扫码打开虎嗅APP

搜索历史
删除
完成
全部删除
热搜词
均值回归常被误用,核心在于对概率独立性和均值动态性的误解,尤其在投资中易导致错误决策。关键警示:随机事件无记忆,价值中枢会漂移,且分布规律可能颠覆传统假设。 --- ### 1. 赌徒谬误:独立事件的概率陷阱 - **核心错觉**:误以为独立事件(如抛硬币)存在“补偿机制”,连开10次正面后第11次反面概率更高。 - **现实**:每次概率独立(仍50%),短期可能呈现丛集效应(好/坏运气扎堆),大数定律仅适用于无限样本。 - **关键结论**:倍投法等依赖“回归”的策略是破产捷径,市场波动无物理约束。 ### 2. 价值陷阱:动态均值的误判 - **核心错觉**:将历史价格(如100元)锚定为永恒均值,忽视基本面恶化(内在价值跌至20元)。 - **现实**:股价“腰斩”后可能继续下跌,因真正的均值已下移,回归的是新低而非旧高。 - **关键对比**:周期性行业(如猪肉)可回归,结构性衰退(如诺基亚)是单向坠落。 ### 3. 分布错位:正态与幂律的冲突 - **传统假设**:正态分布下多数数据集中(如身高),均值回归有效。 - **现实领域**:财富、科技等领域遵循幂律分布(赢家通吃),无稳定均值,小公司可能归零而非回归。 ### 4. 范式转移与反身性:均值的系统性失效 - **范式转移**:环境剧变(如胶卷→数码)使历史均值失效,柯达旧估值逻辑不再适用。 - **反身性**:价格暴跌(如股票)通过抽贷、人才流失等负反馈拉低内在价值,打破“价格终回归价值”的机械假设。
2026-04-17 15:44

均值不回归?

本文来自微信公众号: 大脑早操 ,作者:孤独大脑复利花园


均值回归:无论高于或低于价值中枢(或均值),股票价格、房产价格、气温、降水等社会现象、自然现象,都会有以很高的概率向价值中枢回归的趋势。


但是,很多时候人们有均值回归的错觉的谬误。


先说最常见的两个。


一个是对“概率”的误解(数学层面的认知偏差),另一个是对“本体”的误解(商业/物理层面的认知偏差)。


1.独立事件误判:赌徒谬误。


这是对“大数定律”的错误应用,人们错误地以为小样本也必须符合大样本的规律。


•核心错觉:认为“运气”具有记忆和补偿机制。


人们潜意识里认为宇宙中有一本“账簿”,如果前面亏欠了(比如连开10把大),后面为了平衡账目,必须开小。人们觉得概率会像橡皮筋一样,拉得越远,回弹的力越大。


•残酷现实:独立事件没有记忆。


对于抛硬币、轮盘赌或随机游走并没有物理约束的市场波动,每一次事件都是全新的。硬币没有记忆,它不知道上一次是正面还是反面。


•如果连续抛了10次正面,第11次抛出正面的概率依然是50%,而不是人们以为的1%(觉得“不可能再是正面了吧”)。


•在赌场里,这种“均值回归”的错觉是导致散户破产的最快方式(倍投法)。


•深层机制:小数定律的陷阱。


均值回归(大数定律)只有在样本量趋近于无穷大时才生效。但在短期(我们有限的生命或投资周期)内,随机性往往表现为“丛集效应”(Clustering),即好运气或坏运气会成堆出现,完全没有任何理由去“回归”。


2.均值本身的不稳定性:价值陷阱


这是对“均值”定义的僵化理解。把“历史价格”误当成了“内在价值”。


•核心错觉:刻舟求剑,通过“锚定效应”看跌幅。


人们判断股票是否便宜,往往不是看财报,而是看K线图的高点。


•“这只股票从100块跌到50块了,腰斩了,应该会反弹(回归)吧?”


•这种思维假设“100块”或者“过去三年的平均价80块”是这只股票永恒的价值中枢(均值)。


•残酷现实:烂股票的均值是动态向下,甚至归零的。


对于一只基本面恶化的股票(如技术被淘汰、财务造假、市场份额丢失),它的内在价值(真正的均值)可能下降得比股价还快。


•股价从100跌到50,看起来偏离了过去的均值;但如果它的内在价值已经从80跌到了20,那么现在的50块钱不仅没有“低估”,反而是严重的“高估”。


•此时,股价继续下跌去寻找20块,才是真正的“均值回归”。


•深层机制:周期性下跌vs.结构性崩塌。


均值回归只适用于周期性行业(如猪肉、航运),因为供需会通过价格自动调节,让利润回归常态。


但对于结构性衰退(如诺基亚被苹果取代、教培行业消失),那里没有周期,只有不可逆的坠落。此时期待反弹,就是接“飞刀”。


对上面这两种均值回归的错觉,对比如下:


•赌徒谬误是虚构了一种回归的力量(以为大自然会平衡账目,实际上大自然不在乎)。


•烂股票陷阱是找错了回归的目标(以为价格会回到高位,实际上价值已经掉到了地板)。


除此之外,在决策科学、投资及复杂系统中,关于“均值回归”的错觉或局限性,还可以从以下几个维度进行补充:


3.分布的错位:正态分布vs.幂律分布


均值回归通常建立在**正态分布(高斯分布)**的假设上,即大部分数据集中在中间,极值很少。


•错觉:人们习惯性地认为所有事物都会回归平均(如身高、智商)。


•现实:在财富、互联网流量、科技创新等领域,遵循的是幂律分布或帕累托分布。


•补充点:在幂律分布的世界里(如“赢家通吃”的市场),强者恒强(马太效应),并没有一个稳定的“均值”可以回归。如果你指望一个被头部企业挤压的小公司股价“回归均值”,它可能只会一路归零。


3.范式转移:均值漂移


“烂股票”只会回归其本质的烂。这是个体的恶化。此外,还有系统的重构。


•错觉:认为历史平均值是永恒的锚点。


•现实:环境发生了结构性变化,导致旧的均值失效,新的均值正在形成(非平稳过程)。


•补充点:比如在胶卷时代,柯达的市盈率均值很有参考意义;但当数码时代来临,整个行业的估值逻辑变了。此时期待它回归过去的估值中枢,就是刻舟求剑。


4.反身性:预期改变了基本面


这是乔治·索罗斯的核心理论,也是对机械式均值回归的强力反驳。


•错觉:认为价格是围绕价值波动的钟摆,价格不会影响价值本身。


•现实:价格的剧烈波动会反过来改变基本面。


•补充点:当一支股票价格暴跌(低于均值),可能导致银行抽贷、人才流失、供应商停止供货。这种“负反馈”会让公司的内在价值(均值)跟着价格一起下坠,而不是价格反弹去寻找价值。

本内容来源于网络 原文链接,观点仅代表作者本人,不代表虎嗅立场。
如涉及版权问题请联系 hezuo@huxiu.com,我们将及时核实并处理。
频道: 金融财经

大 家 都 在 搜