财新传媒

【编辑絮语·王烁】人人都能掌握的最强预测法

来源于 《财新周刊》 2016年第4期 出版日期 2016年01月25日
只要有大量预测者,无论经济、政治、金融,都可以移植极化算法
王烁

  把一头牛牵上集市的台子,让农夫目测其体重;把一罐糖果放到桌上,让幼儿园小朋友估计有多少颗。谁估得最准?

  多玩几次。每次肯定会有一个人估计最准确,只不过每次最准的不会是同一个人。长期中,所有估计的简单平均值胜过所有人的估计简单平均,将所有人掌握的信息和作出的判断聚合起来,比单个人掌握的信息要完整,形成的判断也更准确。这就是所谓群体的智慧。

  用聚合来做预测,简单平均只是起点。内特·希弗(Nate Silver)做了个选举预测网站,并不直接做预测,而是做民调的聚合。民调本身是对选民意见的聚合,希弗则是对聚合的聚合:根据每个民调机构准确率的历史记录和动态表现调整权重,最后的结果既包含了对于每个民调机构的绩效评估,又聚合而成一个新预测。

  这个预测有多准确?2012年美国总统大选,希弗预测对了奥巴马战胜罗姆尼,这不稀奇。稀奇的是希弗还预测对所有50个州的胜负。

  加权平均胜简单均值。这就完了吗?没有。

  对加权平均形成的预测结果,再作一次极化,效果更好。所谓极化,就是将预测结果往100%或者0的方向推。举个例子,对美伊达成核协议可能性的预测,如果预测者加权平均后的回答是70%,那就把它上调到比如85%;相反,如果预测值是30%,那就把它下调到15%。

  极化基于一个简单的理由:假设群体中的每个人都获得了群体的全部信息,他们作预测时一定会更为自信。从群体简单平均值到加权平均的过程,事实上已经聚合了所有人的信息,但没有完全反映出应该有的自信。极化就是要捕捉这个自信。

  如果是乐观预测,极化会输出一个更乐观的预测;如果是悲观预测,极化会输出一个更悲观的预测。

  根据历史表现动态调整-加权平均-极化,就是这样简单,但普通人用这个方法,能够战胜专家。在美国著名政治学家泰特罗克主持的预测公开赛中,2万多名参与者参加,极化算法所向无敌。

  极化算法很简单,可适用的范围也很广。触类旁通,只要是存在大量预测者的领域,无论经济、政治、金融还是其他,都可以移植这套算法:根据表现动态调整权重,加权平均,极化,应用的空间极大。

  本刊主编 王烁

版面编辑:邱祺璞
财新传媒版权所有。如需刊登转载请点击右侧按钮,提交相关信息。经确认即可刊登转载。
推广

财新微信