We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
cover of episode Money Talks: Can Math Really Crack the Stock Market? (Encore)

Money Talks: Can Math Really Crack the Stock Market? (Encore)

2024/12/24
logo of podcast Slate Money

Slate Money

AI Deep Dive AI Insights AI Chapters Transcript
People
F
Felix Salmon
M
Mary Childs
Topics
Felix Salmon: 股票价格并非客观真理,其背后存在模糊性,尤其是在涉及股票总量时。 Mary Childs: Fama-French模型的数据存在被操纵的嫌疑,其提供的资产价格数据集存在数据变动的问题,且缺乏清晰的说明或披露。在实践者和学术界(特别是商业法和实证金融领域)之间存在文化差异,对Fama-French数据集变动问题的重视程度不同。Fama-French免费公开分享的数据集扩大了其影响力,但也使其数据变动问题更加突出。商业法领域需要精确的数据,而实证资产定价领域则更接受数据的不确定性。 Eugene Fama和Kenneth French:构建数据集时会做出许多微小的任意选择,这些选择会影响最终结果;数据提供商自身的数据变化也会影响最终结果;数据变化似乎是有规律地提高了价值型股票的回报率。回应质疑时,他们强调了模型的不确定性和风险性,并暗示批评者对实证经济学的理解不足。 Mary Childs: Dimensional Fund Advisors 基金管理规模巨大,其投资策略依赖于 Fama-French 模型,并声称其策略能够跑赢大盘。然而,其策略的有效性依赖于价值型股票跑赢大盘的假设,而该假设的可靠性正受到质疑。

Deep Dive

Key Insights

Why did the Fama-French data set become so important in the business law community?

The Fama-French data set became crucial in the business law community because it is used to calculate damages in securities litigation. When a company makes a mistake and the stock price drops, the Fama-French factors provide an alternate universe version of how the stock would have performed, which helps in estimating the damages.

Why did the numbers in the Fama-French data set change over time?

The numbers in the Fama-French data set changed over time due to various factors, including underlying data changes from data providers, arbitrary choices in constructing the data set, and methodological adjustments. These changes, while small individually, can compound over time and significantly affect long-term returns.

Why did the changes in the Fama-French data set raise suspicion?

The changes in the Fama-French data set raised suspicion because they consistently improved the returns of the value factor, which Fama and French are famous for promoting as outperforming the market. This consistent improvement seemed fishy and led to questions about the reliability and transparency of the data.

How does the concept of p-hacking relate to the Fama-French model?

P-hacking relates to the Fama-French model because it involves finding statistically significant results in data by making multiple comparisons or adjustments. The garden of forking paths concept suggests that researchers can unintentionally find and promote factors that appear significant but are actually just noise. This raises questions about the robustness of the value factor identified by Fama and French.

What is the significance of Dimensional Fund Advisors in this story?

Dimensional Fund Advisors is significant because it manages $677 billion in assets and is founded by a former student of Eugene Fama. Dimensional charges high fees and bases its investment strategy on the Fama-French factors, particularly the value factor. The firm's success and the reliability of its data set are central to the controversy.

Why did Fama and French's response to the noisy factors paper seem dismissive?

Fama and French's response to the noisy factors paper seemed dismissive because they wrote an 18-page paper explaining their methodology without directly acknowledging or naming the noisy factors paper. They ended with a warning about the unreliability of asset pricing models, suggesting a lack of concern and a middle-finger attitude towards the criticism.

What is the broader implication of the changes in the Fama-French data set?

The broader implication of the changes in the Fama-French data set is that it raises questions about the reliability of financial models and the potential for bias or noise in empirical finance. It highlights the need for transparency and rigorous methods in constructing and maintaining financial data sets, especially those used in high-stakes decisions like litigation and investment.

Chapters
This chapter explores the Fama-French model, a tool used for predicting the stock market. The model's numbers keep changing, raising questions about the nature of investing and market reality. The discussion begins with the author's experience at a business law conference.
  • Fama-French model for stock market prediction
  • Numbers in Fama-French model keep shifting
  • Cultural schism between practitioners and academics regarding the model

Shownotes Transcript

“法玛-弗伦奇模型”是一个诺贝尔奖得主设计的预测股市的工具。它指导着数千亿美元的投资。问题是?它的数字一直在变化。在这个金钱会说话的节目中,菲利克斯·萨尔蒙与Planet Money的主持人玛丽·柴尔兹讨论了她为彭博社做的关于金融数学的深入探讨。他们质疑投资、市场和现实本身的本质。玛丽也是《债券之王》的作者。如果您喜欢这个节目,请考虑注册Slate Plus。Slate Plus会员可以在整个网络上获得无广告体验,并且每周还可以获得我们常规节目的额外部分。您还将支持我们在这里Slate Money的工作。现在就访问slate.com/moneyplus注册,以帮助支持我们的工作。播客制作人:贾里德·唐宁和切伊娜·罗斯。了解更多关于您的广告选择的信息。访问megaphone.fm/adchoices</context> <raw_text>0 苹果卡是您假日购物的完美卡。您可以在几分钟内在您的iPhone上申请并立即开始使用。您每次购买都将获得高达3%的每日现金返还,包括苹果的产品,例如新的iPhone 16或Apple Watch Ultra。今天就用苹果卡开始为您的朋友和家人购买假日礼物吧。

