1703928267
大数据颠覆投资方法
1703928268
1703928269
大数据是大数据思维、技术与资产浑然一体的称谓。它是互联网，特别是移动互联网高度发展的产物。强调“高度发展”，是因为在互联网发展之初，创业者尚处在商业模式的摸索阶段，没有数据平台、数据搜集乃至数据应用的理念，也就没有大数据这一概念。只有在互联网高度发展之后，多种数据入口、数据采集手段和分析方法逐步建立或引入，大数据才应运而生。
1703928270
1703928271
专家们喜欢用“4V”或者“5V”特征来界定大数据，其实大可不必如此烦琐。大数据就是互联网、移动互联网生产的数据，是与用户动态交互的数据。按照这个标准，以其他方式生产的数据，如果仅以计算机或互联网存储、传输，比如网上图书馆、网上身份查证系统等，即使数据再大，也不能被认可为大数据。
1703928272
1703928273
尽管大数据概念近来才兴起，但是碎片化的大数据思维早就存在。只是在互联网时代，大数据资源逐渐丰富，对海量或非结构化数据的处理技术逐渐成熟，人们才有条件将大数据思维、大数据技术与大数据资产“合三为一”，从而获得前所未有的信息获取与认知优势。
1703928274
1703928275
大数据对投资方法有颠覆性的启示：
1703928276
1703928277
一方面，大数据由于大和全，无限接近真实世界，很大程度上可解决投资模型的前瞻性和预测性难题。因为过往的预测模型是对历史或样本数据的最优解释，以及对未来的简单线性外推，它往往忽视“肥尾”或意外的发生，比如蝴蝶翅膀的细微震动，尽管这最终可能酿成一场飓风。
1703928278
1703928279
另一方面，大数据不再探求难以捉摸的因果关系，转而关注事物的相关关系，推动投资思维从价值判断向量化策略转变。尽管证券分析师大多要为股票涨跌找理由，但投资者厌烦“马后炮”式的因果分析。抛开“鸡生蛋”还是“蛋生鸡”之类的因果思维，对变量间的相关关系加以探索、利用，投资的方法和思路将会清晰许多。
1703928280
1703928281
大即是小，小即是大
1703928282
1703928283
大数据与小数据的本质差别在于，前者是总体，或者逼近于总体，而后者是样本。由于用的是总体，大数据可避开随机抽样的诸多陷阱，以及从样本到总体的推断问题。纵使随机抽样绿色环保，可较轻易地抓住事物大概，但仍有可能遗漏重要信息。传统的统计抽样常会舍弃极值样本，从一开始就假设是个某某分布，刻意去掉“极大”或“极小”等异常值，再用样本特征推断总体。我们做计量统计看重系数的显著性，但是系数再显著也只代表大概率，而生活总是充满变数，试图规避或者忽略的意外更具有认知价值。
1703928284
1703928285
网络上曾流传“三峡大坝”能够抵御从“万年一遇”、“千年一遇”到“百年一遇”洪水的笑话，便是对没有大样本做支撑的专家论断的无情讽刺。投资圈的专家同样如此，他们常凭感觉研判行情，不加论证地抛出“政策底”、“估值底”或者“钻石底”之类的言论。但A股正是小数据、小样本的典型，与美国股市比更显稚嫩。美股一百多年间经历多轮经济、金融或政治危机，屡次考验估值极限。有了这个大样本，专家对股市进行预测也将更加合理。
1703928286
1703928287
由样本到总体，对投资思维的最大启示在于信息获取的全面性。金融交易的本质是对信息以及观点分歧的处理。有信息优势的一方，在对未来的预测方面将更胜一筹，因此可从交易中获利。但问题在于，谁对影响市场的众多因素有把握能力呢？
1703928288
1703928289
样本数据越多，蕴藏的信息可能呈现边际递减，但不会是存量减少，相反可能捕捉到随机抽样的盲点和死角。对投资策略稳健性的检验，如果没有纳入尽可能多的样本数据，其结论将十分可疑。埃斯瓦斯·达莫达兰在《打破神话的投资十诫》一书中，用严格的数据论证了高股息率、低市盈率、低市净率等10多项投资策略的可靠性。他悲观地发现，如果将样本量放大、检验时间拉长，这些看起来“简单又好用”的投资策略都将无效。资产管理机构在筛选投资人才时，要求遴选对象经历一个完整的牛熊周期，也正是出于这种考虑。毕竟股市风云莫测，没有足够长的投资经历，不足以证实该投资专家在投资思维、方法，乃至心态方面的稳健性。
1703928290
1703928291
投资是对真实世界的理解。但是，投资分析如果连真实世界都看不完全，一叶知秋的理解力又从何而来？大数据让我们得以窥见事物的全貌，防止以点带面、以偏概全的认知误区，使投资更接近于“圣杯”[1]。
1703928292
1703928293
抛弃因果，寻找相关
1703928294
1703928295
人类对事物之间的联系分因果与相关两个维度，但相关是一切的前提。相关可独立于因果而存在，因为除因果关系的相关之外，还存在简单相关和时序相关。拿沃尔玛搭售尿布与啤酒的案例来说，这种相关关系的存在不是因为婴儿需要啤酒，而是背后有“超级奶爸”这个群体。这种购物篮里的相关就是简单相关，我们没有深究它的必要，它也不能放之四海而皆准，但是有重要的应用价值。《怪诞行为学》一书中介绍了一位饭店顾问，专门琢磨菜单定价与顾客消费的关系。他发现了件有趣的事情，就是主菜的价格定得高，饭店的效益将更好，原因是价格贵的菜没人点，价格便宜的菜反而好卖。你只要利用这个秘密赚钱就好，不用聘请心理学博士，去分析顾客们翻开菜谱时的复杂心理。
