上一周是诺贝尔发奖周,可惜错过给moreliver颁发。
moreliver 写道:
ABI 指数科学吗?(1/12/19)
曾有人指责 ABI 指数是“故弄玄虚”,“不科学”,“没必要”。好吧,今天咱就来讲讲科学理论吧。(对理论头疼的请快退出)。
金融学术界一直主张短期(一年之内)预报股市是不可能的。股市交易的结果是数百万金融机构和交易者参与的过程,追踪每个人的动机和行为是不可能的,就像物理上的布朗运动,是个随机过程。所以研究金融市场的传统工具是统计数学。
其中引入了许多不切实际的假设,比如随机行走理论(Random Walk Theory)和有效市场假说(Efficient Market Hypothesis),都假设交易者是独立且理性的,其交易决定只被随机公布的市场消息影响,因此市场变化遵循正态分布(Normal Distribution)。但这个理论无法解释经常出现的股市大幅波动及崩盘现象。
于是,80 年代开始发展的行为金融学(Behavioral Finance Theory)认为交易者并不理性,他们的决定受市场心理及群体效应影响,往往出现跟风买进(造成泡沫),或蜂拥卖出(导致崩盘)的现象。这两种理论的倡导者都曾获得诺贝尔经济奖。它们的共同点是:短期内市场不可预测,因为新闻发布和市场心理变化都是随机的。
交易者的实操观点
股市交易者不太接受金融学术界的说法。他们相信自己的两大体系:基本面分析(FA)和技术分析(TA)。
FA(如 Warren Buffett 所采用)认为每个股票有其“真实价位”,如果当前价格低于真实价,就值得买进。但问题在于,股价并不仅由价值决定,更受交易者的“盈利欲望”驱动。因此 FA 在短期内往往失效。Buffett 最近的亏损正是明证。
TA 则基于价格图形的重复性,多年实战中确实能盈利。但图形为何重复、为何起作用,却难以讲清楚,操作具有高度艺术性,容易受心理影响。
为解决主观影响,自动化交易系统开始流行,其中一些使用人工智能(如神经网络)。计算机虽快,但仍受限于人类提供的数据和模型设计。神经网络研究者也指出:AI 并不优于简单的买入持有策略,原因就在于市场数据本身就是不完整的。
金融研究的根本问题
综上,金融和投资界至今仍面临一个困境:传统研究方法无法预测市场。若继续延续当前路径,几十年后依旧得出“股市不可预测”的结论。
ABI 的出现
ABI 是试图克服上述问题的方法。它的灵感来源于天气预报。
天气的变化源于亿万个气体分子的无规则运动,复杂程度远高于股市交易者行为。但天气却能预报,而股市不能?这一现象引起了我的思考。
比较两者的研究方法,终于找到了金融研究的三大致命缺陷。
(若感兴趣的人多,我将继续分享。否则此贴也会被删除。)
ABI 指数科学吗?(2)- 1/13/19
很高兴看到胡同有很多人对理论感兴趣。上一贴后也有不少有趣讨论。
这篇我将详细阐述金融学术界三大研究缺陷,这些问题限制了预测股市的可能性。
缺陷一:从模型出发,而非从观测出发
金融研究往往从预设的数学模型出发,然后用现实数据去“验证”它,过程中不得不引入大量不现实的假设。
这一思路可追溯至 1900 年法国数学博士生 Bachelier 的论文,他首次提出股市变化符合随机行走模型。但当时其导师就指出,这种假设不现实,因为交易者行为是相互影响的,不可能独立。
此理论曾被忽视半个世纪,直到 1950 年代因股市平稳上涨而重新流行。Fama 提出“有效市场论”,为随机行走提供理论支持。然而其导师 Mandelbrot 就曾指出股市数据不服从正态分布,Fama 也承认,却仍“为了数学方便”忽略现实。
相比之下,大气科学通过观测各种变量变化,才逐步建立理想气体定律。金融学本末倒置,先设模型再找数据,是其第一个大问题。
缺陷二:数据肤浅,只观察结果,不观测因果
金融研究只研究价格走势(如风速风向),却不观察价格变化的原因(相当于气压梯度)。
若只分析风速数据,自然只能得出“风速变化随机、无法预测”的结论。但气象学家通过测量气压差,就能预测风向风速的变化。图表显示,气压差是风速变化的重要因子。
金融界却从未建立类似变量间的定量关系,还沉迷在数学假设中无法自拔。
缺陷三:时间分辨率粗糙
大多数金融研究用的是“每日收盘价”,而忽略股市是连续交易的动态过程。
这就好比把贝多芬的交响乐每分钟取一个音符,然后拼凑播放,得出的结论是:“贝多芬的音乐只是噪音”。可这就是当前金融研究的方式。
天气预报则尊重连续性,一般不会超过 20 分钟的观测间隔。
结论
明白了这三大缺陷之后,也就不难理解:为何股市长期以来都被认为“不可预测”。其实,这是研究方法本身的局限性造成的。
ABI 系统正是为克服这三大缺陷而设计发展出的新方法。
(未完待续)