股市和经济预测的信息和可信度1.PDFVIP

股市和经济预测的信息和可信度1 鲁晨光 1. 序言 人们常说，对专家的预测不能不信，也不能全信。对于股市涨跌和经济指标的预测是这 样，对于医学检验、天气预报和 GPS 等也是这样。我们应该在多大程度上相信一个预测或 假设？归纳逻辑2研究者用信任度(degree of belief)表示信任的程度。一般说来，我们对股评 家(的预测)信任度较低，然后给予信任度从低到高大概是：经济学家，天气预报，医生诊断， 医学检验，GPS,手表。哲学界称：用归纳方法，通过证据或样本系列得到的信任度叫可信 度或确证度(degree of confirmation)。为了符合中文习惯，本文用信任度表示主观的信任度 (Degree of Belief)，而用客观的样本支持的信任度——即 Degree of Confirmation (DOC)，后 面也用 DOC——表示可信度。 科学真理能通过归纳得到吗？如何评价一个科学假设？如何得到可信度？——归纳问 题在当代已经演变为可信度问题。西方科学哲学界为此争论了约八十年。最早发起争论的是 亨普尔3，卡尔纳普4，和波普尔等人5。 亨普尔提出著名的乌鸦悖论。按照数理逻辑，假设 h1=“若 s1 则 s2”和 h2=“非 s2 则非 s1”等价，即“所有乌鸦是黑的”和“不是黑的就不是乌鸦”等价，所以支持 h2 的证据也支 持 h1。据此，一根白粉笔支持“不是黑的就不是乌鸦”，从而也支持“所有乌鸦是黑的”。 而根据常识，白粉笔和“所有乌鸦是黑的”不相关。所以存在悖论。 卡尔纳普(Carnap)和波普尔(Popper)则带头掀起了著名的的归纳和证伪之争。卡尔纳普 认为归纳可以提高逻辑概率，可用条件逻辑概率表示可信度。而波普尔认为，用条件逻辑概 率解释归纳，那还是演绎方法。科学理论只能通过假设和证伪(或检验)得到，证伪的准则是 1本文完成于 2016 年 9 月。发表于本人文集《股市幸存者如是说》（升级版，清华大学出版社）中了。 2James Hawthorne, “Inductive Logic.”[2004/2012], In Stanford Encyclopedia of Philosophy ed. Edward N. Zalta. /entries/logic-inductive/ 3Carl G. Hempel. 1954. “Studies in the Logic of Confirmation.” Mind 54:1–26 and 97–121. 4Rudolf Carnap. 1952. The Continuum of Inductive Methods. Chicago: University of Chicago Press. 5 波普尔，科学发现的逻辑(1934 年德文版，2008 年中译版，中国美术学院出版社 信息(语义信息)6——先验逻辑概率越小，如果经得起检验，信息量就越大。波普尔提出这一 观点可是在仙农之前，很不简单。波普尔后来也提出过相关公式，但是没有引起足够关注(后 面再讲)。倒是卡尔纳普于仙农理论(1948 年)问世后，于 1952 年和 Bar-hillel 联名发表了一 篇语义信息论文章7，其核心公式恰恰体现了波普尔思想：信息=log(1/逻辑概率)，但是这一 公式却带来另一个悖论(后面再讲)。 最近十几年，西方哲学界兴起了贝叶斯确证——用贝叶斯公式得到可信度。流行的可信 度公式有 7-8 种8(包括不流行的更多)，有人看重概率预测或似然度增量(似然度学派)，有人 看重逻辑概率增量(贝叶斯