導讀：每一個週六，點拾投資將聯合長信基金推出《Value Investing: Tools and Techniques for Intelligent Investment》一書的翻譯系列。我們會在每一個週六，連載一章最新的翻譯。希望在未來幾個月的時間，給大家每一個週六都能帶來營養。。
今天與大家分享的是第三章，偽科學和金融：數據專制和安全性謬論。這一章會給大家講述，在金融的世界中，大家都喜歡用“數字”說話。各種各樣的數據，成為了這個行業溝通的語言。無論是關於風險的Value at Risk，還是Beta和Alpha，或者是跟蹤誤差。但是有多少人真正思考過數據源頭的邏輯，如果邏輯本身是有問題的呢？對於數據的盲目信念是我們金融行業的魔咒！
譯者：長信基金楊帆
在現代金融世界，對數據的熱愛已經超過了真正的批判性思維。任何事情只要有點數據，就被當成了真理。人們被這些偽科學愚弄，把簡單的事情講的複雜反而更容易讓人相信。風控人員、分析師和諮詢師們都在利用偽科學來製造一種安全的假象，我們需要對這種人工操控無意義數據的情況保持警惕。嚴肅思考和保持懷疑的態度是我們最稀缺的工具。
Garner等人的研究顯示，人們很容易被“誘導性細節”分散注意力。給人們看幾張看上去“有趣”但是和所討論事情無關的照片，人們就想不起重要的事情是什麼了。
現在的金融充斥著偽科學和誘導性細節。例如，風控本身就是最大的偽科學。類似Value at Risk (VaR)這樣的數據看上去令人舒適，但實際上只是營造了一種安全的假象。長尾、自相關和跟蹤誤差這樣的風險都嚴重削弱VaR的用處。
分析師們也在利用偽科學，他們是誘導性細節的提供者。大多數分析師的報告充滿了“有趣”而又無關的信息——把未來五年的盈利預測精確到小數點後兩位並無意義。
業績評估是金融世界盛行偽科學的另一個案例。諸如Alpha, beta，跟蹤誤差這些意義模糊的用詞，讓事情變得更復雜。風格飄移，持倉組合風格分析以及收益風格分析等用詞也讓這行看上去很重要。但是，一旦深究這些數據背後的意義則會發現這些數據本身都存在嚴重的問題。
可以被數量化的方式描述並不意味著這事情本身就有意義。嚴肅思考和保持懷疑態度都無可替代，盲目相信數據本身是通向失敗之路。
被偽科學矇蔽
在現代金融世界，對錶面數據的熱愛已經超過了真正的批判性思維，這個趨勢令人擔憂。但請讀者不要誤解，我認為基於實證證據驗證投資邏輯極端重要（這個過程我稱其為基於證據的投資）。然而，現實中太多人總是把偽科學當成真理，把任何只要有點數據的東西當成事實本身。
Weisberg等人(2008)做的一項研究發現了一些非常有趣的結果，這些結果顯示我們大眾多容易被偽科學的論述所欺騙。在實驗中，Weisberg給三組實驗對象（分別是年輕的學生，學習神經科學專業的學生，和相關專家）一組關於心理學現象的論述。這些論述按照兩個維度分類：1）論述本身的真實情況“好”還是“壞”；2）是否使用神經科學語言進行包裝。
圖3.1是這項實驗的一個實例。在所有的情況下，“好”的論述都是有關事實的真實解釋。“壞”的論述則僅僅是相關現象的簡單循環論述，沒有任何解釋力。
"導讀：每一個週六，點拾投資將聯合長信基金推出《Value Investing: Tools and Techniques for Intelligent Investment》一書的翻譯系列。我們會在每一個週六，連載一章最新的翻譯。希望在未來幾個月的時間，給大家每一個週六都能帶來營養。。
今天與大家分享的是第三章，偽科學和金融：數據專制和安全性謬論。這一章會給大家講述，在金融的世界中，大家都喜歡用“數字”說話。各種各樣的數據，成為了這個行業溝通的語言。無論是關於風險的Value at Risk，還是Beta和Alpha，或者是跟蹤誤差。但是有多少人真正思考過數據源頭的邏輯，如果邏輯本身是有問題的呢？對於數據的盲目信念是我們金融行業的魔咒！
譯者：長信基金楊帆
在現代金融世界，對數據的熱愛已經超過了真正的批判性思維。任何事情只要有點數據，就被當成了真理。人們被這些偽科學愚弄，把簡單的事情講的複雜反而更容易讓人相信。風控人員、分析師和諮詢師們都在利用偽科學來製造一種安全的假象，我們需要對這種人工操控無意義數據的情況保持警惕。嚴肅思考和保持懷疑的態度是我們最稀缺的工具。
Garner等人的研究顯示，人們很容易被“誘導性細節”分散注意力。給人們看幾張看上去“有趣”但是和所討論事情無關的照片，人們就想不起重要的事情是什麼了。
現在的金融充斥著偽科學和誘導性細節。例如，風控本身就是最大的偽科學。類似Value at Risk (VaR)這樣的數據看上去令人舒適，但實際上只是營造了一種安全的假象。長尾、自相關和跟蹤誤差這樣的風險都嚴重削弱VaR的用處。
分析師們也在利用偽科學，他們是誘導性細節的提供者。大多數分析師的報告充滿了“有趣”而又無關的信息——把未來五年的盈利預測精確到小數點後兩位並無意義。
業績評估是金融世界盛行偽科學的另一個案例。諸如Alpha, beta，跟蹤誤差這些意義模糊的用詞，讓事情變得更復雜。風格飄移，持倉組合風格分析以及收益風格分析等用詞也讓這行看上去很重要。但是，一旦深究這些數據背後的意義則會發現這些數據本身都存在嚴重的問題。
可以被數量化的方式描述並不意味著這事情本身就有意義。嚴肅思考和保持懷疑態度都無可替代，盲目相信數據本身是通向失敗之路。
被偽科學矇蔽
在現代金融世界，對錶面數據的熱愛已經超過了真正的批判性思維，這個趨勢令人擔憂。但請讀者不要誤解，我認為基於實證證據驗證投資邏輯極端重要（這個過程我稱其為基於證據的投資）。然而，現實中太多人總是把偽科學當成真理，把任何只要有點數據的東西當成事實本身。
Weisberg等人(2008)做的一項研究發現了一些非常有趣的結果，這些結果顯示我們大眾多容易被偽科學的論述所欺騙。在實驗中，Weisberg給三組實驗對象（分別是年輕的學生，學習神經科學專業的學生，和相關專家）一組關於心理學現象的論述。這些論述按照兩個維度分類：1）論述本身的真實情況“好”還是“壞”；2）是否使用神經科學語言進行包裝。
圖3.1是這項實驗的一個實例。在所有的情況下，“好”的論述都是有關事實的真實解釋。“壞”的論述則僅僅是相關現象的簡單循環論述，沒有任何解釋力。
實驗對象對所給的對論述進行評分，並且被提前告知其中有些論述是錯誤的“壞”論述。他們以7分制對這些論述進行評分，範圍從-3（令人極不滿意的論述）到+3（非常令人滿意的論述）。數據表3.1-3.3顯示了對三組實驗對象的實驗結果。新手組（年輕的沒有受過心理學或神經科學教育的實驗對象）在不加入神經科學語言包裝的時候可以很好的區分出好的論述和壞的論述（數據表3.1）。然而，一旦加入神經科學語言的包裝，該實驗組對象分辨好壞的能力被大幅削弱。尤其是那些加入了神經科學語言包裝的壞論述的評分因此而大幅提升。
"導讀：每一個週六，點拾投資將聯合長信基金推出《Value Investing: Tools and Techniques for Intelligent Investment》一書的翻譯系列。我們會在每一個週六，連載一章最新的翻譯。希望在未來幾個月的時間，給大家每一個週六都能帶來營養。。
今天與大家分享的是第三章，偽科學和金融：數據專制和安全性謬論。這一章會給大家講述，在金融的世界中，大家都喜歡用“數字”說話。各種各樣的數據，成為了這個行業溝通的語言。無論是關於風險的Value at Risk，還是Beta和Alpha，或者是跟蹤誤差。但是有多少人真正思考過數據源頭的邏輯，如果邏輯本身是有問題的呢？對於數據的盲目信念是我們金融行業的魔咒！
譯者：長信基金楊帆
在現代金融世界，對數據的熱愛已經超過了真正的批判性思維。任何事情只要有點數據，就被當成了真理。人們被這些偽科學愚弄，把簡單的事情講的複雜反而更容易讓人相信。風控人員、分析師和諮詢師們都在利用偽科學來製造一種安全的假象，我們需要對這種人工操控無意義數據的情況保持警惕。嚴肅思考和保持懷疑的態度是我們最稀缺的工具。
Garner等人的研究顯示，人們很容易被“誘導性細節”分散注意力。給人們看幾張看上去“有趣”但是和所討論事情無關的照片，人們就想不起重要的事情是什麼了。
