
121
第九章
當資料與現實不相符時
Spencer Burns
想要打敗股票市場是非常困難的,這應該是個常識。但在事情的表面上,它看起來單純
是個分析問題,而不是一個資料問題。建立模型是很困難的;建立一個時間序列應該是
簡單的。在每天(或每分鐘、每毫秒),每支不同股票都會列出買進的價格,並且你可
以在其後將它賣出,藉由比較兩者的價錢來計算出收益。
每個在事前敘述的假設通常都是對,但它們常常會失敗而造成模型的毀損。股票資料序
列看起來是有結構性且乾淨的,但該特性也隱藏了該股票在今天的整體走勢。它是個將
混亂的真實掩蓋起來的「好」資料。
股票資料並不是從市場的獨立觀察而來的;該資料是市場的一個不可或缺的部分。會存
在一個緊密的回饋迴圈,讓關於市場狀態的資料影響市場本身(例如,提高價錢反而
會讓人們將價格拉的更高)。並且,在市場中發生的事情也能夠改變市場的本質。例如
說,當跌價的公司離開了市場,或是漲價的公司購買了其他公司,或是當市場崩潰而造
成交易規則的改變時。
在實際上的意義是,今天的股票市場與昨天的股票市場並不是完全相同的,每天都是一
個新的實驗。資料必須要持續性的微調,來讓昨天可以跟今天一起比較。
放大這個問題,多數的交易策略平均來說都只能勉強獲利(或是無法獲利),藉由大量
的小交易來換得有意義的結果。所以就算是微小的系統性錯誤都能夠累積成讓分析嚴重
錯誤的結果。可用的資料也許能夠緊密的表現真實狀況,但微小的誤差是會有影響的。
119