2010年1月19日

預測對了就能夠獲利嗎?預測在證券市場中的局限性

一、股市預測五類人等

有位證券界朋友論及中國研究股市的人曾經說過:嘴、眼、手、腦、心。經濟學家用嘴研究問題:高談闊論;政治學家用眼研究問題:眼高手低;金融學家用手研究問題:百測不准;投資

家用腦思考問題:高套低逃。所謂"大家"用心研究問題:先知先覺。最無聊的是自稱破譯了什麼理論之類的人等,這些年我們見得多了。

做到先知先覺不可能,否則在證券市場上每個人都是百萬富翁了。投資者如果真能做到某種程度的預測,投資收益自然不言而喻。對未來的先知是人類的渴望,所以預測很早就有,占卜就是一種預測。預測的基本原理以最簡單易懂的說法是這樣一個模式:"已知-未知",或者"過去、現在-未來"。對"已知"的認識和把握程度最終決定對"未知"的認識和預估的準確性;預測的根本線索是事物發展的規律,因此,能否認識和利用規律也對預測結果的準確性有根本的影響

主流預測方法有技術分析、基礎分析、人工智慧等。近年來人工智慧進展很快,尤其是神經網路由於其快速簡便,

學習能力強的特點在預測應用中得到全面施展。因此,受到不少預測人士的追捧。其實,由於市場背景不同,投資者的群體行為不同,加之各抒已見使人難以把握其精華,從而經常引起歧義,甚至導致投資操作失誤。因此我們在此探討預測在證券市場技術分析中的局限性。

二、股市經典預測:技術分析與基礎分析

經典技術分析以均線系統為依託,主流技術以統計學等為基礎。技術分析主要是透過圖表或技術指標的記錄,研究市場過去及現在的行為反應,以推測未來價格的變動趨勢。技術分析包括指標技術分析和形態技術分析,研究手段本身也是互相交叉的。無論是指標技術分析,還是形態技術分析,其目的均是來預測市場發展的趨勢,同時表明這種趨勢是處於那一個階段。技術分析具有理性和客觀性的特點。但這種分析方法較複雜、而且有信號滯後、高位鈍化等缺陷,加上莊家的惡意騙線等因素,剛進入股票市場、技術分析不精的投資者不易掌握。基本分析主要是根據供應量和需求量及影響供求關係的各種因素的變化,來預測價格走勢。基本分析所遵循的一個基本經濟學原理就是供應的增加或需求的減少將導致價格下跌:反之,供應減少或需求的增加將導致價格上漲。基本分析具有直觀、容易掌握的優點,但基本分析普遍存在一項消息兩種看法的情形,主觀性色彩較濃。

目前對上述方法的批評很多了,在此不再一一贅述。

三、人工智慧預測

縱觀近年來人工智慧預測文獻,神經網路模型有良好的非線性品質,靈活而有效的學習方式,完全分散式的存貯結構。

目前許多預測軟體以神經網路作為廣告熱點,神經網路預測究竟是什麼呢?我們以神經網路BP模型為例,首先它是一種隱式模型,相當於一個黑箱,它將系統的結構含於網路的數值當中。一般將外生變數樣本觀察值或時間序列資料作為網路的輸入向量,將內生變數樣本值作為輸出,通過訓練網路可以預測因變數(或內在變數)下一步走向。無論系統模型是何種類型,用於表述或描述這些神經網路的框架結構是不變的,也正是由於這種特性,神經網路才擁有了學習能力。神經網路模型突破了傳統預測方法許多局限性。但神經網路並不是萬能的,至少存在以下方面不足:

1.缺乏統計合理性。

無論外推模型還是因果模型,都基於統計學,有一整套的統計檢驗,具有顯著的統計意義,而這正是神經網路預測的明顯不足,它無法給出預測值的區間。無法檢驗估計值的可靠性。相信結合統計學的神經網路預測研究將具有重要的意義。