現在的金融充斥著偽科學和誘導性細節。例如，風控本身就是最大的偽科學。類似Value at Risk (VaR)這樣的數據看上去令人舒適，但實際上只是營造了一種安全的假象。長尾、自相關和跟蹤誤差這樣的風險都嚴重削弱VaR的用處。
分析師們也在利用偽科學，他們是誘導性細節的提供者。大多數分析師的報告充滿了“有趣”而又無關的信息——把未來五年的盈利預測精確到小數點後兩位並無意義。
業績評估是金融世界盛行偽科學的另一個案例。諸如Alpha, beta，跟蹤誤差這些意義模糊的用詞，讓事情變得更復雜。風格飄移，持倉組合風格分析以及收益風格分析等用詞也讓這行看上去很重要。但是，一旦深究這些數據背後的意義則會發現這些數據本身都存在嚴重的問題。
可以被數量化的方式描述並不意味著這事情本身就有意義。嚴肅思考和保持懷疑態度都無可替代，盲目相信數據本身是通向失敗之路。
被偽科學矇蔽
在現代金融世界，對錶面數據的熱愛已經超過了真正的批判性思維，這個趨勢令人擔憂。但請讀者不要誤解，我認為基於實證證據驗證投資邏輯極端重要（這個過程我稱其為基於證據的投資）。然而，現實中太多人總是把偽科學當成真理，把任何只要有點數據的東西當成事實本身。
Weisberg等人(2008)做的一項研究發現了一些非常有趣的結果，這些結果顯示我們大眾多容易被偽科學的論述所欺騙。在實驗中，Weisberg給三組實驗對象（分別是年輕的學生，學習神經科學專業的學生，和相關專家）一組關於心理學現象的論述。這些論述按照兩個維度分類：1）論述本身的真實情況“好”還是“壞”；2）是否使用神經科學語言進行包裝。
圖3.1是這項實驗的一個實例。在所有的情況下，“好”的論述都是有關事實的真實解釋。“壞”的論述則僅僅是相關現象的簡單循環論述，沒有任何解釋力。
實驗對象對所給的對論述進行評分，並且被提前告知其中有些論述是錯誤的“壞”論述。他們以7分制對這些論述進行評分，範圍從-3（令人極不滿意的論述）到+3（非常令人滿意的論述）。數據表3.1-3.3顯示了對三組實驗對象的實驗結果。新手組（年輕的沒有受過心理學或神經科學教育的實驗對象）在不加入神經科學語言包裝的時候可以很好的區分出好的論述和壞的論述（數據表3.1）。然而，一旦加入神經科學語言的包裝，該實驗組對象分辨好壞的能力被大幅削弱。尤其是那些加入了神經科學語言包裝的壞論述的評分因此而大幅提升。
第二組實驗對象由接受過中等程度的腦神經認知科學教育的學生組成。這些學生應該已經掌握了構建該學科實驗的基本邏輯。然而，數據表3.2顯示他們的結果和新手組差不多。他們看上去給神經科學賦予了高權重，使得那些沒有被此包裝過的好論述則被打了很低的分！壞論述同樣因為神經科學語言的包裝而令評分明顯提升。看上去這些學生只對他們學習的東西感興趣。
"導讀：每一個週六，點拾投資將聯合長信基金推出《Value Investing: Tools and Techniques for Intelligent Investment》一書的翻譯系列。我們會在每一個週六，連載一章最新的翻譯。希望在未來幾個月的時間，給大家每一個週六都能帶來營養。。
今天與大家分享的是第三章，偽科學和金融：數據專制和安全性謬論。這一章會給大家講述，在金融的世界中，大家都喜歡用“數字”說話。各種各樣的數據，成為了這個行業溝通的語言。無論是關於風險的Value at Risk，還是Beta和Alpha，或者是跟蹤誤差。但是有多少人真正思考過數據源頭的邏輯，如果邏輯本身是有問題的呢？對於數據的盲目信念是我們金融行業的魔咒！
譯者：長信基金楊帆
在現代金融世界，對數據的熱愛已經超過了真正的批判性思維。任何事情只要有點數據，就被當成了真理。人們被這些偽科學愚弄，把簡單的事情講的複雜反而更容易讓人相信。風控人員、分析師和諮詢師們都在利用偽科學來製造一種安全的假象，我們需要對這種人工操控無意義數據的情況保持警惕。嚴肅思考和保持懷疑的態度是我們最稀缺的工具。
Garner等人的研究顯示，人們很容易被“誘導性細節”分散注意力。給人們看幾張看上去“有趣”但是和所討論事情無關的照片，人們就想不起重要的事情是什麼了。
現在的金融充斥著偽科學和誘導性細節。例如，風控本身就是最大的偽科學。類似Value at Risk (VaR)這樣的數據看上去令人舒適，但實際上只是營造了一種安全的假象。長尾、自相關和跟蹤誤差這樣的風險都嚴重削弱VaR的用處。
分析師們也在利用偽科學，他們是誘導性細節的提供者。大多數分析師的報告充滿了“有趣”而又無關的信息——把未來五年的盈利預測精確到小數點後兩位並無意義。
業績評估是金融世界盛行偽科學的另一個案例。諸如Alpha, beta，跟蹤誤差這些意義模糊的用詞，讓事情變得更復雜。風格飄移，持倉組合風格分析以及收益風格分析等用詞也讓這行看上去很重要。但是，一旦深究這些數據背後的意義則會發現這些數據本身都存在嚴重的問題。
可以被數量化的方式描述並不意味著這事情本身就有意義。嚴肅思考和保持懷疑態度都無可替代，盲目相信數據本身是通向失敗之路。
被偽科學矇蔽
在現代金融世界，對錶面數據的熱愛已經超過了真正的批判性思維，這個趨勢令人擔憂。但請讀者不要誤解，我認為基於實證證據驗證投資邏輯極端重要（這個過程我稱其為基於證據的投資）。然而，現實中太多人總是把偽科學當成真理，把任何只要有點數據的東西當成事實本身。
Weisberg等人(2008)做的一項研究發現了一些非常有趣的結果，這些結果顯示我們大眾多容易被偽科學的論述所欺騙。在實驗中，Weisberg給三組實驗對象（分別是年輕的學生，學習神經科學專業的學生，和相關專家）一組關於心理學現象的論述。這些論述按照兩個維度分類：1）論述本身的真實情況“好”還是“壞”；2）是否使用神經科學語言進行包裝。
圖3.1是這項實驗的一個實例。在所有的情況下，“好”的論述都是有關事實的真實解釋。“壞”的論述則僅僅是相關現象的簡單循環論述，沒有任何解釋力。
實驗對象對所給的對論述進行評分，並且被提前告知其中有些論述是錯誤的“壞”論述。他們以7分制對這些論述進行評分，範圍從-3（令人極不滿意的論述）到+3（非常令人滿意的論述）。數據表3.1-3.3顯示了對三組實驗對象的實驗結果。新手組（年輕的沒有受過心理學或神經科學教育的實驗對象）在不加入神經科學語言包裝的時候可以很好的區分出好的論述和壞的論述（數據表3.1）。然而，一旦加入神經科學語言的包裝，該實驗組對象分辨好壞的能力被大幅削弱。尤其是那些加入了神經科學語言包裝的壞論述的評分因此而大幅提升。
第二組實驗對象由接受過中等程度的腦神經認知科學教育的學生組成。這些學生應該已經掌握了構建該學科實驗的基本邏輯。然而，數據表3.2顯示他們的結果和新手組差不多。他們看上去給神經科學賦予了高權重，使得那些沒有被此包裝過的好論述則被打了很低的分！壞論述同樣因為神經科學語言的包裝而令評分明顯提升。看上去這些學生只對他們學習的東西感興趣。
第三組實驗對象是“專家組”——他們受過較深度的腦神經認知科學或者認知心理學的培訓。這組實驗對象體現出和前兩組不同的結果。數據表3.3顯示，這組實驗對象很好的區分了好論述和壞論述。同時，這組實驗對象給添加了神經科學無用信息的好論述以較低的分數。實際上他們懲罰了添加無用信息的論述。這項發現或許也表明，這些神經科學的信息本身沒什麼價值。
"導讀：每一個週六，點拾投資將聯合長信基金推出《Value Investing: Tools and Techniques for Intelligent Investment》一書的翻譯系列。我們會在每一個週六，連載一章最新的翻譯。希望在未來幾個月的時間，給大家每一個週六都能帶來營養。。
今天與大家分享的是第三章，偽科學和金融：數據專制和安全性謬論。這一章會給大家講述，在金融的世界中，大家都喜歡用“數字”說話。各種各樣的數據，成為了這個行業溝通的語言。無論是關於風險的Value at Risk，還是Beta和Alpha，或者是跟蹤誤差。但是有多少人真正思考過數據源頭的邏輯，如果邏輯本身是有問題的呢？對於數據的盲目信念是我們金融行業的魔咒！
譯者：長信基金楊帆
在現代金融世界，對數據的熱愛已經超過了真正的批判性思維。任何事情只要有點數據，就被當成了真理。人們被這些偽科學愚弄，把簡單的事情講的複雜反而更容易讓人相信。風控人員、分析師和諮詢師們都在利用偽科學來製造一種安全的假象，我們需要對這種人工操控無意義數據的情況保持警惕。嚴肅思考和保持懷疑的態度是我們最稀缺的工具。
