【友财网讯】-自1993年2月开始写第一篇备忘录，《预测的价值，雨源自何处》（The Value of Projections, or Where'd All This Rain Come From）开始，我一直在表达我将"预测"置之度外。

自那之后的多年里，我详细地解释了为何我对预测不感兴趣——以下章节中一些我非常喜欢的引述也呼应了我对预测之不屑一顾——但我从来没有再专门写一篇备忘录来解释过为何作出有益的宏观预测如此之难。因此就有了这篇备忘录。

最后润色备忘录《敢于另辟蹊径》（I Beg to Differ）后不久，我与一些经验丰富的投资者以及投资圈外的人士一同出席了一次午餐会。这并非一项社交活动，而是为在场的人提供了就投资环境交流彼此观点的机会。

期间，主持人提出了一系列问题：您预期通胀会如何发展？会不会出现经济衰退，如果会，情况有多严重？俄乌冲突将以何种方式结束？2022年和2024年美国大选可能会产生什么影响？对此，我听到了各种各样的观点。

长期追踪我备忘录的读者应该可以想象到我当时的想法："这个房间里没有人是外交事务或政治方面的专家。在场没有人对这些话题有特别深入的见解，当然也不会比阅读今天早上新闻的普通人知道得更多。"所传达的思想，即使是针对经济问题，似乎也没有比其他人更具说服力，而且我绝对相信，没有人能够改善投资结果。这就是关键。

正是那次午餐会让我开始考虑写另一篇关于宏观展望无益的备忘录。不久之后，我发现一些额外的素材——一本书、一篇来自彭博观点（Bloomberg Opinion）的文章和一篇报纸上的文章——这些素材都支持我的论点（也可能是我的"证实偏差"——即人们倾向于接受和相信能够证明自己先前已有观点的信息和论据）。那次午餐会和这些素材共同启发了这份备忘录的主题：预测鲜有益处的诸多原因。

为了获得有用的东西——无论是在制造业、学术界，甚至是艺术领域——必须有一个可靠的过程，能够将所需的输入转换为期望的输出。简言之，问题在于，我认为没有一个过程能够始终如一地将大量与经济和金融市场相关的变量（输入）转化为有用的宏观预测（输出）。

认知最大的敌人并非无知，而是对认知的错觉。

——丹尼尔·布尔斯廷

大约在我任职于第一花旗银行（First National City Bank）的头十年，有一个在当时很热门但现在已经很久没听到过的词：计量经济学。具体是指在经济数据中寻找关联从而产生有效预测的一种做法。或者简言之，计量经济学研究如何建立经济的数学模型。在上世纪70年代，计量经济学者们炙手可热，但我觉得他们现已风光不再。我认为这意味着他们的模型不起作用。

无论模型是复杂精密的还是潦草简单的、基于数学的还是出于直觉的，预测者都别无选择只能根据模型做出判断。模型从定义而言是由假设组成的："如果A发生，那么B就会发生。"换句话说，模型陈述了关系与响应。但要我们愿意采纳模型的输出结果，就必须让我们相信这个模型是可靠的。可当我想到要为经济建模时，我的第一反应是这会多么的复杂。

例如，美国大约有3.3亿人口。除去特别年幼的和一些特别年老的，其余的人都是经济的参与者。因此，有数以亿计的消费者，以及数以百万计的工人、生产商和中间商（许多人满足多个分类）。要预测经济的发展路径，就必须预测这些人的行为——就算不预测每位参与者，至少也要预测群体总量。

美国经济的真实模拟必须处理数十亿的互动或节点，包括与全球各地的供应商、客户和其他市场参与者的互动。是否有可能做到这一点？例如，是否能预测消费者在下列情况下做出的行为：（一）如果他们获得额外一美元的收入（"边际消费倾向"是多少？）；（二）如果能源价格上涨，挤压了家庭预算中的其他类别；（三）如果一种商品的价格相对于其他商品上涨（是否会产生"替代效应"？）；以及（四）如果地缘政治舞台被其他大洲的事件搅动？

