Skip to content

交易心理学第2章 直觉与启发式

2.2 代表性与小数定律:连涨三天之后

难度★★★

This page hasn’t been translated into English yet, so you’re reading the Chinese original. Chapters are being translated one by one.

SPY 连续三个交易日收涨。你打开期权链,想买几张 call 跟上去,因为涨势已经起来了。也可能你想的正好相反:涨了这么多天,该回落了,于是想买 put,或者卖出一组看涨价差。

两种念头方向相反,却都让人很有把握。2.1 讲过,直觉要可靠,环境要有稳定的规律,判断者还要得到大量及时而明确的反馈。明天收涨还是收跌,这两个条件都难满足,所以这份把握感要拿数据去核对。

那么,这份把握感从哪里来?连涨三天到底有多少见?用你自己标的的数据去核对时,怎样才不会被数的办法本身骗了?动量和反转策略本身是否有效,不在这里讨论,见期权课 6.1。

请写下三个答案:

  1. SPY 已经连续三个交易日收涨。你认为它明天收涨的概率是多少?写一个数。
  2. 一名篮球运动员的命中率是 50%。他刚刚投中一球,你估计他下一球的命中率是多少?刚刚投失一球呢?
  3. 「刚投中的人,下一球更容易中」:一百个经常打篮球的球迷里,你认为有多少人相信这句话?

第 1 题的数字请保留,本节任务会用你自己数出的频率核对它。第 2、3 题的结果就在下面。

一项经典研究调查了两所大学的 100 名球迷,他们都经常打篮球。其中 91 人相信,一名球员刚刚连中两三球以后,下一球命中的机会比刚刚连失两三球以后更大。对一名命中率 50% 的球员,他们估计的命中率平均是:刚投中以后 61%,刚投失以后 42%(Gilovich、Vallone 和 Tversky,1985)。把你在第 2、3 题写下的数和这几个数对一对。

认为刚刚连续成功的人接下来更容易成功,这种信念称为热手(hot hand)。研究者接着分析了职业球队的投篮记录,又请大学校队做了受控的投篮实验,都没有找到这种依赖关系。他们的结论是,手感是一种认知错觉,当时称为「热手谬误」。

这个结论流行了三十多年,后来被修正了,见本节最后一部分。先看它揭示的判断方式:人们怎样从几次连中里得出「还会中」。

多数人相信的事,未必是真的;后面会看到,也未必全是假的。

人们判断一件事的概率,常常不去计算,而是看它像不像某一类事,这称为代表性(representativeness;Tversky 和 Kahneman,1974)。连涨三天,像不像一段上涨趋势的开始?像,于是觉得还会涨。

同一种思路也能推出相反的结论。在人们心目中,一个公平的过程应当涨跌各半、来回交替。连涨三天显得不够平衡,于是觉得该跌了。Tversky 和 Kahneman 把这种信念称为小数定律(law of small numbers):以为大样本才有的规律,在很小的样本里也成立。按这种信念,随机抽出的一小段也应当很像总体。请人写出一串「随机」的正反面,写出的每一小段里,正面的比例都比真正随机的结果更接近一半(Tversky 和 Kahneman,1971)。

连续出了几次正面,就觉得反面「该来了」,这称为赌徒谬误(gambler’s fallacy),定义和例子在期权课 0.7。它就是小数定律用在下一次结果上。

那么,哪一种直觉会占上风?一项实验请参与者玩轮盘游戏。对轮盘的红黑,他们预期会交替出现;对自己猜中与否的那一串结果,同样的人却预期会延续。两串结果在统计上其实没有区别(Ayton 和 Fischer,2004)。研究者的解释是:人们从生活中学到,人的表现常有惯性;有些自然的过程却像抽签,抽走一个就少一个。所以前者让人预期延续,后者让人预期反转。

