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')
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