格林威治大学银行技术专业信息系统首席教师 Georgios Samakovitis 表示，生活在不确定世界中的决策者在投资决策时应该抵制运算精度的谬论。 全文：http://blog.sina.com.cn/s/blog_8eeb907d0102vdw2.html

环境学者 Jerome Ravetz说：“我们相信数字，也仅仅因为它们是数字。” Theodore Porter 等科学历史学家长期以来持有相同的观点。1929 年最严重的金融危机过后，全球经济逐渐恢复，这句话备受关注。许多管理者个人认为带着近乎宗教崇拜的心理使用数据决策模型可以使决策更具有科学依据，少数人却质疑这种理据充分、广泛接受的数学模型：他们认为运算的合理性在于数据本身的说服力，但它并不能证明什么。

这在私营企业和国有企业中均有体现。以欧洲银行应对 2008 年信贷危机为例：欧盟国家一向稳定的主权债务和赤字比率突然变得极不稳定，这些国家急需经济救援，尽管许多国家保持着强大的工业生产能力和健康的经济展望。根据不同的数值假设，相同的原理得出了明显不同的结果，这足以成为调整市场，降低主权信用评级的理由。没有人怀疑这些假设的真实性；权威的中央银行依照严谨的模型得出“新的现实”，“新的数据”使其合理化。

在企业界，同样的事情常见于各个地区的投资决策。特别是在银行业，有证据显示，决策者通过调整数据制作模型实现他们想要的结果。有关英国大型银行在 1999年至 2006年对网上银行科技投资决策的一项研究显示，倡导将数据模型系统性地应用于特殊投资，代替了评估和比较候选项目。高管层意识到人们很喜欢他们用数字说话之后，战略层决策就采用数字作为支撑依据。

生活在不确定的世界

20 世纪 70 年代是计量金融的黄金时代，自那时起，业内普遍认为它是更加精确的模型，利用它会获取更加可靠的信息，因此决策会更加准确。然而业内人士表示， 大部分行政决策，特别是关于金融投资的决策，如果想在不确定的世界中表现的不无知，不得不做出这样的决策。尽管存在许多优秀的模型，但是决策并非基于模型。我把这种现象称为“实践悖论”。

我们在考虑决策者的金融、会计和经济学背景时，实践悖论特别有趣。一种普遍倾向的解释是，人的大脑不是最优化的引擎：决策基于当时可获得的信息，从中找出足够好但并非是最优的解决方案 (Herbert Simon 称之为“满足”satisficing)。但是满足不能解释最简单最完善的价值评估技术为什么只用来证明投资而不是评估投资。

谁发明了金融模型？谁在使用它们？我们在思考这些问题时，事情就更加清晰了。金融模型最初是专业研究人员发明的应用研究成果。职业经理人通常将它们用于日常的决策实践中。

这两个群体的职业兴趣完全不同。研究学者通过发布和宣传自己的研究从学术界寻找认同。职业经理人并不关心模型本身及其可信度，只是为了在不确定的世界中，实现及时、有效和合理的投资决策。他们支付不起昂贵的时间成本，他们会严格精选适当的模型，并将之应用于投资选择，然后对投资选择的优先级排序，最终做出最优的决策。他们会依靠直觉和经验，通过他们公司所采用的价值评估模型（即公司内部手册）使他们的选择合理化。

因此提高精确度与获取良好的决策是相关的。现有的价值评估技术足够精确。然而，决策模型必须基于一个现实：金融估价方法的确被用作证明的政治工具。我建议我们积极地向那些直接或间接影响决策的人表达意见，以此公布政治倡议。这将会刺激政治审查，但是避免了“数字代理”。明确地表达那些权益会有助于商讨实际的决策，认识决策不是一项数字练习而是一个社会过程，我们应追求更多的信息而不是更精确的决策。

良好的运算精度是高质量的标志，该观点恰恰是普通投资决策风险范式的缺陷。数值模型在我们比较可替代方案时大有益处，但只适用于量化参数。我们面临的偶然性、模糊性和不确定性的决策参数质量远远高于风险评估模型，它们极其复杂。

Georgios Samakovitis 格林威治大学银行技术专业信息系统首席教师。