需经信用审核批准。苹果卡由美国高盛银行盐湖城分行发行,条款及更多信息请访问applecard.com。节日快乐,各位。我是菲利克斯。我们Slate Money要稍作休息一下。所以我们会重播几个月前与玛丽·柴尔兹精彩的访谈。玛丽·柴尔兹是音频新闻界,如果不是新闻界的话,最好的财经记者之一。

总的来说,她为彭博社撰写了一篇关于股市估值的精彩文章。她非常有趣。如果您想知道这与球形奶牛有什么关系,请继续收听。你好。你好。

欢迎收听来自Sleep Money的Money Talks。我是Axios的菲利克斯·萨尔蒙,这是一个特别的节目,因为我能够与世界上最棒、最优秀的人——玛丽·柴尔兹小姐一起深入探讨。你好。你好。

你好,玛丽。你好,我很荣幸来到这里。感谢你的介绍。彼此彼此。玛丽,请自我介绍一下。你是谁?我是玛丽·柴尔兹。我是Planet Money的联合主持人。我是《债券之王》一书的作者,菲利克斯可以在我的背景中看到这本书。关于比尔·格罗斯,没错。是的,比尔·格罗斯和债券市场。然后我还为《彭博市场杂志》写了一篇文章,这篇文章非常专业,非常深入,也是菲利克斯·萨尔蒙的蝙蝠信号。它太棒了。你……

这是一篇很棒的文章,它让我明白了一些我原则上知道但实际上从未想过的事情,那就是我们喜欢将股价视为客观真实的事物。我们可以在互联网上或综合行情显示器上查找它们。这是一个事实。而且是,

然后,当你开始深入挖掘时,你会意识到,对于个股来说,情况稍微复杂一些,但对于股票的集合来说,这里有很多非常有趣的模糊性。并非你认为真实的一切都是真实的。你有一个精彩的故事。你告诉我,这花了你11个月的时间。是的,不要在一个故事上花费太多时间,这是教训。

我们从头开始吧?你在哪里找到这个故事的?你跟谁在谈话?你在想什么?

哦,好多想法。这一切都始于我去参加一个商业法会议。我要告诉你,当我听说我要去参加一个商业法会议时,我要做一个演讲。我还在谈论我的书,做着这样的事情,这就是比尔·格罗斯在市场上所做的,告诉人们我的书有多好。但我有点误解了学术会议是什么。我尴尬地不知道学术会议是什么。

所以我听到了会议。所以我化了舞台妆,你知道的,我准备好做一个正常的会议。我出现后,发现这是一个小房间。就像一个研讨会,全是教授。我想,哦,我的上帝,我化的妆太多了。我做了什么?但我坚持听完了整个过程,他们说,你不必这样,

对你来说很有趣,对吧?你可以走,我说,我玩得很开心。他们只是在谈论他们的论文。然后,你知道,在这种学术会议的环境中,你展示你的工作,然后下一个人评论它。所以,这很有趣。这就是他们在完善和推进自己研究的过程中如何修改的。而且,嗯,

太有趣了。但有人随便提到了这篇关于法玛和弗伦奇的论文,你知道的,他们的数字好像被夸大了之类的。我说,我昏过去了。现在,我想说……

这是一个主观的解释。在我们继续之前,我想对此做一个小的免责声明。但我真的昏过去了。我说,对不起,什么?尤金·法玛和肯尼斯·弗伦奇是实证金融领域最著名的名字,并且非常受人尊敬,他们是整个我们研究的世界的奠基人,这个领域研究的是资产价格及其理解,并试图阐明风险与回报之间的关系以及所有这些事情。要说

声称这是巨大的。我开始在谷歌上搜索。我找到了这篇论文。我立即联系了尽可能多的人。我说,怎么回事?我得到了,事实证明,整个商业法界都对这篇名为“嘈杂因素”的研究论文感到非常愤怒,这篇论文基本上发现,

资产价格,肯尼斯·弗伦奇和尤金·法玛免费提供给所有人用于研究和其他用途的数据集,这些数字正在发生变化。并且,取决于你问谁,围绕这一点缺乏清晰度或披露。让我觉得好笑的是,这里也存在文化差异,事实上,实践者和

以及学术界、商法和实证金融或学术金融之间。我只是着迷了。我就像在迪斯尼乐园护城河游览。我在小……

桶座上,看着所有这些事情在我面前展开,看着所有这些我从未近距离观察过的不同角色,他们告诉我关于他们世界的事情,基本上就像,如果你关心的话,这是一件非常重要的事情,而对资产定价领域的很多人来说,这完全是一件无关紧要的事情,我甚至不认识他们,他们不适合你,我甚至不认识她,说真的,我的意思是,这是一个有趣的反应,是的,我需要关注这一点,因为

当你第一次说我在一个商业法会议上时,我想,等等,什么法?然后你说,好吧,商业律师看待这个问题的方式和实证金融人士看待这个问题的方式完全不同。我们正在讨论的是,明确地说,