显然，这种复杂程度需要频繁使用经简化的假设。例如，如果可以假设在B并非更好或更便宜（或两者兼而有之）的情况下，消费者不会购买B来代替A，那么建模会更容易。如果假设生产X的成本不低于Y，那么生产者不会将X定价低于Y，这也会有所帮助。

但尽管B的价格更高（甚至正因如此），消费者仍被B的品牌效应所吸引，结果会怎样？如果X是由愿意用亏损几年以获取市场份额的企业家生产开发的，结果会如何？模型是否有可能预测消费者愿意多花钱和企业家愿意少赚钱（甚至亏损）的决定？

此外，模型必须预测经济中每组参与者在各种环境中的行为。但变幻莫测的因素是多方面的。例如，消费者可能在某一时刻是一种行为方式，而在另一类似时刻则是不同的行为方式。考虑到所涉及的大量变量，两个"相似"时刻似乎不可能以完全相同的方式发生，而我们也不太可能看到经济参与者表现出相同的行为。

除此之外，参与者的行为将受到他们的心理（或者我应该说他们的情绪？）的影响，而且他们的心理可能会受到定性的、非经济发展的影响。这些如何建模？

一个经济模型如何能全面到足以处理以前从未遇到过的情况，或者在现代（即在可比情况下）未曾出现过的情况？这是又一个例证，说明模型无法简单复制像经济这样复杂的事物。

当然，其中一个典型例子就是新冠疫情。它导致全球大部分经济体停摆，颠覆了消费者行为，并激发了政府大规模的发钱纾困政策。已有模型的哪个方面能够预测疫情影响？是的，世界曾在1918年经历过一场疫情，但情况截然不同（当时没有iPhone、Zoom通话等等），以至于那个时期的经济事态与2020年几乎没有任何可比性。

除了复杂程度和难以捕捉的心理波动和动态过程等因素外，还要考虑到试图对不能预期保持不变的事物进行预测本身就具有局限性。在开始撰写本备忘录后不久，我收到了Morgan Housel一贯精彩的周刊。其中一篇文章描述了很多与我们的经济和投资相关的其他领域的观察结果。

以下两个是从统计学领域借用的，我认为它们与经济模型和预测的讨论有关（"世界运作的小方法 （Little Ways the World Works ）"，Morgan Housel，Collaborative Fund，2022年7月20日）：

平稳性：这是一种假设，基于影响系统的主要因素不会随时间推移而变化，该假设认为历史可以作为未来统计的指导。如果想知道要建造多高的堤坝，就查看过去100年的洪水数据，并假设未来100年也会相同。

平稳性是一个奇妙的、基于科学的概念，且在它失效之前一直有效。它是经济和政治中重要事件的主要驱动力。[但在我们的世界中，]"以前从未发生过的事情一直在发生，"斯坦福大学教授Scott Sagan说。

克伦威尔法则：永远不要说某事不会发生。……即使某件事仅有十亿分之一的可能性成真，而你在一生中会与数十亿件事物互动，因此你几乎肯定会经历一些令人震惊的意外事件，并应该始终对不可思议的事情成为现实的可能性持开放态度。

平稳性在物理科学领域可能是合理的假设。例如，因万有引力定律，在既定的大气条件下，物体总是能以相同的加速度下降。结果总是这样，而且将永远这样。但在我们的领域里，很少有过程是平稳的，特别是考虑到心理、情感和人类行为，并且它们会随着时间的推移而变化。

以失业率和通胀之间的关系为例。在过去约60年里，经济学家依赖菲利普斯曲线，该曲线认为工资通胀将随着失业率的下降而上升，因为当未就业的工人减少时，员工获得议价能力，并可成功地通过谈判获得更高的工资。几十年来，人们还认为5.5%的失业率表明"充分就业"。

但失业率在2015年3月降至5.5%以下（并在2019年9月达到3.5%的50年以来低位），但直到2021年通胀（工资或其他方面）都没有显著上升。菲利普斯曲线描述的重要关系应用在了几十年来建立的各种经济模型中，但它在过去十年的大部分时间里似乎并不适用。

