的影響是否能夠**量化**，月亮是否能夠「導致」銷售高低。 💡 名詞解說：什麼是業務的「命盤」？在西洋占星中，一個業務的成立時間也可以像人的出生時間一樣，用來排出一張命盤。這不是說公司真的有「命運」，而是把業務開始運作的一刻，當成一個固定參照點，用來觀察之後的市場反應、銷售高低和外部環境變化，是否會形成某些重複的節奏。 ## 初步觀察：12 星座平均銷售排名為何令人驚訝？ 開始著手分析數據時，就簡單統計在不同月亮星座日子時，那兩三天的平均銷售數字，有沒有什麼數據模式出現。當然我就得出一個有12行的排名表，就是不同月亮星座日子的平均銷售數字，而平均銷售最高跟最低的有顯著差別（礙於商業機密無法透露銷售相關的具體數字）。但真正令人驚訝的是，這個排名部分極端類別竟然在**接近十年的數據中展現出很穩定的模式**，例如「月亮金牛座」的日子在大部分的時間都是平均銷售額比較好，或者「月亮雙魚座」的日子一直是最差（以上兩項為假設例子）。 ![](https://storage.ghost.io/c/a6/d2/a6d24a6c-46fa-4b45-9824-5d6b2f025371/content/images/2026/08/transiting_moon_chart_data_science_v7.jpg) 一看到有機會出現「模式」，馬上怕了，是否意味著銷售高低不太在乎我們做了什麼、怎麼努力？這個業務彷彿有自己的生命，沿著某種「命運」一路走來。 不過，我作為受過社會科學研究訓練、受過高等教育的人，怎麼可能接受這種簡單統計就推論出「月亮星座（Independent variable）影響消費者情緒，從而影響業務的銷售波動（Dependent variable）」呢？但把「月亮星座 → 情緒 → 銷售」直接當成因果，研究上問題很多。因為影響銷售的因素太多：星期幾效應、旺淡季等日曆因素（Calendar effects），甚至疫情這類結構性斷裂（Structural breaks）。所謂「表現較好的月亮星座日」，也可能只是剛好落在其他因素本來就較好的日子。因此，我們在數據上必要排除這些已知結構期指標。 ## 研究設計：用兩階段殘差化把已知因素「先扣走」 接下來用的研究方法也是普遍社會科學研究的標準：以 OLS 進行的**兩階段殘差化（two-stage residualisation）**。第一、用已知的結構性影響（Observable determinants / controls）去模型每天銷售額（Expected daily sales estimates）。第二、計算真實營運銷售數據和這個模型推測的銷售額比對的「差別」（Sales residuals）——也就是近似之前所說的「無法解釋的波動」——再看看這些差別數跟月亮星座有沒有系統性的關連。如果你有研究股票升跌的話，這裏也有用到你熟悉的「消除趨勢」（Detrending）方法，以突顯出短線波動，因為那些比較好的短期日子，可能只不過是在反映長遠上升的趨勢。 ![](https://storage.ghost.io/c/a6/d2/a6d24a6c-46fa-4b45-9824-5d6b2f025371/content/images/2026/08/methodology_explainer_v2.jpg) 💡 名詞解說：「殘差化」和「消除趨勢」是什麼意思？想像你先把「星期六本來就旺」「暑假本來就淡」這些已知規律計算出來，從每日銷售額中扣走；剩下的差額（殘差）才是真正「無法解釋的波動」。這樣，月亮的影響就不會和其他因素混淆在一起。 簡單來說，**我們要分離出月亮星座、月亮軌跡對每日銷售波動的真正影響。**之前提到研究方法包括以這個業務成立時間的「命盤」作為框架，是因為我們假設「市場情緒」、消費者的「心情」或者運勢，是有一定的個別性，尤其是短期銷售波動。哪怕在大環境比較差的時候，也有表現比較好的公司或者股票，因此我們必須要考慮個案研究業務的性質。 按照西洋占星，本研究當中使用月亮衍生自變量（Moon-dervied variables）包括了：1）行走月亮所在的個別星座，可以理解為普遍的市場氛圍；2）月亮星座的分類（風火水土四元素）；3）行走月亮在業務個案的「命盤」的位置，也就是命盤的宮位，可以理解為具體影響範疇；4）行走月亮在其「命盤」的上半部分或者下半部（半球模型），可以理解為影響業務範疇的能見度。需要注意的是，在此研究個案當中我並沒有像文獻般使用月亮週期（月相；Lunar phases / Lunar cycle），但上面四個方面的模型方式是更細緻、亦更個別化的變項設計。 ## 主要結果：支持了哪些假設？又有哪些只是「撞彩」？ 數據分析過後，其實沒有什麼驚天動地的發現。我原本比較有信心的假設（Hypothesis），就是「**當月亮走到命盤的上半部分，能夠帶來比較好的銷售**，因為在西洋占星理論當中會激活了面向大眾、能見度較高的的範疇」，而統計分析得出的 p-value 是 0.058 (nominal)，也就是說剛好不合格，在統計學上有機會是「撞彩」。