Garner等人的研究顯示，人們很容易被“誘導性細節”分散注意力。給人們看幾張看上去“有趣”但是和所討論事情無關的照片，人們就想不起重要的事情是什麼了。
現在的金融充斥著偽科學和誘導性細節。例如，風控本身就是最大的偽科學。類似Value at Risk (VaR)這樣的數據看上去令人舒適，但實際上只是營造了一種安全的假象。長尾、自相關和跟蹤誤差這樣的風險都嚴重削弱VaR的用處。
分析師們也在利用偽科學，他們是誘導性細節的提供者。大多數分析師的報告充滿了“有趣”而又無關的信息——把未來五年的盈利預測精確到小數點後兩位並無意義。
業績評估是金融世界盛行偽科學的另一個案例。諸如Alpha, beta，跟蹤誤差這些意義模糊的用詞，讓事情變得更復雜。風格飄移，持倉組合風格分析以及收益風格分析等用詞也讓這行看上去很重要。但是，一旦深究這些數據背後的意義則會發現這些數據本身都存在嚴重的問題。
可以被數量化的方式描述並不意味著這事情本身就有意義。嚴肅思考和保持懷疑態度都無可替代，盲目相信數據本身是通向失敗之路。
被偽科學矇蔽
在現代金融世界，對錶面數據的熱愛已經超過了真正的批判性思維，這個趨勢令人擔憂。但請讀者不要誤解，我認為基於實證證據驗證投資邏輯極端重要（這個過程我稱其為基於證據的投資）。然而，現實中太多人總是把偽科學當成真理，把任何只要有點數據的東西當成事實本身。
Weisberg等人(2008)做的一項研究發現了一些非常有趣的結果，這些結果顯示我們大眾多容易被偽科學的論述所欺騙。在實驗中，Weisberg給三組實驗對象（分別是年輕的學生，學習神經科學專業的學生，和相關專家）一組關於心理學現象的論述。這些論述按照兩個維度分類：1）論述本身的真實情況“好”還是“壞”；2）是否使用神經科學語言進行包裝。
圖3.1是這項實驗的一個實例。在所有的情況下，“好”的論述都是有關事實的真實解釋。“壞”的論述則僅僅是相關現象的簡單循環論述，沒有任何解釋力。
實驗對象對所給的對論述進行評分，並且被提前告知其中有些論述是錯誤的“壞”論述。他們以7分制對這些論述進行評分，範圍從-3（令人極不滿意的論述）到+3（非常令人滿意的論述）。數據表3.1-3.3顯示了對三組實驗對象的實驗結果。新手組（年輕的沒有受過心理學或神經科學教育的實驗對象）在不加入神經科學語言包裝的時候可以很好的區分出好的論述和壞的論述（數據表3.1）。然而，一旦加入神經科學語言的包裝，該實驗組對象分辨好壞的能力被大幅削弱。尤其是那些加入了神經科學語言包裝的壞論述的評分因此而大幅提升。
第二組實驗對象由接受過中等程度的腦神經認知科學教育的學生組成。這些學生應該已經掌握了構建該學科實驗的基本邏輯。然而，數據表3.2顯示他們的結果和新手組差不多。他們看上去給神經科學賦予了高權重，使得那些沒有被此包裝過的好論述則被打了很低的分！壞論述同樣因為神經科學語言的包裝而令評分明顯提升。看上去這些學生只對他們學習的東西感興趣。
第三組實驗對象是“專家組”——他們受過較深度的腦神經認知科學或者認知心理學的培訓。這組實驗對象體現出和前兩組不同的結果。數據表3.3顯示，這組實驗對象很好的區分了好論述和壞論述。同時，這組實驗對象給添加了神經科學無用信息的好論述以較低的分數。實際上他們懲罰了添加無用信息的論述。這項發現或許也表明，這些神經科學的信息本身沒什麼價值。
看電視提高數學能力
McCabe和Castel（2008）所作的實驗是偽科學混淆視聽的另一個案例。他們讓實驗對象閱讀三篇簡短的文章，每一篇文章都總結了一些虛假的腦成像研究結果。這些文章的結論並非全部由數據支持，這給了研究對象一些懷疑的基礎。
一篇文章說“看電視可以提高數學能力”。這是因為看電視和解決數學問題都會激發大腦顳葉活動，因而看電視可以提高數學能力。文章中的證據通過一些柱狀圖或者腦成像圖片給出，或者僅僅通過文字論述給出。每篇文章大約300字長，一頁紙，圖片嵌入在文字中。讀過每一篇文章後，研究對象被要求給每篇文章的結論打分。以四分制來計，包括“強烈反對”，“反對”，“同意”和“強烈同意”（分別計分1、2、3和4）。
數據表3.4呈現了結果，按照文章中是否提供了圖片論據為方式呈現。可以看到人們再次被愚弄，而這次是被那些大腦成像圖片所愚弄。實驗結果表明，放了這些圖片的文章結論被人們所接受！
"導讀：每一個週六，點拾投資將聯合長信基金推出《Value Investing: Tools and Techniques for Intelligent Investment》一書的翻譯系列。我們會在每一個週六，連載一章最新的翻譯。希望在未來幾個月的時間，給大家每一個週六都能帶來營養。。
今天與大家分享的是第三章，偽科學和金融：數據專制和安全性謬論。這一章會給大家講述，在金融的世界中，大家都喜歡用“數字”說話。各種各樣的數據，成為了這個行業溝通的語言。無論是關於風險的Value at Risk，還是Beta和Alpha，或者是跟蹤誤差。但是有多少人真正思考過數據源頭的邏輯，如果邏輯本身是有問題的呢？對於數據的盲目信念是我們金融行業的魔咒！
譯者：長信基金楊帆
在現代金融世界，對數據的熱愛已經超過了真正的批判性思維。任何事情只要有點數據，就被當成了真理。人們被這些偽科學愚弄，把簡單的事情講的複雜反而更容易讓人相信。風控人員、分析師和諮詢師們都在利用偽科學來製造一種安全的假象，我們需要對這種人工操控無意義數據的情況保持警惕。嚴肅思考和保持懷疑的態度是我們最稀缺的工具。
Garner等人的研究顯示，人們很容易被“誘導性細節”分散注意力。給人們看幾張看上去“有趣”但是和所討論事情無關的照片，人們就想不起重要的事情是什麼了。
現在的金融充斥著偽科學和誘導性細節。例如，風控本身就是最大的偽科學。類似Value at Risk (VaR)這樣的數據看上去令人舒適，但實際上只是營造了一種安全的假象。長尾、自相關和跟蹤誤差這樣的風險都嚴重削弱VaR的用處。
分析師們也在利用偽科學，他們是誘導性細節的提供者。大多數分析師的報告充滿了“有趣”而又無關的信息——把未來五年的盈利預測精確到小數點後兩位並無意義。
業績評估是金融世界盛行偽科學的另一個案例。諸如Alpha, beta，跟蹤誤差這些意義模糊的用詞，讓事情變得更復雜。風格飄移，持倉組合風格分析以及收益風格分析等用詞也讓這行看上去很重要。但是，一旦深究這些數據背後的意義則會發現這些數據本身都存在嚴重的問題。
可以被數量化的方式描述並不意味著這事情本身就有意義。嚴肅思考和保持懷疑態度都無可替代，盲目相信數據本身是通向失敗之路。
被偽科學矇蔽
在現代金融世界，對錶面數據的熱愛已經超過了真正的批判性思維，這個趨勢令人擔憂。但請讀者不要誤解，我認為基於實證證據驗證投資邏輯極端重要（這個過程我稱其為基於證據的投資）。然而，現實中太多人總是把偽科學當成真理，把任何只要有點數據的東西當成事實本身。
Weisberg等人(2008)做的一項研究發現了一些非常有趣的結果，這些結果顯示我們大眾多容易被偽科學的論述所欺騙。在實驗中，Weisberg給三組實驗對象（分別是年輕的學生，學習神經科學專業的學生，和相關專家）一組關於心理學現象的論述。這些論述按照兩個維度分類：1）論述本身的真實情況“好”還是“壞”；2）是否使用神經科學語言進行包裝。
圖3.1是這項實驗的一個實例。在所有的情況下，“好”的論述都是有關事實的真實解釋。“壞”的論述則僅僅是相關現象的簡單循環論述，沒有任何解釋力。
實驗對象對所給的對論述進行評分，並且被提前告知其中有些論述是錯誤的“壞”論述。他們以7分制對這些論述進行評分，範圍從-3（令人極不滿意的論述）到+3（非常令人滿意的論述）。數據表3.1-3.3顯示了對三組實驗對象的實驗結果。新手組（年輕的沒有受過心理學或神經科學教育的實驗對象）在不加入神經科學語言包裝的時候可以很好的區分出好的論述和壞的論述（數據表3.1）。然而，一旦加入神經科學語言的包裝，該實驗組對象分辨好壞的能力被大幅削弱。尤其是那些加入了神經科學語言包裝的壞論述的評分因此而大幅提升。
