002 如何學習理財規劃?
在學習理財規劃時,許多讀者困惑的問題是:「專家的話該不該聽?如果要聽,何時該聽?該聽多少?」在麥爾坎.葛拉威爾《決斷兩秒間》的書中就有談論這個問題;書中大致上的結論是:
在理財規劃的流程中,投資是相對不可預測的,具有高度的未來不確定性、市場的競爭性和社會大眾的心理預期等綜合影響。因此,在撰寫金融觀念時,本部落格會以基本邏輯為主、金融的學術期刊為輔。這是因為本部落格堅信: 任何違背基本邏輯的概念,都需要非常審慎的評估,即使是學術文章或是複雜的AI投資模型。這是因為學術文章通常會有許多的基本假設,而大多數模型則是真實事件的簡化呈現。
在Coursera上面教導計量金融模型的Richard Waterman曾說過: 「所有的學術模型都經過簡化而且許多時候這些模型是錯誤的。儘管如此,仍然有部份的模型能夠很好的運用在現實生活中」。後面的文章如果有介紹學術理論或是模型時,我們的重點就不會放在正確性,而是這個理論或模型是否能夠解釋部分的真實情況並有助於我們進行決策判斷。不理性的期待模型精準預測所有的情況容易造成反效果,這也是本部落格希望能夠和讀者溝通的,藉由模型摸索出大致的方向並以此作為前進的目標,才是應該要做的事情!這點華倫.巴菲特和安德烈·科斯托蘭尼說過相似的話:「模糊的正確比精準的錯誤來的重要」,盡信書不如無書,這才是健康的學習狀態。
003 如何學習學術理論和模型
如果想要快速了解學術理論和模型的話,下面的表格提供清楚的解釋:
了解理論和模型對於決策產生的影響會決定我們是否繼續研究,而了解背後的假設、限制與變數才能夠以正確的方式使用模型。最後則是檢驗數據品質與分析。
事實上,數據品質可以從4個不同面向討論。他們分別是: 數據規模, 數據種類, 數據生成速度, 數據品質;也是大數據4Vs(Volume, Variety, Velocity and Veracity)的由來。另外,在閱讀論文或是使用模型時,我們應該注意數據是否有: 不完整、不正確、不一致性、格式不同、重複使用等現象發生。這樣才能確保文章和模型的品質具有一定的水準。如果想了解模型的效用我們可以使用混淆矩陣(Confusion Matrix)分析True Positive, True Negative, False Positive, False Negative的觀測值。
- True Positive(TP): 模型判斷是對的,實際情況也是對的
- True Negative(TN): 模型判斷是錯的,實際情況也是錯的
- False Positive(FP): 模型判斷是對的,實際情況是錯的
- False Negative(FN): 模型判斷是錯的,實際情況是對的
在使用混淆矩陣分析時,第一考量是: 模型判斷錯誤的成本有多高。如果FP或是FN的成本很高,那麼我們就需要進一步的分析。
- Precision Ratio(P): TP/(TP+FP),使用時機為: FP的成本很高時
- Recall Ratio(R): TP/(TP+FN),使用時機為: FN的成本很高時
- Accuracy Ratio: (TP+TN)/(TP+TN+FP+FN),檢查模型的判斷能力
- F1 Score(2PR)/(P+R),使用時機為: 混淆矩陣中不同類別的觀測規模差距過大時
進階分析後,如果模型的Accuracy Ratio和F1 Score的分數都很高,那麼代表模型本身的判斷效果不錯,可以做為決策判斷的參考依據。熟悉上面的學習流程將能夠大幅改善我們的學習效果。
參考資料
- Coursera Online Course: Fundamentals of Quantitative Modeling
- 決斷兩秒間 Malcolm Gladwell
- 華倫.巴菲特 維基語錄
- 安德烈·科斯托蘭尼 證券心理學