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

  如何看待 2020 年 12 月末 M2 余额 218.68 万亿元,同增 10.1%? 
  如何看待“美联储估计失业人数恐达到4700万,失业率可能达到32%”? 
  不同级别的城市之间的差距是如何形成的,是人的因素还是宏观经济的因素呢? 
  为什么今年(2019年)行情这么差? 
  如何评价 Ray Dalio 的文章《宏观经济运行的框架》? 
  网上流传全国范围内房价下跌的说法,是怎么一回事? 
  如何评价12月30日,美元对人民币汇率达到6.5? 
  中国前三季度经济增长由负转正,GDP 同比增长 0.7%,还有哪些值得关注的信息 ? 
  假设购买的东西都是性价相宜的东西,“浪费金钱”从经济学上是否存在,还是只是一种道德上的谴责? 
  突如其来的裁员潮的主要原因是什么? 

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?





© 2024-11-08 - tinynew.org. All Rights Reserved.
© 2024-11-08 - tinynew.org. 保留所有权利