用到交易上是推断:你把价格看成一台随机的机器,连涨三天就显得「该跌了」;你把它看成资金在推动、一群人在行动,就显得「还会涨」。连续盈利的是你自己的时候,后一种感觉可能更强,第3章讨论它怎样让人放大仓位。

「还会涨」和「该回落」常常来自按「像不像」判断概率,而不是问这种情形以后在这个标的、这个期限上实际发生了什么。这不等于两个方向在市场里都不存在。几个月的尺度上,动量有大量证据(期权课 6.1);个股在一周到一个月的尺度上,有短期反转的证据(Jegadeesh,1990;Lehmann,1990)。直觉出错,常常是把别的期限、别的标的上的规律,搬到了这一只标的的明天。所以哪一种对,要用这个标的、这个期限的数据去数。

同一串涨跌,换一种看法,就换一种直觉。

在毫无规律的行情里,连涨三天少见吗?可以先算一个参照:假设每天涨跌的可能各占一半,而且每天之间互不相关。在这个最简单的模型里,20 个交易日(约一个月)里至少出现一次连涨三天的可能约 79%,250 个交易日(约一年)里几乎必然。这些数字由模型直接算出,不来自任何市场数据。

在涨跌各半、互不相关的序列里,一个月(20 个交易日)里至少出现一次连涨三天的可能约八成,大约五个月里有四个月;它出现本身几乎说明不了什么。上涨日占 54% 时,这个可能升到约 85%。

真实的市场与这个模型不完全一样,例如上涨的日子通常略多于一半。所以比较的基准,应当是这个标的自己的上涨日比例。真正的问题是:在你交易的标的上,连涨三天以后的第二天,收涨的比例与平时有没有差别?

直觉觉得罕见的,在随机序列里常常很平常。

这个问题没有现成的研究能代替你自己的统计。用电子表格就能数,一共五步:

  1. 基准率:取这个标的至少 5 年的日收盘价,约 1,250 个交易日。收盘价高于前一天的记作涨,其余记作跌。上涨日占全部交易日的比例,就是这里的基准率(1.4;期权课 4.1)。
  2. 条件比例:找出所有「前三天都涨」的交易日,即前三个交易日都收涨的日子。数出这种日子的个数,称为次数;再数出其中当天收涨的天数,除以次数。
  3. 全部样本合在一起数:第 2 步的次数和收涨天数,在整段数据上一起数,只算一个比例。不要按年或按月各算一个比例再平均,原因见下一部分。
  4. 标准误:比例也会随样本偶然波动,波动的幅度用标准误衡量(0.6)。假设各次结果互不相关:
标准误=比例×(1−比例)次数\text{标准误} = \sqrt{\frac{\text{比例} \times (1 - \text{比例})}{\text{次数}}}
  1. 比较:第 2 步的比例与基准率相差不超过两个标准误(正好两个也算),只能说没有证据表明连涨三天改变了第二天收涨的概率。这和 0.6 的判断是同一件事:「比例 ± 2 个标准误」的范围包含基准率,就分辨不出差别。

在电子表格里:A 列日期,B 列收盘价,第 2 行是第一天。C 列标记涨跌,第 3 行写 =IF(B3>B2,1,0),向下填充;C 列的平均数就是基准率。D 列标记「前三天都涨」,第 6 行写 =IF(AND(C3=1,C4=1,C5=1),1,0),向下填充;D 列之和就是次数。其后收涨的天数用 =SUMPRODUCT(D6:D1300,C6:C1300),行号按你的数据改。数完先核对一下:按互不相关估计,次数大约是「天数 × 基准率³」;你数出的次数离它差一半以上,先查公式有没有错行。

