从“有正面意义的短视”到金融市场的预测机制

1. 有限的前瞻：象棋大师的经验法则

在国际象棋的世界里，无论是人类的大师还是像“深思”这样的计算机程序，都不需要看得太远就能下出非常好的棋。这种现象被称为“有正面意义的短视”。这些大师们通常会首先纵览盘面的整体局势，然后对每个棋子的下一步走法做一个初步的预测。接下来，他们会挑选出最有可能的几种走法，并深入考虑这些走法的后果。尽管每多向前推演一步，可能的走法就会以指数级增长，但大师们并不会被这种复杂性所困扰。相反，他们只会把注意力集中在少数几个最有可能的应对策略上。

这种有限的前瞻并不是因为大师们的视野狭窄，而是因为他们凭借丰富的经验，能够迅速识别出哪些走法是最具潜力的。例如，他们会首选那些增加选择余地的着法，避免那些虽然结果不错但要求弃子求兑的冒险策略。他们还会从那些毗邻多个有利位置的地方着手，确保每一步都能为后续的布局打下坚实的基础。最重要的是，他们能够在对局势的前瞻和关注当前的状况之间取得平衡。

这种思维方式不仅适用于象棋，也适用于我们日常生活中的许多决策场景。无论是商业、政治、技术还是个人生活，我们都面临着类似的折衷。我们无法预见所有可能的情况，也无法获得充足的信息来做出完全有见地的决策。因此，我们只能依靠经验和粗略的指导原则来应对不确定性。正如象棋大师们所做的那样，我们在面对复杂局面时，也需要学会有限的前瞻，专注于最有可能发生的情况，同时保持对当前局势的敏锐感知。

2. 常识与“有正面意义的短视”

在现实生活中，常识使这种“有正面意义的短视”具体化。与其花费数年的时间去制定一本详尽的公司员工手册——它在付印之际就可能过时了——不如采用一些一般性的指导原则来应对那些看起来一定会在“下一步”发生的事情。等到极端情况真的出现时，再根据实际情况进行调整。这种方法不仅适用于企业，也适用于个人生活中的各种决策。

例如，如果你在一个陌生的城市旅行，想要在交通高峰时段出行，你可以选择两种方法：一种是详细规划整个城市的路线，另一种则是采取更为灵活的策略，比如“一直向西，到达沿河路时再左转”。通常，我们会结合这两种方法，既不会想得太远，又会关注眼前马上要发生的事情。我们会在蜿蜒前行的过程中，随时拿出地图查看下一个路口的方向。这种方法实际上是由经验规则引导的有限的前瞻，它帮助我们在不确定的环境中做出合理的决策。

3. 混沌系统中的可预测性范围

3.1 内在复杂性与表面复杂性

在混沌理论中，复杂性可以分为两种：内在的复杂性和表面的复杂性。内在的复杂性是混沌系统的“真正”复杂性，它导致了不可预测性。而表面复杂性则是混沌系统的另一面，它掩盖了可利用的秩序。物理学家戴维·法默（David Farmer）将这两种复杂性形象地比喻为一个方框：往上，表面复杂性增加；对角向上穿过正方形，内在复杂性增加。物理学通常研究的是简单问题所在的区域，而复杂的难题则位于方框的上角。

法默和他的团队认为，真正的机会并不在于那些高度复杂的区域，而是在于那些表面复杂性很高，但内在复杂性较低的区域。这些区域中隐藏着局部的可预测性，正是这些可预测性让圣克鲁斯混沌社通过对轮盘赌的预测挣到了钱。

3.2 金融市场的局部可预测性

法默和帕卡德（Norman Packard）相信，金融市场中也存在类似的局部可预测性。尽管大多数时间市场是不可预测的，但在某些特定的情况下，市场中可能会出现短暂的、可预测的模式。这些模式可能只持续几秒钟或几分钟，但它们足以让投资者从中获利。

为了捕捉这些局部可预测性，法默和帕卡德的预测公司开发了一套基于非线性动力学的算法。这套算法通过分析大量的金融数据，寻找那些隐藏在随机性和复杂性背后的模式。一旦发现某个局部区域的模式，算法就会模拟该模式的未来发展，并根据模拟结果进行交易。这种方法被称为“超实时”工作，因为它比实际市场运行得更快，能够在市场变化之前做出预测。

3.3 模型的验证与优化

在使用某个模型进行交易之前，法默和帕卡德会对其进行严格的测试。他们会用“返溯”的方法，即通过历史数据来验证模型的有效性。如果模型能够准确预测过去的数据，那么它就有很大的可能性在未来的表现中也表现出色。法默解释说：“系统得出二十个模型。我们会把所有这些模型都运行起来，用诊断统计学把它们筛一遍。然后，我们六个人就会凑在一起，选出真正要运行的那个。”

这种建模活动可能需要几天的时间才能完成，但一旦找到了某种局部秩序，根据这种秩序进行预测只需要百万分之一秒的时间。最终，当模型通过了所有测试后，法默和帕卡德会按下“回车”键，将算法投入到真实的市场中。这个过程充满了风险，但也带来了巨大的回报。

4. 机器与人类的直觉

法默和帕卡德的工作不仅仅是关于金融市场的预测，它还涉及到更广泛的问题：如何让机器具备类似于人类的直觉。直觉是一种基于经验的预测机制，它能够在复杂环境中快速识别出有用的模式。华尔街的顶级交易员之所以能够年复一年地赚取数百万美元，正是因为他们在无意识中学会了如何在随机数据的海洋中识别出局部可预测性的模式。

法默认为，成功的交易员并不是靠运气，而是靠他们的直觉。他们通过长期的经验积累，逐渐形成了内部的预测模型，尽管他们自己可能并不清楚这些模型的具体运作方式。同样地，预测公司的算法也是基于数据的归纳法，逐步构建出能够预测市场走势的模型。

4.1 生物学中的预测机制

事实上，预测机制不仅仅存在于金融领域，它在自然界中也有广泛的应用。正如戴维·李德（David Reed）所说，“狗不会数学”，但经过训练的狗却能够预先计算出飞盘的路径并准确抓住它。这表明，智能或聪明本质上是一种预测机制。所有的适应与进化，都是为了更好地预测未来的环境变化。

4.2 未来的预测机制

法默的目标不仅仅是预测金融市场，他希望开发出一种通用的预测机制，能够应用于天气预报、全球气候、传染病等领域。他认为，未来的人工智能将具备某种形式的“直觉”，能够在复杂系统中识别出局部的可预测性，并据此做出准确的预测。

5. 总结：从短视到长远的成功

无论是象棋大师的有限的前瞻，还是金融市场的局部可预测性，它们都告诉我们一个重要的道理：在面对复杂和不确定的环境时，过度的长远规划往往是不必要的，甚至是无效的。相反，我们应该学会有限的前瞻，专注于最有可能发生的情况，同时保持对当前局势的敏锐感知。

在金融市场上，法默和帕卡德的预测公司通过捕捉那些短暂的、可预测的模式，成功地实现了超额收益。他们的工作不仅证明了局部可预测性的存在，也为未来的预测机制提供了新的思路。最终，预测机制的本质是生产理论的机制，它能够从看似随机的数据中识别出有用的模式，并据此做出准确的预测。

正如法默所说，预测是建立科学理论之后最有用、最实在的结果。未来，随着人工智能的发展，我们或许能够看到更多像预测公司这样的创新应用，帮助我们在复杂的世界中做出更好的决策。而这一切，都始于对有限的前瞻的理解和实践。 📊💡