克伦威尔法则也同样重要。与物理科学不同，在市场和经济领域里，很少有绝对必须发生或绝对不能发生的事情。因此，在《周期》（Mastering the Market Cycle） 一书中，我列出了投资者应该从词汇表中清除的七个术语："从不"、"总是"、"永远"、"不能"、"不会"、"将" 和 "必须"。但如果这些词真的必须被摒弃，那么也必须摒弃能建立可靠地预测宏观未来的模型的想法。换言之，在我们的领域里，几乎没有什么是不可变的。

行为的不可预测性是我最喜欢的话题。著名物理学家理查德·费曼 （Richard Feynman） 曾经说过："想象一下，如果电子有感觉，物理学将会多难。"物理规则是可靠的，正是因为电子总是做它们应该做的事情。它们永远不会忘记履行自己的职责。它们从不反抗。它们从不罢工。它们从不创新。它们从不以相反的方式行事。

但这些都不适用于经济中的参与者，正是因为不适用才导致参与者的行为是不可预测的。如果参与者的行为是不可预测的，那么如何对经济的运行进行建模?

我们在谈论未来，没有任何一种方法可在不需要做出假设的情况下预测未来。有关经济环境假设的小错误和参与者行为的细微变化都可能造成严重问题。正如数学与气象学家爱德华·洛伦茨 （Edward Lorenz） 的名言："一只巴西的蝴蝶扇动翅膀就可能在美国德克萨斯州引发龙卷风。"（历史学家尼尔·弗格森 （Niall Ferguson） 在下文讨论的一篇文章中提到了这一点。）

综上所述，我们能否认为经济模型是可靠的？模型可否复制现实？它能否描述数以百万计的参与者行为及他们之间的互动？试图建模的过程是否可靠？这些过程可否简化为数学？数学能否捕捉人及其行为的定性细微差别？模型能否预测消费者偏好的变化、企业行为的变化以及参与者对创新的反应？换言之，我们能否相信模型的输出结果？

显然，经济关系并非一成不变，经济也不受示意图（模型试图模拟的示意图）所支配。因此，对我来说，底线是，在不违反假设的情况下，模型的输出结果大部分时间指向正确方向。但它不可能总是准确的，尤其是在拐点等关键时刻……而这正是准确预测最有价值的时候。

无法忽略的一个事实是，你所有的知识都是关于过去的，你所有的决定都是关乎未来的。

——伊恩·威尔逊 （Ian H.Wilson ）（通用电气前高管）

在考虑了经济不可思议的复杂性，以及需要做出经简化的假设（这将降低任何经济模型的准确性），现在让我们来考虑一个模型所需的输入——制造预测的原材料。预估的输入是否有效？我们能否对它们有足够深入的了解，从而得出有意义的预测？还是让我们简单地想起关于模型的终极真理："输入垃圾，输出的还是垃圾"？显然，没有任何预测的质量会比它所基于的输入的质量更好。

以下是尼尔·弗格森7月17日在彭博观点 （Bloomberg Opinion） 撰写的内容：

考虑一下当我们提出"通胀是否已见顶？"这个问题时真正想问的。我们在问的不仅仅是94,000种不同商品、制成品和服务的供需情况。我们还在关心美联储设定的未来利率路径，撇开备受吹捧的"前瞻性指引"不谈，其去向何方仍远未明确。我们在问的是美元强势还会持续多久，因为它目前正在压低美国进口商品的价格。

但还有更多的问题有待解答。与此同时，以上问题也在间接地询问，俄乌冲突还会持续多久，因为自2月份以来，俄乌冲突造成的混乱已经显著加剧了能源和食品价格的通胀。我们是在问沙特阿拉伯等产油国是否会回应西方政府增加原油产量的请求......

我们可能还应该问问自己，最新的新冠病毒奥密克戎BA.5将对西方劳动力市场产生什么影响。英国数据表明，BA.5的传染性比其前身BA.2高35%，而BA.2的传染性又比原始奥密克戎高20%以上。

如果要将所有这些变量添加到你的模型中，那我祝你好运。事实上，通胀的未来路径，如同俄乌冲突的未来走向和新冠疫情的传播路径一样，都无法确定。

我发现弗格森的文章与本备忘录的主题非常相关，因此我在此处附上该文章的链接。该文章提出了很多重要的观点，尽管我在某一方面不敢苟同。弗格森在上文提到，"事实上，通胀的未来路径，如同俄乌冲突的未来走向和新冠疫情的传播路径一样，都无法确定。"

我认为准确预测通胀比预测其他两个问题"更不可能"实现（如果真可以预测的话），因为准确预测通胀需要对这两个事件以及其他一千个影响因素的预判都是正确的。怎么可能有人把所有这些事情都做对呢?

