随机事例无序性破坏表明有内在规律
于德浩
2019.8.13
随机事例的产生一般具有平稳无序性。比方说,掷硬币正反出现的概率各是50%,那么随机事例产生顺序大致是{0,1,0,1,0,0,1,1},而{00000,11111}这种好像有规律的时序应该很少出现。
也就是说,总共有1000个事例,正反各占1/2。我们随意截取一个100个事例的连续片段或者10个事例的连续片段,还是有正反各占1/2。抽样中的子样完全具有了总样的特征。这种随机事例的平稳无序性,就表明每次掷硬币出现正反面是无规律的。我们就不要再耗费精力去预测下一次必然会正面或反面。
然而,有些子样并不能反应总体的特征。彼得林奇曾经说过,“金融学教材中统计,股市平均每年上涨大约+8%。可是,我从来没有见过哪年真上涨过+8%。我所看到的是,要么某几年连续大涨+200%,要么某几年连续大跌50%。”
比方说,我们说有一个随机分布,标准差是2%,期望值是0%。我们脑海中的印象大体就是这样一个序列{2%,-2%,2%,-2%,2%,2%,-2%,-2%,2%,-2%}。实际中,可能是这样,{3.5%,0,3.5%,0,-2.3%,0,-2.3%,0,-2.3%,0}。这也有整体的期望值是0,标准差是2%。
显然,如果我们截取前面的片段,是期望值为+1.75%,标准差1.75%;如果截取后面的连续片段,就是期望值是-1.15%,标准差是1.15%。从某种意义讲,我们如果认为期望值是0,这在局部表现中是没有意义的。
我以前讲过猜“红灯亮”的案例。如果红灯亮的概率是70%,绿灯是30%,那么我们的最佳策略就是,每次都猜红灯亮。如果随机事例产生具有无序性,那么每一个局部计分我们都是70%猜对。但是,如果随机无序性被破坏,局部出现连续10次绿灯亮,那么我们猜“红灯亮”在这局部十次的战绩就是0分,全猜错了。
所以,我们一般要从期初坚持到期末。要猜就猜100次全是红灯亮,而不是因为期间曾连续10次绿灯亮而怀疑我们当初的判断。
我们一般是假设随机事例具有无序性。因为,“无序性”对应的排列量子态简并度更多,而某种有序性排列的简并度只是1。所以,无序性是最概然分布。
而在生活实践中,如果随机事例的有序性反而出现的更多,那就说明,这是有内在规律的。只不过,这个规律很难找;或者说,我们只是要求达到某一个具体目标,而没必要去找演化规律。
比方说,股价涨跌的分布是高斯分布。但是,实际随机事例的时序性大都是先涨后跌或先跌后涨,而不是无序性的频繁上下震荡占比更多。
不过,在投资实践中,我们也可以不去找寻这很有难度的股价实时涨跌规律。就像巴菲特所言,“我知道股价在十年内必有翻3倍的时候。是耗时几个月还是几年或更长,这无法预测,不过这都无所谓。”
当然,从另一方面讲,既然股价随机涨跌的无序性被破坏了,那么就表明股价涨跌是有规律的,只是这个规律很难被发现。也就是,如果继续研究股价涨跌的内在规律,也许是可行的,本质上可能不会枉费心机。