跑步

何以那么多一流学者都没预测到金融危机

2019-10-08 19:20:24来源:励志吧0次阅读

  何以那么多一流学者都没预测到金融危机?

  脑"深蓝"与人类有史以来最伟大的国际象棋名家卡斯帕罗夫对决中,"深蓝"就完美诠释了什么是客观与理性。

  在有关概率的解说中,贝叶斯定理能告诉人们如何利用新证据修改已有的看法。贝叶斯定理看似很简单,就一个计算公式,但这个公式对于"先验概率"的初始值给予的权重非常之高,认为新证据的出现会修正原先的概率,但幅度不会那么大。相反,"先验概率"如果非常之强的话,对最后"后验概率"的影响会更大。这和亚当·斯密的"无形之手"有些相似之处。亚当·斯密强调人类由于缺少认识全局的信息,只能根据新近获取的知识来确定对事物价值的看法,通过人与人之间无数的交易活动修正这种看法,从而形成供需平衡的价格信号。西尔弗则认为,市场机制作为一种预测机制,是将个人的独立决策整合为群体决策,所以是预测价格的最优机制。

  如果说信息稀缺制约着预测,西尔弗则认为"信息越多,问题越多":"一旦信息增长的速度过快,而我们处理信息的能力不足,情况就很危险。过去40年的人类历史表明,把信息转变为有用的知识可能还需要很长时间,一不小心,我们就有可能倒退回去";"信息不再那么稀有,我们拥有的信息多到无法下手,有用的信息却寥寥无几,我们主观地、有选择地看待信息,但对信息的曲解却关注度不够,我们以为自己需要信息,但其实我们真正需要的是知识"。

  这并非危言耸听,据国际商业机器公司(IBM)估计的数据,现在我们每天生成的数据高达250兆亿字节,超过以往两年内生成的数据总量的90%。面对过量信息时,人们会本能地选出喜欢的,忽略其他的。"虽然那些数字不能为自己辩护,但我们却可以作为数字的发言人,赋予它们意义。这就好比对恺撒密码解码一样,我们可能会以对自己有利的方式对这些数据进行分析和解释,而这些方式很可能与这些数据(所代表)的客观现实不相吻合。数据驱动预测机制可能会成功,也可能会失败。一旦我们否认数据处理过程中存在着主观因素,失败的概率就会增加。要提高数据分析的质量,首先要对我们自身提出更高的要求。"

  当然,西尔弗完全不赞同"根本不存在客观真理"这一虚无缥缈的说法。相反,他认为要做出准确的预测,首要前提就是坚信客观真理的存在,并且执着地追寻。而预测者的另一个承诺,就是要认识到他无法穷尽对客观真理的认知。"预测之所以重要,是因为它连接着主观世界与客观现实"--当代西方最有影响的哲学家之一卡尔·波普尔也早就意识到了这一点。对波普尔来说,假设并不科学,可证伪的假设才是科学的。然而,"令我们裹足不前的是,经过验证的那些为数不多的想法的实际作用并不大,而且许多想法未经过检验,或者根本就无法检验。在经济领域中,验证失业率预测的准确性要比验证刺激消费政策的效果的论断容易得多。"

  科学研究往往强调客观性。但物理学家和哲学家迈克尔·波兰尼在他的《个人知识》中质疑:从科研工具的制造到科研过程的深入,每个阶段都有人的主观性介入;英国经济学家阿尔弗雷德·马歇尔在《经济学原理》中也有类似的观点,即经济学假设都内涵人的主观判断。西尔弗也坦言:"预测之所以难做与其之所以重要的原因是一样的:预测是主观事实与客观事实交汇的产物。从噪声中区分信号既需要科学知识,也需要自知之明。"从这个意义上说,《信号与噪声》是波兰尼和马歇尔前述思想更为通俗的表达。西尔弗发现,预测的困难来自于预量,而预量可分为易观察的、不易观察的,前者受人的主观性影响较小,而后者的预量更多要依靠人的想象力和创造力。但预测成功的关键在于有没有承认人的无知,而不是对采用的模型和方法的科学性、客观性过于自信。对工具本身过于自信,就不容易识别出噪声,从而失去正确的预测信号;而只有承认自己的无知,下结论时遵循贝叶斯式的概率思维,才能时刻警惕噪声的存在,发现真正的信号。

  无论是美国的珍珠港事件、"9·11"事件、次贷危机,还是雪灾、地震、流感等,概莫能外。人们似乎习惯了(也擅长)以自身有限的生活经验和不堪一击的信念来解释不可预测的事件,并自信于能把握趋势、洞察未来。然而,在生命、世界和大自然面前,人是显得多么渺小、脆弱和无知。由此,西尔弗认定:只有正确运用统计学工具的人,正确区分预测中那些是主观现实、那些是客观现实,那些是干扰预测的噪声、那些是有价值的信号,或许才能提供意想不到的启发性视角,做出准确的预测。

健康
哈尔滨机械网
汤羹
分享到: