预测市场?预测股票?如何让预测有更高的准确率?

我们发现在足球赛中,只要知道一个简单的讯息(主队过去的获胜机率超过一半),预测力就会明显好过随便乱猜。如果再加上第二个简单的讯息(胜负纪录较佳的队伍会略占优势),可以再进一步提升预测力。除此之外,你可能还想收集其他讯息,像是四分卫最近的表现、球队有没有伤兵、明星跑卫的花边新闻,但这些资讯对预测的帮助不大。换句话说,预测复杂系统这件事依循着「收益递减定律」:第一个讯息很有帮助,但很快就找不到有帮助的其他讯息。

对于某些事件,我们当然会非常计较预测的准确性,像是投放线上广告或投资高频交易(HFT),可能一天内就要预测数百万、数十亿次,而且金额相当庞大。投入极大心力与费用、运用最精细的运算模型来开发复杂的预测方式,在那种情况下或许值得。但在其他商业领域,例如制作电影、出版书籍到发展新技术,只需要一年预测数十次、顶多数百次,而且这不过是整个决策过程中的一部分。这时,我们只要借助相对简单的方式,就可以让预测臻至完善。

预测时,不该只根据一人的意见就做决定——尤其是你自己的意见。虽然人们善于察觉与特定问题相关的因素,却往往不会评估因素之间的相对重要性。譬如,预测电影的首映週末票房时,你可能会认为一些变项都是高度相关,例如制作费、宣传费、上映厅数、试映会评价。没错。但我们要如何权衡「评价不优」与「额外行销预算:一千万美元」之间的比重?这没有一定答案。同样,在决定分配行销预算的方法时,要如何判断多少人会受到网路或杂志广告影响,又有多少人会从亲朋好友那边听到产品讯息?我们也不清楚。唯一知道的是,这些因素都可能相关。
图/envato
你可能会以为,精准判断应该是专家的强项。但正如泰特洛克的试验结果,专家在量化预测上的表现,其实跟普通人一样糟糕,甚至可能更糟。然而,我们依赖专家之所以会成效不彰,不是因为专家的预测力跟一般人没两样。问题在于,我们通常一次只会谘询一位专家(否则何必找专家)。但我们应该要综合多人的意见(无论是专家或非专家)再取平均值。至于要如何达成?这其实没那么重要。

尽管预测市场有各种花俏的噱头与技术,表现也比民调这类简单方式好一点,但这种微小差异,还不如採用某种方式简单综合许多观点再取平均。或者,我们也可以直接根据歷史数据,评估各项因素的相对重要性——这实际上就是统计模型在做的事。我必须再强调一次,虽然复杂模型可能会比简单模型好一点,但两者的差异小到几乎没有差别。到头来,模型跟群众所能达到的预测目的都一样。第一,这两种预测方式都要靠人为判断,确认哪些因素与预测相关。第二,两者皆需要估计、权衡那些因素的相对重要性。正如心理学家罗宾.道斯所言:「诀窍在于,找到要注意的变项,然后知道如何加入它们。」

只要一直使用这个诀窍,一段时间后,就会知道哪一些预测的失误率较小,哪一些较大。举例来说,当你要预测一个事件的结果,假如其他条件都相同,那越早做预测的失误率就越大。不管你用什么方法预测电影票房,在「刚开拍」时会比「上映前几週」时要难得多。同样,如果你想预测尚未上市的新产品销量,那准确度可能不会高过预测已上市的产品。

你无法解决这个问题,唯一能做的只有:使用其中一种方式,或甚至结合几种方式,就像我们研究预测市场时的方法,然后随时观察、记录预测的表现。我在第 6 章开头也提过,一般人通常不习惯追踪自己的预测。我们做了大量预测,却很少回头检视自己对了几次。然而,留意并记录预测成效或许才是最重要的事,唯有如此,你才能知道准确度是多少,进而知道自己预测的可信度。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/8967.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Centos固定静态ip地址

这里我用的是Vmware虚拟机搭建的三台机器 进入 cd /etc/sysconfig/network-scripts然后使用 ip addr命令,查看自己虚拟机的以太网地址。 我这里是ens33 上面的第一个选项是本地环回地址,不用管它 然后查看刚刚进入的network-scripts目录下的文件 找到…

ChatPPT开启高效办公新时代,AI赋能PPT创作

目录 一、前言二、ChatPPT的几种用法1、通过在线生成2、通过插件生成演讲者模式最终成品遇到问题改进建议 三、ChatPPT其他功能 一、前言 想想以前啊,为了做个PPT,我得去网上找各种模板,有时候还得在某宝上花钱买。结果一做PPT,经…

【回溯算法】【Python实现】TSP旅行售货员问题

文章目录 [toc]问题描述回溯算法Python实现时间复杂性 问题描述 给定一组城市和它们之间的距离矩阵,找到一条距离最短的路径,使得旅行商从一个城市出发,经过所有城市恰好一次,并最终回到出发城市 回溯算法 旅行售货员问题的解空间…

2.1初识Spark

Spark于2009年诞生,最初是加州大学伯克利分校的研究项目。2013年加入Apache孵化器项目,2014年成为Apache顶级项目。Spark以内存内运算技术为核心,包含多个计算框架,成为大数据计算领域的后起之秀,打破了Hadoop的基准排…

域名系统(DNS)、DNS 服务器和 IP 地址概念解释

​  域名系统、DNS服务器和IP地址是构成互联网基础设施的重要部分。它们共同协作,使得人们能够方便地使用各种网络服务,而无需去记住复杂的数字地址。那么,域名系统、DNS 服务器和 IP 地址又该如何理解?本文主要讲讲关于这几个名词的概念解…

自己动手实现BatchNorm(pytorch实现)

BatchNorm可以加速模型的收敛并且缓解梯度消失问题,是深度学习领域常用的一个技术 最近仔细学习了BatchNorm的原理,因此想自己动手实现一下它,加深理解 代码如下: import torch import torch.nn as nnclass MyBatchNorm(nn.Mod…

多线程使用说明

一、如何创建多线程 1、继承Thread类 如果调用run方法,相当于还是只有一条main线程,会把run的线程当成一条普通对象,如下,t会执行完再往下执行,这样t就不是一个线程类,而是一个普通的对象,所以必…

作文笔记9 修辞手法

反问 加强XX语气 强调XX情感 难道我不拿充电器你就不能用电脑了吗? 一般里面带有双重否定 设问 引发读者兴趣 我真的爱她吗?爱个屁 对比 给人鲜明形象和强烈感受 XX同学总是主动问老师有什么作业;而YY同学总是被老师提醒写作业。 排比…

Python网络编程 03 实验:FTP详解

文章目录 一、小实验FTP程序需求二、项目文件架构三、服务端1、conf/settings.py2、conf/accounts.cgf3、conf/STATUS_CODE.py4、启动文件 bin/ftp_server.py5、core/main.py6、core/server.py 四、客户端1、conf/STATUS_CODE.py2、bin/ftp_client.py 五、在终端操作示例 一、小…

Linux系统入侵排查(三)

前言 对我处在学生时期的我来说,目前web渗透还是为主,但是还是需要对于蓝队相关的应急响应,等保测评等还是需要有一定的了解的,攻防兼备才能越站越勇嘛,linux入侵排查也能够让我更加熟悉liunx命令,本篇博文紧接上一篇博文开始进行. 为什么要做系统入侵排查 当企业发生黑客入…

2024华为数通HCIP-datacom最新题库(变题版)

请注意,华为HCIP-Datacom考试831已变题 请注意,华为HCIP-Datacom考试831已变题 请注意,华为HCIP-Datacom考试831已变题 近期打算考HCIP的朋友注意了,如果你准备去考试,还是用的之前的题库,切记暂缓。 H1…

本地搭建springboot服务并实现公网远程调试本地接口

💝💝💝欢迎来到我的博客,很高兴能够在这里和您见面!希望您在这里可以感受到一份轻松愉快的氛围,不仅可以获得有趣的内容和知识,也可以畅所欲言、分享您的想法和见解。 推荐:kwan 的首页,持续学…

HTML5 Canvas发光Loading动画源码

源码介绍 之前我们分享过很多基于CSS3的Loading动画效果,相信大家都很喜欢。今天我们要来分享一款基于HTML5 Canvas的发光Loading加载动画特效。Loading旋转图标是在canvas画布上绘制的,整个loading动画是发光3D的视觉效果,HTML5非常强大。 …

8.删除有序数组中的重复项 II

文章目录 题目简介题目解答解法一:双指针(快慢指针)代码:复杂度分析: 题目链接 大家好,我是晓星航。今天为大家带来的是 删除有序数组中的重复项 II 相关的讲解!😀 题目简介 题目解…

学习100个Unity Shader (17) --- 深度纹理

文章目录 效果shader部分C# 部分理解参考 效果 shader部分 Shader "Example/DepthTexture" {SubShader{Pass{CGPROGRAM#pragma vertex vert#pragma fragment frag#include "UnityCG.cginc"sampler2D _CameraDepthTexture;struct a2v{float4 pos : POSITIO…

20个硬核Python脚本

整理了一个覆盖面比较广泛的Python脚本示例,涉及到机器学习、数据处理、还有算法er可能会遇到自己写后台的一些案例。 另外,每个模块底部提供了对于官网文档,更加方便的查询具体的使用方法。 内容由简到难,如果对你有帮助的话希…

运行时数据区-基础

运行时数据区-基础 为什么学习运行时数据区Java内存区域(运行时数据区域)和内存模型(JMM) 区别组成部分(jdk1.7 / jdk1.8)从线程隔离性分类与类加载的关系每个区域的功能参考文章 为什么学习运行时数据区 …

在安卓应用中实现Socket通信:创建服务端和客户端

介绍:本文主要介绍在安卓中使用Socket创建服务端和客户端进行通信,服务端可以管理多个客户端连接,完善的异常处理,接口回调,可以满足大部分需求,更多功能自行拓展… 关于Socket套接字: 是网络上…

linux开发笔记(F1C200S)折腾weston桌面

参考文章: 1、嵌入式桌面(1)——weston桌面_qt weston-CSDN博客 2、https://blog.51cto.com/u_16213414/9171009 3、weston.ini: configuration file for Weston — the reference Wayland compositor | weston File Formats | Man Pages …

文献速递:深度学习医学影像心脏疾病检测与诊断--基于深度学习的PET图像重建与运动估计

Title 题目 Deep Learning Based Joint PET Image Reconstruction and Motion Estimation 基于深度学习的PET图像重建与运动估计 01 文献速递介绍 正电子发射断层扫描(PET)成像是一种非侵入性成像技术,通过使用放射性示踪剂在活体内可视化…