第二組實驗對象由接受過中等程度的腦神經認知科學教育的學生組成。這些學生應該已經掌握了構建該學科實驗的基本邏輯。然而，數據表3.2顯示他們的結果和新手組差不多。他們看上去給神經科學賦予了高權重，使得那些沒有被此包裝過的好論述則被打了很低的分！壞論述同樣因為神經科學語言的包裝而令評分明顯提升。看上去這些學生只對他們學習的東西感興趣。
第三組實驗對象是“專家組”——他們受過較深度的腦神經認知科學或者認知心理學的培訓。這組實驗對象體現出和前兩組不同的結果。數據表3.3顯示，這組實驗對象很好的區分了好論述和壞論述。同時，這組實驗對象給添加了神經科學無用信息的好論述以較低的分數。實際上他們懲罰了添加無用信息的論述。這項發現或許也表明，這些神經科學的信息本身沒什麼價值。
看電視提高數學能力
McCabe和Castel（2008）所作的實驗是偽科學混淆視聽的另一個案例。他們讓實驗對象閱讀三篇簡短的文章，每一篇文章都總結了一些虛假的腦成像研究結果。這些文章的結論並非全部由數據支持，這給了研究對象一些懷疑的基礎。
一篇文章說“看電視可以提高數學能力”。這是因為看電視和解決數學問題都會激發大腦顳葉活動，因而看電視可以提高數學能力。文章中的證據通過一些柱狀圖或者腦成像圖片給出，或者僅僅通過文字論述給出。每篇文章大約300字長，一頁紙，圖片嵌入在文字中。讀過每一篇文章後，研究對象被要求給每篇文章的結論打分。以四分制來計，包括“強烈反對”，“反對”，“同意”和“強烈同意”（分別計分1、2、3和4）。
數據表3.4呈現了結果，按照文章中是否提供了圖片論據為方式呈現。可以看到人們再次被愚弄，而這次是被那些大腦成像圖片所愚弄。實驗結果表明，放了這些圖片的文章結論被人們所接受！
誘導性細節
這些發現是一系列圍繞著“誘導性細節”研究工作的一部分。Ruth Garner和他的同事們首先注意到人們很容易被“有趣”而又“無意義”的噪音干擾。在他們的實驗中，人們讀到三種段落，例如：
一些昆蟲獨居，一些昆蟲群居。有一些獨居的黃蜂，其中泥蜂（Mud Dauber Wasp）是獨居的。叩頭蟲(click beetle)是獨居的 。當一隻叩頭衝仰面朝上時，他可以飛向空中然後正好落下來的同時發出一聲鳴叫。螞蟻則是群居的。
很顯然這段話中重要的信息在第一句，關於叩頭蟲的故事很有趣但無用。一些人讀到了只含有重要信息的段落，其他人則讀到了類似上述段落。
讀過這些段落後，人們被要求複述他們讀過內容中的重要信息。能否有效複述重要信息極大依賴於人們讀到的段落是否含有這些誘導性細節。對於讀到了僅含有重要信息段落的人們，93%都可以複述重要信息。而那些讀到了含有誘導性細節段落的人們，只有43%能否複述出重要信息的元素。
在金融領域的應用
風險管理
過去一些年我一直在批評風險管理（見第36章行為學投資）。這是我們可能被數字矇蔽的典型例子。那些諸如風險價值Value at Risk(VaR)的數字看上去很不錯，實際上沒有意義。安全性的假象來源於錯誤的信念——對於不會出錯的數字的錯誤信念。
VaR從根本上是有問題的——它只切取了整個概率分佈的一小點：尾部！這就像你買了輛有安全氣囊的汽車，而它只在有事故的時候才能跑得好。它同樣忽略了一個事實，那就是風險在金融系統裡是內生的，而不是外生的（同樣請見第36章行為學投資，其中有關於VaR的完整分析）。整個風險管理行業就是偽科學的實例：人們假裝在測量和量化那些根本很難被測量和量化的事情。
Dave Einhorn（2008）有一段講話很好的分析了VaR的問題：
由於忽視尾部風險，Value at Risk往往使得人們過度承擔了風險。以一個投擲硬幣的投資為例。假定你投擲出特定一面賺100美元，反之則虧100美元。那麼在99%置信水平下你的VaR是100，因為你在50%的概率下都會虧這個數。在這一情況下，你的VaR和你最大的損失一致。
假定另一種情況，你以217倍的賠率賭頭像的一面不會連續出現7次，那麼你在99.2%的概率下都會贏得100，而在剩下的情況下則要輸掉21,700美元。則意味著在99%的置信水平下你的VaR都是0，儘管事實上你可能要虧掉21,700美元。換言之，如果是投行在做這個賭注，它將不會為此備好任何風險準備金。
由此,不難理解UBS近期發佈了一系列VaR使用所引發的問題目錄（在UBS股東報告中解釋其為何進行資產減值的部分）：
時間序列依賴：計算VaR和進行壓力測試的歷史數據僅包含過去5年，而這段時間恰恰是市場增長時期。一般這些數據是假設在一個總量上正常經濟增長的環境。而從事後結果來看，這些數據並未給當時美國地產市場以及次貸市場的快速增長以足夠的權重。這使得UBS在進行風險分析的時候，並未依據美國房地產市場的基本面做情景分析。
缺乏房地產市場風險因素損失分析：類似的，UBS沒有針對美國地產市場的重要指標做風險因素損失（Risk Factor Loss）分析，例如違約率、貸款餘額相對地產價值的比率或其他類似重要的可能影響到現有投資組合的指標。
過度依賴VaR和壓力測試數據：儘管美國房貸市場的拖欠率在上升同時發放貸款的標準在下降，但風控部門卻只關注於VaR和壓力測試數據，使得UBS不斷在次貸市場累積頭寸而只進行了部分對衝。風控部門在向UBS高管述職時也並未提供關於UBS所持有次貸頭寸的具體數據。沒有人指出所提供數據的侷限性，以及其所適用的背景條件，同時也沒有人對此提出質疑。
人們很早以前就知道長尾、自相關以及輸入誤差等問題的存在，但人們仍在持續使用這些方法，因為有總比沒強。然而，我們必須考慮下有藥是否一定好於沒藥，因為錯誤治療的代價可能更大。這種對偽科學的錯誤信念再次給了大家一次迎頭痛擊。
分析師以及他們對數據的嗜好
風險管理並不是唯一一個散播偽科學的地方，分析師們也是。他們擅長提供誘導性細節，好像把公司今後五年的盈利預測到小數點後兩位有什麼用處似的。還記得2000年科網泡沫時，華爾街的分析師們在做盈利預測時多麼令人震驚。
"導讀：每一個週六，點拾投資將聯合長信基金推出《Value Investing: Tools and Techniques for Intelligent Investment》一書的翻譯系列。我們會在每一個週六，連載一章最新的翻譯。希望在未來幾個月的時間，給大家每一個週六都能帶來營養。。
今天與大家分享的是第三章，偽科學和金融：數據專制和安全性謬論。這一章會給大家講述，在金融的世界中，大家都喜歡用“數字”說話。各種各樣的數據，成為了這個行業溝通的語言。無論是關於風險的Value at Risk，還是Beta和Alpha，或者是跟蹤誤差。但是有多少人真正思考過數據源頭的邏輯，如果邏輯本身是有問題的呢？對於數據的盲目信念是我們金融行業的魔咒！
譯者：長信基金楊帆
在現代金融世界，對數據的熱愛已經超過了真正的批判性思維。任何事情只要有點數據，就被當成了真理。人們被這些偽科學愚弄，把簡單的事情講的複雜反而更容易讓人相信。風控人員、分析師和諮詢師們都在利用偽科學來製造一種安全的假象，我們需要對這種人工操控無意義數據的情況保持警惕。嚴肅思考和保持懷疑的態度是我們最稀缺的工具。
Garner等人的研究顯示，人們很容易被“誘導性細節”分散注意力。給人們看幾張看上去“有趣”但是和所討論事情無關的照片，人們就想不起重要的事情是什麼了。
現在的金融充斥著偽科學和誘導性細節。例如，風控本身就是最大的偽科學。類似Value at Risk (VaR)這樣的數據看上去令人舒適，但實際上只是營造了一種安全的假象。長尾、自相關和跟蹤誤差這樣的風險都嚴重削弱VaR的用處。
分析師們也在利用偽科學，他們是誘導性細節的提供者。大多數分析師的報告充滿了“有趣”而又無關的信息——把未來五年的盈利預測精確到小數點後兩位並無意義。
業績評估是金融世界盛行偽科學的另一個案例。諸如Alpha, beta，跟蹤誤差這些意義模糊的用詞，讓事情變得更復雜。風格飄移，持倉組合風格分析以及收益風格分析等用詞也讓這行看上去很重要。但是，一旦深究這些數據背後的意義則會發現這些數據本身都存在嚴重的問題。
可以被數量化的方式描述並不意味著這事情本身就有意義。嚴肅思考和保持懷疑態度都無可替代，盲目相信數據本身是通向失敗之路。
被偽科學矇蔽
在現代金融世界，對錶面數據的熱愛已經超過了真正的批判性思維，這個趨勢令人擔憂。但請讀者不要誤解，我認為基於實證證據驗證投資邏輯極端重要（這個過程我稱其為基於證據的投資）。然而，現實中太多人總是把偽科學當成真理，把任何只要有點數據的東西當成事實本身。
