京公网安备 11010802034615号
经营许可证编号:京B2-20210330
以大数据预测房价是科幻小说_数据分析师
炒股有什么诀窍?说起来很简单:低买高卖。问题是,你怎么知道哪里是低买,哪里是高卖?
媒体报道,国家统计局试图利用网络搜索数据实现精确的房价预测。国家统计局是政府负责经济数据统计的部门,但是这一做法,暴露了国家统计局并不懂经济。当然,国家统计局不懂经济这一点,早就暴露了,不过这一次暴露得也太明显了一点,让人有荒唐的感觉。
假如房价可以用大数据预测,那么股价也是经济数据,也可以通过大数据预测。并且,股市数字相对房价更透明、更精确、更全面。要得到股市大数据,比得到房价大数据容易多了。假如股市可以预测,那么,股民就真的知道哪里是股市的低点,哪里是高点,然后就真的低买高卖,大发其财了。
的确,有很多人做过这方面的努力,希望通过建立模型预测股市而发财,但所有人都失败了。
假如人们知道10天后是股市的高点,人们会怎么做?大家都会买入,结果就会在现在就把股价抬上去,高点今天就会到来。
股市的这种现象,经济学中称为市场有效理论,意思是说,市场上所有的人都在预测,所有信息现时就会反映在股价上。10天后的利好或者不利好,今天就会包含在股价中。西方有种说法,说猴子扔飞镖选股,业绩也不会比基金经理差,这是因为,基金经理面对的,也是市场消化了的股价。当然有些基金经理的业绩更好,但那其实更有可能是运气。
病毒的传播可以建立模型预测,那是因为病毒的轨迹是确定的。但人的行为是不断变动的。当人们知道明天的信息,他们在今天就会改变行为的轨迹。所以,经济数据不可能精确预测。
经济学确实可以给出一些趋势判断。比如,如果政府加大印钞,经济学可以判断这是促进房价上涨的因素,但具体涨多少、什么时候涨、还有没有其他抑制上涨的因素同时发生,这些都是无法预测的。
经济学家张五常喜欢引用一句话:早知三日事,富贵万万年。任何企业家,都是在冒风险,比运气,看谁恰好符合了消费者的需求。符合消费者需求的就发财,否则就被淘汰。没有任何人可以确知某个经济事件。
但是统计局却宣称自己可以早知三日事。试想一下,统计局的官员并没有比企业家聪明假如他们比企业家聪明,他们早就下海发财去了他们能想到的事,企业家会想不到?如果真的有准确预测房价的办法,那肯定早就被企业家发现了,并且早就被用来发财了。但悖论也就来了:如果大家都知道房价的精确涨跌,那么,他们就会采取行动买卖,这个信息就会反映在今天的房价中了。这个悖论企业家无法解决,统计局更无法解决。
也许为了掩盖这一悖论,统计局宣称,他们将把精确的预测数字只在内部使用。他们看来也明白,如果公开,就会引起人们行动的变化。但是这个说法只是自欺欺人。一是上面说过的,如果真的存在那种人们梦寐以求预测办法,无数企业家早就发现了;二是,市场上无数人的行为,哪怕是基于模糊感觉的行为,也早就消化了一切未来预测。
的确,有很多人都表现出预测房价的准确性,比如任志强,但是大家都明白,那也只是任志强基于专业经验的一种感觉。任志强任何时候都有可能预测失败。
常有人说,某某接近中央领导,所以他事先知道政策会怎么样、经济会怎么样。其实,那是不可能的。不要说接近中央领导的人,就是李克强总理自己,他也不知道自己下一步会怎么行动。去年年底的时候,他不会知道自己将在3、4月份搞微刺激;3、4月份搞微刺激的时候,他不知道7、8月份经济数据会下滑多少。所有这些事情都是不确定的。政府应该做的是,让市场去处理不确定的事,让企业家去预测消费者的需求。政府一旦加入行动,就会增加市场不确定,让企业家、消费者无所适从。
统计局不会比任志强做得更好,它能做的,无非是浪费纳税人的钱,然后装出内部掌握了未来房价走势的权威架势,以证明自己没有浪费纳税人的钱。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16