大數(shù)據(jù)可以用來“證偽”卻不能用來證明

李迅雷

3年前，我曾經(jīng)以《相信奇跡還是相信邏輯》為題做過一次演講。核心觀點(diǎn)是，從古至今，國人的形象思維比較發(fā)達(dá)，但形式邏輯偏弱，建議用數(shù)據(jù)說話，提倡理性思考。今天，在人人都講大數(shù)據(jù)的時(shí)代，我們?cè)撊绾慰创瓦\(yùn)用大數(shù)據(jù)？當(dāng)大數(shù)據(jù)不合邏輯時(shí)，究竟是相信大數(shù)據(jù)還是相信邏輯？

相信個(gè)案還是相信大數(shù)據(jù)

大約從2009年開始，“大數(shù)據(jù)”成為互聯(lián)網(wǎng)信息技術(shù)行業(yè)的流行詞匯。美國互聯(lián)網(wǎng)數(shù)據(jù)中心指出，互聯(lián)網(wǎng)上的數(shù)據(jù)每年將增長50%，每兩年翻一番，目前世界上90%以上的數(shù)據(jù)是最近幾年才產(chǎn)生的。

數(shù)據(jù)又并非單純指人們?cè)诨ヂ?lián)網(wǎng)上發(fā)布的信息，全世界的工業(yè)設(shè)備、汽車、電表上有著無數(shù)的數(shù)碼傳感器，隨時(shí)測量和傳遞著有關(guān)位置、運(yùn)動(dòng)、震動(dòng)、溫度、濕度乃至空氣中化學(xué)物質(zhì)的變化，也產(chǎn)生了海量的數(shù)據(jù)信息。

有人把數(shù)據(jù)比喻為蘊(yùn)藏能量的煤礦。煤炭按照性質(zhì)有焦煤、無煙煤、肥煤、貧煤等分類，而露天煤礦、深山煤礦的挖掘成本又不一樣。與此類似，大數(shù)據(jù)并不在“大”，而在于“有用”。價(jià)值含量、挖掘成本比數(shù)量更為重要。對(duì)于很多行業(yè)而言，如何利用這些大規(guī)模數(shù)據(jù)成為贏得競爭的關(guān)鍵。

2011年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者托馬斯·薩金特近期在中國公開演講時(shí)認(rèn)為，人工智能實(shí)質(zhì)上就是統(tǒng)計(jì)學(xué)。我覺得他說的有一定道理，但過于簡單粗暴。其實(shí)他想表達(dá)的是，人工智能中運(yùn)用的不少方法就是過去的統(tǒng)計(jì)方法。

又有人認(rèn)為大數(shù)據(jù)就是全樣本統(tǒng)計(jì)，這樣理解大數(shù)據(jù)未免有點(diǎn)淺薄，全樣本統(tǒng)計(jì)只是大數(shù)據(jù)的一種形式而已。大數(shù)據(jù)的涵義要比傳統(tǒng)意義上的統(tǒng)計(jì)數(shù)據(jù)廣泛，但又具有統(tǒng)計(jì)數(shù)據(jù)的很多屬性，因此大數(shù)據(jù)需要通過合適的方法，才能發(fā)揮其作用。

兩年半前，我曾從螞蟻金服公布的居民網(wǎng)絡(luò)消費(fèi)數(shù)據(jù)中發(fā)現(xiàn)天津在網(wǎng)絡(luò)消費(fèi)上的怪異現(xiàn)象：作為直轄市的天津，人均網(wǎng)消水平明顯低于上海、北京、浙江、江蘇、海南、福建、廣東，甚至低于全國平均水平（因?yàn)榍捌邆€(gè)省市的消費(fèi)權(quán)重較大）。

天津人均GDP在2016年及之前一直為全國省市自治區(qū)中排名第一，為何網(wǎng)購數(shù)據(jù)那么弱呢？我當(dāng)時(shí)認(rèn)為天津有夸大GDP的可能。因?yàn)椴殚啞督y(tǒng)計(jì)年鑒》，發(fā)現(xiàn)天津的人均可支配收入與人均GDP水平不匹配。即人均可支配收入不僅低于北京和上海，而且低于浙江、江蘇。

如2015年浙江城鎮(zhèn)居民可支配收入占GDP之比為56.3%，上海51.3%，但天津只有31.9%，與前者相差20%左右。如果說人均可支配收入偏低與通過大數(shù)據(jù)獲得的人均網(wǎng)購額比較匹配，那么，人均GDP或GDP總額就極大偏離正常水平了。

