被误解的统计学 如何做出好的投资组合

我们说某两样东西有相关性，或是无相关性，用来判断某个商品涨跌会不会影响另一个商品？纯粹从统计学来看，那是个机率问题。不管相关或不相关，它们一定都有时相关，有时不相关。这个相关性在统计上就是机率而已。既然是机率，那么明天到底相不相关呢？即使高度相关，明天也不一定相关，即使是低度相关，明天或也许会因为某个原因一同大涨大跌。

　　相关性=机率=巧合

　　因此，投资组合看来抵消了风险，那只是巧合。不同的投资发生最大风险的时间不同，那是巧合。两个看似不相关的商品，统计上出现收敛，那也只是巧合而已。

　　什么叫做统计呢？

　　就是人无法去一一解释的东西。例如我无法一一说出，每一个人的身高，于是我说了大家的平均身高。由于我不知道为什么股市会上涨、下跌。于是我做了相关性分析：

　　股市可能跟货币供给量有关系…

　　股市可能跟国际其它市场有关系…

　　但这有关系不代表因果。

　　如果能知道背后的因果，其实不需要依赖统计学。因为统计学本身是无意义的，唯有从数字背后去发现因果，数字才有意义。

　　相关性是这样的，统计上来说，相关性是不同的商品的每日波动率之间的相关性。每天来看或许不大。但就周或月的层级来看，或许相关性就很高。因为许多不同国际市场波动的背后因素都是相同的。

　　又例如不同的两个策略，我们去算它的相关性。你会发现，只要这两个策略的出手次数够低，一般来说它的日相关性会很低。但假设这两个策略每个月都出手一次，而且是经常获利的策略，即使是策略的逻辑不同，那么它的月相关性也会很高。

　　所以，相关性是伪议题，那只是个表面的现象。其实结论还是一样的：统计学本身是无意义的，唯有从数字背后去发现因果，数字才有意义。

　　大家都在想，要怎么做出最好的投资组合比例。至于标准配置的方法，其实大学教的财务管理中就写的很清楚了，投资组合理论可以算出最好的投资组合比例，那个比例可以得到一个获利/风险比最大的投资组合。

　　只是实际到到底如何呢？

　　那其实还是用过去的数据在做最优化的事。我记得在某本杂志上看过，有个自营部的主管说，他用投资组合理论算出的最佳比例来分配他整个部门的投资组合。但一年后他才发现，权重大的策略不一定表现比较好。结果他的结论是，或许简单一点，平均分配，总体绩效会更好。因为实际的情况告诉他，每个策略明年的绩效是未知的。

　　回到原点，一个赔钱的策略，经过控管，它最多只能少赔。一堆赔钱的策略做投资组合，它还是会赔钱的。除非先确认策略的有效性，否则谈投资组合太早。在此之前，资金控管优于一切…

　　资金控管的目的就是提早把赔钱的策略下架，让获利的策略继续表现而已。