为什么要学:写观点卡需要一个起点,即参照概率(0.8),而参照概率只能来自三类证据:基准率、民调和预测市场。投资者每天接触的也主要是这三类证据。它们与 0.5 的因果证据用途不同:因果证据回答「这项政策产生了什么后果」,预测性证据回答「这件事发生的可能有多大」。
边界:本节只讲怎样阅读这三类证据,不讲怎样设计民调,也不建议在预测市场上交易。
生活类比:估计一趟航班是否晚点,有三种办法。第一,查这条航线过去的准点率,这相当于基准率。第二,询问候机的旅客是否觉得会晚点,这相当于民调。第三,查看延误保险的价格:保险公司认为晚点的可能越大,保险越贵,这相当于预测市场。三种办法各有误差,合起来使用,比单独使用任何一种可靠。
类比的局限:航班是否晚点,不受旅客看法的影响。选举和政策则不同:公布出来的民调和市场价格,本身会影响选民和决策者的行为。
先写下你的判断
Section titled “先写下你的判断”2016 年 6 月 23 日,英国就是否留在欧盟举行公投。投票当天晚些时候,博彩市场上「留欧」的价格所对应的概率在 86% 到 88% 之间(美联社、IBTimes)。最后的结果是「脱欧」以 51.9% 的得票率获胜。
问题:这个结果是否说明博彩市场的价格不可信?请写下你的回答和理由,再往下读。
民调用一部分人的回答估计全体的情况,所以首先要知道这种估计的误差有多大。
推理分四步:
- 要求的量:样本中的支持率与全体的真实支持率,可能相差多少。
- 原理:随机抽取 n 个人时,样本比例的标准误 = √(p ×(1 − p)÷ n),其中 p 是真实的比例。标准误就是样本比例的标准差(标准差见期权课 0.6)。
- 计算:取 p = 50%,n = 1,000,标准误 = √(0.5 × 0.5 ÷ 1,000)≈ 0.0158,即 1.58 个百分点。在 95% 的情况下,偏差不超过 1.96 个标准误,即 ±3.1 个百分点。
- 含义:一项访问 1,000 人的民调显示支持率为 48%,真实的支持率很可能在 45% 到 51% 之间。
领先幅度的误差约为两倍
Section titled “领先幅度的误差约为两倍”媒体通常报道的是领先幅度,而领先幅度的误差比单个支持率的误差大。原因是,两位候选人的支持率此消彼长:样本中偶然多抽到 1 个百分点甲的支持者,通常就少抽到 1 个百分点乙的支持者,两人的差距因此改变 2 个百分点。所以,1,000 人的民调中,领先幅度的误差约为 ±6 个百分点。领先 2 到 4 个百分点的民调,不足以说明谁领先。
实际的误差大于抽样误差
Section titled “实际的误差大于抽样误差”抽样误差只是误差的一部分。其他的来源包括:某些人群不愿意接受访问,受访者因而不能代表全体;对哪些人会去投票的估计有偏差;受访者在投票之前改变主意。一项研究考察了 1998–2014 年美国 608 场州级选举中的 4,221 项民调,发现民调的实际误差,大约是公布的抽样误差所对应水平的两倍(Shirani-Mehr 等,2018)。
更重要的是,这些误差往往不能靠多家民调取平均来消除。取平均可以减小抽样误差,因为各家的抽样误差互相独立,会部分抵消。但各家民调如果使用相近的方法,就可能朝同一个方向出错;这种共同的偏差,取平均以后依然存在。英国公投就是一个例子。投票前的最后 8 项民调中,5 项显示留欧领先,1 项持平,2 项显示脱欧领先,平均为留欧 52%、脱欧 48%;实际结果是脱欧 51.9%、留欧 48.1%。英国民调委员会事后确认,其成员机构的最后一次民调全部高估了留欧的支持率(Curtice,2016)。
还需要注意,民调测量的是受访者当时的态度,并不是对结果的预测。距离投票越远,态度发生变化的余地越大。
价格为什么可以读作概率
Section titled “价格为什么可以读作概率”预测市场上交易的合约,在某一事件发生时支付 1 元,不发生时支付 0 元。合约的价格为 0.60 元时,可以读作:市场认为这件事发生的概率约为 60%。
这样读的理由如下。设某人认为事件发生的概率是 70%。按 0.60 元买入一份合约,他的期望所得是 0.70 元,高于付出的 0.60 元,所以他会买入,买入的行为推高价格。认为概率低于 60% 的人则会卖出,压低价格。价格最终停留的位置,是买卖双方的资金力量相等的位置。因此,价格反映的是参与者按资金加权的平均看法。
一篇综述认为,预测市场的预测总体上相当准确,优于多数常用的预测方法(Wolfers 和 Zitzewitz,2004)。这个结论有四个限定。
- 价格按资金加权,而不是按人数加权。少数大额交易者可以明显改变价格。2024 年美国大选前夕,一个预测市场上最终获胜一方的价格对应 58% 到 62% 的概率,而几个依据民调的预测模型给出的概率都接近 50%。事后披露,一名交易者通过多个账户在这一方押注了 3,000 万美元以上(彭博社)。他最后押对了,但这不能证明当时的价格准确:这只是一次结果,而且价格中有多少来自他一个人的资金,事后无法分清。
- 小概率事件的价格偏高。设一件事的真实概率是 1%,合约价格却是 0.03 元。要纠正这个价格,需要有人卖出合约;可卖出一份最多赚 0.03 元,却要占用资金直到事件揭晓,还要支付手续费,所以很少有人愿意这样做。结果是,价格很低的合约通常高估了事件发生的可能。
- 交易稀少的合约,价格可能长期偏离。读取价格之前,先看成交量和买卖价差。
- 参与者不能代表全体。参与交易的人如果有共同的偏见,价格也会带有这种偏见。
回到开头的问题
Section titled “回到开头的问题”「留欧」的概率接近九成而结果相反,是否说明市场的价格不可信?回答分为两层。
第一层,不能凭一次结果下结论。概率为 86% 的事情,本来就有 14% 的可能不发生。判断一个概率来源是否可靠,需要看它在许多次预测中的表现:例如,在它给出 80% 的所有事件中,是否有大约八成发生了。这就是校准(0.8)。
第二层,这一次确实有值得注意的地方。最后一批民调平均显示留欧领先 4 个百分点。考虑到民调的实际误差和共同的偏差,这样的领先幅度并不足以断定留欧获胜;市场却给出了接近九成的留欧概率,远高于民调所能支持的水平。事后的一种解释是,市场的参与者过于相信现状会延续。但这是事后的解释,按照 0.5 的标准,它没有经过检验,只能谨慎地使用。
基准率与参照类别
Section titled “基准率与参照类别”参照类别是一组与当前问题同类的过去事件,基准率是这组事件中结果发生的比例。两个术语与期权课 6.5 的用法相同。
为什么从基准率开始
Section titled “为什么从基准率开始”人在判断时,容易把注意力集中在眼前这件事的细节上,而忽略同类事件通常的结果。眼前的细节生动而具体,同类事件的统计数字则抽象,所以前者的影响往往过大。先写下基准率,再考虑细节,可以纠正这种倾向。期权课 6.5 引用的预测比赛研究发现,受过训练的预测者自己报告的各种方法中,与准确度关系最大的,正是先找参照类别、使用基准率;不到一小时的训练,就使预测的 Brier 分数改善了 6% 到 11%(Chang 等,2016)。
怎样建立参照类别
Section titled “怎样建立参照类别”分三步:写出当前的问题属于哪一类事件;列出这一类事件过去的例子和结果;计算比例,并注明样本数。
以 0.2 的问题为例。2018 年 11 月,需要估计法国政府是否会在全国性抗议之下维持加税。把它归入「法国政府的改革或税收措施遭遇全国性抗议」这一类,1995 年以来到这次抗议之前的例子如下:
| 年份 | 遭遇全国性抗议的措施 | 结果 |
|---|---|---|
| 1995 | 社会保障与退休制度改革 | 退休部分撤回,其余实施 |
| 2003 | 退休制度改革 | 实施 |
| 2006 | 面向青年的首次雇佣合同 | 撤回 |
| 2007 | 特殊退休制度改革 | 实施 |
| 2010 | 退休年龄从 60 岁提高到 62 岁 | 实施 |
| 2013 | 对货车征收的生态税 | 撤回 |
| 2016 | 劳动法改革 | 实施 |
| 2017 | 以行政法令修改劳动法规 | 实施 |
| 2018 | 国营铁路公司改革 | 实施 |
- 读法:9 个例子中,政府按原方案实施的有 6 个,约占 67%;撤回的有 2 个;部分撤回的有 1 个。所以这个参照类别给出的基准率是:政府维持原方案的概率约为 67%。
- 资料来源:法国政府门户网站的退休制度改革年表,以及各项法律的公布记录。
参照类别的宽与窄
Section titled “参照类别的宽与窄”同一个问题可以归入不同的参照类别,基准率随之不同。
上表中多数是退休制度和劳动制度的改革。如果只取针对税收的抗议,1995 年以来有三个例子:2000 年,运输业者封堵道路抗议油价和燃油税,政府返还了一部分柴油税;2012 年,创业者抗议提高资本利得税,政府在几天之内修改了方案;2013 年的货车生态税,先暂停,后放弃。三个例子中,政府都作了让步,没有一次按原方案实施。
较宽的类别样本多,但其中的事件与当前问题的相似程度低;较窄的类别相似程度高,但样本太少,比例很不稳定。处理的办法是把两个类别都写出来,以样本较多的类别为主,向较窄的类别所指的方向调整,并注明各自的样本数。0.8 的示例就是这样处理的:较宽的类别给出 67%,较窄的类别给出 0%(只有 3 个例子),参照概率取 40%。
价格对消息的反应
Section titled “价格对消息的反应”除了预测市场,股票和债券的价格也包含预测性的信息。一条消息公布以后,把公布前后很短一段时间内的价格变化,看作市场对这条消息的评价,这种方法称为事件研究。它成立的理由是,在很短的时间内,其他影响价格的因素大体不变,所以价格的变化可以归因于这条消息。
一项研究用这种方法估计了政治关系的价值(Fisman,2001)。它考察了 1995–1997 年印度尼西亚的 79 家上市公司,把每家公司与当时总统家族的关系分为五个等级。在总统健康状况不佳的传闻出现的六个时段里,关系越密切的公司,股价的跌幅越大。跌幅的差别,就是市场对这种关系所值价格的估计。
使用这类证据时需要注意:价格只对出乎预料的部分作出反应。如果一条消息早已在预期之中,公布时价格不变,并不说明这条消息不重要(期权课 4.1)。
三类证据怎样合用
Section titled “三类证据怎样合用”| 证据 | 主要的误差 | 在观点卡上的用法 |
|---|---|---|
| 基准率 | 参照类别的选择;样本少 | 没有市场价格时用作参照概率 |
| 民调 | 抽样误差;共同的偏差 | 作为观念一项的依据 |
| 预测市场 | 大额交易者;交易稀少;小概率事件偏高 | 交易活跃时用作参照概率 |
- 读法:基准率回答同类事件通常怎样,民调回答现在的民意怎样,预测市场反映参与者按资金加权的看法。三类证据的误差来源不同,所以可以互相校验。三者指向同一个方向时,参照概率比较可靠;互相矛盾时,先弄清矛盾的原因,再写概率。
- 渠道:预测性证据给出的是事件的概率,而概率的变化本身就会改变资产价格。概率修正得越突然,价格的变动越大。英国公投的结果公布以后,英镑兑美元在一天之内下跌约 8%,盘中跌到 1985 年 9 月以来的最低水平(英格兰银行)。市场此前给留欧接近九成的概率,所以结果带来的修正很大。
- 有日期的事件:选举日、公投日和议会表决日。在这些日期之前,期权的隐含幅度反映市场预期的价格变动有多大,预测市场反映结果偏向哪一方。