示范(示例数据,非实时):一位学员用 SPY 过去 5 年的 1,256 个交易日来数。

  1. 上涨日 678 天,基准率 678 ÷ 1,256 ≈ 54.0%。
  2. 「前三天都涨」出现 190 次,其中当天收涨 105 次,比例 105 ÷ 190 ≈ 55.3%。按互不相关估计,次数约为 1,253 × 0.54³ ≈ 197,数出的 190 与它相符。这里用 1,253 天,是因为最早的三天前面凑不满三天,1,256 − 3 = 1,253。
  3. 这两个数是在 5 年的数据上一起数的,没有分年。
  4. 标准误 = √(0.553 × 0.447 ÷ 190) ≈ 3.6 个百分点,两个标准误约 7.2 个百分点。
  5. 55.3% 比 54.0% 高 1.3 个百分点,不到半个标准误。范围 55.3% ± 7.2,即 48.1% 到 62.5%,包含 54.0%。没有证据表明连涨三天改变了第二天收涨的概率。

他原来在观点卡上写了 65%。现在概率从 54% 开始写,「基准率」一栏写明「前三天都涨 190 次,其后收涨 55.3%,标准误 3.6 个百分点,5 年」。

判断要用自己标的的长样本里数出的频率和标准误;相差不超过两个标准误,只能说没有证据表明有差别,不能说连涨三天没有影响。样本再长一些,或者换一个标的,结论都可能不同。

这个标准误是一个近似,用以前先查三个前提。

  • 各次结果互不相关。看第二天收涨,大致可以这样假设。改看连涨以后持有 5 天的收益时,相邻几次信号的持有期互相重叠,算出的标准误偏小,差别会显得比实际可靠。
  • 基准率当作已知。基准率也有误差,可是它由上千天算出,误差比条件比例小得多,这里忽略它,是近似。
  • 只数一种情形。同时数了连涨 3 天、4 天、5 天,再数连跌几天,总有一种会碰巧越过两个标准误。每一种碰巧越过的机会约 5%;试 10 种互不相关的数法,至少一种碰巧越过的机会约 1 − 0.95¹⁰ ≈ 40%。这称为多重检验(期权课 12.6)。

即使差别超过两个标准误,也只是开始。还要换一段没有用过的数据再验一次,即样本外测试(期权课 6.1、12.6);差别还要大到足以抵消交易成本(1.1)。

数出来的频率,才是判断的起点。

随堂练习:一位学员用 QQQ 过去 6 年的日收盘价来数。上涨日占 55%;「前三天都涨」出现 250 次,其中当天收涨 133 次。他原来在观点卡上写的是「连涨三天,明天收涨 62%」。

  1. 算出条件比例和标准误。
  2. 有没有证据表明连涨三天改变了第二天收涨的概率?写出依据。
  3. 观点卡的概率和「基准率」一栏应当怎样写?
  4. 他又数了连涨 4 天、连涨 5 天、连跌 3 天、连跌 4 天,发现「连跌 4 天以后」收涨的比例比基准率高 2.3 个标准误。他能据此写一条「连跌 4 天就买入」的规则吗?
参考解答
  1. 条件比例 = 133 ÷ 250 = 53.2%。标准误 = √(0.532 × 0.468 ÷ 250) ≈ 3.2 个百分点。
  2. 没有证据。53.2% 比 55% 低 1.8 个百分点,不到一个标准误,远不到两个。范围 53.2% ± 6.3,即约 46.9% 到 59.5%,包含 55%。结论只能写「没有证据表明有差别」,不能写「连涨三天没有影响」。
  3. 概率从 55% 的基准率出发,不写 62%。「基准率」一栏写:上涨日 55%;前三天都涨 250 次,其后收涨 53.2%,标准误 3.2 个百分点,没有证据表明有差别(6 年数据)。
  4. 不能。他一共数了五种情形,每一种碰巧越过两个标准误的机会约 5%。五种互不相关时,至少一种碰巧越过的机会约 1 − 0.95⁵ ≈ 23%;这几种情形彼此重叠,实际的机会低一些,但仍高于 5%。这是多重检验(期权课 12.6)。他要先换一段没有用过的数据再验一次,再看差别能不能抵消交易成本。也可以用置换检验核对,即把这段日收益率的顺序随机打乱很多次,每次照样重算,看真实的结果排在哪里(下文和 2.5 详讲):每一次打乱,都要把五种情形全部重算,取偏离基准率最多(按标准误计)的一个,再看真实的「连跌 4 天」排在哪里。