一个历史性的股票市场回报数据集。指控是,你知道的,如果你看看价值股以及它们在1977年的回报,那么几年前,法玛和弗伦奇会说它们的回报是这么多。而现在他们说回报是这么多。事实上,这些回报似乎随着时间的推移而增加。我们稍后会讨论这个问题。但在我们讨论这个问题之前,这与

法律有什么关系?为什么律师会关注这个问题?是的。这实际上是我认为我最喜欢的部分,因为法玛-弗伦奇数据,也就是所谓的法玛-弗伦奇因素,在我们的社会中非常普遍,以至于我们常常看不到。尤其是在证券诉讼中。所以这变得极其重要。这些数字在商业法界非常重要,因为如果你

举个例子,有一家公司,一位经理犯了一个错误。他们做了一些愚蠢的事情,股价下跌了。股东们都说,你做了一件非常愚蠢的事情。股价下跌了。你应该为你的愚蠢错误赔偿我们。你怎么知道这个错误有多糟糕?你用法玛-弗伦奇因素来弥补反事实。所以他们基本上提供了这个替代宇宙版本。这就是你计算损害赔偿和和解的方式。

所以,基本上,如果我是价值股的首席执行官,然后我挪用了一大笔钱,股价下跌了,正如我们的共同朋友马特·莱文所说,一切都是证券欺诈,然后我因证券欺诈而被起诉。损害赔偿是现在股价(完全了解我的挪用行为)与它本来应该在

如果我没有挪用资金。我们确定这一点的方法是,好吧,这就是像你这样的价值股的表现。我们使用法玛-弗伦奇因素。为什么我们不使用任何其他类似我可比同行的指数。我不知道。我们使用法玛-弗伦奇因素,因为它们是法玛-弗伦奇,因为法玛-弗伦奇,他们获得了诺贝尔奖和数百万次引用,他们是黄金标准,没有人可以与法玛-弗伦奇争论。而且,

然后有人与法玛和弗伦奇争论。这很有趣,因为……

他们是黄金标准,很大程度上是因为他们多年来一直在网上免费提供这个数据集。所以事实上,这就像,尤金·法玛称之为他们做的一件好事,他们发布了这个数据集。事实上,它使许多人能够更仔细地研究风险与回报之间的关系等等,并推动这一进步。现在我们对这个世界了解得更多了一些,或者我们认为我们了解得更多了一些。但与此同时,就像,

这也放大了他们的影响力。他们免费公开分享这些数据的事实使其成为基准,使他们成为这些核心参与者,并使数据更加重要。所以告诉我,谁站在分裂的哪一边,商业律师与实证金融人士。哪些人关心这个问题,哪些人不关心?所以商业法是……

我的意思是,我认为这是一个需要精确性的世界,对吧?就像你需要在某种程度上知道,合理的推断,这就是你,挪用资金的首席执行官,你让我损失了多少钱。因为我们需要分配损害赔偿。就像我们必须采取行动。所以我们需要某种估计方法。

在实证资产定价领域,我认为更多的是接受,我们什么都不知道。你在说什么?精确度的概念太多了。是的,经验主义者……

生活在一个统计的世界里,而律师生活在一个事实的世界里。如果你生活在一个统计的世界里,那么一切都是模糊的。如果你生活在一个事实的世界里,你会说,但我需要事实。你会说,但这是一个不可能的反事实。就像,当然这不是事实,但律师们说,你需要给我事实。没错。你击中了要害。这让我非常高兴。而且,就像,

这也是因为资产定价人士已经接触过这个数据集,并且知道它会发生变化。你知道的,他们说,哦,是的,当我做博士论文时,它发生了变化。我说,随便吧。没有影响我的结果。所以我继续前进。每个人似乎都对这一点有一定的了解。撰写这篇引发这场轩然大波的论文的研究人员感到震惊。

有点震惊的是,其他人注意到数字的变化,然后没有采取任何措施,只是继续他们的快乐旅程,但你知道你不能解决所有问题,但有些人只是说,是的,这是数字,这是科学,我们稍后回来

苹果卡是您假日购物的完美卡。您可以在几分钟内在您的iPhone上申请并立即开始使用。您每次购买都将获得高达3%的每日现金返还,包括苹果的产品,例如新的iPhone 16或Apple Watch Ultra。今天就用苹果卡开始为您的朋友和家人购买假日礼物吧。

需经信用审核批准。苹果卡由美国高盛银行盐湖城分行发行。条款及更多信息请访问applecard.com。

所以你的钱能用很久。

访问Progressive.com查看您是否可以节省汽车保险费用。Progressive意外险公司及其关联公司。潜在的节省金额会有所不同。并非所有州或情况都适用。本播客由Progressive保险公司赞助。

您今天选择播放这个播客了吗?明智的选择。Progressive喜欢帮助人们做出明智的选择,这就是为什么他们提供一个名为AutoQuote Explorer的工具,允许您将您的Progressive汽车保险报价与其他公司的费率进行比较,这样您可以节省研究时间,并且在选择最适合您的费率时可以节省费用。在本集结束后,请访问Progressive.com尝试一下,Progressive意外险公司及其关联公司。并非所有州和情况都适用,价格因购买方式而异。

