百科问答小站 logo
百科问答小站 font logo



很多商界领袖,如李嘉诚,他们并没有很高的学历,是如何做到准确分析经济走势的? 第1页

  

user avatar   reinhardtjin 网友的相关建议: 
      

谢邀,这个问题问的很好。或许可以更进一步探讨“学历教育教给了我们什么”的问题。不过在这我用个数值例子来演示好了。

假定经济走势由一大堆变量决定。学历教育教给我们的是其中一部分变量前面的参数。那么一个刚参加完学历教育的人,对经济走势的判定大致是直接拿这些参数乘上观测到的变量值。

同时假定如果一个人没有经过学历教育,那么他很难学会具体的参数值,但是可以通过自己的观察和总结,得到经济走势到底和一个变量正相关还是负相关的结论。这样一来,尽管他不知道具体的参数值,但仍可以用1或-1作为参数值来预测经济走势。

这样一来,无论有没有受过学历教育,都有一个工具箱来预测经济走势了。

下面我们假定经济走势受20个变量影响,它们有正有负。学历教育教给我们其中6个的真实值。那么让受到学历教育的人来和没有受过学历教育,但知道1,5,10,15,20个变量和经济走势是正相关还是负相关的人PK一下预测能力吧。让他们分别预测100期。一次试验的结果如下:

我们发现,受过学历教育的人预测水平看上去显然好于知道1个或5个符号的人。和知道10个乃至15个符号的人不相伯仲。但是和知道20个符号的人相比,受过学历教育的人反而难以预测到经济的极端事件。

因此,我的猜测是,尽管这些大佬学历不高,不一定会推预测的渐近分布。但是他们通过多年的观察和总结,掌握了大量一般学校里不教授的,可以预测经济走势的因子。所以,即使他们使用的方法可能很粗糙(在这个实验中是给系数赋1或-1),但是因为他们知道的因子多,在预测经济走势上依然不输给刚从学校走出来的科班青年,乃至更胜一筹。

python代码附在最后面,可以改参数玩。








       import numpy as np import matplotlib.pyplot as plt  #parameters #true model coeff=np.random.uniform(-2,2,20) #education tell you only 6 out of 20 true parameters education=np.random.choice(range(20),6,replace=False)  #generate factor and true economic fundamental, 100 periods factor=np.random.normal(0,1,[20,100]) ytrue=np.dot(coeff,factor)  #educated guess of economic fundamental coeffedu=np.zeros(20) for edu in education:     coeffedu[edu]=coeff[edu] yedu=np.dot(coeffedu,factor)  #uneducated parameters, take -1, 0 or 1, a.k.a signs of parameter #people knows 1,5,10,15,or 20 signs of the true parameter, but not the magnitude def unedu(numfac):     returntemp=np.zeros(20)     choicetemp=np.random.choice(range(20),numfac,replace=False)     for cho in choicetemp:         if coeff[cho]!=0:             returntemp[cho]=coeff[cho]/np.abs(coeff[cho])     return returntemp unedu1=unedu(1) unedu5=unedu(5) unedu10=unedu(10) unedu15=unedu(15) unedu20=unedu(20)  #prediction from uneducated people yunedu1=np.dot(unedu1,factor) yunedu5=np.dot(unedu5,factor) yunedu10=np.dot(unedu10,factor) yunedu15=np.dot(unedu15,factor) yunedu20=np.dot(unedu20,factor)  #plot def plotpred(series,labelvalue):     fig,example=plt.subplots(figsize=(16,10))     example.plot(series,label=labelvalue)     example.plot(ytrue,label='True value of economic fundamental')     example.legend(loc='right')     example.set_title('Predicted VS true, educated VS uneducated')     example.set_xlabel('Time')     example.set_ylabel('Economic fundamental')     plt.show()  plotpred(yedu,'Educated guess') plotpred(yunedu1,'Uneducated guess, know 1 signs') plotpred(yunedu5,'Uneducated guess, know 5 signs') plotpred(yunedu10,'Uneducated guess, know 10 signs') plotpred(yunedu15,'Uneducated guess, know 15 signs') plotpred(yunedu20,'Uneducated guess, know 20 signs')       

user avatar   present-is-gift 网友的相关建议: 
      

有一说一,其实性价比最高的4K蓝光播放设备很可能是二手xbox




  

相关话题

  如何评价 2018 年 6 月 M2 货币供应同比增长 8%? 
  如何评价12月30日,美元对人民币汇率达到6.5? 
  网上流传全国范围内房价下跌的说法,是怎么一回事? 
  CPI 数据存在着哪些缺陷? 
  为什么中国财政政策有巨额税收转移政策下大城市与偏远山区经济状况还有断崖式下跌? 
  如何看待印度政府 11 月 24 日宣布 25 日零时停止兑换旧卢比? 
  中国为什么不能像欧美那样直接给民众发钱呢? 
  如何看待 2016 年 7 月人民币贷款增加额全部为房贷,而非金融企业贷款不增反减? 
  2021年3月份PMI(采购经理人指数)超预期,有什么影响? 
  周小川发言「如全球出现金融危机,中国仍有足够政策应对」,释放了什么信号? 

前一个讨论
英文中这七个译义为律师的单词有何区别?
下一个讨论
如何梳理经济学文献脉络,了解领域发展情况?





© 2024-11-24 - tinynew.org. All Rights Reserved.
© 2024-11-24 - tinynew.org. 保留所有权利