Weisberg等人(2008)做的一項研究發現了一些非常有趣的結果，這些結果顯示我們大眾多容易被偽科學的論述所欺騙。在實驗中，Weisberg給三組實驗對象（分別是年輕的學生，學習神經科學專業的學生，和相關專家）一組關於心理學現象的論述。這些論述按照兩個維度分類：1）論述本身的真實情況“好”還是“壞”；2）是否使用神經科學語言進行包裝。
圖3.1是這項實驗的一個實例。在所有的情況下，“好”的論述都是有關事實的真實解釋。“壞”的論述則僅僅是相關現象的簡單循環論述，沒有任何解釋力。
實驗對象對所給的對論述進行評分，並且被提前告知其中有些論述是錯誤的“壞”論述。他們以7分制對這些論述進行評分，範圍從-3（令人極不滿意的論述）到+3（非常令人滿意的論述）。數據表3.1-3.3顯示了對三組實驗對象的實驗結果。新手組（年輕的沒有受過心理學或神經科學教育的實驗對象）在不加入神經科學語言包裝的時候可以很好的區分出好的論述和壞的論述（數據表3.1）。然而，一旦加入神經科學語言的包裝，該實驗組對象分辨好壞的能力被大幅削弱。尤其是那些加入了神經科學語言包裝的壞論述的評分因此而大幅提升。
第二組實驗對象由接受過中等程度的腦神經認知科學教育的學生組成。這些學生應該已經掌握了構建該學科實驗的基本邏輯。然而，數據表3.2顯示他們的結果和新手組差不多。他們看上去給神經科學賦予了高權重，使得那些沒有被此包裝過的好論述則被打了很低的分！壞論述同樣因為神經科學語言的包裝而令評分明顯提升。看上去這些學生只對他們學習的東西感興趣。
第三組實驗對象是“專家組”——他們受過較深度的腦神經認知科學或者認知心理學的培訓。這組實驗對象體現出和前兩組不同的結果。數據表3.3顯示，這組實驗對象很好的區分了好論述和壞論述。同時，這組實驗對象給添加了神經科學無用信息的好論述以較低的分數。實際上他們懲罰了添加無用信息的論述。這項發現或許也表明，這些神經科學的信息本身沒什麼價值。
看電視提高數學能力
McCabe和Castel（2008）所作的實驗是偽科學混淆視聽的另一個案例。他們讓實驗對象閱讀三篇簡短的文章，每一篇文章都總結了一些虛假的腦成像研究結果。這些文章的結論並非全部由數據支持，這給了研究對象一些懷疑的基礎。
一篇文章說“看電視可以提高數學能力”。這是因為看電視和解決數學問題都會激發大腦顳葉活動，因而看電視可以提高數學能力。文章中的證據通過一些柱狀圖或者腦成像圖片給出，或者僅僅通過文字論述給出。每篇文章大約300字長，一頁紙，圖片嵌入在文字中。讀過每一篇文章後，研究對象被要求給每篇文章的結論打分。以四分制來計，包括“強烈反對”，“反對”，“同意”和“強烈同意”（分別計分1、2、3和4）。
數據表3.4呈現了結果，按照文章中是否提供了圖片論據為方式呈現。可以看到人們再次被愚弄，而這次是被那些大腦成像圖片所愚弄。實驗結果表明，放了這些圖片的文章結論被人們所接受！
誘導性細節
這些發現是一系列圍繞著“誘導性細節”研究工作的一部分。Ruth Garner和他的同事們首先注意到人們很容易被“有趣”而又“無意義”的噪音干擾。在他們的實驗中，人們讀到三種段落，例如：
一些昆蟲獨居，一些昆蟲群居。有一些獨居的黃蜂，其中泥蜂（Mud Dauber Wasp）是獨居的。叩頭蟲(click beetle)是獨居的 。當一隻叩頭衝仰面朝上時，他可以飛向空中然後正好落下來的同時發出一聲鳴叫。螞蟻則是群居的。
很顯然這段話中重要的信息在第一句，關於叩頭蟲的故事很有趣但無用。一些人讀到了只含有重要信息的段落，其他人則讀到了類似上述段落。
讀過這些段落後，人們被要求複述他們讀過內容中的重要信息。能否有效複述重要信息極大依賴於人們讀到的段落是否含有這些誘導性細節。對於讀到了僅含有重要信息段落的人們，93%都可以複述重要信息。而那些讀到了含有誘導性細節段落的人們，只有43%能否複述出重要信息的元素。
在金融領域的應用
風險管理
過去一些年我一直在批評風險管理（見第36章行為學投資）。這是我們可能被數字矇蔽的典型例子。那些諸如風險價值Value at Risk(VaR)的數字看上去很不錯，實際上沒有意義。安全性的假象來源於錯誤的信念——對於不會出錯的數字的錯誤信念。
VaR從根本上是有問題的——它只切取了整個概率分佈的一小點：尾部！這就像你買了輛有安全氣囊的汽車，而它只在有事故的時候才能跑得好。它同樣忽略了一個事實，那就是風險在金融系統裡是內生的，而不是外生的（同樣請見第36章行為學投資，其中有關於VaR的完整分析）。整個風險管理行業就是偽科學的實例：人們假裝在測量和量化那些根本很難被測量和量化的事情。
Dave Einhorn（2008）有一段講話很好的分析了VaR的問題：
由於忽視尾部風險，Value at Risk往往使得人們過度承擔了風險。以一個投擲硬幣的投資為例。假定你投擲出特定一面賺100美元，反之則虧100美元。那麼在99%置信水平下你的VaR是100，因為你在50%的概率下都會虧這個數。在這一情況下，你的VaR和你最大的損失一致。
假定另一種情況，你以217倍的賠率賭頭像的一面不會連續出現7次，那麼你在99.2%的概率下都會贏得100，而在剩下的情況下則要輸掉21,700美元。則意味著在99%的置信水平下你的VaR都是0，儘管事實上你可能要虧掉21,700美元。換言之，如果是投行在做這個賭注，它將不會為此備好任何風險準備金。
由此,不難理解UBS近期發佈了一系列VaR使用所引發的問題目錄（在UBS股東報告中解釋其為何進行資產減值的部分）：
時間序列依賴：計算VaR和進行壓力測試的歷史數據僅包含過去5年，而這段時間恰恰是市場增長時期。一般這些數據是假設在一個總量上正常經濟增長的環境。而從事後結果來看，這些數據並未給當時美國地產市場以及次貸市場的快速增長以足夠的權重。這使得UBS在進行風險分析的時候，並未依據美國房地產市場的基本面做情景分析。
缺乏房地產市場風險因素損失分析：類似的，UBS沒有針對美國地產市場的重要指標做風險因素損失（Risk Factor Loss）分析，例如違約率、貸款餘額相對地產價值的比率或其他類似重要的可能影響到現有投資組合的指標。
過度依賴VaR和壓力測試數據：儘管美國房貸市場的拖欠率在上升同時發放貸款的標準在下降，但風控部門卻只關注於VaR和壓力測試數據，使得UBS不斷在次貸市場累積頭寸而只進行了部分對衝。風控部門在向UBS高管述職時也並未提供關於UBS所持有次貸頭寸的具體數據。沒有人指出所提供數據的侷限性，以及其所適用的背景條件，同時也沒有人對此提出質疑。
人們很早以前就知道長尾、自相關以及輸入誤差等問題的存在，但人們仍在持續使用這些方法，因為有總比沒強。然而，我們必須考慮下有藥是否一定好於沒藥，因為錯誤治療的代價可能更大。這種對偽科學的錯誤信念再次給了大家一次迎頭痛擊。
分析師以及他們對數據的嗜好
風險管理並不是唯一一個散播偽科學的地方，分析師們也是。他們擅長提供誘導性細節，好像把公司今後五年的盈利預測到小數點後兩位有什麼用處似的。還記得2000年科網泡沫時，華爾街的分析師們在做盈利預測時多麼令人震驚。
2007年三季度伊始，盈利預測的平均水平是增長5.7%。該季度末，分析師們把盈利預測下調到+2.7%，最終結果則是-2.5%。四季度的預測更糟糕。分析師先是預測盈利增長10.9%然後大幅下修到-7.9%，最終結果標普500公司當季盈利下滑-22.6%。這中間有大約33.5%的差距（圖3.5%）。別擔心，分析師們說事情很快會好起來的。他們預測2008年第一季度和第二季度盈利分別下滑-11.3%和-3.5%，然後三季度和四季度則會大幅反彈至+13.9%和+54.5%。
投資者真的在意這種噪音嗎？當然不會。但是隻要問分析師為什麼堅持製造這些，他們總會回答他們的客戶想要這些。所以是買方都陷入到了偽科學和誘導性細節中嗎？我認為不是。在我與基金經理的交流中，他們通常忽略這些噪音，當然可能我的樣本有偏差。
然而，Ashton Partners的Bryan Armstrong最近做了一個調研，他調研了30個基金經理，問他們賣方的盈利預測是否有用時，每個都認為市場的盈利預測是有用的（圖3.6）。
業績評估
業績評估是另一個案例。Alpha、beta以及跟蹤誤差這些意義含糊的用詞都被用來推廣偽科學。
