如何避开数字的陷阱?
来源:科普中国 时间:2020.07.29

量化,就是用数字来描述现实。现如今,很多事情都讲究个量化,在往后这只会越来越多。从数码技术、商业模式到财务模型,我们通过量化这一手段,与外部世界进行互动。

(图片来源:PEXELS)

在日常生活中,我们的行为模式或多或少都有一成不变之处,数学对此亦有贡献,因为数学就是准确客观的。数学模型虽然可以非常复杂,但用起来并不需要很深刻的理解。一个股票交易员可以完全不懂金融工程模型,哪怕这可能是他每天都会用到的。这种不求甚解就接受数学模拟,就相当于假设现实跟我们用理性重构出来的 “现实” 一模一样——比如,认为我们最新的模型能够描述经济和股票市场。

数字带来的秩序感和安全感

要切中要点的话,肯定是知道要点在哪里了再切,才会更容易一些。同样,数字能给人一种 精确感 ,让你觉得前途 更安全 ——收入升上去,成本降下来。哪怕只是预先确定一下不太可能出现的风险,就会让我们产生一种,危机已经被处理过了的感觉。我们之所以会这样,一部分原因还是华尔街 “金融量化分析师” 的功劳。这帮顶着数学博士和物理学博士头衔的人,带来了一股量化之风,他们用研究数学和物理的方法,来研究金融和经济。他们用的那些复杂数学模型可谓妙极, 但模型越是精密复杂,就越有可能错误地描述了现实生活中人的实际活动 。因为他们让企业高管和政府部门的人觉得 “一切尽在掌控之中”,所以这些数学模型往往又会起到反效果,产生新的意想不到的问题。

(图片来源:Pixabay)

量化的4大局限性

我们没有弄清楚的是:在任何情况下,引入数学分析和量化方法,都会导致情况发生细微的改变,而这一变化是需要纳入考虑范畴之内的。我们过于依赖手头的分析和计算工具,以至于对它们的局限性视若无睹。考虑以下 4 个问题:

1、统计模型都基于随机性的概念,但是没有人能够真正理解随机性 。 很多人用到 “随机” 这个词的时候,根本就没有意识到它的真正涵义——随机性是无法预测、也无法控制的。随机性模型已经不再具有真正意义上的随机性了(都已经模型了嘛)。

2、数学模型在逻辑上是一致的,因此它们排除了模糊性 。 现实生活中,模棱两可是真实存在的,然而在商业模型和财务模型中,很少、或者根本就不会考虑不确定情况的发生。模糊性在什么情况下会发生呢?每当有两个(或多个)同样重要,但彼此冲突的行动路线相交时,模糊性就发生了。例如:修建核反应堆,可以满足我们的部分能源需求,还能减缓全球变暖的发展趋势;另一方面,核电站也可能带来巨大的负面影响(日本就是证据)。在大多数的政府决策和商业决策中,也同样存在模糊性,但经典数学模型不会反映这一点。

(图片来源:Pixabay)

3、把一种形势完全用数字表现出来,这就加深了人的这种印象,认为东西都是线性的 ,事情都是可比较的,因为数字都有大有小,可以比出个高下来嘛。 假设给教师的教学水平打分,从 1 到 10 共分为 10 个等级,你肯定认为,得 8.3 分的老师比得 6.8 分的教得好,但这种打分模式,将不可避免地忽略各种定性因素。数学模型忽略了某些方面的情况,以此来简化现实,但我们永远不能确定,哪些因素应该纳入考虑,而哪些因素应该忽略不计。

4、任何描述人类行为的系统,比如经济或金融,本质上都是自我参照的 。 在涉及人类活动的系统中,我们中的所有人都是参与者,而不仅仅是观察者。自我参照系统是出了名的难以预测和控制,因为自我参照系统往往非常混乱,充满了不确定性。大多数数学模型都不会采用自我参照系,原因就在于根据定义,混沌系统是无法预测的。

(图片来源:Unsplash)

如何避开数字的陷阱?

不确定性是不可避免的,而最好的数学模型也会有照顾不到的地方,知道到了这一点,我们又该如何是好呢?首先,知道不确定性是避免不了的,单是这样就已经让事情发生了根本性的变化。不过,光知道还不行,一定要确确实实地明白这一点,要克服对不确定的厌恶心理。不确定性会使情况变得更复杂,从而使项目的成本增加资金,这也是我们在量化分析时,往往不考虑、或者把不确定性排除在外的又一个原因。

承认不确定性的存在,也就是正视现实,直面我们的不足和缺陷 。但光是承认还不够,我们必须学会接受不确定性,与模糊性打交道。原因有两个:首先,模糊性不仅是现实生活的一部分,也存在于数学之中;其次,只有在主动将模糊性与不确定性纳入日常研究之后,我们才有可能实现一直追寻的开创性突破。

原文作者:威廉 · 拜尔斯(William Byers)是康克迪亚大学(Concordia University)的数学教授,著有《盲点:不确定性的科学和危机》( The Blind Spot: Science and the Crisis of Uncertainty )和《数学家如何思考:用模糊、矛盾和悖论做数学》( How Mathematicians Think: Using Ambiguity, Contradiction, and Paradox to Create Mathematics )

排版:大庆

题图来源: Unsplash

相关推荐

【智惠农民】我国做了哪些工作来提高化肥利用率?

