京公网安备 11010802034615号
经营许可证编号:京B2-20210330
以大数据预测房价是科幻小说_数据分析师
炒股有什么诀窍?说起来很简单:低买高卖。问题是,你怎么知道哪里是低买,哪里是高卖?
媒体报道,国家统计局试图利用网络搜索数据实现精确的房价预测。国家统计局是政府负责经济数据统计的部门,但是这一做法,暴露了国家统计局并不懂经济。当然,国家统计局不懂经济这一点,早就暴露了,不过这一次暴露得也太明显了一点,让人有荒唐的感觉。
假如房价可以用大数据预测,那么股价也是经济数据,也可以通过大数据预测。并且,股市数字相对房价更透明、更精确、更全面。要得到股市大数据,比得到房价大数据容易多了。假如股市可以预测,那么,股民就真的知道哪里是股市的低点,哪里是高点,然后就真的低买高卖,大发其财了。
的确,有很多人做过这方面的努力,希望通过建立模型预测股市而发财,但所有人都失败了。
假如人们知道10天后是股市的高点,人们会怎么做?大家都会买入,结果就会在现在就把股价抬上去,高点今天就会到来。
股市的这种现象,经济学中称为市场有效理论,意思是说,市场上所有的人都在预测,所有信息现时就会反映在股价上。10天后的利好或者不利好,今天就会包含在股价中。西方有种说法,说猴子扔飞镖选股,业绩也不会比基金经理差,这是因为,基金经理面对的,也是市场消化了的股价。当然有些基金经理的业绩更好,但那其实更有可能是运气。
病毒的传播可以建立模型预测,那是因为病毒的轨迹是确定的。但人的行为是不断变动的。当人们知道明天的信息,他们在今天就会改变行为的轨迹。所以,经济数据不可能精确预测。
经济学确实可以给出一些趋势判断。比如,如果政府加大印钞,经济学可以判断这是促进房价上涨的因素,但具体涨多少、什么时候涨、还有没有其他抑制上涨的因素同时发生,这些都是无法预测的。
经济学家张五常喜欢引用一句话:早知三日事,富贵万万年。任何企业家,都是在冒风险,比运气,看谁恰好符合了消费者的需求。符合消费者需求的就发财,否则就被淘汰。没有任何人可以确知某个经济事件。
但是统计局却宣称自己可以早知三日事。试想一下,统计局的官员并没有比企业家聪明假如他们比企业家聪明,他们早就下海发财去了他们能想到的事,企业家会想不到?如果真的有准确预测房价的办法,那肯定早就被企业家发现了,并且早就被用来发财了。但悖论也就来了:如果大家都知道房价的精确涨跌,那么,他们就会采取行动买卖,这个信息就会反映在今天的房价中了。这个悖论企业家无法解决,统计局更无法解决。
也许为了掩盖这一悖论,统计局宣称,他们将把精确的预测数字只在内部使用。他们看来也明白,如果公开,就会引起人们行动的变化。但是这个说法只是自欺欺人。一是上面说过的,如果真的存在那种人们梦寐以求预测办法,无数企业家早就发现了;二是,市场上无数人的行为,哪怕是基于模糊感觉的行为,也早就消化了一切未来预测。
的确,有很多人都表现出预测房价的准确性,比如任志强,但是大家都明白,那也只是任志强基于专业经验的一种感觉。任志强任何时候都有可能预测失败。
常有人说,某某接近中央领导,所以他事先知道政策会怎么样、经济会怎么样。其实,那是不可能的。不要说接近中央领导的人,就是李克强总理自己,他也不知道自己下一步会怎么行动。去年年底的时候,他不会知道自己将在3、4月份搞微刺激;3、4月份搞微刺激的时候,他不知道7、8月份经济数据会下滑多少。所有这些事情都是不确定的。政府应该做的是,让市场去处理不确定的事,让企业家去预测消费者的需求。政府一旦加入行动,就会增加市场不确定,让企业家、消费者无所适从。
统计局不会比任志强做得更好,它能做的,无非是浪费纳税人的钱,然后装出内部掌握了未来房价走势的权威架势,以证明自己没有浪费纳税人的钱。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27