22.6 预测的多样性

如果硅芯片足以起到水晶球的作用,引导一场超级军事战争,如果那些在小型电脑里快速运行的算法足以提供预测技术看透股票市场,那么,我们为什么不改装一台超级计算机,用它来预测世界其他国家呢?如果人类社会只是一个由各种人和机器组成的大型分布式系统,为什么不装配一个能够预测其未来的设备呢?

即使对过去的预测做一点浮皮潦草的研究,也能看出这到底是为什么。总的来说,过去那些传统的预测还不如随机的猜测。那些陈年的典籍,就如坟场,埋葬着各种对未来的预言——从来没有实现过的预言。虽然也有些预言击中了靶心,但是,我们没有办法预先把罕有的正确预言和大量的错误预言区分开来。由于预测如此频繁地出错,而相信错误的预测又如此诱人,如此令人迷惑,所以有些未来学家原则上完全回避作出任何预测。为了强调试图预言无可救药的不可靠性,这些未来学家宁愿蓄意夸张地陈述他们的偏见:「所有的预测都是错误的。」

广告:个人专属 VPN,独立 IP,流量大,速度快,连接稳定,多机房切换,每月最低仅 5 美元

他们说得也有一定的道理。被证实为正确的长期预测显得如此之少,因此以统计的眼光看来,满眼都是错。而根据同样的统计计量,正确的短期预测是如此之多,因此所有的短期预测都是对的。

对于复杂系统最有把握的说法,莫过于说它下一刻跟这一刻完全一样。这个观察接近于真理。系统是持之以恒的东西;因此,它只是从此刻到彼刻不断重复的过程。一个系统——甚至一个有生命的东西——都少有变化。一棵橡树,一个邮局,还有我的苹果电脑,从某一天运行到第二天,几乎没有丝毫变化。我可以轻松地保证对复杂系统作出一个短期的预测:它们明天会跟今天差不多。

还有一个老生常谈的说法同样正确:从某一天到第二天,事情偶尔也会发生一点变化。可是,能预测到这些即刻发生的变化吗?如果能的话,我们是否可以把这一系列可预测的短期变化积攒起来,勾勒出一种可能的中期趋势?

可以。尽管基本上长期预测还是不可能,但是对于复杂系统来说,短期预测不仅可能,而且必要。而且,有些类型的中期预测完全可行,并且越来越可行。尽管对当下的行为做一些可靠的预测,会有爱丽丝漫游奇境式的离奇感觉,但是人类在社会、经济和技术各种方面的预测能力,会有稳步的增长。至于为什么,我在下面会说。

我们现在拥有预测许多社会现象的技术,前提是我们能够在合适的时机抓住它们。我奉行席奧多·莫迪斯[1]1992年的著作《预测》[2]对预测的功用和可信性情况的精确总结。莫迪斯提出了在人类互动的更大网络中建立有序性的三种类型。每一种都在特定的时间构成了一个可预测性范围。他把这一研究应用到经济学、社会基础设施和技术领域之中,而我相信,他的发现同样适用于有机系统。莫迪斯的三个范围是:不变量、成长曲线和循环波。

不变量。对所有优化其行为的有机体来说,自然的、无意识的趋势逐渐向其行为中注入了随时间推移极少变化的「不变量」。尤其人类,是最有资格的优化者。一天有二十四个小时是一个绝对的不变量,那么一般而言,人生几十年,虽然其间隔、所完成的事业不尽相同,但是很明显,人类都趋向把一定量的时间用来干这些琐事:烹饪、旅行、打扫卫生。如果把新的行为(比如,乘坐0201483408航班[3],而不是步行)纳入基本维度(比如,每天奔波要花多长时间),就会看到,这种新行为的模式持续展现的是原有行为的模式,同样可以预测(或预言)它的未来。换句话说,你以前是每天走半个小时路去上班,现在则是开半个小时车去上班。而在未来,也许你会飞半个小时去上班。市场苛求效率的压力,如此冷酷,如此无情,致使它必然将各种人造系统推向最优化这单一的(可预测)方向。追踪一个不变量的优化点,往往会提醒我们注意到一个规则的可预测性范围。比如说,机械效率的提高是非常缓慢的。到现在为止,还没有一种机械系统的效率能够超过50%。设计一个运行效率达到45%的系统是可能的,而要设计一个效率达到55%的系统,就不可能。因此,我们可以对燃料效率做一个可靠的短期预测。