从你的文章中,有两件事让我印象深刻。第一个是图表。这是一个最令人惊叹的图表,它基本上是过去几十年价值股的历史表现。好吧,你描述一下。

是的,我们在这个数据集中关注的三个因素是市场(每个人都同意存在),然后是价值(你应该购买廉价股票,这似乎是合理的),然后是规模(基本上是小盘股投资)。在这个你关注的图表中,我们基本上查看了1926年投资于价值股的10,000美元的投资组合,该投资组合与成长型股票对赌,因此押注于由于某种原因而价格较低的价值股。从1926年到2005年,

你将平均每月获得0.41%的收益。这是使用2005年的数据版本。因此,到2005年,这10,000美元的投资组合将达到250,000美元。太棒了。我们喜欢它。但是,如果你在2022年检查完全相同的数字,完全相同的数据,所以现在是数据集的不同版本,数字已经改变了。价值,0.41变成了0.4

这大吗?我不知道。听起来不多,对吧?这不算多。但这会累积起来。这将使你在同一时期获得400,000美元而不是250,000美元。所以这就是复利的威力。它总是美丽地展现出来。但按平均月度计算,这些数字听起来真的很小。

但它们会变得巨大,而且很重要。是的。所以根据法玛和弗伦奇的说法,他们最好的猜测或最好的计算是,

1926年投资于价值股的10,000美元的回报,如果你在2005年计算,他们在2005年进行这些计算时,得出的答案是250,000美元。然后他们在2022年重新进行了相同的计算,得出的答案是400,000美元。对,没错。显然,在某种柏拉图式的意义上,

你知道,理想的世界,这种情况永远不会发生。有很多股票,它们有实际的回报。就像,这是它们回报多少的已知事实。那么发生了什么?发生了一些事情。这是因为当你构建任何数据集时,你都会做出1000个微小的任意选择,这基本上是每个人如何向我解释的。

你说,好吧,当我查看这家公司的资料时,这算不算价值?这算不算增长?就像,这家公司,这家公司是大是小?或者是什么,什么是等等。比如它的资产负债率是多少,等等。这些,你知道的,你可以画出任意界限。我可能会想出一个与你不同的阈值,来确定什么构成价值,或者是什么

改变数据的最根本和完全无可争辩的原因是底层数据发生了变化。所以他们从这两个数据来源CRISP和Compustat中提取数据,而这些数据提供商本身也改变了数据。所以他们会说,哦,我们回去查看了一下,发现有一个错误。在1950年,我们实际上是重复计算了这个单元格。或者,哦,流通股数量发生了变化。由于某种原因,我们获得了更好的信息。我们从古代《纽约时报》档案中发现了这个

信息宝库,我们以不同的方式进行了核对,这就是发生的事情。所有这些都会改变结果,会改变你作为使用距离这个微小变化三步之遥的数据集的人的结果。再说一次,听起来不多,但这些东西会累积起来。

但奇怪的事情和略微可疑的事情是,它们似乎都朝着同一个方向累积。是的。是的,很奇怪。是的。如果只是一些公司退出,一些公司重新加入,一些公司股数过高,一些公司股数过低,那么所有这些,你知道的,

重复计算单元格错误等等,基本上会相互抵消。25万的最终结果几乎不会移动,因为这里有大量数字定律。当我们谈论所有价值股的宇宙时,这是一个很大的宇宙。改变一两支或20支个股的回报不应该对整体产生太大的影响。

语料库。所以,这有点可疑的原因,以及你在参加这个商业法会议时昏过去的原因是,所有这些数字都始终如一地被改变,以提高这个因素的回报,法玛和弗伦奇非常非常有名地说这个因素的表现优于市场。

我们可能需要在这里简要地倒退一下,谈谈整个,你知道的,大概念,即Slate Money的听众会熟悉的概念,例如,

被动投资和投资指数和投资市场以及有效市场,你无法超越市场等等。法玛和弗伦奇非常符合这种模式。他们相信有效市场假说。他们就是那种模式。是的,法玛发明了它。他们或多或少发明了它。然而,那是

这两个因素,你提到的价值和规模。他们基本上说,是的,市场是有效的,但它们并非完全有效。你可以做这两件事,那就是超配价值和超配小盘股。从长期来看,甚至从中期来看,这两个因素的表现都会优于市场。你可以通过投资于这些市场的子集而不是整个市场来为自己赚取额外的现金。

是的,市场效率有一些设置。你可以相信一个完全有效的和中等大小的效率。就像,有不同的,你可以选择坐在光谱的哪个位置。但我也认为他们认为这符合,你获得了适当的回报,如果不是完美的回报的话,因为你承担的风险,你实际上是在超配风险,因为较小的公司波动性更大,或者因为我们真的不明白为什么价值因素存在,但它确实存在。但有一些,它可以与,应该注意的是,不可证明的效率相一致。

但这是价值因素,这是最重要的因素,对吧?因为我觉得我整个职业生涯,我一开始是一名财经记者,写关于债券的文章。债券很容易理解。我从不理解股票。我会说,股票,啦啦啦啦啦。我听不见你说话。走开。我也是。然后最终,如果你作为一名财经记者花费足够的时间,有人会强迫你写关于股市的文章。千真万确。是的。

关于股市的一种直觉是,赚钱的方法可能是低买高卖。这通常是一个好主意。如果你能做到,你应该这样做。是的,如果你能做到,你应该这样做。所以,就像,所以如果你想赚钱,就像寻找便宜的东西,然后购买它们。然后,当到了出售的时候,购买那些已经上涨了很多的东西。诸如此类。

是的,这就是价值股良好的直觉。这也被完全增强了。我认为如果没有沃伦·巴菲特的存在,人们就不会有这种直觉。沃伦·巴菲特是这里的房间里的大象。而且他是……

他通过基本上这样做而成为世界上最富有的人,即识别被低估的股票并长期持有它们,并通过这样做获得令人难以置信的回报。所以每个人都认为,好吧,如果沃伦·巴菲特能做到,如果法玛和弗伦奇证明这会超越市场,那么我就能做到。让我来试试。这带来了从你的文章中让我印象深刻的第二个数字。好吧,第一个让我印象深刻的数字,以及另一件事是图表。是的。

6770亿美元。我知道了。我知道了。我知道你会这么说。那么这是什么?这是维度基金顾问的资产管理规模。维度基金由布斯商学院的大卫·布斯创立。你可能知道这个名字和芝加哥商学院。我还应该说,布斯是尤金·法玛以前的学生,肯和让是维度的顾问和利益相关者。维度投资大约……

基本上是因素。维度一直将自己定位为被动投资机构,但与被动投资界的其他机构形成鲜明对比,其他机构只是说,我们将向你出售标普500 ETF,并向你收取4个基点。他们收取的费用非常高。现在,我的意思是,

是的,我的意思是,当然按照目前的标准来看,但即使在他们推出时,他们的费用也很高,他们可以收取多少,比如1%左右的费用,作为投资你资金的特权。当你收取6770亿美元的1%时,这是一大笔钱,这也是大卫·布斯能够负担得起以自己名字命名芝加哥大学商学院的原因之一。也是因为……

你知道,友好的肯和让也非常富有。是的,这对他们来说非常有效。正如让总是开玩笑说的,很多人利用我的想法赚钱。而这是唯一一个主动付钱给我的人。这是一个我见过几次的笑话,当人们问他关于这件事时。而且维度,我应该说,就像一直被呈现并呈现为非常学术性的。我们只是去研究去哪里。而且,我们非常努力地为这种几乎像大学水平的学术水平的诚信对待数字以及数字告诉我们去哪里。他们在网站上有一些视频,肯正在解释这一点。我认为他们一直是这个领域的

巨大的参与者,并且直到最近几年才开始获得,我认为,一些,近年来出现了更多竞争对手。近年来,价值股也经历了一些困难,这为这篇特别的论文创造了一个复杂的环境。你的心难道不会为这个6770亿美元的基金管理巨头流泪吗?

是的。所以维度做了一些事情。它所做的事情之一是,它基本上会走到婴儿潮一代面前,说,如果你试图进行被动投资并将所有资金都投入ETF,你就会搞砸。你只是,你根本没有足够的勇气这样做。所以我们将坐在那里,坐在你的钱上,强迫你做这个价值投资的事情。每当你告诉我们买入或卖出时,我们都会忽略你。然后从长远来看,你会感谢我们,并且感谢我们接听了你的电话,

把你从悬崖边拉回来,我们会向你收取很多钱,并雇佣这些伟大的学者,我们为你挖掘他们的下一个重大见解,但是是的,然后另一件事是

人们有点欣赏这一点。但另一方面,他们也不愿意为此付出那么多钱。他们所支付的费用也是维度反复强调的事情,这实际上是,如果你去掉所有文字,它就基于这个想法,

尤其是价值股的表现优于市场。是的。是的,我的意思是,有很多方法可以解释“嘈杂因素”论文的发现,以及我和贾斯汀在过去一年中所做的所有报道。有一个不友好的版本,非常可疑,就像,

有一个非常友好的版本,这里根本没有任何事情发生,数据一直在更新。你为什么甚至会考虑这个?我个人介于两者之间。就像,我不认为这是没有的。我认为存在技术变化、代际变化以及对透明度的看法,例如。

你是否分享你的代码,所有这些在这里都非常相关,研究实践发生了巨大的变化。而且,仅仅因为他们不分享他们的代码,就暗示着,因为法玛和弗伦奇不会分享他们的代码,而且没有回应评论,而且很长时间没有回应这篇论文,所以肯定有一些邪恶的事情,这让人们去猜测。我认为,就像,

我不知道。他们就像这个行业的教父一样。人们总是批评他们的工作。所以在某种程度上,你会觉得,我也不会回应。这看起来很烦人。这就像非常讨厌的事情需要处理。你知道,人们谈论发表偏差,哦,你只想用你的论文来引起轰动。他们为什么要用回应来抬举它呢?但是等等,这是一个真实的事情。让我们明确这一点。比如,

我和你一样,我处于中间位置。我对法玛和弗伦奇,以及维度模型的看法并非不怀好意。我完全相信他们相信他们所做的是找到了一种超越市场的方法。你链接到Drew Gelman一篇很棒的论文,关于分叉路径的花园。而且

Drew是实证统计学的教父之一。如果你想了解任何关于实证统计学的东西,你可以打电话给Andrew Gelman,他会非常耐心地向你解释一切。他是真正普及p值篡改这一概念的人,这基本上是你做了一个实验,得到了一堆数据。然后在这些数据中,一些有趣的东西出现了。你会说,我发现了一些有趣的东西。除非你……

我们在寻找那个。可能性是它实际上什么也不是,因为如果你得到足够的数据,统计上来说,某些东西将会出现。所以你必须非常小心不要这样做。这个名字p值篡改进入了词汇表。他在这篇论文中解释说,他有点后悔使用这个词,因为它确实暗示人们在有意识地做一些邪恶的事情,而且

他在这篇论文中反复强调的一点是,你不需要任何有意识的偏见。你不需要认为你在这样做。你不需要故意这样做才能得到这个结果。有一个分叉路径的花园。有一个。

数百万种不同的结果。如果你有数百万个研究人员都在研究数百万个不同的因素,那么,你知道,数百万个基金管理公司被创建出来利用这些数百万个不同的因素,那么从统计学上讲,你知道,其中一两个将会起飞并成为6770亿美元的巨头。

你用噪音就能得到这个结果。你不需要任何信号就能得到这个结果。我认为这是完全正确的。你知道,近年来出现另一篇论文,我们一直在讨论所有这些。这个人是Matthias Hassler,他完全独立于这个群体,Noisy Factors群体,他们是故事中的人物

我们写的那篇论文,关注法玛和弗伦奇最初考虑的样本期间的那些任意决策。他就像,如果他们做了不同的选择呢?事实上,他随机选择的那些不同的选择,你知道,选择其他的阈值,其他的价值构建方式。他就像,是的,你也会得到完全不同的结果,这些结果具有相同的效应,使价值,价值因素看起来更少。这就像,

同样,他没有归咎于任何负面意图。他并不认为法玛和弗伦奇在篡改p值或试图夸大任何东西的价值。他只是说,你可以在不尝试的情况下做到这一点。你只需要认为有一些有趣的东西,并对它感兴趣。几乎是因为你感兴趣,这是我说的,不是他,你赋予它力量,对吧?你的兴趣在某种程度上创造了这个东西。有一个整个行业,比如,

我不想说虚假因素,但其中一些是明显虚假的。像那些在数据中一直很稳健并出现的因素,这样的因素只有这么多。即使是那些也比较脆弱。我们稍作休息,一会儿回来。

嘿,我是瑞恩·雷诺兹。最近,我问Mint Mobile的法律团队,大型无线公司是否允许因通货膨胀而涨价。他们说可以。然后当我问他们涨价是否从技术上违反了那些繁重的两年期合同时,他们说,你在说什么狗屁,你这个疯了的洛杉矶混蛋?

所以总结一下,我们将Mint Unlimited的价格从每月30美元降至每月仅15美元。在mintmobile.com/switch上试一试。预付45美元可享受三个月服务,另加税费。促销活动面向新客户,有效期有限。无限流量超过每月40GB。速度会变慢。完整条款请访问mintmobile.com。

本集由GlobalX赞助播出。自2008年以来,GlobalX ETFs一直致力于为投资者提供未开发的智能解决方案。GlobalX专门从事交易所交易基金,这些基金提供对人工智能生态系统的敞口,包括数据中心、机器人、半导体和云计算等主题。要了解更多关于GlobalX的整个ETF套件的信息,包括备兑看涨期权、固定收益、新兴市场等等,请访问GlobalXETFs.com。

实证金融学家的工作就是深入研究数据,并试图从中找到一些有趣的东西。如果他们没有发现任何有趣的东西,他们就会失业。具体来说,当我们说有趣的时候,最有趣的事情和你能找到的最赚钱的事情是

是股票中的一个特定因素,它始终优于其他因素。如果你把你的整个职业生涯都花在寻找它上面,并且你变得非常成功,那么,是的,看起来很有可能你只是……你会发现一些东西。是的。是的。而且……

这里有几件事。在报道过程中,我遇到过很多资产定价人员,他们是学者,但他们也会咨询或像那些真正相信这些东西并热爱研究的人。这确实,这既像,我不知道他们是如何与不确定性共处的。我真的不知道,因为我,

我真的很喜欢在我的故事中找到完美的词语。我真的很喜欢在某种程度上完整地理解某些东西。我真的很喜欢精确,即使我知道这是一个谎言,真理并不存在,等等。但是生活在实证资产定价的世界里,他们只是接受了过去50年来有很多研究来解释为什么有些东西的表现比其他东西更好。我认为这是一个非常好的观点。

我们仍然不知道。这是不完美的。人类毫无意义。我们总是表现得很疯狂,而且我们也在变化。市场的结构性因素也在变化。意思是,不是法玛和弗伦奇意义上的因素,而是另一种意义上的因素。但是是的,我认为这是美丽的……

就像我会发现生活在这个空间里,研究这些东西,把我的全部心思都投入到试图辨别我在稳健与脆弱之间的光谱上所处的位置是多么痛苦。但是他们,他们认为这是,就像许多人与他们交谈一样,这就像是一场美丽的探索,为了更精确、更完整地理解某些东西,并向前迈进一小步。我真的很钦佩这一点。这就像一件非常像《白鲸》一样的事情。

对我来说。是的,你必须暂停怀疑才能进入那个世界。我记得最近看到对数学家进行的一项民意调查的结果。他们询问了一大批数学家,包括一些大型数学subreddit上的许多数学家。这是一个大型的、具有统计意义的民意调查。他们说,数字是真实的吗?它们是实际存在的吗?是的。

86%的人说“是”,只有14%的人说“否”。当然,它们不是真实的。像数字,数字,它们是形容词。这就是它们是什么。三只羊就像一个形容羊的形容词。而且……

而且认为宇宙中存在这样的物体,如果,如果你问一个数学家,那么数字,那么真实,指出来。它有多重?它是什么颜色?你知道,它们不是真实的,但是86%的数学家会告诉你数字是真实的,因为你有点,当你做数学的时候,当你做数学的时候,当你

操纵方程式时,你必须相信数字是真实的,否则这一切都没有意义。对。什么也没有。好吧,问题是,从根本上说,什么也没有意义。所以我认为这是这篇文章的核心。这是一篇深刻的存在主义文章。

是的,我……我的意思是,那是……我一直有这个问题。我会采访人们,我会完全进入宇宙大脑模式,然后说,所以我们正在谈论……他们会说,我不知道该如何帮助你。就像,你在太空里。这对我来说太远了。但是它……我的意思是,这就是它。就像,你必须能够……

接受这些事情永远不会完美。这篇文章中有一句话来自Andrew Lowe,一位非常棒的研究人员。他说,你知道,他当时正在和我谈论我们如何没有像物理科学那样完美的东西。事情不会重复。就像我们尝试了一个实验,我们发现,你知道,这项研究显示X。然后第二天我们又以完全相同的方式尝试了这项研究。它显示Y,怎么回事,什么都不起作用。这真的很令人沮丧,但这就是生活。我们没有什么东西像物理科学那样完美。

我对我以前是记者的朋友说了这句话,一位科学记者。她说,别告诉他物理科学在仔细观察时会完全崩溃。那里也没有真理。不,这完全是Andrew Gelman写了很多的东西,而且许多其他人也写了很多。这就像科学领域的复制危机。如果你能……

向一堆科学论文扔飞镖,这无关紧要,它可能是物理学,可能是化学,可能是生物学,它不需要是经济学或金融学,它可能是糟糕的行为经济学,祝福它的心,是的,像行为经济学一样,它得到了所有不好的评价,但是你知道,你可以得到核物理学,扔出一篇论文,并试图复制它,并且有非常非常非常高的概率你将无法做到这一点

是的,你真的可以,你可以让事情蒸发。我们的想法是,如果你摆弄参数,你就可以破坏你的发现。如果你摆弄参数,你就可以创造发现。在没有恶意的情况下,事实上,如果你看到有人设法积累了6770亿美元,那么……

可以合理地假设他们在沿途的某个地方走运了。我的意思是,所有的成功在某种程度上都是幸运的。所以是的。是的。是的。当你试图隔离时,

是什么运气因素导致了这6770亿美元?剔除这些因素,比如说。你碰巧以一种令人难以置信的幸运方式定义了价值因素,它不仅在你发现它时表现优异,而且它随后以使其看起来越来越好的方式不断被修改。当然……

事后看来,它看起来越好,你今天就能吸引越多的钱。你可以回顾过去说,如果你在那个日期投资这么多,现在价值40万美元。然后每个人都会说,太好了,拿我的钱。所以所有这些对价值因素回报的回顾性摆弄都变成了真正的额外美元,四维的今天。

是的。是的。它为基金的存在提供了理由,就像你可以看到它在历史上表现得多么出色。我们是这个的守护者,你知道,这个数据集和这些伟大的思想以及这些伟大的策略,我们知道我们在做什么。我刚才无意中说了一些我认为是相当……

Noisy Factors论文中重要的发现,对我来说也很重要。好吧。对其他人来说,就像,我根本不在乎这个。我25年前就假设了这一点,但是,在Kenneth的网站上发布的数据集,Kenneth French的网站是,你知道,在dartmouth.tuck.edu或其他地方实际上是由Dimensional构建和维护的。所以它,它,

这几乎无关紧要。但是,如果你是一个从tuck.edu下载这些数据的研究人员,你知道,那是达特茅斯商学院。肯尼斯·弗伦奇就在那里。如果你正在下载你认为是非营利性数据集,就像你正在从非营利性机构下载它一样,但它实际上是一个营利性提供商或构造,就像它实际上保存在一个营利性机构一样,那么