2.不易解釋性。

各種定量或(客觀)預測方法的最終結果均以模型形式結果給出,容易結合經濟理論或各領域知識來解釋,並進行靈敏度分析、邊際分析,而神經網路系統的結構無法用顯示表達出來,解釋困難,採用該法預測有一定的風險。如果產出了錯誤的預測,常常無法解釋出錯的原因,回歸分析之後,常常要進行經濟合理性檢驗,如判斷某些系數值符號的正確性,而對於神經網路預測都無法進行類似檢驗。因它不僅缺乏統計檢驗準則,且無一定理論可遵循,不易解釋。

3.缺乏穩健性。

神經網路的優點是在於不斷學習與訓練,但卻不能辯識異常值,當異常值影響強烈時,神經網路模型也能給出擬合精度極高的估計。結果,顯然用於預測將產生大的偏差。故神經網路預測對資料品質要求較高。另一方面,應用研究表明,擬合精度高的模型並不完全意味著高的預測精度,而我們卻無法推知神經網路模型預測精度如何。

4.運算速度緩慢。

在運算方面,利用神經網路預測,每增加一個新的樣本,均要重新學習與訓練,花費大量的時間,其本身訓練與學習也十分緩慢,有時慢得令人難以忍受,變數選擇時更為嚴重,訓練函數及權值修正演算法影響速度,且神經網路預測用於長期預測有一定困難。

5.隱節點難確立(隱層數及神經元的經驗性與任意性)

網路的隱含層數,隱節點個數及神經元能量函數的確定純粹憑經驗或湊試,帶有一定的任意性,一方面影響到訓練與學習時間與最後結果的精度,另一方面也關係到這一方法的普及。

6.宏觀預測困難。

宏觀社會經濟問題,變數間相互關聯,相互影響,相互制約,僅憑單一方程是不足的。計量經濟聯立議方模型在宏觀預測中起著舉足輕重的作用,但它卻主要基於線性模型,解決非線性問題存在一系列困難。神經網路強調預測方法雖然在解決非線性問題方面具有優越性,卻面對因變數間關聯束手無策。

7.模型選擇的困難。

神經網路預測由於缺乏統計機理,變數選擇十分困難,無法給出相關的顯著性統計準則,也難以給出合適的變數選擇準則,顯然僅以精度準則是有缺陷的。我們知道,模型中包括不相關變數或略去重要變數均將對預測結果產生重要影響,且使結果失去可信。因此,開發相應的變數選擇方法是神經網路預測研究者面臨的十分棘手的問題,也是首先應該解決的問題。只有這樣,才可以使得我們不僅知其然,而且知其所以然。

四、證券市場預測的四大困難

我們對自然世界的預測與對金融世界的預測似乎是不同的,至少有四大困難需要克服:

預測困難之一是在於人們對於世界的理解總是不完善的,因此預測也總是不准的。索羅斯耗盡心血所構思的那些想法使得每一個人都大感困惑不解,實際上,他的主題思想就在於,我們對於生活其中的這個世界的理解從根深蒂固的層面上看,是相當不全面的。索羅斯認為,區別准平衡和極度失衡兩種狀況,對於投資者來說極其重要。兩者之間的分野十分模糊,常常有一些力量和勢力,將人們投入到極端失衡的狀態中。但是他自己也承認這並不能說明他已經掌握足以清晰地解釋或預測這種情形的成熟理論,他還只是處於摸索階段。

預測困難之二在於預測模型的設定,主要是由於金融系統的多群體、多層次、多事件、非線性和時變動態本質,使得傳統的預測模型受到限制。數學方面涉及許多複雜深奧的理論和演算法,遠非一、兩個數學家可以獨立完成的,更何況研究涉及資訊技術方面的支援。