我在此粗略地介绍一下《预测的价值》中提及的预测过程：

我想，对于大多数基金管理人来说，该过程是这样的："我预测经济会做A。如果A发生，利率应该会呈现B。如果利率为B，股市应该呈现C。在此环境下，表现最好的板块应该是D，而股票E应该上涨最多。"然后据此构建投资组合，以期在这种情况下实现最好的表现。

但无论如何，E的可能性有多大？请记住，E以A、B、C和D为条件。在预测领域中，三分之二的正确率将是了不得的成就。但如果五个预测中，每一个都有67%的可能性是正确的，则结果是，所有五个预测都是正确的并且股票将按预期表现的可能性为13%。

基于对A、B、C和D的假设来预测事件E，就是我所说的单情景预测。换言之，如果关于A、B、C或D的假设结果证明是错误的，则E的预测结果就不太可能实现。只有所有潜在的预测都是正确的，E才能得到如预测一致的结果，但这是极罕见的。如果不考虑（一）每个要素的其他可能结果，（二）其他场景出现的可能性，（三）让其中一个假设成为现实的前提条件是什么，以及（四）对E的影响是什么，则任何人都无法进行明智的投资。

弗格森的文章提出了一个关于经济建模的有趣问题：关于经济参与者身处何种宏观环境，我们应该作出什么假设？这个问题恰好展示了一个死循环：为了预测经济的整体表现，我们需要对消费者行为等方面做出假设。但要预测消费者行为，难道我们不需要对整体经济环境做出假设吗？

在我首份关于疫情的备忘录《无人知晓（二）》（Nobody Knows II）（2020年3月）中，我提到在讨论冠状病毒时，哈佛流行病学家马克·利普希奇 （Marc Lipsitch） 曾说过：（一）事实；（二）类比其他病毒所得出的有根据的推论，以及（三）观点或推测。这是我们处理不确定事件时的标准做法。在经济或市场预测中，我们有大量的历史和许多类似的过去事件可以推断（但新冠疫情都没有）。但即使这些东西被一个构造良好的预测模型用作输入，它们仍不太可能预测未来。它们可能是有用的素材，也可能是垃圾。

为了说明这一点，人们经常问我过去所经历的哪个周期与当前最相似。我的回答是，当前的发展与过去的一些周期有短暂的相似之处，但没有绝对的相似之处。在每种情况下，差异都是巨大的，并且超过了相似之处。

即使我们可以找到一个相同的前一时期，我们应该在多大程度上依赖于这个单一样本？我想答案是不多。投资者依赖历史参考资料（以及他们据此提出的预测），因为他们担心如果没有这些参考资料，他们会盲目行事。但这并不意味着这些资料是可靠的。

如果不首先确定我们的世界是有序的还是随机的，我们就无法考虑预测的合理性。简言之，它是完全可预测的、完全不可预测的，还是介于两者之间？对我来说，结论是介于两者之间，但更倾向于无法预测，以至于大多数预测都无济于事。既然我们的世界在某些时候是可以预测的，而在另一些时候是不可预测的，那么如果我们不能区分什么时候是可预测的，什么时候是不可预测的，预测又有什么用呢？

我从阅读弗格森的文章中学到了一个新词："确定性的 （deterministic）"。牛津词典 将其定义为"由先前的事件或自然规律因果决定的"。当我们按照规则处理事情时，世界就简单多了……就像费曼的电子一样。但很明显，经济和市场不受自然规律支配——这要归功于人类的参与——之前的事件可能是"铺垫"或"倾向于重复"，但事件很少会以同样的方式发生两次。因此，我认为构成经济和市场运行的过程不是确定性的，这意味着它们是不可预测的。