月球背面比正面坑更多,是因为帮地球挡了陨石撞击?这个假说根本无依据

“脑龄”是如何计算的?

您当前所在位置:科普文化重庆云 >

如何避开数字的陷阱?

来源:科普中国 时间:2020.07.29

量化,就是用数字来描述现实。现如今,很多事情都讲究个量化,在往后这只会越来越多。从数码技术、商业模式到财务模型,我们通过量化这一手段,与外部世界进行互动。

(图片来源:PEXELS)

在日常生活中,我们的行为模式或多或少都有一成不变之处,数学对此亦有贡献,因为数学就是准确客观的。数学模型虽然可以非常复杂,但用起来并不需要很深刻的理解。一个股票交易员可以完全不懂金融工程模型,哪怕这可能是他每天都会用到的。这种不求甚解就接受数学模拟,就相当于假设现实跟我们用理性重构出来的 “现实” 一模一样——比如,认为我们最新的模型能够描述经济和股票市场。

数字带来的秩序感和安全感

要切中要点的话,肯定是知道要点在哪里了再切,才会更容易一些。同样,数字能给人一种 精确感 ,让你觉得前途 更安全 ——收入升上去,成本降下来。哪怕只是预先确定一下不太可能出现的风险,就会让我们产生一种,危机已经被处理过了的感觉。我们之所以会这样,一部分原因还是华尔街 “金融量化分析师” 的功劳。这帮顶着数学博士和物理学博士头衔的人,带来了一股量化之风,他们用研究数学和物理的方法,来研究金融和经济。他们用的那些复杂数学模型可谓妙极, 但模型越是精密复杂,就越有可能错误地描述了现实生活中人的实际活动 。因为他们让企业高管和政府部门的人觉得 “一切尽在掌控之中”,所以这些数学模型往往又会起到反效果,产生新的意想不到的问题。

(图片来源:Pixabay)

量化的4大局限性

我们没有弄清楚的是:在任何情况下,引入数学分析和量化方法,都会导致情况发生细微的改变,而这一变化是需要纳入考虑范畴之内的。我们过于依赖手头的分析和计算工具,以至于对它们的局限性视若无睹。考虑以下 4 个问题:

1、统计模型都基于随机性的概念,但是没有人能够真正理解随机性 。 很多人用到 “随机” 这个词的时候,根本就没有意识到它的真正涵义——随机性是无法预测、也无法控制的。随机性模型已经不再具有真正意义上的随机性了(都已经模型了嘛)。

2、数学模型在逻辑上是一致的,因此它们排除了模糊性 。 现实生活中,模棱两可是真实存在的,然而在商业模型和财务模型中,很少、或者根本就不会考虑不确定情况的发生。模糊性在什么情况下会发生呢?每当有两个(或多个)同样重要,但彼此冲突的行动路线相交时,模糊性就发生了。例如:修建核反应堆,可以满足我们的部分能源需求,还能减缓全球变暖的发展趋势;另一方面,核电站也可能带来巨大的负面影响(日本就是证据)。在大多数的政府决策和商业决策中,也同样存在模糊性,但经典数学模型不会反映这一点。

(图片来源:Pixabay)

3、把一种形势完全用数字表现出来,这就加深了人的这种印象,认为东西都是线性的 ,事情都是可比较的,因为数字都有大有小,可以比出个高下来嘛。 假设给教师的教学水平打分,从 1 到 10 共分为 10 个等级,你肯定认为,得 8.3 分的老师比得 6.8 分的教得好,但这种打分模式,将不可避免地忽略各种定性因素。数学模型忽略了某些方面的情况,以此来简化现实,但我们永远不能确定,哪些因素应该纳入考虑,而哪些因素应该忽略不计。

4、任何描述人类行为的系统,比如经济或金融,本质上都是自我参照的 。 在涉及人类活动的系统中,我们中的所有人都是参与者,而不仅仅是观察者。自我参照系统是出了名的难以预测和控制,因为自我参照系统往往非常混乱,充满了不确定性。大多数数学模型都不会采用自我参照系,原因就在于根据定义,混沌系统是无法预测的。

(图片来源:Unsplash)

如何避开数字的陷阱?

不确定性是不可避免的,而最好的数学模型也会有照顾不到的地方,知道到了这一点,我们又该如何是好呢?首先,知道不确定性是避免不了的,单是这样就已经让事情发生了根本性的变化。不过,光知道还不行,一定要确确实实地明白这一点,要克服对不确定的厌恶心理。不确定性会使情况变得更复杂,从而使项目的成本增加资金,这也是我们在量化分析时,往往不考虑、或者把不确定性排除在外的又一个原因。

承认不确定性的存在,也就是正视现实,直面我们的不足和缺陷 。但光是承认还不够,我们必须学会接受不确定性,与模糊性打交道。原因有两个:首先,模糊性不仅是现实生活的一部分,也存在于数学之中;其次,只有在主动将模糊性与不确定性纳入日常研究之后,我们才有可能实现一直追寻的开创性突破。

原文作者:威廉 · 拜尔斯(William Byers)是康克迪亚大学(Concordia University)的数学教授,著有《盲点:不确定性的科学和危机》( The Blind Spot: Science and the Crisis of Uncertainty )和《数学家如何思考:用模糊、矛盾和悖论做数学》( How Mathematicians Think: Using Ambiguity, Contradiction, and Paradox to Create Mathematics )

排版:大庆

题图来源: Unsplash