在閱讀資訊的時候，要先區分「相關性」與「因果性」的不同。
A與B具有極高度的正相關，不代表A與B之間有因果性。舉例來說，
我們發現所有死亡者在生前都喝過白開水，而喝過白開水的人最後
都會死亡。「死亡」與「喝白開水」的相關性高不高？根本就是
無一例外！但是我們能據此推論：喝白開水會導致死亡嗎？
（如果認為這個推論合理的，我求求你不要再看下去了）
所以，油價下跌，股價也下跌；油價上漲，股價也下跌。這兩個
現象是可以並存的。股價下跌的原因在於投資人看淡後市，所以
預期石油耗損量減少，有供過於求的可能，油價自然下跌。
油價上漲，理由可能很多，然而不管怎樣，總會增加經營成本，
推升通膨，增加升息的風險，所以股價自然會下跌。
這例子中，「油價」與「股價」之間的因果關係是存在的，但是
在統計學上卻是看不出相關性來。
能區別因果關係跟相關性之後，就不會落入機率論的迷思當中。
試問：連續擲了九次骰子，都出現奇數，那麼第十次的時候，再次
出現奇數的機率是多少？老實講，還是50%。因為每一次擲骰子都是
獨立事件。在尚未擲出第一次骰子時，我們宣稱：要連擲十次奇數
的機率只有 1/1024 。但是每擲出一次奇數，就會讓這個數值不斷
上升，到了第十次時，就只剩下 1/2 的機會了。
濫用統計是投資失利的好方法。就算XX月份出現上漲的機率高達100%
，下一年度的XX月份漲跌與否，還是獨立的。不然，想像一下：一支
六連發型左輪手槍，只裝入一顆子彈，大家輪著對自己腦門開槍。
結果，五個人安全過關了，現在輪到你，你覺得這五個人100%過關，
會讓你更放心嗎？
其次，因果關係在一個系統裡，往往是高度宗錯複雜的。相同的兩件事，
可能在這個狀況下，A是B的因；另外一個狀況下，B卻變成A的因；
更多時候，A既是B的因，也是果，差異的只有比重高低。但至少我們可以
抓出共變項，例如：A是C的果，B也是C的果，所以，看起來A與B之間有
因果關係，其實根本沒有。
啊，有事情要處理了。晚點再寫。
--
All Comments