人工智能时代：破解人机共存密码（套装共10册）

最危险的交易系统是黑匣子模型，使用精密复杂的统计学分析挖掘复杂到难以理解的模型，如主成分分析和因子分子，因此，根本不可能知道这些模型是否合理。我们必须相信数据挖掘的发现是真实可信的，而非“愚人金”（fool’s gold）^[1]。

既然是黑匣子，我们就不知道这种投资模型里装的是什么，但可以从公开透明的数据挖掘系统中学到一些东西。

滑稽的理论

女性青睐高跟鞋时是牛市，选择低跟鞋时是熊市；男性爱系细领带时是牛市，爱系宽领带时为熊市。尽管《华尔街日报》表示“有些分析师持相反意见，那些到布克兄弟（Brooks Brothers）购买男装的人并没有意识到领带还有不同的宽度”。

分析师监测了太阳黑子、五大湖的水位还有阿司匹林与黄色涂料的销售量。有人认为，在以数字5结尾的年份，股市都会表现出色，如1975年、1985年等；还有人认为，股市在以8结尾的年份表现最佳。长期任职于《纽约时报》的金融专栏作家伯顿·克兰曾报道，一名男子“根据他对刊登在《纽约太阳报》上连载漫画的解读提供相当成功的投资咨询服务”。《金钱》杂志曾报道，明尼阿波利斯市有名股票经纪人的选股方式是把《华尔街日报》摊开扔在地上，他的金毛猎犬的右爪第一片趾甲碰到哪只股票他就选择哪只。他认为这样做能帮他吸引客户，这也表明了他以及他的客户是什么样的人。

1987年有三个星期五是13号，费城银行首席经济学家称，在过去40年，另外还有六个年份出现了三个星期五是13号的情况，并且在其中三个年份都发生了经济衰退。哪种情况更糟糕，是经济学家把时间浪费在这种荒唐言论上的想法，还是有人付钱让他如此浪费时间的事实？不管怎样，在1987年都没有出现经济衰退。

可能大家都在比赛，看谁的建议更傻。罗斯柴尔德投资银行在破产前称，在过去的六次中国农历龙年期间，美国股市四次上涨，两次下跌。

我最喜欢举的一个例子是波士顿下雪指标——根据波士顿在平安夜是否下雪来预测下一年的股市。德崇证券的一名分析师曾表示：“平安夜若下雪，则下一年的平均收益比不下雪的年份大概高80%。

超级碗股市预测指出，如果美国国家橄榄球联合会（NFC）的球队，或者曾加入美国职业橄榄球大联盟（NFL）而现在属于美国橄榄球联合会（AFC）的球队在超级碗中夺冠，股市便会上涨；反之股市则会下跌。绿湾包装工队赢了对股市有好处；而纽约喷气机队赢了则对股市不好。发明“超级碗指标”的人旨在用一种幽默的方式说明，相关系数不一定包含因果关系。让他目瞪口呆的是，竟有人开始认真看待这个指标！直到2017年，我听说有些大基金的经理仍把它当真。正如我反复强调的，有些人认为所有模型都具有说服力。这让人无话可说。

2014年，我教过的学生给我转发了一条交易规则，由高盛资产管理公司前主席编造而来：

有个奇怪的说法叫作“五天法则”……简单来说，该法则指当美国股市主要股指在最初五个交易日出现综合正收益时，则该年份整体上极有可能表现不错……

我在高盛的前同事何塞·乌苏亚回溯了直至1928年的相关数据。他发现，股市在一年中的头五个交易日上升时，全年为升势的概率是75.4%。而在1950年至今的这段时期，该概率上升至82.9%。金融领域难得有如此清晰明了的法则。

首先，这听上去就像拷问数据的结果。（为什么是五天？为什么回溯到1928年？）其次，最初五个交易日是全年（大约）250个交易日的一部分，因此这是有偏倚的计算，他应该对比最初五个交易日和其他245个交易日。最后，认为股市上涨和下跌的概率为五五开是错误的。实际上股市通常都会上涨。1928—2013年，股票上涨的概率为73%，而1950—2013年，此概率为78%。“五天法则”并没有过多地提高这一概率，尤其考虑到那五天都包含于该年份内。