"導讀：每一個週六，點拾投資將聯合長信基金推出《Value Investing: Tools and Techniques for Intelligent Investment》一書的翻譯系列。我們會在每一個週六，連載一章最新的翻譯。希望在未來幾個月的時間，給大家每一個週六都能帶來營養。。
今天與大家分享的是第三章，偽科學和金融：數據專制和安全性謬論。這一章會給大家講述，在金融的世界中，大家都喜歡用“數字”說話。各種各樣的數據，成為了這個行業溝通的語言。無論是關於風險的Value at Risk，還是Beta和Alpha，或者是跟蹤誤差。但是有多少人真正思考過數據源頭的邏輯，如果邏輯本身是有問題的呢？對於數據的盲目信念是我們金融行業的魔咒！
譯者：長信基金楊帆
在現代金融世界，對數據的熱愛已經超過了真正的批判性思維。任何事情只要有點數據，就被當成了真理。人們被這些偽科學愚弄，把簡單的事情講的複雜反而更容易讓人相信。風控人員、分析師和諮詢師們都在利用偽科學來製造一種安全的假象，我們需要對這種人工操控無意義數據的情況保持警惕。嚴肅思考和保持懷疑的態度是我們最稀缺的工具。
Garner等人的研究顯示，人們很容易被“誘導性細節”分散注意力。給人們看幾張看上去“有趣”但是和所討論事情無關的照片，人們就想不起重要的事情是什麼了。
現在的金融充斥著偽科學和誘導性細節。例如，風控本身就是最大的偽科學。類似Value at Risk (VaR)這樣的數據看上去令人舒適，但實際上只是營造了一種安全的假象。長尾、自相關和跟蹤誤差這樣的風險都嚴重削弱VaR的用處。
分析師們也在利用偽科學，他們是誘導性細節的提供者。大多數分析師的報告充滿了“有趣”而又無關的信息——把未來五年的盈利預測精確到小數點後兩位並無意義。
業績評估是金融世界盛行偽科學的另一個案例。諸如Alpha, beta，跟蹤誤差這些意義模糊的用詞，讓事情變得更復雜。風格飄移，持倉組合風格分析以及收益風格分析等用詞也讓這行看上去很重要。但是，一旦深究這些數據背後的意義則會發現這些數據本身都存在嚴重的問題。
可以被數量化的方式描述並不意味著這事情本身就有意義。嚴肅思考和保持懷疑態度都無可替代，盲目相信數據本身是通向失敗之路。
被偽科學矇蔽
在現代金融世界，對錶面數據的熱愛已經超過了真正的批判性思維，這個趨勢令人擔憂。但請讀者不要誤解，我認為基於實證證據驗證投資邏輯極端重要（這個過程我稱其為基於證據的投資）。然而，現實中太多人總是把偽科學當成真理，把任何只要有點數據的東西當成事實本身。
Weisberg等人(2008)做的一項研究發現了一些非常有趣的結果，這些結果顯示我們大眾多容易被偽科學的論述所欺騙。在實驗中，Weisberg給三組實驗對象（分別是年輕的學生，學習神經科學專業的學生，和相關專家）一組關於心理學現象的論述。這些論述按照兩個維度分類：1）論述本身的真實情況“好”還是“壞”；2）是否使用神經科學語言進行包裝。
圖3.1是這項實驗的一個實例。在所有的情況下，“好”的論述都是有關事實的真實解釋。“壞”的論述則僅僅是相關現象的簡單循環論述，沒有任何解釋力。
實驗對象對所給的對論述進行評分，並且被提前告知其中有些論述是錯誤的“壞”論述。他們以7分制對這些論述進行評分，範圍從-3（令人極不滿意的論述）到+3（非常令人滿意的論述）。數據表3.1-3.3顯示了對三組實驗對象的實驗結果。新手組（年輕的沒有受過心理學或神經科學教育的實驗對象）在不加入神經科學語言包裝的時候可以很好的區分出好的論述和壞的論述（數據表3.1）。然而，一旦加入神經科學語言的包裝，該實驗組對象分辨好壞的能力被大幅削弱。尤其是那些加入了神經科學語言包裝的壞論述的評分因此而大幅提升。
第二組實驗對象由接受過中等程度的腦神經認知科學教育的學生組成。這些學生應該已經掌握了構建該學科實驗的基本邏輯。然而，數據表3.2顯示他們的結果和新手組差不多。他們看上去給神經科學賦予了高權重，使得那些沒有被此包裝過的好論述則被打了很低的分！壞論述同樣因為神經科學語言的包裝而令評分明顯提升。看上去這些學生只對他們學習的東西感興趣。
第三組實驗對象是“專家組”——他們受過較深度的腦神經認知科學或者認知心理學的培訓。這組實驗對象體現出和前兩組不同的結果。數據表3.3顯示，這組實驗對象很好的區分了好論述和壞論述。同時，這組實驗對象給添加了神經科學無用信息的好論述以較低的分數。實際上他們懲罰了添加無用信息的論述。這項發現或許也表明，這些神經科學的信息本身沒什麼價值。
看電視提高數學能力
McCabe和Castel（2008）所作的實驗是偽科學混淆視聽的另一個案例。他們讓實驗對象閱讀三篇簡短的文章，每一篇文章都總結了一些虛假的腦成像研究結果。這些文章的結論並非全部由數據支持，這給了研究對象一些懷疑的基礎。
一篇文章說“看電視可以提高數學能力”。這是因為看電視和解決數學問題都會激發大腦顳葉活動，因而看電視可以提高數學能力。文章中的證據通過一些柱狀圖或者腦成像圖片給出，或者僅僅通過文字論述給出。每篇文章大約300字長，一頁紙，圖片嵌入在文字中。讀過每一篇文章後，研究對象被要求給每篇文章的結論打分。以四分制來計，包括“強烈反對”，“反對”，“同意”和“強烈同意”（分別計分1、2、3和4）。
數據表3.4呈現了結果，按照文章中是否提供了圖片論據為方式呈現。可以看到人們再次被愚弄，而這次是被那些大腦成像圖片所愚弄。實驗結果表明，放了這些圖片的文章結論被人們所接受！
誘導性細節
這些發現是一系列圍繞著“誘導性細節”研究工作的一部分。Ruth Garner和他的同事們首先注意到人們很容易被“有趣”而又“無意義”的噪音干擾。在他們的實驗中，人們讀到三種段落，例如：
一些昆蟲獨居，一些昆蟲群居。有一些獨居的黃蜂，其中泥蜂（Mud Dauber Wasp）是獨居的。叩頭蟲(click beetle)是獨居的 。當一隻叩頭衝仰面朝上時，他可以飛向空中然後正好落下來的同時發出一聲鳴叫。螞蟻則是群居的。
很顯然這段話中重要的信息在第一句，關於叩頭蟲的故事很有趣但無用。一些人讀到了只含有重要信息的段落，其他人則讀到了類似上述段落。
讀過這些段落後，人們被要求複述他們讀過內容中的重要信息。能否有效複述重要信息極大依賴於人們讀到的段落是否含有這些誘導性細節。對於讀到了僅含有重要信息段落的人們，93%都可以複述重要信息。而那些讀到了含有誘導性細節段落的人們，只有43%能否複述出重要信息的元素。
在金融領域的應用
風險管理
過去一些年我一直在批評風險管理（見第36章行為學投資）。這是我們可能被數字矇蔽的典型例子。那些諸如風險價值Value at Risk(VaR)的數字看上去很不錯，實際上沒有意義。安全性的假象來源於錯誤的信念——對於不會出錯的數字的錯誤信念。
VaR從根本上是有問題的——它只切取了整個概率分佈的一小點：尾部！這就像你買了輛有安全氣囊的汽車，而它只在有事故的時候才能跑得好。它同樣忽略了一個事實，那就是風險在金融系統裡是內生的，而不是外生的（同樣請見第36章行為學投資，其中有關於VaR的完整分析）。整個風險管理行業就是偽科學的實例：人們假裝在測量和量化那些根本很難被測量和量化的事情。
Dave Einhorn（2008）有一段講話很好的分析了VaR的問題：
由於忽視尾部風險，Value at Risk往往使得人們過度承擔了風險。以一個投擲硬幣的投資為例。假定你投擲出特定一面賺100美元，反之則虧100美元。那麼在99%置信水平下你的VaR是100，因為你在50%的概率下都會虧這個數。在這一情況下，你的VaR和你最大的損失一致。
假定另一種情況，你以217倍的賠率賭頭像的一面不會連續出現7次，那麼你在99.2%的概率下都會贏得100，而在剩下的情況下則要輸掉21,700美元。則意味著在99%的置信水平下你的VaR都是0，儘管事實上你可能要虧掉21,700美元。換言之，如果是投行在做這個賭注，它將不會為此備好任何風險準備金。
由此,不難理解UBS近期發佈了一系列VaR使用所引發的問題目錄（在UBS股東報告中解釋其為何進行資產減值的部分）：
