人工智能时代：破解人机共存密码（套装共10册）

这就是数据挖掘。32个抛硬币结果的预测者，正如32个预测股价的系统。我根据事实发现了最成功的抛硬币结果预测者，正如发现了最成功的股价预测系统。无论是哪种情况，根据既成事实来识别成功的预测者什么都证明不了，因为始终都会有最成功的预测者，即使只是靠运气而已。

进一步说明一下，猜中次数最多的学生毫无特别之处，正如运气好的股市预测系统。如果重新抛五次硬币进行检验，那么那个成功预测了抛硬币结果的学生将表现得毫无技巧可言。同样，用全新数据来检验的话，成功的股票预测系统也会变得毫无作用。

然而，如果测试抛硬币和无用的股市预测系统次数足够多，肯定有人能成功通过两轮测试。如果我班上的学生再多一点，确切地说有1024人，我就能发现有32名学生可以连续五次正确预测结果。如果这32名学生再多猜5次，其中一人又会继续猜中5次，也就是共计猜中10次。尽管通过接连两次测试，这名获胜的学生在预测抛硬币方面还是没有什么特异功能。对1 024名进行预测的学生进行数据挖掘得到10次成功的结果，并不比数据挖掘32名学生得到5次成功的结果更加令人信服。

股票市场系统也是如此。数据挖掘软件可以搜查出数百万、数十亿，甚至数万亿潜在的股票预测系统，并从中识别出非常成功的系统。如果将这些系统重新测试一遍，一部分还是会很成功，即使它们和那名获胜的学生没什么两样，都是靠运气而已。不论无价值的股市预测系统反复测试多少次，如果测试的次数足够多，总有一部分会通过。

讨论几个专业人士使用和推荐的交易法则将具有很大的启发作用，我们可以从中意识到被系统愚弄是多么容易，这些系统能清楚地解释过去，但对未来的预测却一塌糊涂。

《每周华尔街》的十项技术指标

30多年来，《每周华尔街》（Wall Street Week）一直是美国公共广播电视公司（PBS）很受欢迎的电视节目之一。该节目主持人为路易斯·鲁凯泽，播放时间为纽约证券交易所收盘后的每星期五晚上。节目一开始，鲁凯泽先简要叙述当周华尔街的交易情况，以老掉牙的笑话和引发嘘声的双关语点燃全场。有观众写信来咨询能否投资一个男用假发生产厂家，鲁凯泽回答说：“如果你的钱像头发一样，明天就会消失，我们会尽力让它增长。我们提供给你光秃秃的事实，让你把自己的投资打理得像假发一样茂盛。”

多年来，该节目都设有专题环节对10个技术指标进行最新解读，这10个指标是股票经纪人兼投资顾问罗伯特·努洛克开发的，他也是该节目的常驻专家。我订阅了好几年他的新闻简讯，想看看随着时间推移，在他的那些提出又消失的模型中，这些指标是如何发展的。

他所选的10个指标首次出现在1972年，之后的17年共修订了至少五次。努洛克对这些指标的解读一般都是逆势而为：股市强劲时，他建议卖出；股市疲软时，他又建议买入。这通常是很好的建议，但认为存在可靠的预测指标表明股价“何时”上涨或下跌，却是不明智的想法。

努洛克的指标很有意思，因为它是技术派人士观察的大量指标的代表，此外，这些指标的发展演变也很有启发性。接下来我会讨论其中三个。

市场广度

很多分析师都使用涨跌指数（advance-decline index）来监测上涨股票数量和下跌股票数量的比率。与道琼斯工业指数、标准普尔500指数和其他股市指数不同，这种对比方法不关注股票价格或涨跌幅度——出现25美分的变动和出现5美元的变动的效果是一样的。这就是该方法被称为“市场广度”（market breadth）的原因。

《每周华尔街》最先使用了涨跌指数，该指数是每天上涨股票数量与50%持平股票数量之和与全部股票交易数量之比的五周平均值。如果该指数的值为0.5，则表示股市为混合状态，上涨股票的数量与下跌股票的数量相等。努洛克一如既往地反其道而行之，认为这一指数的数值高（大多数股票在上涨）是卖出信号，数值低（大多数股票在下跌）是买入信号。

努洛克的具体临界值取决于市场是牛还是熊，如表10.1所示。牛市和熊市的区别让人没有把握，因为我们没有客观的方法判断在何时、在哪个点位是牛市或是熊市。几年后，他将30%\~40%的熊市买入信号修订为36%\~40%，后来，该指数被剔除了。