- 与期权课的衔接:参照概率来自市场时,自己的概率与它的差距,就是期权课 4.1 观点卡上「和市场的分歧」一栏。
例子(示例数据,非实时):
- 民调的误差:一项民调访问了 1,600 人,甲的支持率是 51%,乙是 47%。
- 标准误 = √(0.5 × 0.5 ÷ 1,600)= 0.0125,即 1.25 个百分点;95% 的范围约为 ±2.5 个百分点。
- 领先幅度的误差约为它的两倍,即 ±5 个百分点。
- 甲领先 4 个百分点,小于 5 个百分点,所以这项民调本身不足以说明甲领先。
- 读取预测市场的价格:某合约「是」的价格是 0.04 元,成交稀少,买卖价差是 0.02 元。
- 价格读作概率是 4%。但价格很低的合约容易高估事件发生的可能;买卖价差又相当于价格的一半,说明价格本身很不精确。
- 合理的读法是:这件事发生的可能很小,具体是 1% 还是 4%,这个价格无法区分。
- 两个参照类别:一类事件过去发生 12 次,其中 3 次出现某种结果;与当前问题更相似的 2 次中,2 次都出现了这种结果。
- 较宽的类别给出 3 ÷ 12 = 25%,较窄的类别给出 2 ÷ 2 = 100%。
- 只有 2 个样本的比例很不可靠,所以不能采用 100%。以 25% 为主,向上调整,例如取 35% 到 40%,并在卡上写明两个类别和样本数。
常见误区:
- 「民调显示甲领先 3 个百分点,所以甲会获胜。」——1,000 人的民调,领先幅度的误差约为 ±6 个百分点,3 个百分点的差距在误差范围之内;民调还可能有共同的偏差。
- 「预测市场上的人用自己的钱下注,所以价格就是真实的概率。」——价格按资金加权,会受大额交易者的影响;交易稀少时会偏离;小概率事件的价格通常偏高。
- 「市场给出 85% 的概率而事件没有发生,说明市场错了。」——概率为 85% 的事件,本来就有 15% 的可能不发生。可靠与否要看许多次预测的校准情况。
- 「这一次情况特殊,过去的先例没有参考价值。」——几乎每一次看起来都很特殊。先写下基准率,再说明这一次特殊在哪里、应当调整多少。
思考题:
- 一项 1,000 人的民调显示,甲的支持率是 49%,乙是 47%。媒体的标题是「甲领先」。这个标题有什么问题?(答:单个支持率的抽样误差约为 ±3.1 个百分点,领先幅度的误差约为 ±6 个百分点,2 个百分点的差距远在误差范围之内。准确的说法是两人的支持率没有可以分辨的差别。)
- 把多家民调取平均,为什么不能消除全部误差?(答:取平均只能减小互相独立的抽样误差。各家民调如果使用相近的方法,会朝同一个方向出错,这种共同的偏差取平均以后依然存在。)
- 预测市场上,一件事的合约价格是 0.02 元。为什么不能直接认为它发生的概率是 2%?(答:小概率事件的合约价格通常偏高。纠正价格需要有人卖出,而卖出最多赚 0.02 元,却要占用资金并支付手续费,所以价格往往高于真实的概率。)
关键术语:
| 中文 | English | 释义 |
|---|---|---|
| 抽样误差 | sampling error | 因为只访问了一部分人而产生的误差,样本越大越小 |
| 共同的偏差 | systematic error | 多家民调朝同一方向的误差,取平均不能消除 |
| 预测市场 | prediction market | 交易「事件发生则支付 1 元」这类合约的市场,价格可以读作概率 |
| 参照类别 | reference class | 与当前问题同类的一组过去事件 |
| 基准率 | base rate | 参照类别中结果发生的比例 |
| 事件研究 | event study | 用消息公布前后短时间内的价格变化,衡量市场对这条消息的评价 |
仅供学习,不构成投资建议。课程里的价格和数据都是标注过的示例,不是实时行情。