因果律，相关性，与贝叶斯

前两天和一个朋友聊起投资策略，发生了一个很有意思的讨论：

朋友C君认为投资应该知道准确消息来源（最好是可靠朋友的内部消息），市场逻辑，最后要能清楚的得出结论：这支投资标的为什么会涨，你才能冲上去，也就是大家常说的know how。

这也是广大股民们天然默认的投资修炼之路，看起来完全没有任何毛病。

而我当时的反驳论点是，普通人怎么做到以下这些呢：

1、输入：准确、及时、全面的市场信息获取。

2、专业：基础扎实、体系完整的投资知识。

3、计算：“韭”经检验的、成熟的策略系统。

4、输出：择时、买卖操作的精准定量控制。

做到这四步才能叫做know how，但是普通人可能么，这些听上去更像是一个头部基金公司的老牌经理，带着几十个顶级名校毕业的高材生团队，在一个如此财力、智力、人力加持下才能做到的事情。

普通人获取的信息零散、滞后、真伪难辨，不具备也不想学习金融财会知识，没有形成能写下来的交易策略，每次交易策略都还是凭感觉去选时机，甚至没来由的估摸一个数字来做买卖操作。

换句话说，普通人妄图通过因果律去预测市场，注定是掷色子。

01   凡事有因，诸因生果

因果律，最初源自人类大脑的直觉认知，在哲学上形成了明确的定义，在物理学上又神合时间的单向不可逆性（或熵增定律），不论是普通人还是科学家，我们依照于它去认知学习，行动。

人类用它解释现象（由果推因），用它预测未来（由因及果）。

但是想要应用因果律做预测，人类会遇到2大障碍：

1、障碍一：因果律需要建立在对要素之间相互作用的底层机理解释，但人类永远走在总结规律的路上，难以企及本源。

抛一个苹果，我们知道根据牛顿的万有引力定律，苹果会以什么样的速度与抛物线落下。

但是万有引力定律在现代科学中，只是在低速宏观世界里的近似规律公式，广义相对论对引力给出了更本质的解释：引力只是时空弯曲带来的结果。

结束了吗？没有。

爱因斯坦直到去世（1955年），也没能将引力与电磁力框进大统一理论。而到了当下前沿科学中，我们熟知的物理界四大基础力（电磁力、引力、强相互作用力、弱相互作用力）中，除了引力，其它3种力分别发现了各自的传播子（光子、胶子、w玻色子&z玻色子），并借此完成了物理学的局部统一。

唯独引力的传播子（引力子）人类至今没有发现。没找到引力子，人类对引力的认知还是只停留在更高维度的经验科学，而非洞穿本源的认知。

如果有上帝，面对人类无穷无尽的因果溯源，我相信在设计这个世界的底层逻辑时，他可能的预防方案之一是：掷个色子让它们随机去吧！人类发现了量子力学这种建立在概率思想上的反常识理论，也许就是造物者对因果律的某种回应：

人类只能捕捉概率，却无法手握变量，操纵未来。

2、障碍二：越是复杂的结果预测，越依赖于大量的信息输入，其结果的正确性越脆弱。

反过来理解，我们就可以形成行动指导：

如同万有引力定律适用于低速宏观运动，因果律适用于【先验规律确定性强，输入变量少】的简单系统中。

也就是精简你的预测目标，大量砍掉你的预测系统的输入变量，让系统更简单更垂直，你才有机会总结历史规律，提高一些预测未来的胜率。

再翻译成人话，就是把复杂系统简单化，找到核心要素变量，提炼常识规律做执行。

回到投资领域举例去看，普通人与其跟风到处买，不如就几十年如一日的盯紧一个版块方向，深度理解这个行业版块、这家公司，你才有可能从因果律得出相对正确的投资判断。

我们也可以找到一个案例：

熟悉段永平的人，会发现他总在雪球上说自己这看不懂，那看不懂。一方面是谦虚，一方面也是大实话：在他有限的精力中，选择只去盯住他100%看懂的几个版块方向，看懂这一小片海的潮起潮落，也就轻松踏浪。

