極端波動的基本面

在結(jié)束這個故事之前，我們先要更深入地了解波動性，知道該如何對波動性進(jìn)行分析。針對波動性問題，經(jīng)濟(jì)學(xué)家和?學(xué)家們都提出了大量的理論，試圖對其進(jìn)行解釋。雖然了解波動性并不一定需要了解這些理論背后高深的數(shù)學(xué)知識，但理解了極端波動性的來源可以幫助我們更好地做出應(yīng)對。我把極端波動性的來源分為三類：現(xiàn)實世界的復(fù)雜性、市場上的集體行為以及二者之間可能存在的正反饋效應(yīng)（圖1.1）。預(yù)測某個公司或某個行業(yè)未來的結(jié)果一般都要求要有簡單、線性的模型，但我們都知道，按照自然學(xué)家的理論，現(xiàn)實世界是非常復(fù)雜的， 他們發(fā)現(xiàn)了蝴蝶效應(yīng)、自組織臨界性以及其他的非線性過程。

蝴蝶效應(yīng)開啟了短期預(yù)測的時代

天氣預(yù)報員很久以前就察覺到了大氣的非線性特征，他們把這種現(xiàn)象稱為蝴蝶效應(yīng)。由于電影《侏羅紀(jì)公園》的熱映，人們已經(jīng)對這一概念耳熟能詳了：印度洋上一只蝴蝶扇動翅膀這樣一件看起來毫不起眼的事，通過一系列復(fù)雜的相互作用卻有可能會在大西洋上引發(fā)颶風(fēng)。如果企業(yè)和經(jīng)濟(jì)的基本面也受到類似效應(yīng)的影響，那么想要進(jìn)行長期的預(yù)測幾乎就不可能了。這也就意味著，要從現(xiàn)在開始集中精力進(jìn)行短期預(yù)測。

很多人都認(rèn)為長期投資比短期交易更為可取，但在極端波動的時期內(nèi)，這種理念就未免有些不切實際了。由于有了更好的模型和更細(xì)致的數(shù)據(jù)，預(yù)測短期天氣的準(zhǔn)確性已經(jīng)取得了很大的進(jìn)步，對于那些在其他領(lǐng)域與波動性做斗爭的分析師來說，他們可以把提高預(yù)測的準(zhǔn)確度當(dāng)成自己的目標(biāo)。

“蝴蝶效應(yīng)”一詞是由麻省理工學(xué)院的學(xué)家愛德華·羅倫茲（Edward Lorenz）在20世紀(jì)60年代早期提出來的。

一只蝴蝶攪起了颶風(fēng)

當(dāng)時羅倫茲正在利用計算機(jī)模型模擬天氣，有一次，為了方便，他把上一次計算中間得到的數(shù)值作為初值輸入模型開始計算，結(jié)果卻發(fā)現(xiàn)輸出的數(shù)值有了奇怪的變化。他把上一次模擬運行中得到的大洋表面的溫度值（問題中的變量）作為初值輸入了模型，并希望程序從這一點開始繼續(xù)進(jìn)行模擬。經(jīng)過一段時間之后，他卻發(fā)現(xiàn)雖然是同樣的程序、同樣的輸入值，但新的模擬過程與原來的模擬過程出現(xiàn)了差異。隨后他恍然大悟，原來他輸入的溫度數(shù)值只保留了3位小數(shù)，而計算機(jī)處理的結(jié)果有6位小數(shù)。這一微小的區(qū)別最終導(dǎo)致了結(jié)果的巨大差異（圖1.2）。在技術(shù)上，這種現(xiàn)象被稱做“對初始條件具有極為敏感的依賴性”。

在羅倫茲創(chuàng)造出蝴蝶效應(yīng)這個術(shù)語后，50年來，此種效應(yīng)一直讓天氣預(yù)報人員束手無策。根據(jù)對天氣預(yù)報人員工作的研究發(fā)現(xiàn)，第一個12小時之后的預(yù)報結(jié)果的準(zhǔn)確度迅速降低。懷疑論者質(zhì)疑，在天氣預(yù)報這一行當(dāng)里是否真的有什么能夠預(yù)測長期天氣的方法。不過，近年來短期天氣預(yù)報的準(zhǔn)確度確實大為提高。

