预测不可预测之事:关于预测,你必须明白3个道理

“模糊的正确”,是妥协的结果。

这是屠夫的第 131 篇原创,全文 2000 字



金钱永不眠,屠夫问候各位早安。


今年6月,我在推文中提到数据的4种用法,分别是

预测(F),启发(I),验证(V),评估(E)

合称F.I.V.E。

因为篇幅有限,当时没有对数据领域的圣杯——预测——作详细展开。

时隔四月,再聊聊预测,希望给大家带不一样的认知。



01  地图与六分仪


一位老朋友看过《数据的F.I.V.E.用法》后问我:

预测和评估的边界是什么?

这是一个深刻而有趣的问题。


在屠夫看来,两者的关系如同大航海时代中的“地图”和“六分仪”

—— 虽然都是用于导航,但分明是两码事。


地图,相信大家都不陌生。

使用数据进行预测,就像是拿着地图航行:

地图越准确,航行越安全而高效;

预测越准确,投资越低风险而高收益。


但是,使用地图的前提是“知道自己在地图的哪个地方”

航海地图只能告诉你这一片海域的情况,却不能告诉你所处的位置。

这时候,六分仪就派上用场了。


使用数据进行评估,就像是拿着六分仪测量经纬度:

使用六分仪测量的结果,是你使用地图航行的依据;

使用数据进行评估的结果,也会成为你预测的依据。


这是有关预测的第1个道理

使用地图来航海,离不开六分仪;

使用数据来预测,也离不开评估。



02  地图的比例尺


1976年,曼德勃罗发表了一篇名为《英国的海岸线有多长》的文章,文中使用了的一个例子,特别有趣:

英国数学家理查森为研究英国海岸线长度,查阅了许多资料。

他惊奇地发现,不同国家对同一海岸线的测量误差,高达20%以上。

理查森对此的解释是:所使用的“尺子”长度不同,会导致测量结果不同。


为了说明这一点,我们不妨来看一张图:

(图片来源:wikipedia.org)


上图从左到右分别是使用不长度“尺子”来测量的情况。

最左边的图里,海岸线被11.5段“200km尺子”近似,测量结果是 11.5 * 200 = 2300km。另外两张图的结果分别是 2750km 和 3450km。

以此类推:“尺子”越短,结果越大。所以曼德勃罗的结论是:

英国海岸线的长度,是无法估计的。


为什么要讲这么一个例子呢?

因为预测,也有它的“尺子”。


当我们把预测的尺子放大,衡量10年以上的大趋势时,我们可以轻松地说出“指数长期上涨”这类预测结论;

而预测的尺子缩短到1年以内,预测的可靠性就会下降,“今年内会如何如何”的断言很容易被打脸;

预测的尺子缩短到1天之内,预测就显得越来越不靠谱了——谁能告诉我,哪个小时涨,哪个小时跌?


这就像地图比例尺和英国海岸线问题:越是追求“小尺子、高精度”,预测结果就越是虚无缥缈。

屠夫不喜欢动辄提“模糊的正确”,但是在精度和准度的权衡之下,这确实是一个合理的决策方式。


这是有关预测的第2个道理

尺度越小越精确,却越难准确;

“模糊的正确”,是妥协的结果。



03  地图的维度


通常意义上的地图,是平面的,也就是二维的。

一张普通的地图只能向我们展现“俯瞰的视角”,却无法精确地勾勒出地势高低、土质软硬、河流深浅、空气干湿等更多维度的因素——那必须通过更多不同的地图来展现。

如果一张地图尝试同时纳入上述所有维度,那画面将会非常复杂,可读性变得极差。


预测,也有着类似的苦恼。

因素不多的时候,模型是简洁易懂的。比如【 E = m * c^2 】——多么干净利落的一条公式啊!

可惜我们要预测之事,往往都不那么简洁易懂。


有同学说:预测模型复杂也没关系啊,只要准确就好。

其实真正的麻烦不在于“复杂”,而在于“易错”。

参数的数量增多,外加参数之间相互影响,这对样本的数量和质量提出更高的要求,也会让预测更易出错

和《择擅而从陷阱》里提到的两类错误同理*,预测模型的参数选择上也可能有两类错误:

【第1类错误】应当纳入模型的参数,未被纳入

【第2类错误】不应当纳入模型的参数,被纳入


*屠夫注:看,数学思维可以应用到好多场景……


第1类错误会让我们的预测错得离谱,因为该考虑的因素被忽略了。

第2类错误又叫“噪声”。顾名思义,噪声会对我们的预测产生干扰,甚至引入歧途,同样不可小觑。


这是有关预测的第3个道理

平面化的预测,难以解决立体化的问题;

引入过多复杂参数,又会将你引入歧途。



04  Predicting the Unpredictable:预测不可预测之事


现在,让我们重新回顾一下前文提到的3个道理:

第一,【评估】之于【预测】,如同六分仪之于地图。

我们不仅需要知道“未来有什么”,还需要知道“现在在哪里”。

第二,预测的尺度越小越【精确】,却越容易【不准确】。

投资者要放弃“下一秒是涨是跌”的预测,转而采用“模糊的正确”。

第三,预测过程中你可能会犯两类错误,不完美是【常态】。

平面化的预测无法应对立体化的未来,过度复杂的模型也可能让你跑偏,坦然地接受这种不完美吧!


屠夫曾推荐过詹姆斯·欧文·韦瑟罗尔的《对冲之王》,这本书的副标题是"A Brief History of Predicting the Unpredictable"。

Predicting the Unpredictable,预测不可预测之事

—— 这是一种“知其不可而为之”的探索精神,更是一种“虽万千人吾往矣”的英雄气概。

这是对华尔街的数学家和物理学家们,最好的概括。


希望能给你一些启发。


作者:屠夫1868 @ 基业长红

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,657评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,662评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,143评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,732评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,837评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,036评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,126评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,868评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,315评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,641评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,773评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,470评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,126评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,859评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,095评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,584评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,676评论 2 351