Edward Chancellor近期在关于股市中科技狂热的话题谈到1690年左右的潜水引擎狂热.在那个寻宝的大航海时代只要带着相当原始的潜水装备出海似乎都很”科技“了.当时的航海和采金矿都会为投资者带来了丰厚的回报,甚至高到 10,000%的投资回报率.所以你可以猜到接下来会发生什么:每个人都在制造潜水引擎,信誓旦旦去打捞西班牙宝船.而这时伦敦交易所刚刚开始挂牌运作.新公司不断浮出水面,其中也涉及了一些相当受人尊敬的人物, Sir Edmund Halley埃德蒙·哈雷爵士是皇家天文学家,一位伟大的科学家,也曾是其中一位股市幕后推手.他们中的很多人很狡猾,不用说,有很多股票经纪人,当时这些经纪人在炒作科技概念.对我来说这是第一次技术狂热,它并没有持续很长时间,据我所知很快所有的潜水发动机公司都倒闭了.投机泡沫来自于人们在那个时期对所谓“新技术“的误解.人们认为该技术指日可待,而事实上它还远远不成熟,尚在遥远的未来……所以当你意识到并感觉涌现出一股”新技术“的狂热时,那么从投资的角度的另一端来看,可能是一个危险信号.
数据失败的最常见方式之一是它只描述了您想尝试分析的内容的一个子集.当我们只看到一部分数据时,我们可能会得出错误的结论.这很常见的一个领域是只检查和估算了平均值而不是数据的具体的分布.
Sam Savage 在 The Flaw of Averages 中提供了一个很好的例子:统计学家在涉水时溺水身亡,而这条河流平均只有 3 英尺深.在这种情况下知道河流最大深度的分布比只知道平均深度要好得多.
现实世界中也存在这种情况. Uber 的数据科学家正确地发现,平均等待时间并不是衡量乘车匹配算法有用性的最佳指标.假设一个算法忽略了人口较少的地区(大大增加了这些地区少数乘客的等待时间)但降低了所有其他人口密集区乘客的等待时间.在这种情况下所有乘客平均等待时间已经减少,但这样做是以牺牲居住在人口稀少地区的人为代价的.
当有人因为高回报而不考虑其他波动性而选择投资时,是在金融界同样的问题.当您只考虑可用信息的一个子集时,您将面临结果不佳的风险.使用诸如平均值之类的简单度量的问题.有时会让你陷入困境:不是你看到的,而是你没有看到的部分在起作用.
原有数据模式会随着时间的推移有不好用的时候.数据可能产生误导的另一种常见方式是,当数据源自随时间而变化了,创建数据系列的底层机制发生了变化,模式就会不管用了.
一个例子是人们钟爱的市盈率.近十年来,市盈率一直高于历史平均水平,令不少投资者担忧.然而考虑到美国股票的构成在上个世纪发生了很大变化,这个历史平均值是否仍然适用?不仅新类型的公司和新的经营方式被发明出来,而且随着时间的推移,会计规则的修改也降低了市盈率的可比性.这并不意味着市盈率毫无用处,但可能应该持保留态度.
摘译自 August 16, 2022 by Nick Maggiulli
当地时间1月6日下午,数百名**者聚集在美国首都华盛顿特区,为支持特朗普进行**活动,以向正在进行的国会联席会议施压。随后,**游行转向暴力倾向,部分**者进入美国国会区域,并攻破了国会大厦,议员们已被紧急疏散。
特朗普在推特发表简短视频讲话,要求闯入美国国会的**者“立刻回家”,但他仍然表示,美国总统大选结果被窃取。特朗普这段表态发布在其推特上。在视频中,他说道:“你们现在必须回家了。我们必须拥有和平,我们必须拥有法律和秩序。我们必须在法律和秩序的基础上尊重我们伟大的人民。我们不想任何人受伤。”这段视频被推特标注,特朗普被禁言半年,如果不删除这段视频,将无法被推特解封,随后特朗普YouTube账号视频被删除$Twitter(TWTR)$$谷歌(GOOG)$$谷歌A(GOOGL)$
特朗普现身美国华盛顿特区的“拯救美国”集会并发表演讲。他继续指责大选结果被窃取,称“绝不承认败选”(we will never concede),“我们将阻止窃取选举”,还再次喊话彭斯推翻大选结果,“迈克·彭斯,我希望你站起来,为了宪法,为了我们的国家,否则我会对你非常失望。”彭斯则发表声明,称自己无法单方面影响选举结果。当天,特朗普支持者闯入美国国会,现场一片混乱,一人中枪身亡。
【Lyft总裁齐默谈为何出售自动驾驶业务】4月26日,Lyft公司公司联合创始人兼总裁约翰·齐默(John Zimmer)讨论了公司将自动驾驶部门出售给丰田汽车公司(Toyota Motor Corp.)子公司的决定,以及自动驾驶汽车的前景。该公司表示,这笔交易价值5.5亿美元,将使Lyft在今年第三季度实现调整后利润。齐默在《彭博社黎明:亚洲》节目中接受了埃德·勒德洛的采访,他表示自动驾驶比人类驾驶更安全,未来各地的自动驾驶汽车将随处可见[哟哟]Lyft的财务拐点将在Q3出现[666]