後疫情時代，EBC投資人智庫，為您超前佈局頂層策略思維

【EBC投資者智庫，為您超前佈局頂層策略思維】

近年來，我們持續暴露在罕見的、高影響力的「黑天鵝」事件中。席捲全球的COVID-19為我們人類為下一次破壞性事件提供了重要的指引——無論是自然災害、地緣政治衝突或不可預見性的事件。我們生活在一個容易發生緊急情況的世界中，必須有能力為任何事情的中斷做好準備，因此適應性取代了下意識的反應——這種反應可能適得其反，使情況複雜化，而不是遏制它們。我們應該盡快對緊急情況做出反應，COVID-19 的爆發正是提供了這樣一個機會，讓投資者可以思考如何實現更無縫、更積極的回應。

下文，我們列出了頂級投資者在危機中應運而生的高階思維，看看你具備幾個?

停止嘗試預測市場，就連99.99%的機器學習演算法在預測走勢上也從未真正奏效。

我們需要採取一種更在意可能發生情況的心態，而不是我們認為(或希望)最有可能發生的情況。不要試圖完全消除風險。消除風險就像在沸騰的水壺上改上蓋子一樣——事情會在一段時間內看起來穩定，但最終還是會爆發。

為什麼市場如此難以預測?

實際上有無數的因素在對未來的走向上運作。這就是為什麼買入和持有策略總是比預測市場更省時且更有利可圖。

即便你可以在技術上創建一個模型，該模型將先前影響市場的所有已知因素都考慮在內。然而，絕大多數市場因素實際上是不可能事先知道的，例如自然災害、流行病和政治變動。市場有時也會毫無依據的非理性行事。

即使你能夠以高精度成功預測市場，其他人也能模仿你的策略，這最終會導致市場走向與你預測相反。市場研究人員和分析師會預測市場的某些趨勢以此獲得更高的成功機率，但這些預測更接近有根據的猜測，而不是99%的精確預測。此外，未來市場將如何變化的置信區間太寬，甚至無法做出簡要的預測。

讓我們來看個機器學習來預測TSLA股價的實例。

在Python 中使用TensorFlow 建立LSTM 模型

我們不僅要創建一個神經網路來「預測」 TSLA 的價格，還要了解它的缺點在哪裡。

首先，你需要匯入依賴項並設定程式其餘部分所需的參數。我們將在LSTM 模型和Scikit-Learn 中使用TensorFlow 來測試其準確性。

獲取數據並重塑它在模型中的工作

首先，我們使用pandas_datareader 從雅虎財經讀取資料。接下來，為了讓LSTM 模型正常運作，必須以正確的方式對資料進行預處理。為此，我們可以使用Scikit-Learn 中的MinMaxScaler 和模組NumPy。我們還必須建立x_train 和y_train 資料清單傳送到下一個模型中。

擬合模型並獲得預測結果

在這裡，我們必須建立、編譯和訓練LSTM 模型以獲得最終預測。幸運的是，TensorFlow 和Scikit-Learn 讓我們能夠輕鬆完成這項工作。模型產生後，我們可以在測試資料上進行測試，以接收我們的最終預測，看看它的準確度。對於這個特定模型，我們將epochs 設為5，但你可以更改它來查看它如何影響模型的輸出。

現在是有意思的部分。我們成功地使用LSTM 模型來「預測」TSLA的股價，最終可以找到想要的答案。在程式碼的這一部分中，我們繪製了訓練數據、測試數據和預測數據，並收到了一系列其他指標，例如預測日常運動的準確性、下一個交易日的預測價格，以及模型的均方根誤差和檢定均方誤差。

乍一看，該模型似乎非常好。它甚至預測了2020 年前所未有的新型冠狀病毒所產生的市場巨幅波動。

但是，你再往下看模型就會發現，這個模型只是在追蹤來上一天的收盤價，因為它認為簡單地追蹤昨天的收盤價是預測明天價格的「最佳」方式。

如果你回顧我們之前發現的統計數據，就可以發現(下面附上了一個螢幕截圖)。預測日間走勢的準確率僅48.19%，甚至比拋硬幣還要低!

每一次危機都是一個機會，因為它使我們能夠及時審查我們的最初假設並進行必要的調整。

為了最直接地了解你在下一次危機中的脆弱性，請仔細檢視你對前一次危機的反應以及你實施了哪些規則。我們都有短期反應過度的壞習慣，這會讓我們朝著相反的方向走得太遠，並使我們再次面臨新的錯誤。

COVID-19 將帶來的悲劇效應還為時過早，但這場災難可能會催生出令人驚訝的結果：重新認識我們的工作方式和更靈活的決策和積極的準備。

危機與意外收穫反直覺的答案

數據科學家兼創投家艾瑞克‧史泰特勒曾投資了50家全球頂尖的科技公司，在他轉向創投之前，曾幫助許多公司應對市場危機，並結識了許多在次貸金融危機期間失業的人。他們中的許多人後來將那次經歷描述為他們職業生涯中最重要的時刻。

不是「最好的」——他們沒有把它浪漫化——但隨著時間的推移，他們開始將其視為將幾十年的智慧融入幾年的罕見事件中。經歷那些危機的人認為，他們在紀律、專注以及駕馭變化和不確定性的能力加速了他們的事業發展。

反直覺的答案一：好的策略並不總是能帶來好的結果

讓我們考慮一個簡單的場景：你找到一個成功的交易策略。你會看到你的帳戶餘額在上升，很明顯，該策略正在發揮作用，你開始交易該策略並盡可能多地使用該指標組合。

那麼，為什麼過了一段時間後，你會發現自己沒有賺到那麼多錢，或者更糟的是，你的帳戶餘額開始下降?

