透视
宾那 完成
|
|
静默观察者
|
· |
2020年3月20日
|
2020年3月20日
|
|
宾那 完成 |
|
如何减少预测误差源
预测市场期望值修改是产生长期溢出投资回报的关键成功的长期投资者看期望向何方基于预测,但研究表明,大多数专家不做大预测。
宾夕法尼亚大学心理学教授Barbara Mellers说,“我们发现预测非常难,但我们很容易理解解释。”一号向自身和他人讲故事并写出差预测消息不全暗淡美国情报界赞助一次预测锦标赛,它显示一分之一“超级预测者”一贯比其他参与者作出更好的预测
超预测者成功部分反映他们的素质,包括算术、知识好奇心、概率思维和开明思想部分成功依赖习惯 可“学习和培养 由任何智能,深思熟虑,有决心的人2
统计家和心理学家用BIN模型检查“超级预测者”与定期预测者之间的差距,B指偏差,I指信息,N指噪声
当研究者计算出超预测者为何比正常预测者好得多时,发现差约50%来自减少噪声,25%来自减少偏差,25%来自增加信息承认噪声偏差独立出错源头很重要 减少两者中任何一个提高预测
源码:对称点全局
研究者研究训练对总体精度的影响时,还发现训练比消噪偏差提高精度更多
噪声三大消噪法是合并判断,使用算法和采行“调和评估协议”(MAP)。
组合预测核心思想支持群集智慧,市场是集思广益机制的好例子预测精度在无有效方式汇总信息或误差产生关联性并噪声转换为集体偏差时会失密
算法简单规则或程序 允许你实现目标举个例子 蛋糕配方算法研究发现提高算法接受度的一个方法就是 允许人类对最终回答稍加调整 丹尼尔卡赫曼称它为“自律直觉
中值评估协议(MiddingServices协议)是一种方法创建中间评分基础,即关键题,以便达成比完全依赖直觉更知情的最后判定
比亚斯偏向方法引入基率地面预测、预验和红队开放思想以获取替代结果并设置路标以创建从错误中学习之道方法产生溢出效果帮助管理噪声
信息发布有效使用信息意味着获取信息优势,准确并快速更新视图以反映新信息,并适当权衡信息可用性对锦标赛预测者的分析显示,信差更新频率为“最强单动作预测精度”。
投资者可使用BIN模型评估决策过程,同时增强对噪声大规模和潜在被忽视作用的认识噪声往往被忽视或忽略,提高一致性可增加大量值,识别采用减少噪声做法的公司可能是超值回报源
感谢订阅反点全局观察者