极端波动的基本面

在结束这个故事之前，我们先要更深入地了解波动性，知道该如何对波动性进行分析。针对波动性问题，经济学家和?学家们都提出了大量的理论，试图对其进行解释。虽然了解波动性并不一定需要了解这些理论背后高深的数学知识，但理解了极端波动性的来源可以帮助我们更好地做出应对。我把极端波动性的来源分为三类：现实世界的复杂性、市场上的集体行为以及二者之间可能存在的正反馈效应（图1.1）。预测某个公司或某个行业未来的结果一般都要求要有简单、线性的模型，但我们都知道，按照自然学家的理论，现实世界是非常复杂的， 他们发现了蝴蝶效应、自组织临界性以及其他的非线性过程。

蝴蝶效应开启了短期预测的时代

天气预报员很久以前就察觉到了大气的非线性特征，他们把这种现象称为蝴蝶效应。由于电影《侏罗纪公园》的热映，人们已经对这一概念耳熟能详了：印度洋上一只蝴蝶扇动翅膀这样一件看起来毫不起眼的事，通过一系列复杂的相互作用却有可能会在大西洋上引发飓风。如果企业和经济的基本面也受到类似效应的影响，那么想要进行长期的预测几乎就不可能了。这也就意味着，要从现在开始集中精力进行短期预测。

很多人都认为长期投资比短期交易更为可取，但在极端波动的时期内，这种理念就未免有些不切实际了。由于有了更好的模型和更细致的数据，预测短期天气的准确性已经取得了很大的进步，对于那些在其他领域与波动性做斗争的分析师来说，他们可以把提高预测的准确度当成自己的目标。

“蝴蝶效应”一词是由麻省理工学院的学家爱德华·罗伦兹（Edward Lorenz）在20世纪60年代早期提出来的。

一只蝴蝶搅起了飓风

当时罗伦兹正在利用计算机模型模拟天气，有一次，为了方便，他把上一次计算中间得到的数值作为初值输入模型开始计算，结果却发现输出的数值有了奇怪的变化。他把上一次模拟运行中得到的大洋表面的温度值（问题中的变量）作为初值输入了模型，并希望程序从这一点开始继续进行模拟。经过一段时间之后，他却发现虽然是同样的程序、同样的输入值，但新的模拟过程与原来的模拟过程出现了差异。随后他恍然大悟，原来他输入的温度数值只保留了3位小数，而计算机处理的结果有6位小数。这一微小的区别最终导致了结果的巨大差异（图1.2）。在技术上，这种现象被称做“对初始条件具有极为敏感的依赖性”。

在罗伦兹创造出蝴蝶效应这个术语后，50年来，此种效应一直让天气预报人员束手无策。根据对天气预报人员工作的研究发现，第一个12小时之后的预报结果的准确度迅速降低。怀疑论者质疑，在天气预报这一行当里是否真的有什么能够预测长期天气的方法。不过，近年来短期天气预报的准确度确实大为提高。

据美国气象学会的数据显示，从1987年到2004年，龙卷风预警的名义提前期已经从不到5分钟提高到13分钟。2006年，提前48小时发布的飓风预报的平均路径误差（track error）与10年前24小时预报的误差大致相同。2006年，冬季雪暴预警的提前期平均为17小时，相比1999年提高了70%。美国气象学会每月和每三月发布的预报准确度也有所提高。欧洲中期天气预报中心的一项研究表明，在过去10年中，北半球大气压力的可预测性提高了1天，也就是说，如今4到5天的预报精度与10年前3到4天的预测精度大致相当。在南半球，最近3年来在预报精度上也取得了类似的进步。

进步的原因在哪里呢？罗伦兹在模拟运行中所遇到的问题借由新技术和更为可靠的信息部分得以解决。更高精度的数据可以减少天气模型中初值本身所带来的误差，这就相当于罗伦兹在重新开始模拟运行的时候输入的初值保留了4位或者5位小数，而不是3位。

星载设备可以针对当前状况收集到更多的数据，包括微波辐射、湿度和表面风速——这对南半球而言尤为重要，因为从其他渠道收集到的关于海洋的信息非常有限。除了精度更高的数据之外，更为精良的电建模手段也提高了预报能力。

蝴蝶效应似乎也给预测商业的基本面造成了一定的影响。怀疑论者长期以来对经济预测持批评态度，认为从统计数据来看，经济学家在进行长期预测方面并没有出色的表现，更别说预测经济中的拐点了。与气象学的状况相对照，在过去30年中，经济学家对经济的预测精度并没有明显的提高。针对证券分析师们所做出的预测，也有类似的批评，对此我深有同感。我的长期预测常常被证明是不准确的，其原因不仅在于个别公司时有异动，也在于常常发生一些不可测的宏观事件，比如：1998年全球货币危机、高新技股泡沫的破裂、“9·11”恐怖袭击、经济衰退、通缩恐慌、美联储货币政策以及房地产市场的大起大落等。

由于面临着上述这些挑战，分析师们应该向天气预报员学习：先把注意力放在短期预测上，提高预测的准确度。还要像罗伦兹那样，在预测出现异常时提高警觉，这个信号意味着需要重建或重新校准模型。当然，长期展望也非常重要，不过，长期预测可以看做是一系列短期预测的组合，其准确度需要严密监控。房利美的故事告诉我们：理解短期预测非常重要。

 注：以上内容图略，图片内容请参考原图书