对技术指标的解读总是模棱两可的，这也生动地体现在路易斯·鲁凯泽对努洛克的涨跌指数的解读跟努洛克自己的解读完全相反。以下为鲁凯泽的描述（含有他的招牌式双关语）：

实际上，每名技术人员都使用这种方法的一些变体，该方法合计上涨股票和下跌股票的总数，得出的结果用来反映股市的“广度”——“广度”不佳会发出不好的信号。如果平均数上升但广度下降，技术人员会认为股市已经开始变差。

有些技术人员会得出这样的结论，但与鲁凯泽相反，努洛克没有这么做。大多数股票下跌时，努洛克给出的是买入信号。

努洛克10个指标的第一次修订，加入了第二个涨跌指数：上涨股票和下跌股票数目差额的十日平均数。数值小于-1 000（表示大多数股票下跌）为牛市，大于+1 000（表明大多数股票上涨）则为熊市。这一指标在第二版修订中仍得以保留，但是对其的解读变得更加复杂。牛市信号变为“该指数从低于+1 000点升至峰值，再从峰值下跌1000点”。

对于其他技术指标，努洛克显然是生搬硬造出与过去数据吻合的模型的。当由数据挖掘得来的模型对新的数据不起作用时，他就改变模型。当由数据挖掘得来的模型无效时，他就再造一个新模型。捏造模型—进行测试—改变模型，如此循环。

低价活动比率

《每周华尔街》另一个有趣的指标为低价活动比率，类似很多技术人员追踪的那些指标。该指标是《巴伦周刊》上低价股票指数交易量的周比率与道琼斯工业指数的交易量之比。其思路是，低价股票比

道琼斯工业平均指数的蓝筹股更具有投机性，因此这类股票的交易量相对上涨能表明投机活动更加活跃。

该指标的比值低是买入信号，比值高是卖出信号。《每周华尔街》最初使用的数值如表10.2—表10.5所示。

咨询服务情绪

《每周华尔街》在第一次修订版中引入了另一个有意思的技术指标：咨询服务情绪（advisory service sentiment）。各种各样的投资服务都在向投资者推销自己的建议。基本上，这些自诩专家的人都看涨股市，尽管看涨部分因市场而异。咨询服务机构Investor’sIntelligence订阅了其他主流服务商的服务，同时还为自己的订阅者提供熊市部分的每周列表。有趣的是，该机构（和努洛克）认为，咨询服务机构越是悲观，股市就越有可能上涨。

努洛克解释称：“咨询服务情绪过度一边倒时就被看作相反的指数，因为服务机构容易随大溜，而不是预测趋势变化。”另一种解释是，投资顾问都是错多对少的业余人士。如果他们真那么聪明，为什么自己不利用这些建议，而是将其推销出去？努洛克的情绪指数最初显示，如果看跌比率低于15%则卖出，如果牛市的看跌比率高于30%或熊市的看跌比率高于60%则买入。不过，这些数值后来完全改了，如果看跌比率低于25%则卖出，高于42%则买入。再后来，临界值又变得非常精确：35.7%和52.4%，但也具有很大的误导性。这就是数据挖掘的实质。捏造模型—进行测试—改变模型，如此循环。

推特_，推特

2011年，一个研究小组报告称，针对近1 000万发布于2008年2月至12月的推特进行数据挖掘分析后发现，“calm”（平静）一词的使用频次上升预示道琼斯工业平均指数随后连续六天上涨。这可不是我瞎编的。这类研究容易引起争议，获得全世界竞相报道，即使所用数据完全不可靠，得出的结论根本不合理。

发推特的用户并不是随机人口样本，更算不上投资者。很多人都没有推特账号；有些人有账号，但不怎么登录使用；有些人有账号，也会登录使用，但很少发布内容（推特估计，约一半登录用户都是光看不发，称不上推客）。有些发推特的并不是真正的人，而是自动机器人。

甚至连该报告的第一作者也承认，他对所观察到的模式不做任何解释，尤其是因为很多推特的发布者都是青少年和非美国本土人士。分享自己早餐吃了什么的小姑娘，或者一个对拜仁慕尼黑进球进行评论的德国人，又怎么会影响道琼斯工业平均指数呢？肯定不会，但它们之间可能存在统计学相关系数。

我们从这些“得州神枪手”研究人员观察的7种指标看起：积极和消极情绪的对比评估以及6种情绪状态（平静、警惕、稳妥、活力、好心和快乐）。他们还考虑了未来不同天数与道琼斯工业指数的相关系数。此外，该研究建议在选取这7种指标的术语表达时可进行一些灵活处理。最后，为什么他们要选择2008年2月到12月这段时间？1月呢？为什么2011年做的研究要采用2008年的数据？所发现的模型只存在于这段特定的时期吗？

我还想问该研究报告的作者一个问题：他们基于自己的报告结果进行股票交易了吗？

技术大师

华尔街有个说法：问题不在于股价图，只在于制图人。这证实了要找到有用的信号是多么困难。尽管如此，技术分析师还是可以在各大经纪公司谋得职位，很多人还提供着自己的咨询服务。每隔一段时间就有媒体详细报道某名技术分析师做出了惊人的精准预测，将其抬举到金融大师的地位，于是狂热的追随者竞相向其寻求建议。

艾略特波浪理论（Elliot wave theory）便是这样一个例子。13世纪的意大利人莱昂纳多·斐波那契研究了序列1、1、2、3、5、8、13、21、34、55、89……现在被称为斐波那契数列。这个数列从第3项开始，每一项都等于前两项之和。树枝生长的数量遵循斐波那契数列，雄蜂的家谱和贝壳螺旋生长的直径也是如此，音乐节奏也符合斐波那契数列，埃及人还运用这一数列设计了吉萨大金字塔。

拉尔夫·纳尔逊·艾略特将斐波那契数列应用于股价预测，创造了艾略特波浪理论。艾略特是一名会计，对数字很痴迷。对股价涨跌做了一番研究后，他得出的结论是，这些涨跌是数次交叠波浪作用的复杂结果：

持续数百年的大波浪

持续数十年的超级循环

持续数年的规律循环

持续数月的初期波浪

持续数周或数月的中期波浪

持续数周的小波浪

持续数天的细波浪

持续数小时的微波浪

持续数分钟的次微波浪

艾略特骄傲地宣称：“因为人类都遵从有节奏的活动，与其活动相关的计算也会延伸至遥远的未来，虽然这种做法的正当性和确定性在此之前是想象不到的。”要拿到市场技术分析师协会（MarketTechnicians Association）认可的特许市场技术分析师（CharteredMarket Technician）资格，就必须通过包含艾略特波浪理论等相关问题的考试。

没错，该波浪理论非常复杂，但这就是其吸引力所在。那些醉心于数学计算的人，都被这个理论的优美复杂所吸引。它复杂到可以灵活适应任何数据集，即便是随机的抛硬币。这个数据挖掘系统简直完美无缺，现在加上计算机的辅助，就更容易操作了。

在事情发生之前，波浪理论经常会出现不一致或错误的情况。而在事情发生以后，波浪理论的狂热者总能得出一种波浪形解释，虽然不同的狂热者通常有不同的解释。

20世纪80年代，罗伯特·普莱切特成为最著名的艾略特波浪理论门徒。1986年3月，《今日美国》报刊称普莱切特为“华尔街最炙手可热的大师”，因为他在1985年9月预测的牛市成真了。同一篇文章中还提醒阅读他的预测信息的读者，道琼斯工业指数会在1988年升至3600\~3 700点。然而1988年指数的最高值是2 184点。1987年10月，普莱切特放言：“最糟糕的情况是跌至2 295点。”但仅仅几天后，道琼斯工业指数就暴跌至1739点。1993年，《华尔街日报》发表了头版文章，题为“罗伯特·普莱切特的道琼斯3 600点成真——只是晚了6年而 已 ” （ Robert Prechter sees his 3 600 on the Dow—But 6years late）。正如他所预测的，道琼斯工业指数升到了3 600点，但迟到了6年时间。普莱切特应该早点听到一位著名投资者给我的建议，关于预测股价是多么困难：“如果给出数字，那就不要说明日期。”

“四傻”策略

1996年，美国投资家戴维·加纳德和汤姆·加纳德两兄弟发行了《傻瓜投资指南：傻瓜如何打败华尔街的智者，你又能怎么做》（TheMotley Fool Investment Guide: How the Fools Beat WallStreet’s Wise Men and How You Can Too）一书，闯出了一片小天地。他们通过研究1973—1993年的数据，创造出自己所谓的“四傻”（The Foolish Four）策略。如果早知道这个策略，他们每年的平均回报率将达25%。

这两兄弟还提醒读者，这个系统“会保证支持者在未来也收获25%的年回报率，正如它过去表现的那样”。

以下就是他们的“四傻”策略：

1.在当年年初，计算道琼斯工业平均指数中30只股票的股息收益率。例如，2016年12月31日，可口可乐股价为每股41.46美元，每股的年股息为1.48美元。可口可乐的股息收益率为1.12美元/41.46美元=0.0357，即3.57%。

2.选择10只股息收益率最高的股票。

3.从这10只股票中，选出5只每股股价最低的股票。

4.从这5只股票中，剔除价格最低者。

5.将40%的财富投入价格第二低的股票。

6.将20%的财富分别投入其他3只股票。

我希望当你看到这里的时候脑子里会响起一个声音，大喊：“数据挖掘！”

“四傻”策略错综复杂，而且一点都不合理。实际上，我们知道它就是广泛挖掘数据的产物。