金融研究爱大话

蒂姆·哈福德

大多数声称能打压市场的金融工具其实都收效甚微，许多声称找到了金融市场规律的金融研究论文也都沦为空谈。

你可以不相信我说的话。但以上论断是三位美国学者——Campbell Harvey、Yan Liu、Heqing在一篇金融研究论文中提出的，其威力不亚于一颗手榴弹。值得一提的是，Campbell Harvey并不是什么持非正统思维的异端分子，而是金融类权威类杂志《金融期刊》（The Journal of Finance）的前主编。这到底是怎么一回事呢？

许多金融研究试图找出金融投资组合回报有何规律。从“随机游走假说”（random-walk hypothesis）到“资产资本定价模型”，1992年，金融学家Eugene Fama（2013 年诺贝尔经济学奖得主）和Kenneth French提出影响股票回报的三个因素：整体市场、企业规模以及股票价值。

这一论断算是某种进步，但却把事情复杂化了。究竟还有哪些因素会影响投资组合回报呢？需要考量的变量多得数不清。因为变量可能会经常变化或相互组合，比方说变成比率或变动率。从理论上来讲，经济学逻辑能够对变量组合的数量加以限制。但在实践中，学者和量化投资经理们总喜欢将各种可能性都考虑在内，然后看看会发生什么。比如，用股票市值的立方来做变量会怎样呢？虽然在我看来，这样做并没有什么经济学逻辑，但你无法阻止定量分析师们将这一变量加入模型。

这就是漫画家Randall Munroe在其作品中揭示的“果冻豆”问题。漫画中，科学家们用常用的统计学方法测试果冻豆是否会引发痤疮。他们首先假设果冻豆不会引发痤疮，然后计算果冻豆引发痤疮的概率，如果P值小于5%，就接受原假设，反之，就否定这一假设。科学家们分别测试了紫色、棕色、粉色等19种颜色的果冻豆，最终发现绿色的果冻豆会引发痤疮。这可不是真正的统计学分析。

而金融学研究所考虑的可能性可远不止20种。本文一开始提到的三位科学家详阅了一些著名学术论文，并对其中提到的316种因素进行了检测。他们发现，按常规标准来看，有296种因素具有统计学上的意义。如果再加上不知名学术期刊以及因结果太无聊而未被发表的论文中提到的因素，数量可就远不止这些了。比如，一篇论文可能会试图证实，股票市场回报是企业曝光率、负债水平以及之前回报率趋势或者交易量等因素共同作用的结果。

如果需要考量的因素有316个（甚至更多），那么将5%作为统计学指标未免太可笑。Harvey和他的同事认为，如果对“果冻豆问题”（多重比较问题）进行修正，296个具有统计学意义的变量中，有一半都将被舍弃。他们建议未来采用更高、更准确的标准来选择变量，并更多地倚重那些有理论基础的变量，而不是“撒大网”，钓上什么就用什么。

上述内容不会让我们感到惊讶。2005年，流行病学家John Ioannidis发表了一篇著名的调查报告，题目叫做《为什么大多数发表的调查报告都是错误的》（Why Most Published Research Findings Are False）。一部分原因是多重比较问题，另一部分原因是发表性偏倚：研究者和期刊编辑们更愿意发表出人意料的研究结果，那些无聊的就被扔在抽屉里难见天日了。

哈维和他的同事们证明，Ioannidis的论断在金融研究领域也同样适用，金融产品广告就更是如此了。我们应该密切留意数据中的陷阱。如果不小心，我们的分析结果就会存在很多侥幸成分。不过，在金融领域，侥幸得出的结果和真相一样有市场。（译/刘晓帆）