股票选啥啥赔?试试这个更科学的选择法

2018 年 7 月 18 日 果壳网

在证券交易战场,总是缺少那么一份好运气?买啥啥跌、选啥啥赔……全股市的隐藏垃圾股都让你精心挑选出来了,真的是股市太魔幻?今天这个故事,给你指一条明路:


在婆罗洲的热带雨林里,部落生存全靠火耕。但是热带火耕充满了不确定性,多种因素一环扣一环的决定着粮食的收成,其难度之大堪比炒股。但是这个部落的人竟从没饿过肚子,且一直延续了下来!(跟你比起来,真的幸运很多!)原来,他们把某些鸟类视为神的女婿,并采用一种观鸟占卜术来决定耕种的地点


是神灵的旨意还是鸟的选择透露出的生态秘密?一位研究了这个问题近15年的科学家表示:都不是!那些鸟是随便决定耕种地点的!


我不是神的女婿,我只是来看看风景 | giphy.com


观鸟占卜的背后是生态启示?


20世纪70年代,一位名叫迈克尔·达夫(Michael Dove)的年轻人类学家前往印度尼西亚,想要解开一个人类学之谜。达夫是斯坦福大学的研究生,他阅读了许多关于Kantu'部落的文献。Kantu'部落是一群居住在婆罗洲热带雨林中,从事自给农业的农民。他们采用迁移农业的方式,这种耕作方式叫刀耕火种,也叫火耕。火耕的土地通常相当贫瘠。他们用火来开辟耕地,并在作物成熟后将其弃置。


红腰咬鹃 (Harpactes duvaucelii) | Wikimedia Commons


与其他使用火耕的农民一样,Kantu'部落每年也会开辟新田来种植稻米和其他农作物。但是Kantu'部落有一点不一样,他们使用一种观鸟仪式来选择开辟地点。他们相信某些鸟类是神的女婿,如红腰咬鹃 (Harpactes duvaucelii)、棕姬啄木 (Sasia abnormis) ,和其他五种鸟类。这些鸟类的行踪引导着人类的农事。因此,为了选定新的田地,一位Kantu'族人会踏遍森林,找到这些预言之鸟以正确的组合方式出现之地。他会在那里开辟一块耕地,种植庄稼。


达夫认为,这些鸟肯定是充当了某种生态指标。也许它们是被肥沃的土地、个头小的树,或者其他有利于火耕的环境所吸引。总之,Kantu'部落世世代代都用这种观鸟占卜术,并且没被饿死,肯定是因为这些鸟透露了某些关于土地的信息。但是他和其他人类学家都不知道,这些信息到底是什么。


棕姬啄木 (Sasia abnormis) | Wikimedia Commons


他跟随着Kantu'部落的占卜者,观察着这些预言鸟,计算着每户家庭的收成。但是他感到愈加迷惑。Kantu'的占卜术极其复杂,依靠着细微的变化以及“这只鸟是在我左边还是右边”的这样的偶然事件。不久后达夫便发现,红腰咬鹃、棕姬啄木的活动和Kantu'部落稼穑的成功没有明显的相关性达夫说,他跟随着的那位占卜者,“越来越像掷骰子的人”。


一筹莫展的达夫更换了自己的论文选题。但是这种占卜术依然困扰着他。他思考了“一、二十年”。直到有一天他意识到,他思考这个问题的方式一直是错的。他一直在思考,Kantu'部落的占卜术是否透露了有用的生态信息,而不是随机的。但如果占卜术之所以有用,正是因为它是随机的呢?


鸟:我真的是随便选的地方!


热带火耕本质上就难以预测,能否成功取决于降雨量、虫害爆发情况、河流水位以及其他因素。一片森林在雨水充足的年份可能会带来丰收,但在干燥的或者有虫害的年份可能会所收无几。而无论是人类或鸟类,都无法预测未来几周或几月的虫害爆发或天气。


婆罗洲热带雨林 | Wikipedia


尽管面临着这样的不确定性,人们还是倾向于寻找某种规律:研究出某种系统性的方法——尤其是根据上一年的情况——来选择种植地点。


两种方法都没有效果。去年的情况与未来几年的农事几乎没有任何关系(今年7月多雨与明年7月份的降雨量无关)。系统性的方法可能会受到各种偏差的影响。例如,如果一个Kantu'族人预测某一年的河流水位正常,把所有的庄稼都栽植在河边,一次洪水便能将他的全部庄稼淹没。Kantu'族人的最优选择与面临变化莫测的市场投资者类似:将选择多样化而鸟类占卜术就能有效地将选择多样化。


达夫花了近15年才明白随机选择的优点,也不是不能理解。我们现代人认为,要做出最优选择,就应该有一个明确目标,通过实证分析做出知情选择。这种决策方式(至少在理论上)塑造了我们推选政治领袖、炒股、学校招生以及单位招聘的方式。它也让我们批判他人的宗教仪式与种种迷信。但是,正如Kantu'部落所示,很多情况下,其实随机选择才是最优选择这些情况在现代生活里可能比我们通常承认的要普遍得多。


图 | 正版素材来源:图虫创意


随机性有它的独特性,它是一个快速、恒定并且成本相对低廉的决策方法。因为没有人指导,所以它不会受到埋怨或后悔。它不是人,因此可以作为一个空白的表面,让我们在上面窥测命运的跌宕或神的意旨。随机性平静地分配资源,评判对错。


随机选择也有合理性


首先,随机选择不需要任何理由。这一特征也许是其最大的优点,尽管它当然也有代价。都柏林圣三一学院政治理论学家、《抽签的运气:抽签机制在决策中的作用》作者彼得·斯通(Peter Stone)的工作就是研究这些不合理因素在何条件下变得合理。


“抽签机制的优点是它排除了糟糕的决策理由,”斯通说,“当你随机选择时,你的选择不基于任何理由。”他称之为抽签机制的“净化效应”——它排除了所有的决策理由,消除了人们不想要的影响。诚然,斯通也说,随机选择将运作中的合理理由与糟糕理由同时排除了。他并不提倡滥用随机性。“但是有时候,糟糕理由的危险程度远甚于放弃合理理由可能带来的损失。”


抽签 | 正版素材来源:图虫创意


例如,我们再回过头看看Kantu’部落。除了某些基本特征,他们在森林里选择火耕地点时是没有合理理由可以使用的。你无法预知天气与虫害情况。因此,无论Kantu'族人使用的是什么理由,它要么是中性的,要么是有害的。占卜术的净化效应排除了一切有害理由。Kantu'族人也会选择沼泽地作为耕地,因为它作为好耕地的特征更容易预测——换句话说,合理理由非常多。而当Kantu'族人发现沼泽地时,他们的确不会用占卜来做选择。


我想说,在我们居住的这个充满焦虑与不可预知性的世界里,完全的确定性与完美的回报都是痴心妄想。这并不是说我们不应该学习知识,嘉赏成功。只是,在我们迈入那种乌托邦之前,我们也许要与现实情况妥协,即我们的生活被不确定性、偏见、主观评判以及变化莫测的偶然性所主导。


图 | pixabay


承认我们所拥有的理由通常都不充分甚至十分贫乏,有种让人如释重负的感觉。不需借助超自然力量也不难想象:当我们分配商品时,录取学生、招聘员工遇到不分伯仲的申请人时,当我们选择领导时,以及做出个人决定时,随机选择起到了更为明显、更可接受的作用。


这种社会并非是理性主义者的噩梦。相反,在一个不确定的世界里,糟糕的理由影响着我们的种种决定,这也是让我们更能意识到哪些因素左右了我们选择的一种方法。正如斯通转述康德的话:“理性的首要任务就是意识到自身的局限性。”这种社会也不会比我们现在的社会有更多的偶然性。


某些事物,在某些情境下,总是在掷骰子。殖民者与被殖民者、富人与穷人、强权者与弱势者、赢家与输家的角色,并不如我们所想的那样命中注定。


作者:Michael Schulson

翻译:Amaranth

编辑:vicko238、Ent、东风

校对:vicko238、Ent


一个AI

不会分析就别瞎分析了。


本文来自果壳网,谢绝转载.如有需要请联系sns@guokr.com

(欢迎转发到朋友圈~)


你真的熟悉鸟吗?

你见过没有羽毛的鸟长什么样吗?

你看过比你还“忠贞”的鸟届情侣吗?

你知道最烦人的鸟是谁吗?


关注果壳,后台回复【鸟】

了解这些和你有关的鸟事

果壳网

ID:Guokr42

登录查看更多
0

相关内容

《强化学习》简介小册,24页pdf
专知会员服务
270+阅读 · 2020年4月19日
机器学习速查手册,135页pdf
专知会员服务
338+阅读 · 2020年3月15日
【2020新书】数据科学:十大Python项目,247页pdf
专知会员服务
212+阅读 · 2020年2月21日
【经典书】精通机器学习特征工程,中文版,178页pdf
专知会员服务
354+阅读 · 2020年2月15日
【新书】Python中的经典计算机科学问题,224页pdf
专知会员服务
144+阅读 · 2019年12月28日
【机器学习课程】Google机器学习速成课程
专知会员服务
164+阅读 · 2019年12月2日
在 Google 工作六年半后,我还是选择离职了
开源中国
4+阅读 · 2018年10月21日
机器学习不能做什么?
引力空间站
5+阅读 · 2018年3月28日
关于机器学习,你需要知道的三件事!
云栖社区
3+阅读 · 2018年3月3日
干货:10 种机器学习算法的要点(附 Python代码)
全球人工智能
4+阅读 · 2018年1月5日
关于医学影像背后的科学,你都知道多少?
中科院物理所
3+阅读 · 2017年12月14日
数据科学与机器学习数据集
Datartisan数据工匠
8+阅读 · 2017年12月14日
Arxiv
6+阅读 · 2019年8月22日
Arxiv
7+阅读 · 2018年12月26日
Arxiv
11+阅读 · 2018年5月13日
Arxiv
5+阅读 · 2018年5月10日
VIP会员
相关VIP内容
《强化学习》简介小册,24页pdf
专知会员服务
270+阅读 · 2020年4月19日
机器学习速查手册,135页pdf
专知会员服务
338+阅读 · 2020年3月15日
【2020新书】数据科学:十大Python项目,247页pdf
专知会员服务
212+阅读 · 2020年2月21日
【经典书】精通机器学习特征工程,中文版,178页pdf
专知会员服务
354+阅读 · 2020年2月15日
【新书】Python中的经典计算机科学问题,224页pdf
专知会员服务
144+阅读 · 2019年12月28日
【机器学习课程】Google机器学习速成课程
专知会员服务
164+阅读 · 2019年12月2日
相关资讯
在 Google 工作六年半后,我还是选择离职了
开源中国
4+阅读 · 2018年10月21日
机器学习不能做什么?
引力空间站
5+阅读 · 2018年3月28日
关于机器学习,你需要知道的三件事!
云栖社区
3+阅读 · 2018年3月3日
干货:10 种机器学习算法的要点(附 Python代码)
全球人工智能
4+阅读 · 2018年1月5日
关于医学影像背后的科学,你都知道多少?
中科院物理所
3+阅读 · 2017年12月14日
数据科学与机器学习数据集
Datartisan数据工匠
8+阅读 · 2017年12月14日
相关论文
Top
微信扫码咨询专知VIP会员