EBC思维重塑｜后疫情时代，顶级投资者的高阶思维

【EBC投资者智库，为您超前布局顶层战略思维】

近些年来，我们持续暴露在罕见的、高影响力的“黑天鹅”事件中。席卷全球的COVID-19给我们人类为下一次破坏性事件提供了重要的指导——无论是自然灾害、地缘政治冲突还是不可预见性的事件。我们生活在一个容易发生紧急情况的世界中，必须有能力为任何事情的中断做好准备，因此适应性取代了下意识的反应——这种反应可能适得其反，使情况复杂化，而不是遏制它们。我们应该尽快对紧急情况做出反应，COVID-19 的爆发正是提供了这样一个机会，让投资者可以思考如何实现更无缝、更积极的响应。

下文，我们列出了顶级投资者在危机中应运而生的高阶思维，看看你具备几个？

停止尝试预测市场，就连99.99%的机器学习算法在预测走势上也从未真正奏效。

我们需要采取一种更在意可能发生情况的心态，而不是我们认为（或希望）最有可能发生的情况。不要试图完全消除风险。消除风险就像在沸腾的水壶上改上盖子一样——事情会在一段时间内看起来稳定，但最终还是会爆发。

为什么市场如此难以预测？

实际上有无数的因素在对未来的走向起作用。这就是为什么买入和持有策略总是比预测市场更省时且更有利可图。

即便你可以在技术上创建一个模型，该模型将之前影响市场的所有已知因素都考虑在内。然而，绝大多数市场因素实际上是不可能事先知道的，例如自然灾害、流行病和政治变动。市场有时也会毫无依据的非理性行事,。

即使你能够以高精度成功预测市场，其他人也能模仿你的策略，这最终会导致市场走向与你预测相反。市场研究人员和分析师会预测市场的某些趋势以此获得更高的成功概率，但这些预测更接近于有根据的猜测，而不是 99%的精确预测。此外，未来市场将如何变化的置信区间太宽，甚至无法做出简要的预测。

让我们来看个机器学习来预测TSLA股价的实例。

在 Python 中使用 TensorFlow 创建 LSTM 模型

我们不仅要创建一个神经网络来“预测” TSLA 的价格，还要了解它的缺点在哪里。

首先，你需要导入依赖项并设置程序其余部分所需的参数。我们将在 LSTM 模型和 Scikit-Learn 中使用 TensorFlow 来测试其准确性。

获取数据并重塑它在模型中的工作

首先，我们使用 pandas_datareader 从雅虎财经读取数据。接下来，为了让 LSTM 模型正常工作，必须以正确的方式对数据进行预处理。为此，我们可以使用 Scikit-Learn 中的 MinMaxScaler 和模块 NumPy。我们还必须创建 x_train 和 y_train 数据列表发送到下一个模型中。

拟合模型并获得预测结果

在这里，我们必须构建、编译和训练 LSTM 模型以获得最终预测。幸运的是，TensorFlow 和 Scikit-Learn 使我们能够轻松完成这项工作。模型生成后，我们可以在测试数据上对其进行测试，以接收我们的最终预测，看看它的准确度。对于这个特定模型，我们将 epochs 设置为 5，但你可以更改它来查看它如何影响模型的输出。

现在是有意思的部分。我们成功地使用 LSTM 模型来“预测”TSLA的股价，最终可以找到想要的答案。在代码的这一部分中，我们绘制了训练数据、测试数据和预测数据，并收到了一系列其他指标，例如预测日常运动的准确性、下一个交易日的预测价格，以及模型的均方根误差和检验均方误差。

乍一看，该模型似乎非常好。它甚至预测了 2020 年前所未有的新型冠状病毒所产生的市场巨幅波动。

但是，你再往下看模型就会发现，这个模型只是在跟踪来上一天的收盘价，因为它认为简单地跟踪昨天的收盘价是预测明天价格的“最佳”方式。

如果你回顾一下我们之前发现的统计数据，就可以发现（下面附上了一个屏幕截图）。预测日间走势的准确率仅为 48.19%，甚至比抛硬币还要低！

每一次危机都是一次机会，因为它使我们能够及时审查我们的最初假设并进行必要的调整。

为了最直接地了解你在下一次危机中的脆弱性，请仔细审查你对前一次危机的反应以及实施了哪些规则。我们都有短期反应过度的坏习惯，这会让我们朝着相反的方向走得太远，并使我们再次面临新的错误。

COVID-19 将带来的悲剧效应还为时过早，但这场灾难可能会催生出令人惊讶的结果：重新认识我们的工作方式和做出更灵活性的决策和积极的准备。

危机和意外收获反直觉的答案

数据科学家兼风险投资家埃里克·斯泰特勒曾投资了50家全球顶级的科技公司，在他转向风险投资之前，曾帮助很多公司应对市场危机，并结识了许多在次贷金融危机期间失业的人。他们中的许多人后来将那次经历描述为他们职业生涯中最重要的时刻。

不是“最好的”——他们没有把它浪漫化——但随着时间的推移，他们开始将其视为将几十年的智慧融入几年的罕见事件中。经历那些危机的人认为，他们在纪律、专注以及驾驭变化和不确定性的能力加速了他们的事业发展。

反直觉的答案一：好的策略并不总能带来好的结果

让我们考虑一个简单的场景：你找到一个成功的交易策略。你会看到你的账户余额在上升，很明显，该策略正在发挥作用，你开始交易该策略并尽可能多地使用该指标组合。

那么，为什么过了一段时间后，你会发现自己没有赚到那么多钱，或者更糟的是，你的帐户余额开始下降？

这是交易时可能发生的违反直觉的情况，这时你需要跟踪你的交易和交易结果，然后通过一些统计分析来审查它们。

如果你在某一刻，产生了某个直觉，然而这个直觉还不符合你的交易规则。那么我们的建议是，你就不要操作。

待市场关闭后，你做两个事情。

第一件事，去分析你的这个直觉，背后有没有金融和数学逻辑支持。

如果没有，那就是一瞬间的偶然思维火花而已，可能并没有应用价值。如果有理论支持，那么就做第二件事。

第二件事，把你的这个直觉，通过程序写出来，去跑回测。

注意不能只跑个别组样本，要争取覆盖多组不同市场不同特性的样本，多时间段，多市场，多样本，要验证你的这个想法的普适性。如果一个策略模型不具备普适性，也就没有明确的应用价值了。

如果跑出来综合结果，比你之前的交易系统要好，或者虽然收益率差不多，但是满足了你对于风险或者其他考虑的更好要求，那么你就可以做一个beta版本，在接下来的实盘中应用，进一步验证。

如果beta版本验证效果也挺好的话，那你的这个直觉就成为你规则的一部分了，用起来才是有理有据有底气。

反直觉的答案二：你不再试图控制自己的情绪。

你必须意识到的是，真正能控制你的并不是你的情绪。相反，正是你对情绪的抵抗赋予了它们支配你的力量。

为什么 COVID-19 是我们重生的机会？

发展经济学中有一个引人入胜的悖论，即一个国家最大的挑战和困难直接推动了主要竞争优势的建立，而看似对其有利的因素（例如自然财富）则阻碍了发展。迈克尔·波特 (Michael Porter) 的著作《国家的竞争优势》( The Competitive Advantage of Nations ) 是对国民经济发展的最大研究，它探讨了一个国家最有前途的经济属性如何在与该国最缺乏的东西发生冲突时才能发挥其潜力。换句话说，重要的不是你拥有什么和你没有什么，而是如何将这两两者融合在一起。

与利用优势的创新相比，选择消除弱点的创新则更有可能成功，因为问题驱动——而不是想法驱动——的发展更具备优势。这是由于问题（危机）提供的两个关键优势，让我们在更舒适的情况下可能最缺乏的，那就是专注性和紧迫性。

本系列我们解释了黑天鹅事件中建立起来的突破性思维。希望最后一部分以充满希望的方式结束，当这些危机时刻以某种方式逼近时，往往可以带来巨大的成就和突破。危机和严峻的挑战，如果通过正确的方式进行引导，是迄今为止发现的最强大的增长驱动力。

COVID-19这不会是我们有生之年的最后一次黑天鹅事件。我们需要在超级周期内评估我们的计划，基于这一理解，即风险和回报将极大地集中在危机的关键时刻，并且每 10 年左右就会发生一次变化。有了足够的计划和主动的适应性，下一次危机就可以成为你的跳板而不是障碍。

应对危机，仅这两个变量就足以压倒所有其他变量

英国差价合约经纪商EBC金融集团的核心高管们不仅拥有金融危机的亲历经验，还具备一流的危机处理能力，均有三十多年的资本市场运作经验，包括外汇、固定收益、商品、衍生工具及差价合约领域的专业经验。我们相信这两个变量就足以压倒所有其他变量。

他们亲历过许多完整的经济周期，对其原因、影响以及由此产生的风险管理、治理和监管变化方面有深刻的认知。这些周期跨越了85年的《广场协议》、97年的亚洲金融危机、07年的全球金融危机和15年的瑞郎黑天鹅事件。

EBC UK的现任首席执行官David Barrett曾被任命为美国国际集团（AIG）金融投行部伦敦分行的风控主管，作为交易风险审查委员会成员全程参与了08年金融风暴中AIG金融产品业务的清算、转让重组事宜，并向联邦政府汇报工作。

在此期间，他获得了一手知识，了解压力风险和治理环境如何影响企业的运作，以及从这些事件中总结经验的重要性。

EBC UK的现任首席运营官兼首席技术官Christopher Potts在监督合规、中后台系统测试部署开发和与PB一级流动性对接方面有着极其资深的经验。

在15年瑞郎黑天鹅极端情况下，价格急剧下跌的过程中，流动性枯竭，他积极沉着地应对危机事件，确保尽可能及时地涵盖任何风险敞口。虽然 当时他所在的英国零售经纪商平台并非毫发无损，但他们至少充分意识到了情况，并能够根据手头的真实信息作出果断的决策。

动荡不安，危机重重的时代背景下，风控能力和风险意识，决定着一家公司的未来，也预示着对客户资金强有力的保障。