據(jù)美國氣象學(xué)會的數(shù)據(jù)顯示，從1987年到2004年，龍卷風(fēng)預(yù)警的名義提前期已經(jīng)從不到5分鐘提高到13分鐘。2006年，提前48小時發(fā)布的颶風(fēng)預(yù)報的平均路徑誤差（track error）與10年前24小時預(yù)報的誤差大致相同。2006年，冬季雪暴預(yù)警的提前期平均為17小時，相比1999年提高了70%。美國氣象學(xué)會每月和每三月發(fā)布的預(yù)報準(zhǔn)確度也有所提高。歐洲中期天氣預(yù)報中心的一項研究表明，在過去10年中，北半球大氣壓力的可預(yù)測性提高了1天，也就是說，如今4到5天的預(yù)報精度與10年前3到4天的預(yù)測精度大致相當(dāng)。在南半球，最近3年來在預(yù)報精度上也取得了類似的進(jìn)步。

進(jìn)步的原因在哪里呢？羅倫茲在模擬運行中所遇到的問題借由新技術(shù)和更為可靠的信息部分得以解決。更高精度的數(shù)據(jù)可以減少天氣模型中初值本身所帶來的誤差，這就相當(dāng)于羅倫茲在重新開始模擬運行的時候輸入的初值保留了4位或者5位小數(shù)，而不是3位。

星載設(shè)備可以針對當(dāng)前狀況收集到更多的數(shù)據(jù)，包括微波輻射、濕度和表面風(fēng)速——這對南半球而言尤為重要，因為從其他渠道收集到的關(guān)于海洋的信息非常有限。除了精度更高的數(shù)據(jù)之外，更為精良的電建模手段也提高了預(yù)報能力。

蝴蝶效應(yīng)似乎也給預(yù)測商業(yè)的基本面造成了一定的影響。懷疑論者長期以來對經(jīng)濟(jì)預(yù)測持批評態(tài)度，認(rèn)為從統(tǒng)計數(shù)據(jù)來看，經(jīng)濟(jì)學(xué)家在進(jìn)行長期預(yù)測方面并沒有出色的表現(xiàn)，更別說預(yù)測經(jīng)濟(jì)中的拐點了。與氣象學(xué)的狀況相對照，在過去30年中，經(jīng)濟(jì)學(xué)家對經(jīng)濟(jì)的預(yù)測精度并沒有明顯的提高。針對證券分析師們所做出的預(yù)測，也有類似的批評，對此我深有同感。我的長期預(yù)測常常被證明是不準(zhǔn)確的，其原因不僅在于個別公司時有異動，也在于常常發(fā)生一些不可測的宏觀事件，比如：1998年全球貨幣危機(jī)、高新技股泡沫的破裂、“9·11”恐怖襲擊、經(jīng)濟(jì)衰退、通縮恐慌、美聯(lián)儲貨幣政策以及房地產(chǎn)市場的大起大落等。

由于面臨著上述這些挑戰(zhàn)，分析師們應(yīng)該向天氣預(yù)報員學(xué)習(xí)：先把注意力放在短期預(yù)測上，提高預(yù)測的準(zhǔn)確度。還要像羅倫茲那樣，在預(yù)測出現(xiàn)異常時提高警覺，這個信號意味著需要重建或重新校準(zhǔn)模型。當(dāng)然，長期展望也非常重要，不過，長期預(yù)測可以看做是一系列短期預(yù)測的組合，其準(zhǔn)確度需要嚴(yán)密監(jiān)控。房利美的故事告訴我們：理解短期預(yù)測非常重要。

 注：以上內(nèi)容圖略，圖片內(nèi)容請參考原圖書