1703928296
1703928297
与因果关系不同，相关关系在人类社会广泛存在。六度分隔理论认为，任何两个人都可经过6个中间人产生联系。这下你可以理解，为什么人与人之间的联系被叫作“关系”。互联网从1.0到2.0版（移动互联）的飞跃，为人类提供了无限相关的可能性。“互联”二字的真意，是超越空间与时间，将不同的人、不同的物和不同的事关联起来。
1703928298
1703928299
大数据是人、事、物之间的多重耦合，复杂程度超出人类以往的经验、直觉。在纷繁复杂之中找出两个事物的关系，必须先去挖掘变量间的相关性。而且，人类思维由因果转向相关，也有对成本和收益的权衡。一方面，找相关更有效率。因为挖掘变量之间的相关关系，我们拥有度量和算法上的优势，可以交由智能化的机器处理，比挖掘因果关系更省时、省力。另一方面，盯住相关关系的收益显著。如前面所举的例子，有因果的相关关系可以赚钱，没有因果的相关关系也照样赚钱。
1703928300
1703928301
证券世界的相关无处不在，甚至可以说，相关关系是证券投资理论的基石。芝加哥大学金融学教授约翰·科克伦所提出的基于消费的资产定价模型为所有资产建立了一个“相关”关系的大图景。他认为，投资者有平滑消费的动机，与未来消费呈正相关的资产（更形象地说，是“锦上添花”型资产），因投资者天然厌恶而定价较低；与未来消费相关度较低的资产，其定价会相对较高[2]。诺贝尔经济学奖得主马科·威茨于20世纪50年代提出的现代投资组合理论，就是利用证券之间高低不等的相关关系，实现投资收益与风险目标的优化。在实践方面，投资界对基金经理进行考核，将他们管理组合的业绩表现分解为Alpha和Beta，划分依据也是其投资业绩与市场的相关度。
1703928302
1703928303
尽管相关关系是投资分析的基础，但是长期以来，投资者对因果关系更为专注。比如，大多数证券分析师从事基本面分析，他们每天都在为行业和股票的涨跌找原因、定空间。基于价值和方向判断的投资思维和方法，也在投资领域中占有重要地位，无论是自上而下采取宏观策略的索罗斯，还是自下而上找企业的巴菲特都信奉此道。但是，华尔街还流传这样一句名言：一个好的操盘手是一个没有观点的操盘手。《信号与噪声》中也写道：“市场是最好的预测。”这两句话是告诫投资者，不应事先假定股市会朝哪个方向走，不要做方向性的预判，而是让投资跟随市场，如此才能避免因误判方向而带来的风险。
1703928304
1703928305
抛弃价值或者方向判断，相关关系对投资或许更有用。预测股票涨跌的分析师貌似对基本面的因果分析很在理，但估值还得看行业、市场与历史区间，这实际上也是相关分析。更令分析师尴尬的是，某些时候股票涨跌真的没有原因，可能是由于“羊群行为”、动量或者惯性效应等引起的，你总不能将它解释为“因为上涨（下跌）而上涨（下跌）”，虽然事实可能的确如此。
1703928306
1703928307
预测公司的算法交易
1703928308
1703928309
《连线》杂志主编凯文·凯利在其《失控》一书里，引用了戴维·拜瑞比关于可预测性的一个比喻：现实的市场躁动得如同一条湍急的河流，满是狂野的波浪与旋涡，但是只要熟悉一个水流旋涡，你就能知道河流在5~10秒的流向。预测公司[3]就擅长运用算法去抓住市场的小旋涡，从小趋势中赚钱。预测公司的创始人法默和帕卡德认为，他们只关注寻找获利的交易模式，至于该模式为何产生是经济学家们的问题。法默认为预测公司的业务已经证明，与人相比，机器是更好的预测员，而算法是比米尔顿·弗里德曼更好的经济学家，现在的交易员已经感受到了机器的威胁。狗不学算术，照样可以精准地接到飞盘，说明直觉、聪明是预测最好的武器。法默坦言，金融预测不是他的长期目标，他们只是想创造预测机器去预测更多的事情，包括气候、传染病或者其他目前还不能搞定的数据。
1703928310
1703928311
基于相关关系的投资思维在实践中已取得成功。文艺复兴科技公司堪称对冲基金界的翘楚之一，这家公司的核心竞争力是拥有多位科学家、数学家，即不要从事基本面分析的经济学家和财务研究员，这与传统意义上的资产管理公司的标准配置不同。该公司的创始人西蒙斯关注的就是相关性，而不是因果关系。换句话说，是与“亚马孙河上一只蝴蝶引发太平洋风暴”类似的相关性。其他常见的量化投资策略，诸如套利、事件和动量等，也是根据证券之间、证券与事件之间、证券跨期收益之间的相关关系构建投资组合。所以，不必为抛弃因果而沮丧，从相关关系出发的投资同样可以挣钱，甚至比其他方法更挣钱。
1703928312
1703928313
更加注重相关性，对投资风险的防控也有积极意义。马科·威茨的“均值–方差”模型阐述了投资组合的分散性，处理的是证券之间的相关关系。投资经理在构建证券组合的过程中，是否纳入一只股票，除定性认可它的投资价值之外，还要考察该股票与整个组合的相关性，看它是增加还是降低了组合的总体风险。美国对冲基金桥水公司有只久负盛名的“全天候基金”，意思是不论市场涨跌，它都能获得稳定收益。这是要求极高的技术活，资产配置与风控能力缺一不可。据桥水公司老板雷伊·达里奥介绍，该基金进行资产配置与风险控制的着眼点，就在于规避资产类别之间的相关性。
1703928314
1703928315
动态预测
[
上一页 ]
[ :1.703928266e+09 ]
[
下一页 ]