這是交易時可能發生的違反直覺的情況，這時你需要追蹤你的交易和交易結果，然後透過一些統計分析來審查它們。

如果你在某一刻，產生了某個直覺，然而這個直覺還不符合你的交易規則。那我們的建議是，你就不要操作。

待市場關閉後，你做兩件事。

第一件事，去分析你的這個直覺，背後有沒有金融和數學邏輯支持。

如果沒有，那就是一瞬間的偶然思維火花而已，可能並沒有應用價值。如果有理論支持，那就做第二件事。

第二件事，把你的這個直覺，透過程式寫出來，去跑回測。

注意不能只跑個別組樣本，要爭取涵蓋多組不同市場不同特性的樣本，多時段，多市場，多樣本，要驗證你的這個想法的普適性。如果一個策略模型不具備普適性，也就沒有明確的應用價值了。

如果跑出來綜合結果，比你之前的交易系統要好，或者雖然收益率差不多，但是滿足了你對於風險或者其他考慮的更好要求，那麼你就可以做一個beta版本，在接下來的實盤中應用，進一步驗證。

如果beta版本驗證效果也挺好的話，那你的這個直覺就成為你規則的一部分了，用起來才是有理有據有底氣。

反直覺的答案二：你不再試著控制自己的情緒。

你必須意識到的是，真正能控制你的並不是你的情緒。相反，正是你對情緒的抵抗賦予了它們支配你的力量。

為什麼COVID-19 是我們重生的機會?

發展經濟學中有一個引人入勝的悖論，即一個國家最大的挑戰和困難直接推動了主要競爭優勢的建立，而看似對其有利的因素(例如自然財富)則阻礙了發展。邁克爾·波特(Michael Porter) 的著作《國家的競爭優勢》( The Competitive Advantage of Nations ) 是對國民經濟發展的最大研究，它探討了一個國家最有前途的經濟屬性如何在與該國最缺乏的東西發生衝突時才能發揮其潛力。換句話說，重要的不是你擁有什麼和你沒有什麼，而是如何將這兩兩者融合在一起。

與利用優勢的創新相比，選擇消除弱點的創新更有可能成功，因為問題驅動——而不是想法驅動——的發展更有優勢。這是由於問題(危機)提供的兩個關鍵優勢，讓我們在更舒適的情況下可能最缺乏的，那就是專注性和緊迫性。

本系列我們解釋了黑天鵝事件中建立的突破性思維。希望最後一部分以充滿希望的方式結束，當這些危機時刻以某種方式逼近時，往往可以帶來巨大的成就和突破。危機和嚴峻的挑戰，如果透過正確的方式進行引導，是迄今為止發現的最強大的成長驅動力。

COVID-19這不會是我們有生之年的最後一次黑天鵝事件。我們需要在超級週期內評估我們的計劃，基於這種理解，即風險和回報將極大地集中在危機的關鍵時刻，並且每10 年左右就會發生一次變化。有了足夠的計劃和主動的適應性，下一次危機可以成為你的跳板而不是障礙。

應對危機，光是這兩個變數就足以壓倒所有其他變量

英國差價合約經紀商EBC金融集團的核心主管不僅擁有金融危機的親歷經驗，也具備一流的危機處理能力，均有三十多年的資本市場運作經驗，包括外匯、固定收益、商品、衍生工具及差價合約領域的專業經驗。我們相信這兩個變數就足以壓倒所有其他變數。

他們親歷過許多完整的經濟週期，對其原因、影響以及由此產生的風險管理、治理和監管變化方面有深刻的認知。這些週期跨越了85年的《廣場協議》、97年的亞洲金融危機、07年的全球金融危機和15年的瑞郎黑天鵝事件。

EBC UK的現任執行長David Barrett曾被任命為美國國際集團(AIG)金融投資部倫敦分行的風控主管，作為交易風險審查委員會成員全程參與了08年金融風暴中AIG金融產品業務的清算、轉讓重組事宜，並向聯邦政府報告工作。

在此期間，他獲得了一手知識，了解壓力風險、差價合約風險和治理環境如何影響企業的運作，以及從這些事件中總結經驗的重要性。

EBC UK的現任營運長兼技術長Christopher Potts在監督合規、中後台系統測試部署開發和與PB一級流動性對接方面有著極為資深的經驗。

在15年瑞郎黑天鵝極端情況下，價格急劇下跌的過程中，流動性枯竭，他積極沉著地應對危機事件，確保盡可能及時地涵蓋任何風險敞口。雖然當時他所在的英國零售經紀商平台並非毫髮無損，但他們至少充分意識到了情況，並能夠根據手頭上的真實資訊作出果斷的決策。

動盪不安，危機重重的時代背景下，風控能力和風險意識，決定著一家公司的未來，也預示著對客戶資金強而有力的保障。

【EBC平台風險提示及免責條款】：市場有風險，投資需謹慎。本文不構成投資建議。