模型的关键是,抓住主要问题,大胆进行简化。问题反倒是容易解决,比如港股这个模型,有人瞧不起高斯分布:源数据明显有偏度,而且明显高市盈率那个方向,应该存在着长尾。但是,就我们估算港股的目前市盈率处在概率的区间,和毛估市盈率翻倍概率这个问题而言,高斯模型够用吗?当然够用了!即使将一个精细化的,高度拟合的模型列出来,市盈率翻倍的概率从我估计的40%提高2%,有意义吗?模型不是为了复杂,如有可能,它以简洁作为荣耀。
非常同意
[很赞],对整出个复杂模型并沾沾自喜感到由衷鄙视。
这个有明显误导,举个例子,以人类两万年以来的能源利用折成大卡做个概率分布,那么近100年来的概率分布属于小概率,但不等于说未来大概率是过去两万年里的能源利用。这就是历史数据的局限性
[笑]