成长曲线。一个系统越大、层次越多、越是去中心化,那么它在有机成长方面取得的进展也就越多。所有成长的东西,都拥有几个共同的特点。其中一个,就是形状为S形曲线的生命周期:缓慢地诞生、迅速地成长、缓慢地衰败。全球范围内每年的汽车产量,或者莫扎特一生中创作的交响乐,都相当精确地符合这种S形曲线。「S形曲线所具有的预测能力,既非魔法,也非无用」,莫迪斯写到。「在S形曲线那优雅的形状下面,隐藏着一个事实,即自然的生长过程遵循着一种严格的定律。」这个定律说明,结局的形态与开端的形态相对称。这个定律以数千生物学的历史,以及形成制度的生命历史的经验观测值为基础。这个定律还与以钟形曲线表述的复杂事物的自然分布有着密切的联系。成长对初始条件极度敏感;然而成长曲线上的初始数据点几乎毫无意义。不过,一旦某个现象在曲线上形成不可遏止的趋势,有关它的历史的数字快照就会形成,并在预测这个现象的最终的极限和消亡方面起颠覆性的作用。人们可以从这条曲线中抽取它与竞争系统的一个交界点,或者一个「上限」,以及这个上限必然水平拉开的数据。并不是每个系统的生命周期都呈现光滑的S形曲线;但是,符合这个曲线的系统无论种类或者数量都相当可观。莫迪斯认为,服从这一生长定律的东西比我们设想的要多。如果我们在恰当的时机(其生长过程的中期)检验此类生长系统,这种由S形曲线定律概括的局部有序状态的出现,就为我们提供了另外一个可预测性范围。

循环波。系统明显的复杂行为,部分地反映了系统环境的复杂结构,这是赫伯特·西蒙在大约三十年前指出的。当时,他利用一只蚂蚁在地面的运动轨迹作为例证。一只蚂蚁歪来扭去地穿过土地的线路,反映出的并不是蚂蚁自己复杂的移动,而是它所处环境的复杂结构。按照莫迪斯的说法,自然界的循环现象能给运行其间的系统注入循环偏好。莫迪斯曾经为经济学家康德拉基耶夫[4]所发现的56年经济周期所吸引。而且,除了康德拉基耶夫发现的这个经济波,莫迪斯还补充了两个类似的周期,一个是他自己提出的科学发展中的56年周期,另一个是阿诺夫·古儒柏[5]研究的基础设施更换的56年周期。其他作者已经提出了各种假说来说明这些明显波动原因,有人认为它来自于56年的月亮运动周期,或者是第5个以11年为周期的太阳黑子周期,甚至还有人将其归结为人类隔代周期——因为每个28年期的代群都会偏离其父辈的工作成果。莫迪斯辩称,本初的环境周期引发了许多尾随而来的次生和再生的内部循环。研究者只要发现了这些循环的任何片段,就可以利用它们来预测行为的范围。

上述三种预测模式表明,在系统提高了能见度的某些特定时刻,秩序的无形模式对关注者来说会变得清晰起来。这就好像下一个鼓点,几乎可以预先听到它将要发出的声音。不一会儿,干扰把它搅浑覆盖了,那种模式就消逝了。可预测性范围也有大惊喜。不过,局部的可预测性确实指向一些可改进、可深化,也可延长为更大东西的方法。

