|
这两位作者对启发式的预测方法和复杂的预测方法进行了对比。首先，他们考虑了一个相对简单的“间断启发式”：如果一个客户在过去数月内没有购买商品(间断)，这个客户就被归入“不活跃客户”之列;另一些客户则被认为是活跃的，他们可能会是回头客。在预测最佳客户这个问题上，他们也采用了一个简单的持续启发式：仅仅预测过去购物最多的X%的最佳客户将会是未来购物最多的X%的最佳客户。与启发式相对的是两个复杂的随机模式。这两个复杂模式在条件适宜、数据充足的情况下表现良好，但在数据有限的一般情况下并没有特别的优势。 “启发式”和复杂预测模式的竞争结果如何呢?两个研究者发现：复杂的预测技术并没有比极为简单的经验规则表现得更出色。怎么会这样呢? 原因在于，“启发式”不需要估算大量的参数，从而避免了对少量数据进行笼统总结而得出很不精确的结论。另一方面，“启发式”已经存在了很长时间，它包含了数十年资料中蕴含的智慧，在商业领域的运用也得到了发展和完善。在这些分析中，经理人的直觉出人意料地接近最优结论。例如，在服装行业，经理人对购物间断长度的直觉为39周，而最佳的数字是40周。在正确对客户进行分类方面，选择最佳间断时间比经理人直觉选择的间断时间带来的改进不到1%。 在找出“最佳客户”这个问题上，根据交易量将航空业、服装业和在线音乐行业数据库中的客户列入或排除出前10%或20%。对这一领域，管理者感兴趣的关键数值是：到底有多少预测中的最佳客户是实际的最佳客户?以此为标准，在12次测试中，启发式有9次胜出，仅有3次落败。进一步的分析表明，改变研究时间段的长度对结果影响不大。 “专业”投资只是传说 “启发式”蕴含的精神可以在4世纪的《巴比伦塔木德》中找到，该书提到：“每个人都应该把财富分成三份：三分之一在土地，三分之一在商品，三分之一在手里。”这个简单的规律被叫做“1/N启发式”，近年来还被一些人形容为“天真的策略”。 在投资领域中，所谓的“专业投资者”很可能在高性能计算模式的辅助下，尽量避免做任何“天真”的事情。那么，他们的专业投资方法有多少优势呢?伦敦商学院的维克多·迪米基尔(Victor DeMiguel)和拉曼·尤博尔(Raman Uppal)与得克萨斯大学的洛伦佐·盖勒普(Lorenzo Garlappi)从投资的角度研究了“启发式”。 每一个投资者，不论是专业投资者还是业余投资者，都要做出资产分配的决策。投资组合的表现往往用报酬波动的比例来评判，如夏普比率(Sharp Ratio)或如确定性等价回报(CEQ)等其他指标。迪米基尔与合作者对6个历史数据库进行测试，想从14种投资组合构建的方法中找出具有最高的夏普比率、确定性等价回报和最低收益的一种。他们测试了基于复杂数据构建的投资组合，结果证明，14个优化模式没有一个能在夏普比率、确定性等价回报或收益上一直优于1/N启发式。例如，在研究夏普比率时，72个案例中仅有6例优于1/N启发式;对于确定性等价回报，在72个测试中只有两例优于1/N启发式;至于收益，只有一个策略优于1/N启发式—即掌握市场而不是控制交易。人们可以花数不清的时间建立最“专业”的投资模式，但这些模式却没能比《巴比伦塔木德》中支持的模式带来更大收益。 （责任编辑：职场达人） |