这些投资法则都是传统守旧且毫无价值的、靠人力耗费无数时间查遍数据才得出的模型。然而，13号遭遇星期五、龙年等胡言乱语，恰好就是用来寻找模型的数据挖掘软件取得的无用发现——唯一不同的是，计算机在发现毫无价值的模型上效率要高很多。

有时，所发现的模型看似合理，但显然就是拷问数据的无用结果。例如，美联储的货币政策会影响股价，这是合理的说法。低利率降低消费成本和企业贷款成本，对投资者来说，低利率让股票比债券更具吸引力。曾任美国白宫经济顾问委员会主席的著名经济学家贝里尔·斯普林克尔认为，货币供应量的变化会对股市产生影响，便主动寻找两者之间的关系，最后真的找到了。他选择了哪种股价指数呢？是标准普尔425工业指数而不是常用的标准普尔500指数。又选择了哪种反映货币供应量的指标呢？他选择了一个非常狭隘的指标：狭义货币（M1）。

在目测标准普尔425指数和M1的图表后，斯普林克尔总结道，虽然两者关系非常易变，但“货币供应量的变化会引起股价变化，一般出现在熊市前的15个月，牛市前的两个月”。注意其中非常灵活的说法“货币供应量的变化”。是出现在上周？上个月？还是去年？斯普林克尔选择了6个月的范围，无疑之前试过了其他可能。还要注意含义模糊的“牛市”和“熊市”。没人知道牛市和熊市何时开始，何时结束。

又一番绞尽脑汁后，他发现1918—1960年，以下策略可以让你获得每年平均6%的盈利，而简单的买入和持股的盈利为每年5.5%：

a. 掌握前6个月随季度调整的M1的月平均增长率的最新消息。

b. 这一移动平均数出现波谷的两个月后买入股票。

c. 这一移动平均数达到波峰的15个月后卖出股票。

如此周折，也就才提高了0.5%？如今，计算机数据挖掘算法肯定会做得更好。

斯普林克尔错综复杂的模型听起来就像数据拷问。为什么始于1918年？为什么选择标准普尔425指数？为什么选择M1？为什么是6个月的月平均增长率？为什么是分别间隔两个月和15个月？后期的研究发现，货币供应量对预测股价变化毫无作用，希望对此你并不惊讶。

斯普林克尔在发现这个无用法则的过程中，无疑必须费尽心思做些必要的计算，画出一些图表，摆弄资料明细，直至发现与数据非常吻合的结果。不幸的是，现今的计算机可以以极快的速度找到这种毫无价值的法则。

技术分析

预测股市何难之有？任何明眼人都能在股价中看出不同的模型——预示股价是升是降的模型。

30年前，我的一个学生杰夫来电告诉我一个激动人心的消息——我在课上说的“企图识别出股价的盈利模型是痴人说梦”这番话没道理。杰夫在IBM任职，他利用闲暇时间研究股价，还找到了一些明显的模型。他还在不断调整自己的系统，很快就能靠此致富。他说到时候要租架直升机飞过来，停在我教室外面的草坪上，然后以胜利的姿态大步迈进我的投资学课堂，把实情告诉班上的学生。

我每年都跟学生重述这个故事，讲完后走到教室窗边往外瞧，看看杰夫的直升机有没有停在草坪上。直到今天我还在等他。

技术分析师尝试通过研究股价、交易量和各种投资者情绪来预估投资者的行为。技术人员并不关心单个公司或整个市场的股息或盈利情况。如果他们研究单个公司，是不需要知道该公司名称的，因为这可能会让他们在浏览图表时不够客观。数据挖掘算法的工作正是如此：在数字中寻找模型，但不会考虑这些数字代表什么。

约翰·马吉与他人合作撰写的书被誉为“技术分析圣经”，他把自己办公室的窗户都封起来，这样他对股市的希望和恐惧就不会受看到小鸟歌唱或天空飘雪的影响。他待在自己的黑匣子里。

技术人员最重要的工具是股价图，最常用的是垂线图，一般用来表示每日股价。每条垂线都从最高价延伸至最低价，水平斜线则显示开盘价和收盘价。技术人员会添加线条（如图10.1所示的通道）表示走势或其他可利用的模型。（简单起见，我省略了垂线，只显示收盘价。）

