快牛策略:证券分析的概率决策和小数定律偏差

大数定律又称大数法则或者大数率,是一个概率论的定律,核心思想是:在一个随机事件中,随着试验次数的增加,事件发生的频率趋于一个稳定值。经典的证券组合管理理论认为股票数量超过20个基本上就可以减少绝大部分非系统性风险,整个组合的收益率与指数的偏差就会比较小。要是股票数量越多,偏差越小。当然这些股票的选择要在风格资产和行业选择等其它重要层面要做好分散化工作。 但是,在证券分析现实中我们却经常在大数定律的潜意识支配下游走于小数定律之间,无论是策略分析、行业配置还是个股选择。究其原因,证券分析是一门在概率情况下的决策行为,参与主体在很多情况下分不清理性思维和感性直觉,在感性支配下就觉得证券分析是一门艺术,在理性支配下就觉得证券分析更像一门科学。假如投资者能够通过逻辑思维把证券分析和投资的每个环节推导清楚,就像古典的数学和物理学告诉我们的,那么案例研究和比较就没有必要。但是现实情况是概率环境下逻辑思维存在很大的不可操作性,逻辑推导环节越多,犯错的概率越高。我们内部讨论行业和股票的时候,有人就会提“宁愿要模糊的正确,也不要精确的错误”,说的就是相同的事。 在主动投资中,投资者更多地依赖过往的经验进行案例分析和比较,逻辑分析基础往往非常脆弱,一是后者不够形象,而且容易引起争论;二是案例分析和比较很容易操作。但是只要存在不确定性,无论是逻辑分析还是案例比较研究,合成谬误是回避不掉的现实问题。经济学中有一个经典的术语合成谬误的核心含义是由整体中的个别部分拥有某个性质,而错误推论出整体本身都具备该性质,此即“以偏概全”。其中,小数定律是最常见的案例比较研究通病,很多投资者无意识之中以小样本大肆演绎昨天、今天和明天,丝毫没有觉察到分析基础的概率论瑕疵。互联网的发展在便利投资的同时,也诱惑着投资者手比脑快;看到屏幕快速跳动的时候,思维决策越来越短期化,无效交易也会大增,证券研究也越来越短期化。频繁决策过程的小数定律很多,无效决策的结果却越来越符合大数定律,投资者事后总会发现自己总会犯相同的错误。 市场中流行的资产配置决策一般都叫投资策略,但是行业内并没有约定俗成的规范和套路。很多人还是有意无意采用技术分析。技术分析就很容易陷入两难困境:要是频繁做判断,准确率一般就收敛于50%左右,假如出现情绪性偏差,从结果看,准确率还不到50%,这就是大数定律。决策过程就充斥小数定律。依赖历史上出现的图形作为案例依据,由于历史上的案例有其发生的特定条件,抽象程度不够,样本的可比性就很差,而且和容易发生与现有状况相似的统计意义上的比较无从谈起,很容易陷入小数定律偏差。所谓的压力线和支撑线都只是心理暗示而已,各种图形出现的可能性都是存在的,从历史中提炼普遍规律是件很困难的事,要发现超过10个以上的相同样本都很难。结果就是大家总是按照指数的整数位作为心理底线,市场对指数点位的判断就是一场情绪波动的正态分布,只是平均数总在随着大盘涨跌而漂移。 有个同事很形象地说证券分析就像拼图游戏,一定程度上点中了问题的本质。面对复杂的证券市场,我们把复杂的现象简单化,概率决策的结果就是寻找有限样本之间的共同点和差异之处,但是要时刻提防小数定律偏差。

©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 215,874评论 6 498
  • 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 92,102评论 3 391
  • 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 161,676评论 0 351
  • 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 57,911评论 1 290
  • 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 66,937评论 6 388
  • 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 50,935评论 1 295
  • 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 39,860评论 3 416
  • 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 38,660评论 0 271
  • 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 45,113评论 1 308
  • 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 37,363评论 2 331
  • 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 39,506评论 1 346
  • 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 35,238评论 5 341
  • 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 40,861评论 3 325
  • 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 31,486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 32,674评论 1 268
  • 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 47,513评论 2 368
  • 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 44,426评论 2 352

推荐阅读更多精彩内容