主题：【原创】牛与熊，从科研角度看股市（一）---从一篇小论文谈起 -- 千里烟波

学术界里一般情况下不直接讨论资产价格(price)，而是回报率（return）。二者实质上一样，但是回报率更加标准化，使得100元的中信证券和20元的太钢不锈可以比较那个增长得更快。

到此为止，没什么方法有效的帮助预测回报率。著名的Fama和French(1993)的三要素模型是在解释而非预测。解释：X和Y同时发生，看看X对Y有什么关系。预测：X提前于Y，通过建模看两者的关系，这样X发生之后在Y未发生之前能有所预测。即使有有效的方法帮助预测，一种情况下是我们不会知道，另一种则是在我们知道以后就不管用了。我有一个在证券业打拼得很多年的朋友说“指南针”有用，不过不卖了，就是为了保证含金量。

所以现在金融计量更多的力气用在风险测度上。最简单的方法就是把时间序列当作相互独立的随机数。下图把千里烟波:【原创】牛与熊，从科研角度看股市（二）里面的数据按大小分类。

看着是不是想起来金凯利在大话王立面的经典对白：“两寸半，向左偏”：）

第一步的直接计算（不知道开始者是谁）,就是直白地计算方差（variance），然后假装该随机数是正态分布。这样就有了回报率分布的样子，然后根据个人的偏好选择投入多少资金到股市里面（确切地说是ETF）。

两大缺点：1，该分布用眼睛看都知道不是正态，通过J-B检验也会拒绝之。2，从时间序列的图上，我们能感觉到波动有“扎堆”（cluster）的感觉。换句话说，最近波动大，明天波动也很可能大，反之亦然。

所以我们说观察观察再观察，空想不能解决任何问题，有经验才能有一切。通过观察和对数据的熟悉，在风险方面，离得近的历史数据比远的数据更有帮助，再回到原来我所强调的概念，这表示着近距离数据的信息（Information）含量高！

而在这方面的先行模型，也是最直接,最简单，同时也很实用的J.P Morgan的Risk Metric.

• 【原创，短】借欧洲杯大眼说的话讲选择性偏差