預測困難之三是在於預測與決策的依存關係,主要是為了做出投資決策而需要瞭解的局勢(總體環境),實際上又是受到這些決策浴移默化的影響的,在參與某些事件的人的期望值與這些事件的實際結果之間,存在著不可改變的差異。有時,這類差異過於微不足道,人們幾乎可以視而不見;然而,在其他情況下,這種差異卻又是如此之大,例如證券市場等波動型市場,以致于能夠成為確定事件過程的關鍵因素。

預測困難之四是在於金融資訊與獲得資訊的方法不可以共用。證券業是金融界中一個歷史悠久的行業,國內外有關預測技術方面的書籍和文章並不匣乏。然而,我們幾乎找不到較為優秀的股市預測技術,究其原因不外乎如此,在股市中賺大錢的人無暇無心推介其獨門秘技,而拼命介紹者往往不是賺不到大錢就是還沒有賺到大錢的人。華爾街聚集著許多的數學天才,他們將自己的預測分析與實戰經驗融匯為理論、模型和指標,但是從來秘不示人。或許這就是為什麼多年來,許多研究者致力於非線性時間序列分析和非線性模型預測的證券研究,但是成果不顯著。在索羅斯後來成名後才暢銷一時的《金融煉金術》(TheAlchemyOfFinance)是這位金融大師畢生心血的結晶。但是,或許正是因為這本暴露思想的書和引人注目的招搖使其喪失了一世梟名。

因此,任何不考慮上述因素的預測方法,都應有待進一步研究。

五、股市預測的科學思維

對投資者而言,人在預測過程之中怎樣形成自己的思維方式呢?科學方法論的常識是:重視對資訊的把握和對規律的認識;努力鍛煉、勤於思考、善於總結,形成科學的思維習慣和方式;借助現代技術增強自己認識事物和分析問題的能力和手段。預測本身要借助數學等方法論,例如有時我們可以通過抽樣設計和調查等科學方法來確定某種情況發生的可能性,同時也要借助于先進的資訊技術手段。以下幾個基本原則可能會對從事預測研究的工作者有些啟發:

1、相關原則。建立在"分類"的思維高度,關注事物(類別)之間的關聯性,當瞭解(或假設)到已知的某個事物發生變化,再推知另一個事物的變化趨勢。最典型的相關有正相關和負相關,從思路上來講,不完全是資料相關,更多的是"定性"的。從總體上觀察,與股市高度相關的市場至少有期市、匯市、資本市場等。

2、慣性原則。任何事物發展具有一定慣性,即在一定時間、一定條件下保持原來的趨勢和狀態,這也是大多數傳統預測方法的理論基礎,如"線性回歸"等趨勢外推法。這些原則在證券市場上非常適用,甚至由於錯誤的自我強化使之非線性特徵明顯,每次矯枉過正,從而出現巨幅波動。

3、類推原則。這個原則也是建立在"分類"的思維高度,關注事物之間的關聯性。證券市場經常出現板塊之間的輪動,某一隻股票帶動所屬板塊,該板塊又帶動相關板塊,最終誘發大盤啟動。同理,城門失火、殃及池魚的現象也舉不勝舉。但是類推不可以顧名思義,許多投資者僅僅由於某公司一改名為"XX高科"、"XX科技"或者剛置換了一點有科技含量的資產,就認為該公司變成了高科技公司。

4、概率推斷原則。我們不可能完全把握未來,但根據經驗和歷史,很多時候能大致預估一個事物發生的大致概率,根據這種可能性,採取對應措施。散戶、大戶和莊家投資博弈型決策都在不自覺地使用這個原則。但是可悲的是投資者偏好于實驗自己的判斷,源源不斷的新投資者進入,陸陸續續的老投資者的退出,形成了過度自信的投資者主導證券市場的局面。世界上根本不存在這樣的預測技術,它可以在任何一個期間、針對任何一支股票都是屢試不爽。我們必須分析資料依據、預測模型、設計原理、理論背景、應用範圍和不足之處等等,這對於預測技術分析方法的選擇是十分重要的。只有這樣,投資者才能夠準確、自如地選擇與運用技術分析指標。

沒有留言: