大数据经方医学和金融量化交易

Posted 2021-04-26 生活交易实验室

中医有很多流派，最基础的两大类别是医经医学和经方医学，前者以《黄帝内经》为理论基础，后者以《伤寒论》为理法圭臬。经方医学讲究方证对应的关系，重点观察“是什么”；而不去追问“为什么”。正如大医岳美中所言：“察证候而罕言病理，出方剂而不言药性。”

经方医生的基础技能在于，一是熟练掌握方证之间的对应关系，二是通过望闻问切、腹诊和体质分辨，建立病者的临床辨证图像。有了病者的证状图像和方证之间的对应关系，自然得出治疗所需的方剂。

《伤寒论》中方证对应模型是经历了长期的临床检验的。具有很高的有效性和稳定性，一旦方证相应，就会效如桴鼓。比如《伤寒论》中的真武汤：“太阳病发汗，汗出不解，其人仍发热，心下悸，头眩，身瞤动，振振欲擗地者，真武汤主之”。只要符合肾阳虚，水气内动的证状，不管是消化系统胃病、呼吸系统慢性支气管炎、或是泌尿系统的肾炎等都可以使用真武汤，达到异病同治的效果。事实上中医的特点就在于辨证，而不在于辨病。

经方医学中方证相应的过程，非常类似于现代流行的大数据统计，大数据只注重两种事件的相关系数，不追求其中的因果关系。在各大商学院的营销教案中，有个大数据方面的经典案例：世界500强之一的零售企业沃尔玛，在市场大数据分析中，发现啤酒和尿布的销售量有很强的相关性。但究竟是因为啤酒销量增高会导致尿布销量也会增高？还是反过来？沃尔玛不需要做太深入的研究，有了相关性的分析结果就足以让沃尔玛决定把啤酒和尿布放在一起卖，从而大大提高了这两种商品的销售额。但啤酒和尿布之间到底是否存在某种因果关系？对于实用主义者商家来说，没必要去深究去知道，只要能观测到相关性长期有效，确保销售额增长明显。

大数据思维模式事实上是人类面对复杂环境下寻找处理问题的一种捷径方式。人工智能先驱，2011年图灵奖得主Judea Pearl教授把人的认知能力分为三个等级：观察、干预和想象。大数据统计处于最底层的“观察”级别，是人类面对复杂事物的归纳性认知。而“想象”则是对未知世界边界的开拓,从而引发人类认知革命和现代文明的发展。

金融交易是人类自身发展出的复杂的市场行为，目前对金融交易认知仍处于“观察”统计阶段，没有一套成型的有效理论。技术分析实际就是对历史K线、价格、成交量等数据统计分析而得出的经验性结果。随着IT技术的发展，普通的技术分析已经发展为更加现代化的量化交易模式。所观察统计的市场数据也在不断加深和扩大，但研究建立的量化模型一般都需要历史数据的回溯测试，所以仍然脱离不了“观察”统计。如果是个确定性的因果关系的交易模型，完全可以不需要历史数据的回溯测试而直接应用于金融交易市场。由观察统计而得出的策略和方法，有效性如何？需要未来市场的检验，无法确保百分百的有效，除非策略模型暗合数据间内在的因果关系。

正如中医在处方单上往往会有“刻诊”二字，代表那个时刻所具有的证状和诊断信息。按照经方医学，当病者证状改变时，方药会跟随加减变化或更改，以确保方证对应关系。在量化策略中，一些只有外在因果性的交易策略模型也需要紧跟市场，随着市场变化而改变，以确保交易策略模型的有效性。

不管是经方医学还是量化交易等模型，那些没有直接因果关系，也没有由第三方因素导致的间接因果或相关关系的大数据统计模型，注定会成为海市蜃楼或镜花水月。