02   诸因相连，因果难辨

做运营的同学在一开始接触数据分析时，会被告诫：

你要分清A、B事件的逻辑关系，是因果关系，还是伴生的正相关性？

如果是前者，那么A可以解释B的发生，这个作用传递机理可以为我们所用，如果是后者，你要当心了：

因果律背后，A、B事件一定具备相关性，反过来相关性背后，可能有因果关系，也可能没有。

但有时候，一个事件的结果由[A,B,C,D,E...]一系列要素共同决定，面对海量的因（数据），请问你要如何发现这背后的运动作用机理？

很多人稍加思考会给出答案：先做相关性分析，总结规律，再根据规律现象进一步做假设、找原因，最后拿假设去做预测，验证假设的正确性。

但当要分析的系统越混沌，数据越海量，动因机理越复杂，求证的难度与成本也会远超普通人的可执行空间。

例如：你要做市场预测，做大数据分析。

也许普通人尽其所能的拿到充足的数据资源，并挖掘与应用相关性规律，会比完整的因果分析求证更高效。

如果你的优先级中：Result > Know how，在有限的精力与知识储备下，直接利用浮于水面的冰山上相关性特征，比深度潜入水底探测整座冰山的全貌更有效。

举个例子，量化投资中，比起要TopDown的通过因果逻辑建立投资框架，有时候决策系统更依赖于强相关性因子直接去作为输入参数，而这些股指因子数据你完全可以借助第三方平台买到。

在充分运用相关性达成结果的过程中，你可以再去识别它们背后的机理：是因果关系，还是同在一个系统中，由一个更为上游的前置原因所触发。

这时候，相关性提炼可以帮你一定程度的完成你对客观世界的因果性认知。

03    始因非终，由果迭因

由因果律、相关性的前述讨论到此，你的困惑可能会变得更多：

1、第一部分：人类对因果律的应用，只是凭借大脑直觉，把先验确定性极强的规律（概率）视作底层原理，其实难以真正的做出原因解释。

2、第二部分：普通人哪有那么多海量的数据可以获取，来做相关性分析？普通人难道就不配去总结自己的因果认知，建立自己对世界的理解（预测）？

如果把这两个问题再总结成一个呢：

我们如何在数据有限（=观察样本=人生经验）的情况下，持续逼近对真相的机理解释，并对未来做出预测，来指导我们的行为？

理工科同学看到这个提炼后的问题，也许要迫不及待的站出来高呼：贝叶斯定理！

这里给出非公式化的贝叶斯定理解释：

后验概率（B事件发生后，A事件发生的概率）

= 先验概率（不知道B事件时A事件的主观猜测概率）* 调整因子（B事件发生对A发生带来的影响）

在计算机科学、大数据爆发的今天，贝叶斯定理广泛应用于人工智能、机器学习、金融、医学等领域。

贝叶斯定理的底层思想是：

如果你知道全部的因，你就能推算出果的概率（即上帝视角下的古典概率）。

但绝大多数情况下，你缺乏足够的输入数据（判断依据），因此你先做个主观盲猜，拍脑袋先定一个初始概率，再去根据后续的观察不断修正你的调整因子，使得后验概率的准确性不断提升。

听上去还是很无感？再换句话翻译：

大胆假设，小心求证，不断调整，多次迭代。

它给出了我们几乎是唯一可以触及（而不是到达）彼岸的方法：通过持续的迭代修正自己的认知。

但是，很难。

因为人性天然的厌恶不确定性，所以很多人对新事物放弃尝试，这首先就没了初始概率的设定，很多人抱定初始概率（认知）一定是对的而不愿意求证修改，这就没了调整因子去修正提升，很多人修正一次需要耗费大量的精力时间，这就导致提升的空间极其有限。

这么几层差距下来，大家的结果千差万别：高手把自己活成了贝叶斯定理，而普通人只是高手的执行工具与验证对象。

04   捕因捉果，心存敬畏

到这里，我们可以形成3条能有效指导行动的原则：

1、对复杂系统做简化，提炼核心要素变量，依照常识规律做执行。

2、如果不能做简化提炼，且数据量充足，那么遵循：相关性>因果律。

3、面对【系统复杂，输入变量有限】的情况下：大胆假设，小心求证，不断调整，多次迭代。

贝叶斯定理，刚好也是一座桥，帮助我们完善对这个客观世界的主观逼近，建立我们自己的认知体系：

【相关性提炼→贝叶斯定理→因果认知】

再进一步畅想，当下快摸到人工智能奇点（也许已经突破了）的AIGC发展，也正是借助贝叶斯定理的思想，在不断迭代复杂系统与新增变量参数的过程中，逼近对彼岸的概率触达。

但是，菩萨畏因，凡夫畏果。

哪怕真有菩萨洞察诸因机理，也害怕果报缠身，何况凡人不是菩萨神灵，对果的预测与追逐更会变形。

因此每当你的贝叶斯后验概率提升一丝一毫，都要告诫自己：你还不是菩萨。

不仅仅是因为要对成就保持谦卑，更重要的是保持对彼岸的好奇心。

用一张笔者自己设计的图作为本篇结尾，它也是本号的Logo图像，寓意来自Dunning-Kruger Effect（邓宁-克鲁格效应）：

昨日愚昧颠：初始概率认知

今日绝望谷：调整因子迭代

明日开悟坡：逼近真实概率

———————— 既要又要 ————————