此外，输入显然是不可靠的。很多都是随机的，例如天气、地震、事故和死亡。其他的则涉及政治和地缘政治问题——一些我们已知，一些还没有浮出水面。

在彭博观点 （Bloomberg Opinion） 的文章中，弗格森提到了英国作家G.K.切斯特顿 （G.K.Chesterton G.K. Chesterton）。这让我想起了我在《重新再谈风险》（Risk Revisited Again）（2015年6月）中引用的切斯特顿名言：

我们如今这世界真正的问题不是这个世界不理性，也并非这是个理性的世界。最常见的问题是：这个世界几近理性，但却不完全是。生活不是一个矛盾，但却是逻辑学家的陷阱。它看起来比实际上要略微精准和有规律；其精准显而易见，但其不精准的一面却隐藏了起来；其野性也在潜伏以待。（粗体为笔者所加）

回到第一页所介绍的午餐会，主持人的开场白大致如下："近年来，我们经历了新冠疫情、取得惊人成功的美联储救市政策以及俄乌冲突等事件。这是一个非常富有挑战性的环境，因为所有这些都突如其来。"

我想，对他来说，这意味着与会者应该让自己摆脱对2020年-2022年预测不准确的困扰，继续预测未来，并押注于自己的判断。但我的反应完全不同："影响当前环境的事件有很多。而没有人能够预测其中任何一件，这一事实难道不足以让在场的人相信他们应该放弃预测吗?"

再举一个例子，让我们回想一下2016年的秋天。有两件事几乎每个人都深信不疑：（一）希拉里·克林顿将当选总统；（二）若出于某种原因唐纳德·特朗普当选，市场将会崩溃。尽管如此，结果是特朗普赢了，市场飙升。

过去六年对经济和市场影响深远，我相信，当时任何对2016年大选持传统观点的预测都不会是正确的。这难道还不足以让人们相信：（一）我们不知道未来会发生什么，（二）我们无法了解市场将如何对所发生的事情做出反应？

让我们陷入困境的不是无知，而是看似正确的谬误论断。

——马克·吐温

正如我在最近的备忘录《关于宏观问题的思考》（Thinking About Macro） 中提到的，在1970年代，我们曾经将经济学家描述为"从不入市的投资总监。"换言之，经济学家做出众多预测；实际情况会证明他们是对还是错；然后他们继续做新的预测；但他们并不对预测正确的频率进行追踪（或者，他们并没有发布统计数据）。

您能否想象不参考业绩记录就聘请一位基金经理（或换做您是一位基金经理，您能否想象在此情境下受到聘任）？但，经济学家和策略师却不会因为不发布统计数据而丢了工作，原因可能是总有客户愿意为他们的预测买单。

您是这些预测结果的消费者吗？预测者和经济学家是否是贵司的员工？或者您是否订阅他们的出版物并邀请他们进行简报，就像我以前的雇主一样？如果是这样，您是否知道每个人预测正确的频率？您有没有找到一种方法来严格确定这些预测当中，哪些是可以依赖的，哪些是要忽略的？是否有方法可以量化这些预测对您投资回报的贡献？

我问出了这一连串的问题，因为我尚未看到或听说过任何这方面的研究。令人难以想象的是，全球有关宏观预测是否会带来超额收益的信息十分匮乏，尤其是与需要这类信息的人数相比极不相称。

尽管缺乏证明其价值的证据，但宏观预测却仍在继续。许多预测者是股票基金管理团队中的一员，或者在为这些团队提供建议和预测。

我们可以肯定的一点是，由于主动管理的业绩不佳，主动管理型股票基金几十年来一直在失去市场份额，被指数型基金和其他被动投资型工具所取代，主动管理型基金现在在美国股票共同基金市场中所占份额少于一半。宏观预测在本质上对投资并无帮助，是否是其中的原因？

据我所知，有关这个问题，唯一可以找到量化信息的是所谓的宏观对冲基金的表现。对冲基金研究组织 （HFR） 发布了对冲基金加权综合指数以及一些子策略指数。以下是对冲基金加权综合指数、宏观对冲子策略指数和标普500指数的长期表现。