今年年初，天津重新調(diào)整了其濱海新區(qū)2016年GDP的數(shù)據(jù)，從過去公布的10002.31億元，調(diào)整為6654億元，縮水3348億元，縮水幅度達(dá)三分之一。可見，如果把從支付寶獲得的網(wǎng)購大數(shù)據(jù)與統(tǒng)計(jì)部門公布的數(shù)據(jù)進(jìn)行相互比對(duì)，就可以及早發(fā)現(xiàn)問題所在。

我曾舉過一個(gè)例子：讓1000只猴子擲硬幣，每次出現(xiàn)正面的概率為50%，如果讓所有猴子連續(xù)擲硬幣10次，那么，連續(xù)10次均為正面的概率就是50%的10次方，約等于千分之一，即一千只猴子中應(yīng)該有一只猴子會(huì)連擲硬幣10次均為正面。難道我們需要把這只猴子作為典型案例，號(hào)召所有猴子向它學(xué)習(xí)，將其“成功”擲幣的經(jīng)驗(yàn)進(jìn)行推廣嗎？

在國內(nèi)，類似“成功學(xué)”的書特別暢銷，但就“成功”本身而言，其比例很低，否則就不叫成功了。也就是說，成功只能是個(gè)案，但大部分人只對(duì)成功的個(gè)案有興趣，對(duì)成功率茫然無知。

盲目相信大數(shù)據(jù)并不可取

過度迷信大數(shù)據(jù)也有問題。以股市為例，目前A股市場的上市公司數(shù)量超過3000家，所有上市公司的盈利等財(cái)務(wù)數(shù)據(jù)累加起來，也構(gòu)成了大數(shù)據(jù)。

從2016年開始，上市公司的整體ROE（股權(quán)收益率）都在上升，但為何股市的估值水平卻在下移呢？為何商品房銷量屢創(chuàng)新高，房企的盈利也出現(xiàn)了高增長，但房地產(chǎn)股卻大幅下跌？說明借助大數(shù)據(jù)預(yù)測未來，必須搞清楚數(shù)據(jù)與預(yù)測對(duì)象之間的邏輯關(guān)系。股價(jià)應(yīng)該是領(lǐng)先指標(biāo)（或稱晴雨表），大數(shù)據(jù)則是滯后指標(biāo)。房地產(chǎn)股的下跌，或是反映了股市投資者對(duì)國內(nèi)樓市未來下跌的擔(dān)憂。

2017-2018年上市企業(yè)盈利整體增速超過兩位數(shù)，但并不意味著2019年盈利增速不下降。當(dāng)投資者看到經(jīng)濟(jì)增速下行的長期趨勢，就會(huì)對(duì)企業(yè)未來的盈利前景感到擔(dān)憂。

大數(shù)據(jù)總量數(shù)據(jù)固然重要，但“內(nèi)部結(jié)構(gòu)”還需要分析：為何這兩年股市中的“中小創(chuàng)”跌幅較大？是因?yàn)槠錃v史的估值水平較高，盡管其盈利增速并不低，但面臨市場趨向理性之后的估值水平下移壓力。

所以，盲目偏信大數(shù)據(jù)反而容易產(chǎn)生誤判，只有運(yùn)用合理的邏輯分析方法，才能把大數(shù)據(jù)的結(jié)構(gòu)和特征描述清楚。例如，由于A股中大市值公司的估值水平比較低，如銀行股的利潤總額加起來占所有上市公司總利潤的一半左右，且大部分銀行的PE只有5-7倍；所有上市公司PE加權(quán)平均之后，就很低了，但從PE的中位數(shù)看，估值水平仍然不低（目前23倍左右）。

為何會(huì)發(fā)生黑天鵝事件

17世紀(jì)之前，歐洲人都認(rèn)為天鵝都是白色的，因?yàn)樗麄兯姷降母鞔笾蓿W洲、亞洲、非洲）及各個(gè)地方的天鵝，無一例外地都是白色——這就是用歸納法對(duì)大數(shù)據(jù)處理所得出的結(jié)論。一直到人們?cè)诎闹薨l(fā)現(xiàn)第一只黑天鵝之后，天鵝都是白色的結(jié)論才被推翻。