不過，當我把第6宮和第12宮排除，p-value 則是 0.015 (nominal)，統計模型信心大了。當然，在論文裏有說明這個做法算是 post-hoc（馬後炮的觀察！）。另外，月亮走到天頂（Midheaven）的星座和天底（IC）的星座時對銷售的兩極化影響，似乎相當有機會在將來的研究當中加以證實。 💡 名詞解說：什麼是 p-value？（30 秒版）p-value 是「這個結果純粹靠運氣出現的機率」。一般統計標準要求 p-value 小於 0.05（即少於 5% 機會是巧合）才算「顯著」。0.058 只差一點點，所以我說「剛好不合格」。 💡 名詞解說：什麼是天頂（Midheaven）和天底（IC）？在一張命盤上，天頂（Midheaven，簡稱 MC）是星盤的最高點，象徵最公開、能見度最高的範疇——事業、聲譽、面向大眾的一面；天底（IC）則是最低點，象徵根基、內部運作和私領域。兩者正好是一條軸線的兩極。因此當行走月亮分別來到這兩個位置，理論上會對「面向大眾的生意」產生最強和最弱的影響——這正是我想在日後研究中重點驗證的兩極化現象。 縱使未能在統計學方法當中很容易「證實」月亮星座的獨立影響（explanatory power），但在這個研究個案當中，**月亮在不同星座、宮位對於每日銷售波動的影響是能夠「量化」**，就算排除了已知的結構性影響之後，仍然顯示出穩定的差異模式。對於業務經營者來說，這個研究方法可以嘗試找出屬於你業務的個別運勢模式，有助於資源分配。（模型可以估計各類別的差異，但目前的研究進度無法有把握地把月亮衍生自變量與隨機波動分開。） 完整論文 Lian, P. (2026). ****Are Consumers Moonstruck? An Exploratory Case Study of Moon-Derived Variables and Retail Sales.** [Learn more ](https://www.academia.edu/171896766?ref=astrokinsey.com) ## 占星的整體性 vs 統計模型的拆解邏輯 如果你是占星師，讀到這裏可能有一個很大的疑問：為什麼就只考慮過運月亮（The transiting Moon），而沒有考慮整個星盤？這是我故意的簡化，在足夠大的數據當中尋找模式，主要目的是幫助設定和驗證「假設」（Hypothesis）。我們在分析星盤的時候，和做運勢預測時，很多時都是基於一些假設，例如上面提到當月亮走到命盤的上半部分，應該對於面向大眾業務的運勢是比較好，這些是從經驗、業界的集體智慧和典籍中提煉出來的符號詮釋。而我這裏做的研究，就是嘗試驗證和量化。 而我認為更大的問題是：**占星是整體性的。**把星期幾的效應拿掉、把季節性拿掉、把趨勢拿掉——我們怎麼知道沒有把占星試圖描述的節奏也一起拿掉了？也例如，預測一個人將會行好運，正正就是他做了正確的決定、獲得一份好工作等等內在和外在的正向遭遇，而我們強行把這些因素排除，就說玄學命理的影響微乎其微？**占星的世界觀是萬物關聯的。在這個框架裡，星期幾的消費節奏、季節性的情緒變化、甚至整個經濟週期，都可能是某種更大的宇宙節奏的一部分。如果占星描述的就是這些節奏本身，那當我用統計模型把它們「控制」掉（Controls）、排除其他的混雜因素（Confounders）時候，我可能同時也把占星的解釋力給「解釋掉」（explained away）了嗎？不是證明占星「沒用」，而是把占星會透過哪些路徑發生作用的東西拿掉了。** 下一步可以怎樣做 1. 這套「先扣走已知因素、再看殘差」的方法，任何有每日營業數據的業務都可以套用。 2. 在我的個案中，「月亮走到命盤上半部」的假設最接近成立（p = 0.058；排除第 6、12 宮後 p = 0.015），值得繼續驗證。 3. 你也可以自己動手：未來一個月，對照月亮星座記錄生意的高低日子，看看你的業務有沒有自己的規律。 參考： Dichev, I. D., & Janes, T. D. (2003). **Lunar cycle effects in stock returns**. *The Journal of Private Equity, 6*(4), 8–29\. [https://www.jstor.org/stable/43503349](https://www.jstor.org/stable/43503349?ref=astrokinsey.com) Lian, P. (2026). **Are Consumers Moonstruck? An Exploratory Case Study of Moon-Derived Variables and Retail Sales**. [https://www.academia.edu/171896766](https://www.academia.edu/171896766?ref=astrokinsey.com).