
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
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01