北派小说网

11古怪的模型（第1页）

11．古怪的模型

预测方法经常是对现实的过分简单化处理。

如果让你和最快的枪一决雌雄，你会觉得怎样？现在我们再让事情变得有意思一些。你同时又处于劣势：你的对手可以同样装上六发子弹，而你只能一发一发地接着装。

如果这样一种游戏很令你着迷，那么不妨想想进入令人激动不已的金融市场预测领域。你的任务在于预测那些可能影响证券价格的经济事件。挑战之处在于市场价格本身代表了对你力图预测的特定事件作出反应后得出的唯一值。

当突然而至的新闻改变了前景时，投资者也几乎能同时修正他们集体作出的预测。他们哄抬起股价或者压价股价。他们的举动所花的时间比起你查阅电脑再发布更新了的预测所有的时间费要少得多。换句话说，当你正在把弹药装进弹膛时，你已经中弹了。

但是，你可以不必非得拔出手枪动作快而成为一个成功者这一点是可以想象的。从本质上说，公众的即刻反应并不能反映了一个深思熟虑过后得到的分析结果。也就是说，一个设计完好的预测模型能够击败那些鲁莽行事的证券投资人。

这是许多预测体系的理论依据，但是它存在一个根本缺陷。现实中，如果说证券投资人在消息公布后的那一瞬间进行投资操作未必带来成功的投资。那么一个更加复杂的预测分析同时不能保证成功。如果你想总是击败你周围的大量公众，那么你所要的就是一个充分考虑了复杂经济现象的预测模型。这就意味着这一模型和经济本身一样复杂。

职业预测家可能会抗议说我设定的标准实在太高。毕竟全球经济活动包括了数以百万计的日常活动及相互作用。而且新的因素不断出现，包含的例子有新建的工厂、技术进步、政府监管的变化和其他许多东西。想要将这些可能相关的变量统统考虑进来几乎不可能。相应地，无论你想取得什么进展，你都得掌握一定量的可掌控资料。这一点很有必要，只要一个模型阐述主要的因果关系，那么它就必要抓住主要趋势。将细节省去很可能只产生细微的误差。

现在，我们已经知道，为了集中注意大事件，可以忽略次要的事件。但是至少有两件事是可能出错的。有经历表明这些脆弱性关非假设因素。

第一个问题是这种因果关系并不是长时间保持的。经常的原因是人自身的行为变化很难预料。例如，20世纪70年代末，美国人没能像模型假设的那样储蓄，因而两者储蓄率不一样。因为那时通货膨胀很严重，美国人普遍认为手持现金实在不明智。无论怎样，预测者并没有预料到美国储蓄率的下降。因而消费者的消费支出水平比模型预测的要高。第二个原因在于因为遗漏了大量的小事件，模型必然在大事件的预测上出错。为了简化现实，预测系统有时省略了一些细微之处，但它们有时却是十分关键的。这样的失误并非只局限于个体的模型。有时几乎所有实践者中都会出现这种情况。1992年所有投资银行都低估了抵押贷款的预付率就是例子。

通过背景资料可知，抵押支持的证券的价值严重依赖于私房业主归还其贷款本金的速度。就合同而言，借贷者总共可以用30年时间来偿债。但是通常他们的还债速度要快得多。一些预先支付的原因是可以预测的。一般地第一次买房的人随着其收入的增长将搬到更大的房子去。在这过程中，他们将还清抵押贷款。当人们接受一份新工作并要求在别处定居时也会出现这种情况。还是退休者也习惯在完全还清贷款前再搬出房子。

这些房屋股票的逆转来源因素是相当稳定的，人口变化逐渐改变预付率。然而，其他某些因素却引起相当大的变动，尤其是当利率下降时，许多私房业主通过获得新的更便宜的抵押贷款而还清债务。这一再融资行为将引起预付比正常水平高。

到1991年，抵押贷款支持的证券研究专家们已经对利率和预先支付之间的历史联系作了相当深入而广泛的研究。在假定10年期国库券的收益减少固定的情况下，他们的模型包括了依据充分的关于预先支付升高数额的假设。

尽管他们做了这么多工作，对于1991年早期预先支付额的急剧上升，这些模型还是估计过低。例如，考虑一下1986年发行的年利率为10%的这一类别抵押贷款。华尔街的专家们没能预先知道到1992年6月截止的12个月内，10年期国库券的收益率下跌了1。11%。平均下来，他们做出的10为期12月的预测仍比实际低了超过50%。错误的产生原因在于他们过于简单地假定所有的利率将上升或下降相同的大小幅度。事实上，10年期国库券收益率下跌了1。11%（由7。91%至6。29%），5年期国库券收益下跌了1。62%（由7。91%至6。29%）。事实上，20世纪80年代以来有日益增加的人选择更短期的抵押贷款。而这些较短期抵押贷款的持有人比那些较长期抵押贷款持有人对于收益率下降反应更为剧烈。

现存的模型对这一切都没有预测到。

显然我们不可能纠正模型的短视。类似的，预测者们可以调整他们的方法以反映行为的变化。然而，要想构建一个解释全球经济复杂性的模型却完全行不通。

这并不是说预测完全没有价值。相反，对于制造业工厂向前看是很有必要的。它们成功的一个关键因素在于根据需求制定产量。然而要注意，厂商一般也并不是只进行“单点”预测。假定工厂的销售预算为1000万单位。它事实上也考虑了实际需求为1100万的情况。额外的需求可以通过加班或临时雇工人来满足。如果相反需求跌落到900万单位，工厂可在通过解雇工人来弥补缺口。

在制造业的例子中，预测的价值很大情况下在于告诉厂商它们需要多大的变通弹性。在上述例子中，如果近期的需求剧增至1500万单位或剧减至500万单位，那么这时就需要更有效的方法了。这时工厂可能就需要构建新的生产能力或是关闭多余生产设施了。当然这种极端情况出现的可能性也比较小，预测者知道这一点将对其计划有很大帮助。

如果预测能考虑到一系列可能性，那么对于金融市场的预测将会更有帮助。实际上，如果你最信任的预测专家所做的关于股票市场收益率的预测从20%上升到25%，那么你很可能不对你的投资组合作根本修正。这种差异对于预测者自身而言是件很有意思的事情。他们可能随后又对数字作诡辩。但是对于你自己而言，股价下跌5%或者30%的可能性却关乎很多。如果你遭受的损失很大，那么后一种可能性将使你立即将股票变现。

令人遗憾的是，将各种可能性分布于一系列可能结果上的预测并不容易得到。当人们采访经济学家时，人们要他们填写的东西一般只涉及“比率和时间”。这一问题就像“在12月31日时道琼斯将在什么地方”一样太过简单。

我们已经看到，过于简单化将导致严重错误。预测模型必须将现实缩小到它们能应付的范围内。你依靠预测模型，那么你一定得确保对你的赌注作套期保值。否则就相当于玩一把装着弹药的枪一样。