時間序列依賴：計算VaR和進行壓力測試的歷史數據僅包含過去5年，而這段時間恰恰是市場增長時期。一般這些數據是假設在一個總量上正常經濟增長的環境。而從事後結果來看，這些數據並未給當時美國地產市場以及次貸市場的快速增長以足夠的權重。這使得UBS在進行風險分析的時候，並未依據美國房地產市場的基本面做情景分析。
缺乏房地產市場風險因素損失分析：類似的，UBS沒有針對美國地產市場的重要指標做風險因素損失（Risk Factor Loss）分析，例如違約率、貸款餘額相對地產價值的比率或其他類似重要的可能影響到現有投資組合的指標。
過度依賴VaR和壓力測試數據：儘管美國房貸市場的拖欠率在上升同時發放貸款的標準在下降，但風控部門卻只關注於VaR和壓力測試數據，使得UBS不斷在次貸市場累積頭寸而只進行了部分對衝。風控部門在向UBS高管述職時也並未提供關於UBS所持有次貸頭寸的具體數據。沒有人指出所提供數據的侷限性，以及其所適用的背景條件，同時也沒有人對此提出質疑。
人們很早以前就知道長尾、自相關以及輸入誤差等問題的存在，但人們仍在持續使用這些方法，因為有總比沒強。然而，我們必須考慮下有藥是否一定好於沒藥，因為錯誤治療的代價可能更大。這種對偽科學的錯誤信念再次給了大家一次迎頭痛擊。
分析師以及他們對數據的嗜好
風險管理並不是唯一一個散播偽科學的地方，分析師們也是。他們擅長提供誘導性細節，好像把公司今後五年的盈利預測到小數點後兩位有什麼用處似的。還記得2000年科網泡沫時，華爾街的分析師們在做盈利預測時多麼令人震驚。
2007年三季度伊始，盈利預測的平均水平是增長5.7%。該季度末，分析師們把盈利預測下調到+2.7%，最終結果則是-2.5%。四季度的預測更糟糕。分析師先是預測盈利增長10.9%然後大幅下修到-7.9%，最終結果標普500公司當季盈利下滑-22.6%。這中間有大約33.5%的差距（圖3.5%）。別擔心，分析師們說事情很快會好起來的。他們預測2008年第一季度和第二季度盈利分別下滑-11.3%和-3.5%，然後三季度和四季度則會大幅反彈至+13.9%和+54.5%。
投資者真的在意這種噪音嗎？當然不會。但是隻要問分析師為什麼堅持製造這些，他們總會回答他們的客戶想要這些。所以是買方都陷入到了偽科學和誘導性細節中嗎？我認為不是。在我與基金經理的交流中，他們通常忽略這些噪音，當然可能我的樣本有偏差。
然而，Ashton Partners的Bryan Armstrong最近做了一個調研，他調研了30個基金經理，問他們賣方的盈利預測是否有用時，每個都認為市場的盈利預測是有用的（圖3.6）。
業績評估
業績評估是另一個案例。Alpha、beta以及跟蹤誤差這些意義含糊的用詞都被用來推廣偽科學。
跟蹤誤差這種東西就像讓拳擊手只站在固定的一個或兩個點上進攻，贏得比賽已經不是首要目標。John Minahan(2009)的一篇論文很有意思，他描述瞭如下情景：
我剛入行時注意到一個基金經理，她的持倉結構從價值股轉向了成長股，這讓人覺得她的風格發生了漂移。這個基金經理歷史業績很優秀，而這時恰好市場風格從價值切換到了成長風格，所以表面看去她違背了自己的價值信條而只是跟隨趨勢。
進一步研究發現，她換手率仍然很低，而那些現在被認為是成長股的公司在她買入時仍然被認為是價值股。事後來看她做的很對，持股盈利上行同時股價上漲更多，然後這些個股被認為成了成長股。她可以解釋清楚最初的投資邏輯，而對於那些仍然持倉的個股，也能講清楚繼續持倉的理由。於是我開始懷疑簡單的風格劃分是否足夠準確，因為這位基金經理的投資看上去前後邏輯連貫一致。
當我和更高級的諮詢顧問談起我的疑慮時，他直接否定了我。他認為風格分析本身是“客觀”的，而那位基金經理的解釋則是在“耍滑頭”。他說等我經驗更豐富時，就可以對這些有魅力的基金經理有更強免疫力。
這位高級諮詢顧問盲目相信偽科學，因為能夠量化的東西不見得就都是對的。嚴肅思考和批判性思維更加重要。事實上，Fama和French(2007)的研究顯示正是那些跨越了“風格邊界”的個股才帶來了超額收益（看圖3.2）。
"導讀：每一個週六，點拾投資將聯合長信基金推出《Value Investing: Tools and Techniques for Intelligent Investment》一書的翻譯系列。我們會在每一個週六，連載一章最新的翻譯。希望在未來幾個月的時間，給大家每一個週六都能帶來營養。。
今天與大家分享的是第三章，偽科學和金融：數據專制和安全性謬論。這一章會給大家講述，在金融的世界中，大家都喜歡用“數字”說話。各種各樣的數據，成為了這個行業溝通的語言。無論是關於風險的Value at Risk，還是Beta和Alpha，或者是跟蹤誤差。但是有多少人真正思考過數據源頭的邏輯，如果邏輯本身是有問題的呢？對於數據的盲目信念是我們金融行業的魔咒！
譯者：長信基金楊帆
在現代金融世界，對數據的熱愛已經超過了真正的批判性思維。任何事情只要有點數據，就被當成了真理。人們被這些偽科學愚弄，把簡單的事情講的複雜反而更容易讓人相信。風控人員、分析師和諮詢師們都在利用偽科學來製造一種安全的假象，我們需要對這種人工操控無意義數據的情況保持警惕。嚴肅思考和保持懷疑的態度是我們最稀缺的工具。
Garner等人的研究顯示，人們很容易被“誘導性細節”分散注意力。給人們看幾張看上去“有趣”但是和所討論事情無關的照片，人們就想不起重要的事情是什麼了。
現在的金融充斥著偽科學和誘導性細節。例如，風控本身就是最大的偽科學。類似Value at Risk (VaR)這樣的數據看上去令人舒適，但實際上只是營造了一種安全的假象。長尾、自相關和跟蹤誤差這樣的風險都嚴重削弱VaR的用處。
分析師們也在利用偽科學，他們是誘導性細節的提供者。大多數分析師的報告充滿了“有趣”而又無關的信息——把未來五年的盈利預測精確到小數點後兩位並無意義。
業績評估是金融世界盛行偽科學的另一個案例。諸如Alpha, beta，跟蹤誤差這些意義模糊的用詞，讓事情變得更復雜。風格飄移，持倉組合風格分析以及收益風格分析等用詞也讓這行看上去很重要。但是，一旦深究這些數據背後的意義則會發現這些數據本身都存在嚴重的問題。
可以被數量化的方式描述並不意味著這事情本身就有意義。嚴肅思考和保持懷疑態度都無可替代，盲目相信數據本身是通向失敗之路。
被偽科學矇蔽
在現代金融世界，對錶面數據的熱愛已經超過了真正的批判性思維，這個趨勢令人擔憂。但請讀者不要誤解，我認為基於實證證據驗證投資邏輯極端重要（這個過程我稱其為基於證據的投資）。然而，現實中太多人總是把偽科學當成真理，把任何只要有點數據的東西當成事實本身。
Weisberg等人(2008)做的一項研究發現了一些非常有趣的結果，這些結果顯示我們大眾多容易被偽科學的論述所欺騙。在實驗中，Weisberg給三組實驗對象（分別是年輕的學生，學習神經科學專業的學生，和相關專家）一組關於心理學現象的論述。這些論述按照兩個維度分類：1）論述本身的真實情況“好”還是“壞”；2）是否使用神經科學語言進行包裝。
圖3.1是這項實驗的一個實例。在所有的情況下，“好”的論述都是有關事實的真實解釋。“壞”的論述則僅僅是相關現象的簡單循環論述，沒有任何解釋力。
實驗對象對所給的對論述進行評分，並且被提前告知其中有些論述是錯誤的“壞”論述。他們以7分制對這些論述進行評分，範圍從-3（令人極不滿意的論述）到+3（非常令人滿意的論述）。數據表3.1-3.3顯示了對三組實驗對象的實驗結果。新手組（年輕的沒有受過心理學或神經科學教育的實驗對象）在不加入神經科學語言包裝的時候可以很好的區分出好的論述和壞的論述（數據表3.1）。然而，一旦加入神經科學語言的包裝，該實驗組對象分辨好壞的能力被大幅削弱。尤其是那些加入了神經科學語言包裝的壞論述的評分因此而大幅提升。
第二組實驗對象由接受過中等程度的腦神經認知科學教育的學生組成。這些學生應該已經掌握了構建該學科實驗的基本邏輯。然而，數據表3.2顯示他們的結果和新手組差不多。他們看上去給神經科學賦予了高權重，使得那些沒有被此包裝過的好論述則被打了很低的分！壞論述同樣因為神經科學語言的包裝而令評分明顯提升。看上去這些學生只對他們學習的東西感興趣。
第三組實驗對象是“專家組”——他們受過較深度的腦神經認知科學或者認知心理學的培訓。這組實驗對象體現出和前兩組不同的結果。數據表3.3顯示，這組實驗對象很好的區分了好論述和壞論述。同時，這組實驗對象給添加了神經科學無用信息的好論述以較低的分數。實際上他們懲罰了添加無用信息的論述。這項發現或許也表明，這些神經科學的信息本身沒什麼價值。
