極端波動的基本面

在結束這個故事之前，我們先要更深入地了解波動性，知道該如何對波動性進行分析。針對波動性問題，經(jīng)濟學家和?學家們都提出了大量的理論，試圖對其進行解釋。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對。我把極端波動性的來源分為三類：現(xiàn)實世界的復雜性、市場上的集體行為以及二者之間可能存在的正反饋效應（圖1.1）。預測某個公司或某個行業(yè)未來的結果一般都要求要有簡單、線性的模型，但我們都知道，按照自然學家的理論，現(xiàn)實世界是非常復雜的， 他們發(fā)現(xiàn)了蝴蝶效應、自組織臨界性以及其他的非線性過程。

蝴蝶效應開啟了短期預測的時代

天氣預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。由于電影《侏羅紀公園》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，通過一系列復雜的相互作用卻有可能會在大西洋上引發(fā)颶風。如果企業(yè)和經(jīng)濟的基本面也受到類似效應的影響，那么想要進行長期的預測幾乎就不可能了。這也就意味著，要從現(xiàn)在開始集中精力進行短期預測。

很多人都認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致的數(shù)據(jù)，預測短期天氣的準確性已經(jīng)取得了很大的進步，對于那些在其他領域與波動性做斗爭的分析師來說，他們可以把提高預測的準確度當成自己的目標。

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

一只蝴蝶攪起了颶風

當時羅倫茲正在利用計算機模型模擬天氣，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)，而計算機處理的結果有6位小數(shù)。這一微小的區(qū)別最終導致了結果的巨大差異（圖1.2）。在技術上，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)造出蝴蝶效應這個術語后，50年來，此種效應一直讓天氣預報人員束手無策。根據(jù)對天氣預報人員工作的研究發(fā)現(xiàn)，第一個12小時之后的預報結果的準確度迅速降低。懷疑論者質疑，在天氣預報這一行當里是否真的有什么能夠預測長期天氣的方法。不過，近年來短期天氣預報的準確度確實大為提高。

據(jù)美國氣象學會的數(shù)據(jù)顯示，從1987年到2004年，龍卷風預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)布的颶風預報的平均路徑誤差（track error）與10年前24小時預報的誤差大致相同。2006年，冬季雪暴預警的提前期平均為17小時，相比1999年提高了70%。美國氣象學會每月和每三月發(fā)布的預報準確度也有所提高。歐洲中期天氣預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測性提高了1天，也就是說，如今4到5天的預報精度與10年前3到4天的預測精度大致相當。在南半球，最近3年來在預報精度上也取得了類似的進步。

進步的原因在哪里呢？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。

星載設備可以針對當前狀況收集到更多的數(shù)據(jù)，包括微波輻射、濕度和表面風速——這對南半球而言尤為重要，因為從其他渠道收集到的關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報能力。

蝴蝶效應似乎也給預測商業(yè)的基本面造成了一定的影響。懷疑論者長期以來對經(jīng)濟預測持批評態(tài)度，認為從統(tǒng)計數(shù)據(jù)來看，經(jīng)濟學家在進行長期預測方面并沒有出色的表現(xiàn)，更別說預測經(jīng)濟中的拐點了。與氣象學的狀況相對照，在過去30年中，經(jīng)濟學家對經(jīng)濟的預測精度并沒有明顯的提高。針對證券分析師們所做出的預測，也有類似的批評，對此我深有同感。我的長期預測常常被證明是不準確的，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、高新技股泡沫的破裂、“9·11”恐怖襲擊、經(jīng)濟衰退、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)，分析師們應該向天氣預報員學習：先把注意力放在短期預測上，提高預測的準確度。還要像羅倫茲那樣，在預測出現(xiàn)異常時提高警覺，這個信號意味著需要重建或重新校準模型。當然，長期展望也非常重要，不過，長期預測可以看做是一系列短期預測的組合，其準確度需要嚴密監(jiān)控。房利美的故事告訴我們：理解短期預測非常重要。

 注：以上內(nèi)容圖略，圖片內(nèi)容請參考原圖書