尽管成功地进行大型预测的几率非常之小,但是,试图从过去的股票市场价格中析取长波模式的业余和专职的金融图表分析师并不因此气馁。对于图表分析师来说,任何一种外在的周期性行为都是可以猎取的猎物:裙裾的长度,总统的年龄、鸡蛋的价格。图表分析师永远都在追逐神话般预测股价趋势的「领先指标」,用来作为下注的数值。多年来,图表分析师一直因为采用这种说不清道不明的数字逻辑方法而受到嘲笑。不过,最近一些年来,一些专业学者,比如理查德·斯威尼[6]和布莱克·勒巴朗[7]却说明图表分析师的方法往往切实可行。图表分析师的技术准则可以简单到令人乍舌:「如果市场保持上涨趋势有一段时间了,就赌它还会继续上涨。如果它处在一个下跌的趋势,就赌它还会继续下跌。」这样的一种准则,就把一个复杂市场的高维度简化为这样简单的两部式规则的低维度。一般来说,这种进行模式寻找的办法行之有效。这种「涨就一直涨,跌就一直跌」的模式,要比随机的碰运气运作得好,因此也比普通投资者的炒作要强得多。既然对于一个系统来说,最可预测的事情就是它的停滞,那么,这种有序模式的出现并不是出乎意外——尽管它真的令人惊讶。

和图表分析主义相反,另外一些金融预测人员依靠市场的「基本面」预测市场。这些被称为基本面分析师的人们试图理解复杂现象中的驱动力量、潜在动力以及基本条件。简单来说,他们要找的是一个理论:f=ma。

另一方面,图表分析师是从数据中寻找模式,并不关心自己是否明白这个模式存在的理由。如果宇宙中确实存在着有序,那么所有的复杂性的有序,其未来路径都会(至少是暂时地)在某处以某种方式揭示出来。人们仅仅需要了解可以把什么信号当作噪音而忽视。图表分析师按照多恩·法默的方式进行组织归纳。法默自己也承认,他和他那些预测公司的同事是「统计意义上的严格的图表分析师」。

再过五十年,计算机化的归纳法、基于算法的图表分析、以及可预测性范围,将会成为值得尊敬的人类事业。股票市场的预测,则仍然是一件古怪的事情,因为与其它系统相比,股票市场更多的是建立在预期之上的。在一个靠预期取胜的游戏中,如果所有人都分享这个预测的话,准确的预测就不会提供赚钱的机会。预测公司真正能够拥有的,只不过是时间上的领先。只要法默的团队开发某个预测性范围挣到了大钱,那么其他人都会冲进来,多少模糊了模式,大多数情况下,会把挣钱的机会拉平。在一个股票市场中,成功会激发起强烈的、自我取消的反馈流。在其他系统中,比如说成长性网络,或者一家正在扩张的公司,预测反馈不会自我取消。通常来说,反馈是自我管理型的。

席奧多·莫迪斯(Theodore Modis, 1943~):务分析师、未来学家、物理学家、国际顾问。

《预测》:Predictions

0201483408航班:0201483408为《失控》(英文版)的国际标准书号(ISBN)。

尼古拉·康德拉基耶夫(Nikolai D.Kondratieff, 1892~1938):俄国经济学家及统计学家,因提出康德拉季耶夫长波闻名于西方经济学界。

阿诺夫·古儒柏(Arnulf Grubler):英国科学家,国际应用系统分析学会的一名研究员。他在奥地利维也纳理工大学获得博士学位后,先后在意大利里亚斯特(Trieste)理论物理国际研究中心等机构任职。

查德·斯威尼(Richard J.Sweeney):博尔顿苏利文/托马斯A.国际金融组织主席。斯威尼教授专长于国内国际金融货币经济学以及国家政策。其当前研究重点在美联储对外汇市场的影响,财政交叉截面分析办法,以及欧盟、美国的立宪提案等。

布莱克·勒巴朗(Blake LeBaron):芝加哥大学经济学哲学博士,布兰代斯大学金融学教授,金融理论家。