技术分析的核心是从以往的股价中识别出可用来预测未来股价的模型。为使模型看似合理，还为各种模型贴上了标签，如通道（ channel ） 、 支 撑 线 （ support level ） 、 阻 力 线 （ resistancelevel）、双顶（double top）、双底（double bottom）、头肩顶模型（head and shoulders）和杯柄形态（cup and handle）。尽管有这些诱人的标签，但一项又一项研究发现技术分析是徒劳无益的，除了能提供很多技术分析师的工作岗位和为股票经纪人获取佣金。

一名学术型经济学家曾发送几张股价图，包括图10.1、图10.2、图10.3（没有图中的横线），给一名技术分析师（且称其为埃德），请他帮忙判断哪些股票是好的投资。该经济学家没有说明是哪些公司的股票，埃德也没问。

埃德在图10.1中画了两条平行线，模型清晰可见。约从第30天开始，该股票在狭窄的上行通道中交易。到第100天，股价接近该通道的下轨，并呈现明显的上冲姿态。

如图10.2所示的股价图中带有支撑线，它在第24天成形，之后经两次确认。每当股价跌至28美元时都会获得支撑出现回升。更具威力的是，该图还呈现出头肩顶模型，即股价先是脱离28美元的支撑线上涨，接着跌回28美元，然后涨幅更大，随之又跌回28美元，小幅上涨后，第三次下降至28美元。

埃德和很多技术分析师一样，认为头肩顶模型形成并确认的支撑线极其稳固，当股价在第99天突破28美元的支撑线时，就是发出了不容置疑的信号，表明一定是出现了非常严重的问题，只有雪崩式的坏消息才能突破如此强劲的支撑线。28美元的屏障一旦被突破，股价一定下跌。

图10.3则显示了相反的模型。在65美元处形成了阻力线并得到确认。每当股价接近65美元就会出现回落。这种情况出现得越频繁，阻碍股价突破65美元的心理阻力就越大。更有威力的是，该图呈现出头肩底模型，因为第二次从65美元回落的幅度比第一次和第三次都大。第98天，当股价暴涨突破阻力线时，打消了阻止股价进一步上涨的心理障碍，这是不容置疑的买入信号。

在这三张图中发现上述模型的埃德被喜悦冲昏了头脑，忽略了这三张股价图的离奇巧合，即股价都均始于50美元。但这并非巧合。

这些都不是真正的股票。那个恶作剧的经济学教授（没错，就是我）在一次投资学课堂上让学生以抛硬币的方式捏造了这些虚假数据。每张图的“股价”初始值都定为50美元。然后，每天的股价变化都通过抛25次硬币来决定，正面则股价涨50美分，反面则跌50美分。例如，若出现14次正面和11次反面，则当天股价上涨1.5美元。创建了几十张股价图后，我给了埃德其中10张，对他会从中发现很诱人的模型满怀期待。果不其然，他真的发现了。数据挖掘软件也会有同样的发现。

真相大白后，埃德失望透顶，这些要是真的股票就有机会通过买卖赚大钱了。然而，他从中吸取的教训却与我想要的截然不同：埃德总结说，运用技术分析来预测抛硬币的结果是有可能的！

即使是经验丰富的专业投资者也难以理解，随机噪声能生成模型，但那不过纯粹是碰巧而已。眼前出现某个模型时，相信它有意义很容易，但要认为这不过是偶然就很难了。

抛硬币

为了说明这个原理，我有时还会在投资学课堂上用抛硬币来做另一个实验。我告诉大家我要抛若干次硬币，看看是不是有人能预测到结果。在开始抛之前，我对着教室大臂一挥，把台下学生分成左右两边。左边学生猜正面，右边学生猜反面。假设有32名学生，则其中16人肯定能猜对。如果第一次抛硬币的结果为反面，那么就是右边学生猜对了。于是，我又将右边这16名学生分成前后两组，两组各有8人。第二次抛硬币，前8个人猜正面，后8个人猜反面。如果这次结果为反面，则后8个人就连续猜对了两次。然后我再把后8个人分成两组，抛第三次硬币。将猜对的4名学生再度分组，第四次抛完硬币后只剩下2名连续猜中四次的学生。最后一次抛完硬币，我们的赢家诞生了——连续五次猜中的学生。这时我问在场的学生，谁敢打赌这名同学能再连续五次成功预测出结果。无人响应。