凡事都应该尽可能地简化,但不能过于简单。————阿尔伯特·爱因斯坦
要简化到什么程度取决于三个方面:
第一,不确定性越高,越应该简化;反之,越应该复杂化。
股市是无法预测的,因为其不确定性很高,这时就应该使用想1/N法则这样的简单方法
第二,可选方案越多,越应该简化,反之,越应该复杂化。
因为复杂的方法需要评估多个风险因素,可选方案越多越意味着需要评估的因素越多,这就会导致更多的估计失误。相比之下,1/N法则不会受到更多可选方案的影响,因为不需要根据过往的数据进行估算
第三,历史数据越多,越应该使用复杂的方法。
如果拥有500年的数据,马科维茨模型就会优于1/N法则
不同的因素会共同发生作用:如果只有25个可选方案而非50个,那么仅需要250年的股票数据。
这些因素有助于我们理解所有预测专家面临的困境,也就是统计学家所说的偏差—方差困境
当我们使用某种方法做预测时,预测结果与真实情况的差距被称为“偏差”
在一个充满变数的世界里,偏差是无法避免的,除非出现某种巧合;
与1/N法则不同,复杂方法利用历史数据预测未来。预测结果取决于所用的具体数据样本,因此可能并不稳定。这种不稳定性被称为“方差”
因此,方法越复杂,需要估算的变量越多,误差就越大
爱因斯坦法则让我们意识到,在一个充满不确定性的世界里,少即是多。