2018 年发表的一项研究指出,原来的热手研究数错了(Miller 和 Sanjurjo,2018)。错误出在一个看似无害的数法上:每名球员各算一个「连中以后的命中率」,再拿来平均和比较。在有限长的序列里,这样算出来的比例天生偏低。

用最短的例子就能看出来。抛 3 次硬币,每出一次正面,就记下紧接着的下一次结果,再算这一串记下的结果里正面占多少。8 种可能的序列出现的可能相同,其中 6 种至少能记下一次(反反正、反反反记不下)。先别看下表:自己列出这 6 种,各算一个比例,再把六个比例平均,结果是 50% 吗?

序列 记下的结果 正面所占比例
正正正 正、正 1
正正反 正、反 1/2
正反正 反 0
正反反 反 0
反正正 正 1
反正反 反 0

读法:每种序列出现的可能相同。六个比例的平均是 2.5 ÷ 6 = 5/12,约 41.7%,低于 50%。硬币没有记忆,可是这种数法让「正面之后」显得更容易出反面。

问题出在哪里?把六种序列记下的结果合在一起数:一共 8 次,正面 4 次,正好 50%。偏差来自「每段序列各算一个比例,再平均」。对着表看:「正正正」记下两次正面,平均时只算一个 1;「正反正」「正反反」「反正反」各只记下一次反面,各算一个 0。正面之后又是正面,正面就延续,同一串多记一次,几次正面挤进一个比例;正面之后是反面,延续就断了,一次反面就单独占一个比例。平均时每串的分量相同,反面就被算重了。

行情也是一样。在一段长度固定的数据里,连涨以后再涨,连涨就延长一天,第二天又是一个「前三天都涨」,这一段多记一次;连涨以后收跌,就断了。段越短,每段记下的次数越少,这种轻重之差越大。按涨跌各半、互不相关的模型模拟,看「前三天都涨」以后收涨的比例:

每段的长度 每段一个比例,平均以后偏低约
20 天(约一个月) 14 个百分点
60 天(约一个季度) 7 个百分点
100 天 4 个百分点
250 天(约一年) 1.5 个百分点
1,250 天(5 年不分段) 0.3 个百分点

读法:数字由本课程的模拟算出,是近似,不来自市场数据。按月分段,偏差大到足以把「没有差别」数成「明显容易回落」;5 年合在一起数,只剩不到半个百分点,可以忽略。这张表只说明偏差的方向和大致大小,不能拿来把分段平均的结果「加回去」:上涨日比例和段长不同,偏差也不同。

每段各算一个比例再平均,会让连涨以后的比例偏低,段越短偏得越多;改法是把同一个标的的全部样本合在一起数,或者与置换检验比较,前提是这段时间里上涨日的比例大致稳定。把上涨日比例不同的几个标的混在一起数,或者同一个标的跨过牛市和熊市的年份,会混进另一种偏差:上涨日多的那部分,连涨多,第二天也更常涨,于是显得「连涨以后更容易涨」。例如一半年份上涨日占 60%、另一半占 48%,即使各天互不相关,合在一起数出的比例也比基准率高约 2 个百分点,比示范里的 1.3 个百分点还大。所以差别只有一两个百分点时,先分年列出上涨日的比例;各年相差很大,这点差别可能只是年份不同。

置换检验是另一种办法,2.5 详细讲:把同一段每日收益率的顺序随机打乱很多次,每次按同样的规则重算,看真实的结果排在哪里。打乱以后的序列用的是同一种数法,偏差也在里面,所以两者比较时偏差抵消了。它假设各天可以互换,所以顺序里别的结构也一起打乱了:大波动之后往往跟着大波动,这称为波动聚集(期权课 0.6);不同年份上涨日比例的高低,也被抹平了。所以通过置换检验只是必要的一关。

再回到投篮。按每人各算一个比例的数法,即使每名球员的命中率始终不变,「连中三球以后」减「连失三球以后」的命中率差值也天生偏负。原研究的受控投篮实验里,这个差值看起来接近 0;校正这个偏差以后,差值转正,但范围很宽(数字见下面的延伸阅读)。

球迷错了吗?没有全错,也说不上全对。修正以后,受控投篮的数据显示,至少有一部分球员确有手感;它有多大、有多普遍,仍有争论。人们从几次连中里认出手感、估计它有多大,可能过头,也可能不足,Miller 和 Sanjurjo 自己也这样说。

还要注意这个偏差的方向。它让反转显得比实际多,与赌徒谬误同一个方向。你把几年的行情按月分段,每段算一个「连涨以后收涨的比例」再平均,得到的结果同样偏低。这等于用一把有偏差的尺子,「证实」了「该回落」的直觉。

延伸阅读:热手校正的数字

设每名球员投 100 次,命中率始终是 50%,真实的差别是 0。按每人各算一个比例的数法,「连中三球以后」的命中率减「连失三球以后」的命中率,预期约为 −8 个百分点(推导见下面三段)。原研究的受控投篮实验里,26 名球员的这个差值平均约 +3 个百分点,看起来没有差别。校正这个偏差以后,变成约 +13 个百分点,标准误约 4.7 个百分点(Miller 和 Sanjurjo,2018)。按 0.6 的范围算,约 3.6 到 22.4 个百分点,不跨过 0,但很宽。

「连中三球以后」的命中率,偏差的道理和上面的硬币一样:连中以后再中,连中就延长,这名球员多记一次投中,每一次的分量变轻。按每人 100 次、命中率 50% 计算,这个比例按人平均,预期比 50% 低约 4 个百分点。

「连失三球以后」的命中率,偏差方向相反。连失以后再失,连失延长,多记的是投失,分量变轻的是投失;连失以后投中,连失就断了,这一次投中常常一次就占这名球员的全部。所以这个比例按人平均,预期比 50% 高约 4 个百分点。

两者相减,一个偏低、一个偏高,偏差相加,约 8 个百分点。本课程用模拟复算过:每人 100 次、命中率 50%,两项偏差约为 −3.9 和 +4.0 个百分点,差值约 −7.9 个百分点。

偏差的大小随投篮次数和命中率而变,各名球员的命中率并不都是 50%,所以原文校正以后的 +13 不正好是 3 + 8。原文也用了置换检验:把每名球员自己的投篮顺序打乱,与打乱以后的结果比较。

另一项研究检验了四项受控投篮实验。作者认为,要大得多的数据,才能可靠地量出投篮偏离随机有多少。在他们拿到原始数据的一项实验里,明显偏离随机的只有一名球员(Ritzwoller 和 Romano,2022)。

随堂练习:一位学员用一只 ETF 最近 6 个月的数据试数,这段时间上涨日占 53%。他按月分段,每月各算一个「前三天都涨以后收涨」的比例,再把六个比例平均,得出「连涨三天以后明显容易回落」:

月份 前三天都涨 其后收涨
1 月 3 次 2 次
2 月 1 次 0 次
3 月 5 次 4 次
4 月 2 次 1 次
5 月 1 次 0 次
6 月 2 次 1 次
  1. 算出他的平均,再算出合在一起数的比例。
  2. 用这张表说明,为什么每段各算一个比例再平均会偏低。
  3. 合在一起数的比例,能说明连涨三天以后更容易上涨吗?他下一步应当怎样做?
参考解答
  1. 六个比例是 67%、0、80%、50%、0、50%,平均约 41%。合在一起数:14 次里收涨 8 次,8 ÷ 14 ≈ 57%。
  2. 收涨的结果集中在记录次数多的月份:3 月 5 次里收涨 4 次,1 月 3 次里收涨 2 次。连涨以后再涨,连涨就延长,同一个月又多记一次,所以收涨在这些月份里每次只占一小份。收跌常常落在只记一次的月份,例如 2 月和 5 月,一次就占那个月的全部。平均时每个月的分量相同,收跌就被算重了。合在一起数,每一次的分量相同,偏差就没有了。
  3. 不能。标准误 = √(0.571 × 0.429 ÷ 14) ≈ 13 个百分点,57% 与 53% 只差 4 个百分点,远不到两个标准误;6 个月的样本太小。他的 41% 比基准率低 12 个百分点,这和按月分段约 14 个百分点的偏差差不多,主要来自数法。下一步:取至少 5 年的数据,在整段数据上合在一起数,再算标准误。

检验直觉的尺子,也要先检验。

代表性和小数定律来自实验:请人判断概率、写出随机序列,这类结果被多次重复,证据等级为强。球迷相信手感,来自一项 100 人的问卷,结论清楚,等级为中。哪一种直觉占上风,主要来自一项轮盘实验,等级为中。

手感本身分两层看。修正数法以后,受控投篮里至少有一部分球员确有手感,等级为中;手感有多大、有多普遍,等级为弱到中,因为校正以后的范围很宽,偏离随机的证据集中在个别球员身上(见延伸阅读)。比赛里的情形另有争论。

用到期权交易上,以上都是推断:研究对象是做判断题的受试者、轮盘玩家和篮球运动员,不是交易者。五步的数法和分段平均的偏差是统计,不需要证据,需要检查的是它的前提:各次结果互不相关,只数一种情形,同一个标的,这段时间里上涨日的比例大致稳定。你自己标的数出的频率,是关于这个标的的直接证据,只是它说的是过去这几年。

  • 出现在哪个环节:开仓,尤其是连涨或连跌几天以后入场或反手的时候。
  • 记在哪里,用什么衡量:观点卡的「依据」一栏写到「连续几天上涨(下跌)」时,「基准率」一栏写自己数出的次数、比例和标准误(1.4;期权课 4.1)。这类卡按期权课 4.7 打分,月复盘时单独列出,进入期权课 6.7 的校准图。月复盘是每月固定一次、用日志检查累计指标和观点卡的复盘(期权课 12.4);还没学到那里,先在系统草稿里记下「每月复盘一次」。
  • 对策在哪一层,与期权课哪一节衔接:第三层「程序」:写概率以前先填基准率,再按自己的理由小幅调整,这是期权课 4.1 的做法。本节五步数出的次数和标准误,就是这一步填进去的东西。

常见误区:

  • 「连涨三天,说明趋势来了。」——涨跌各半、互不相关的序列里,一个月里出现连涨三天的可能约八成。它本身不是信号;这个标的连涨以后怎样,要数它自己的数据。
  • 「涨了这么多天,该跌了。」——价格不欠你一次下跌。以为涨跌会「轮流出现」,是赌徒谬误(期权课 0.7)。这个标的连涨以后是否确实容易回落,只能用它自己的数据数。
  • 「热手早就被证明是错觉。」——原研究的数法有偏差。校正以后,受控投篮里至少有一部分球员确有手感,有多大仍有争论。
  • 「我把每个月的比例算出来再平均,很严谨。」——每段各算比例再平均,会让连涨以后的比例偏低,按月分段约低 14 个百分点。同一个标的要把全部样本合在一起数。
  • 「差不到两个标准误,说明连涨三天没有影响。」——只能说没有证据表明有影响。样本再长一些,或者换一个标的,结论可能不同。
  • 「群里说这只股票连跌四天,第五天必反弹。」——先问三个问题:一共连跌四天过多少次?第五天没有反弹的那些次,算进去了吗?换一段时间,还成立吗?说不出次数的「规律」,往往只是记住了应验的那几次。