從此之后，人們就把意想不到事件的發(fā)生，稱之為黑天鵝事件。這說明大數(shù)據(jù)的缺陷所在——樣本不能被窮盡，因此，大數(shù)據(jù)可以用來“證偽”，卻不能用來證明。

而大數(shù)據(jù)的運(yùn)用，大部分采用歸納法——人類思維中90%以上的機(jī)率都在使用歸納法，因?yàn)闅w納法不需要運(yùn)用太多知識(shí)。不像演繹法，它先要掌握不少知識(shí)或定理，然后再據(jù)此去推理。

前段時(shí)間英國皇家學(xué)會(huì)前主席阿提亞爵士宣稱證明了黎曼猜想。是否真的證明了姑且不論，但證明過程所需要的深?yuàn)W專業(yè)知識(shí)，肯定不是一般人所能觸及的。

事實(shí)上，西方在基礎(chǔ)研究領(lǐng)域的巨大成就，大部分都是在17世紀(jì)之后取得的，遠(yuǎn)沒有跨入大數(shù)據(jù)時(shí)代，且大部分沒有采取實(shí)驗(yàn)室研究的方式，但至今大部分成果都被廣泛應(yīng)用到社會(huì)經(jīng)濟(jì)、科技生產(chǎn)的各個(gè)領(lǐng)域。也就是說，17世紀(jì)之后，西方抽象思維得到極大發(fā)展，建立了數(shù)學(xué)、物理的科學(xué)體系，進(jìn)而又推動(dòng)了科技進(jìn)步，從而拉大了中西方在科技領(lǐng)域的差距。

相比之下，從中國歷史上所取得的科學(xué)成果看，能體現(xiàn)抽象思維的東西比較少，形式邏輯在中國沒有充分發(fā)展，如公孫龍（前320年-前250年）就提出了“白馬非馬”之說。因此，中國歷朝歷代的思維還是見長于歸納法和辯證法。

由于形式邏輯、演繹法在中國五千年的漫長歷史中沒有得到充分發(fā)展，這才是導(dǎo)致我國近代科技發(fā)展遲緩的根本原因，而不是所謂的制度因素。為什么哲學(xué)、宗教、文化乃至醫(yī)學(xué)等都有中西方之分，但數(shù)理化就沒有“中國數(shù)理化”？因?yàn)檫@些學(xué)科都不能通過經(jīng)驗(yàn)（或稱大數(shù)據(jù)歸納）、傳承或辯證法來創(chuàng)設(shè)。

3年前，我提出要相信邏輯，不要相信奇跡（個(gè)案）。如今，進(jìn)入了大數(shù)據(jù)時(shí)代，我仍然提倡：在大數(shù)據(jù)面前，更要相信邏輯，雖然大數(shù)據(jù)比個(gè)案更有說服力，但大數(shù)據(jù)同樣存在失真、變異、滯后甚至被操縱的可能性。

去年以來公布的統(tǒng)計(jì)數(shù)據(jù)顯示，企業(yè)的盈利增速大幅提高，但為何企業(yè)的投資增速卻大幅下降呢？大數(shù)據(jù)不能解釋，但邏輯卻可以作合理解釋：供給側(cè)改革、環(huán)保標(biāo)準(zhǔn)提高等導(dǎo)致供給端被壓縮，進(jìn)而導(dǎo)致上游商品價(jià)格上漲，大企業(yè)盈利增速上升。

社會(huì)經(jīng)濟(jì)的發(fā)展，看似千姿百態(tài)，但也有其共性。比如，二戰(zhàn)之后的今天，市場經(jīng)濟(jì)最終成為全球幾乎所有國家的共同體制，說明這個(gè)體制合乎經(jīng)濟(jì)可持續(xù)增長的邏輯。這正如價(jià)值投資成為全球絕大部分資本市場的共同理念一樣，唯有如此，才能獲得較大的回報(bào)。

縱觀全球各國經(jīng)濟(jì)走勢，都會(huì)發(fā)生波動(dòng)，盡管波動(dòng)劇烈時(shí)政府部門會(huì)采取逆周期的政策，試圖通過干預(yù)市場避免發(fā)生危機(jī)，但事實(shí)上卻很難避免。也有些國家盡管沒有爆發(fā)危機(jī)，但其代價(jià)往往是經(jīng)濟(jì)停滯和債務(wù)高企。因此，就像價(jià)值投資理念對(duì)資本市場的影響一樣，邏輯產(chǎn)生作用可能會(huì)遲到，但不會(huì)缺席。