看電視提高數學能力
McCabe和Castel（2008）所作的實驗是偽科學混淆視聽的另一個案例。他們讓實驗對象閱讀三篇簡短的文章，每一篇文章都總結了一些虛假的腦成像研究結果。這些文章的結論並非全部由數據支持，這給了研究對象一些懷疑的基礎。
一篇文章說“看電視可以提高數學能力”。這是因為看電視和解決數學問題都會激發大腦顳葉活動，因而看電視可以提高數學能力。文章中的證據通過一些柱狀圖或者腦成像圖片給出，或者僅僅通過文字論述給出。每篇文章大約300字長，一頁紙，圖片嵌入在文字中。讀過每一篇文章後，研究對象被要求給每篇文章的結論打分。以四分制來計，包括“強烈反對”，“反對”，“同意”和“強烈同意”（分別計分1、2、3和4）。
數據表3.4呈現了結果，按照文章中是否提供了圖片論據為方式呈現。可以看到人們再次被愚弄，而這次是被那些大腦成像圖片所愚弄。實驗結果表明，放了這些圖片的文章結論被人們所接受！
誘導性細節
這些發現是一系列圍繞著“誘導性細節”研究工作的一部分。Ruth Garner和他的同事們首先注意到人們很容易被“有趣”而又“無意義”的噪音干擾。在他們的實驗中，人們讀到三種段落，例如：
一些昆蟲獨居，一些昆蟲群居。有一些獨居的黃蜂，其中泥蜂（Mud Dauber Wasp）是獨居的。叩頭蟲(click beetle)是獨居的 。當一隻叩頭衝仰面朝上時，他可以飛向空中然後正好落下來的同時發出一聲鳴叫。螞蟻則是群居的。
很顯然這段話中重要的信息在第一句，關於叩頭蟲的故事很有趣但無用。一些人讀到了只含有重要信息的段落，其他人則讀到了類似上述段落。
讀過這些段落後，人們被要求複述他們讀過內容中的重要信息。能否有效複述重要信息極大依賴於人們讀到的段落是否含有這些誘導性細節。對於讀到了僅含有重要信息段落的人們，93%都可以複述重要信息。而那些讀到了含有誘導性細節段落的人們，只有43%能否複述出重要信息的元素。
在金融領域的應用
風險管理
過去一些年我一直在批評風險管理（見第36章行為學投資）。這是我們可能被數字矇蔽的典型例子。那些諸如風險價值Value at Risk(VaR)的數字看上去很不錯，實際上沒有意義。安全性的假象來源於錯誤的信念——對於不會出錯的數字的錯誤信念。
VaR從根本上是有問題的——它只切取了整個概率分佈的一小點：尾部！這就像你買了輛有安全氣囊的汽車，而它只在有事故的時候才能跑得好。它同樣忽略了一個事實，那就是風險在金融系統裡是內生的，而不是外生的（同樣請見第36章行為學投資，其中有關於VaR的完整分析）。整個風險管理行業就是偽科學的實例：人們假裝在測量和量化那些根本很難被測量和量化的事情。
Dave Einhorn（2008）有一段講話很好的分析了VaR的問題：
由於忽視尾部風險，Value at Risk往往使得人們過度承擔了風險。以一個投擲硬幣的投資為例。假定你投擲出特定一面賺100美元，反之則虧100美元。那麼在99%置信水平下你的VaR是100，因為你在50%的概率下都會虧這個數。在這一情況下，你的VaR和你最大的損失一致。
假定另一種情況，你以217倍的賠率賭頭像的一面不會連續出現7次，那麼你在99.2%的概率下都會贏得100，而在剩下的情況下則要輸掉21,700美元。則意味著在99%的置信水平下你的VaR都是0，儘管事實上你可能要虧掉21,700美元。換言之，如果是投行在做這個賭注，它將不會為此備好任何風險準備金。
由此,不難理解UBS近期發佈了一系列VaR使用所引發的問題目錄（在UBS股東報告中解釋其為何進行資產減值的部分）：
時間序列依賴：計算VaR和進行壓力測試的歷史數據僅包含過去5年，而這段時間恰恰是市場增長時期。一般這些數據是假設在一個總量上正常經濟增長的環境。而從事後結果來看，這些數據並未給當時美國地產市場以及次貸市場的快速增長以足夠的權重。這使得UBS在進行風險分析的時候，並未依據美國房地產市場的基本面做情景分析。
缺乏房地產市場風險因素損失分析：類似的，UBS沒有針對美國地產市場的重要指標做風險因素損失（Risk Factor Loss）分析，例如違約率、貸款餘額相對地產價值的比率或其他類似重要的可能影響到現有投資組合的指標。
過度依賴VaR和壓力測試數據：儘管美國房貸市場的拖欠率在上升同時發放貸款的標準在下降，但風控部門卻只關注於VaR和壓力測試數據，使得UBS不斷在次貸市場累積頭寸而只進行了部分對衝。風控部門在向UBS高管述職時也並未提供關於UBS所持有次貸頭寸的具體數據。沒有人指出所提供數據的侷限性，以及其所適用的背景條件，同時也沒有人對此提出質疑。
人們很早以前就知道長尾、自相關以及輸入誤差等問題的存在，但人們仍在持續使用這些方法，因為有總比沒強。然而，我們必須考慮下有藥是否一定好於沒藥，因為錯誤治療的代價可能更大。這種對偽科學的錯誤信念再次給了大家一次迎頭痛擊。
分析師以及他們對數據的嗜好
風險管理並不是唯一一個散播偽科學的地方，分析師們也是。他們擅長提供誘導性細節，好像把公司今後五年的盈利預測到小數點後兩位有什麼用處似的。還記得2000年科網泡沫時，華爾街的分析師們在做盈利預測時多麼令人震驚。
2007年三季度伊始，盈利預測的平均水平是增長5.7%。該季度末，分析師們把盈利預測下調到+2.7%，最終結果則是-2.5%。四季度的預測更糟糕。分析師先是預測盈利增長10.9%然後大幅下修到-7.9%，最終結果標普500公司當季盈利下滑-22.6%。這中間有大約33.5%的差距（圖3.5%）。別擔心，分析師們說事情很快會好起來的。他們預測2008年第一季度和第二季度盈利分別下滑-11.3%和-3.5%，然後三季度和四季度則會大幅反彈至+13.9%和+54.5%。
投資者真的在意這種噪音嗎？當然不會。但是隻要問分析師為什麼堅持製造這些，他們總會回答他們的客戶想要這些。所以是買方都陷入到了偽科學和誘導性細節中嗎？我認為不是。在我與基金經理的交流中，他們通常忽略這些噪音，當然可能我的樣本有偏差。
然而，Ashton Partners的Bryan Armstrong最近做了一個調研，他調研了30個基金經理，問他們賣方的盈利預測是否有用時，每個都認為市場的盈利預測是有用的（圖3.6）。
業績評估
業績評估是另一個案例。Alpha、beta以及跟蹤誤差這些意義含糊的用詞都被用來推廣偽科學。
跟蹤誤差這種東西就像讓拳擊手只站在固定的一個或兩個點上進攻，贏得比賽已經不是首要目標。John Minahan(2009)的一篇論文很有意思，他描述瞭如下情景：
我剛入行時注意到一個基金經理，她的持倉結構從價值股轉向了成長股，這讓人覺得她的風格發生了漂移。這個基金經理歷史業績很優秀，而這時恰好市場風格從價值切換到了成長風格，所以表面看去她違背了自己的價值信條而只是跟隨趨勢。
進一步研究發現，她換手率仍然很低，而那些現在被認為是成長股的公司在她買入時仍然被認為是價值股。事後來看她做的很對，持股盈利上行同時股價上漲更多，然後這些個股被認為成了成長股。她可以解釋清楚最初的投資邏輯，而對於那些仍然持倉的個股，也能講清楚繼續持倉的理由。於是我開始懷疑簡單的風格劃分是否足夠準確，因為這位基金經理的投資看上去前後邏輯連貫一致。
當我和更高級的諮詢顧問談起我的疑慮時，他直接否定了我。他認為風格分析本身是“客觀”的，而那位基金經理的解釋則是在“耍滑頭”。他說等我經驗更豐富時，就可以對這些有魅力的基金經理有更強免疫力。
這位高級諮詢顧問盲目相信偽科學，因為能夠量化的東西不見得就都是對的。嚴肅思考和批判性思維更加重要。事實上，Fama和French(2007)的研究顯示正是那些跨越了“風格邊界”的個股才帶來了超額收益（看圖3.2）。
結論
對於數據的盲目信念是我們金融行業的魔咒。我們需要具備嚴肅的批判性思維，以避免陷入誘導性細節中。數據本身並不提供安全性。風控人員和你說VaR是X並沒有太大的意義。同理，分析師說一個公司價值2010年盈利的Y倍，或者諮詢顧問說這個基金經理有3%的正alpha也沒大意義。所有這些都必須在特定的背景下討論才有意義。嚴格來說，這些都很像偽科學。對無意義數據的人工操控所帶來的安全感幻覺，是我們需要警惕的。
"