思考题:

  1. 一只股票过去 12 次财报(3 年)公布后的第一个交易日,有 9 次收涨;全部交易日里,它的上涨日约占 52%。一位交易者据此在观点卡上写「财报后收涨 75%」,准备在下一次财报前买 call。按本节的做法,他错在哪里?观点卡应当怎样写?(答:9 ÷ 12 = 75%,标准误 = √(0.75 × 0.25 ÷ 12) = 12.5 个百分点,两个标准误 25 个百分点,范围 50% 到 100%,包含 52%,没有证据表明这只股票财报后更容易涨。12 次里 9 次看起来像规律,这是小数定律:以为很小的样本也会很像总体。次数这么少,标准误本身也只是粗略的近似。概率先从 52% 的基准率写起;「基准率」一栏写明「上涨日 52%;财报后 12 次里收涨 9 次,标准误 12.5 个百分点,没有证据表明有差别」。)
  2. 一位学员只用了一年的数据(约 250 个交易日):「前三天都涨」出现 40 次,其后收涨 26 次,占 65%;上涨日的比例是 53%。他能否据此提高观点卡上的概率?(答:标准误 = √(0.65 × 0.35 ÷ 40) ≈ 7.5 个百分点,两个标准误约 15 个百分点。65% 与 53% 相差 12 个百分点,没有超过两个标准误;范围约 50% 到 80%,包含 53%。没有证据表明有差别,不能据此提高概率;应当把样本拉长到至少 5 年再数。)
  3. 他改看「连涨三天以后持有 5 天的收益」,信号仍按每个「前三天都涨」的日子算,标准误照本节的公式算。这样算出的结果为什么显得比实际可靠?(答:连涨四五天时,相邻几天都是信号,它们的 5 天持有期互相重叠,结果并不互不相关。实际的独立次数比记下的少,按公式算出的标准误偏小,差别就显得比实际可靠。)
  4. 另一位学员说:「按月分段偏差大,那我按周分段,段更多,应当更准。」他错在哪里?(答:偏差来自每段太短,不来自段太少。一周只有 5 个交易日,每段最多记下两次「前三天都涨」,轻重之差比按月分段还大。改法是在整段数据上合在一起数。)

本节要点:

  1. 「还会涨」和「该回落」常常来自按「像不像」判断概率,而不是问这种情形以后在这个标的、这个期限上实际发生了什么。
  2. 在涨跌各半、互不相关的序列里,一个月(20 个交易日)里至少出现一次连涨三天的可能约八成,大约五个月里有四个月;它出现本身几乎说明不了什么。
  3. 判断要用自己标的的长样本里数出的频率和标准误;相差不超过两个标准误(正好两个也算),只能说没有证据表明有差别。
  4. 每段各算一个比例再平均,会让连涨以后的比例偏低,段越短偏得越多;改法是把同一个标的的全部样本合在一起数,或者与置换检验比较,前提是这段时间里上涨日的比例大致稳定。

本节任务:取你最常交易的一个标的至少 5 年的日收盘价,照本节的五步数一次。写下基准率、「前三天都涨」的次数和其后收涨的比例、标准误,再写出有没有证据表明有差别。把结果写进这个标的下一张观点卡的「基准率」一栏,并与「先写下你的判断」第 1 题写下的数字对照。本章练习页的实操练习 2 会用到这次的结果。

关键术语:

中文 English 释义
代表性 representativeness 按一件事像不像某一类事来判断它的概率
小数定律 law of small numbers 误以为很小的样本也会很像总体
热手 hot hand 认为刚刚连续成功的人接下来更容易成功。修正数法以后,受控投篮里至少有一部分球员确有手感,大小仍有争论;人们对它大小的估计可能过头,也可能不足
赌徒谬误 gambler’s fallacy 误以为独立事件会「轮流出现」,例如认为连续亏损之后该盈利了

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。