我不知道。这看起来很奇怪。这在网站上并没有明确披露。这就像在网站的源代码中一样。尽管,你知道,如果你试图查看标准普尔500指数的表现,那是由标准普尔公司维护的,这是一家营利性公司。所有这些东西都来自营利性公司。

是的。大学作为非营利性机构。但是,这就像什么,这是其中一件事情,再次,你与资产定价者交谈,他们说,你认为肯尼斯·弗伦奇每个月都坐在那里输入这些数据更新吗?就像,你是谁?不。我说,好吧,这是合理的。但是很多人并没有坐在那里思考,是谁在维护这个,如何维护,以及这意味着什么?也许,我的意思是,影响可能并不大,但这只是其中一件事情,嗯。

然后从这些宇宙大脑,哦,我的上帝,如果存在什么都没有,无论什么,到故事中美好的另一部分,你就会转到光谱的完全相反的一端,就像纯粹的学术琐碎和法玛和弗伦奇最终回应的方式,但是像没有在他们自己的论文中任何地方脚注或提及他们正在回应的论文一样。是的。

是的,只有在电子邮件中他们才承认Noisy Factors。所以他们写了这个回应,这篇大约18页的SSRN论文,你知道,分发在网站上,你知道,每个人都在上面分发他们的经济论文。他们花了18页的篇幅解释他们是如何构建……

他们没有提到他们为什么要说这些。就像,已经30年了。如果你不知道发生了什么,你会说,哇,好吧,谢谢你让我知道你如何回应FASB 109的变化。就像,我不明白。

而且,你知道,背景是法玛在它出现在SSRN之前发了一封电子邮件,尤金·法玛发了一封电子邮件给在Noisy Factors论文中被感谢的人,就像,你们被感谢了,而且很吵。还有一些其他人也很重要,他抄送了他们,但他显然很生气。

因为整件事。而且,你知道,我,他基本上说,你知道,这些数据,如果你有任何实证资产定价方面的经验,你知道,数据很疯狂。你知道,这些东西是不可能确定的,后果自负。这就是免责声明。但他补充说,这确实说明了那句老话,做好事没有好报。好的。所以法玛和弗伦奇,当他们最终发布这个时,你会称之为反驳吗?我不知道。

一个回应,但没有承认问题。他们以一段精彩的段落结尾。他们说,需要发出最后的警告。因素构建的细节是可以争论的,没有魔法。我喜欢这段话是怎么被记住的。无论如何构建,都会留下解释上的漏洞。参数不稳定性和统计估计误差相结合,

暗示资产定价模型不可靠。然后他们以“后果自负”结尾。就像他们在第11页的论文中一样,他们只是提出了,

大量的自我保护,就像,我对此概不负责。所有这些都是高度经验性的,充满了噪音和漏洞,后果自负。而且,无论你做什么,都不要试图从中建立一个6770亿美元的资产管理巨头,因为所有这些都只是统计数据。我们只是在这里玩游戏。是的。你会说,你不能两面都占。我知道,但是

所有模型都是错误的,但有些是有用的。就像他们生活在这个世界里,你拥有的最好的东西是一头球形奶牛,而且你只是继续前进。就像,它产奶还是不产奶?就像,我不知道。我不知道。我认为,你把它解读为自我保护很有趣。因为我把它解读为主要是竖中指。哦,你认为这只是竖中指。你们甚至不明白实证经济学是如何运作的。我明白了,

那种解读,就像你们这些孩子,就像,就像,

欢迎来到大游戏。就像,是的,数字会改变。我不知道该告诉你什么。就像,那就是我听到的语气。因为他,我的意思是,他并没有,就像,尤金·法玛说这只是一个模型。这不是现实。他一直这么说。所以在某种程度上,就像在他的职业生涯中,他并没有说,这些数字是永恒的。上帝把它们给了我。这些就是数字。这从来都不是他的立场,但与此同时,所有这些的基调是,我认为Noisy Factors团队,就像,

当他们读到这封18页的信时,这显然是对他们论文的回应,但实际上并没有提到他们,他们说,首先,提到我们就好了。那是……

在我们生活的学术界中,这是常见的良好做法。但同时也像你回答了如何,但没有回答为什么。就像你告诉我们关于方法论变化,你衡量这个的方式,你对某个年代的会计规则变化提出的回应,好吧,有帮助。谢谢你这么做。

但是为什么?而且,说到分叉路径的花园,好吧,你回应了这两个FASB的变化,但是你没有调整方法论的其他无数变化呢?为什么?就像在哪里,所以对他们来说,仍然缺少一些东西。我不知道他们是否会从肯和让那里得到更多信息,但是。你问过,你问过肯和让这个问题吗?

为什么是他们?我的意思是,我显然把所有这些都告诉了他们,这是新闻报道的惯例。让说,我不知道该告诉你什么。就像,这些是数字。我认为人们处理代码的方式也存在差异,不仅仅是从透明度的角度来看,而且我认为。

让那一代人认为发布代码没有用,因为这就像,你读不懂我的潦草字迹。而且,是的,尤金·法玛,我只能说尤金·法玛从未学过R。我觉得这就像,

我在某种程度上理解,如果有人说,让我看看你如何对《债券之王》中的采访进行分类的组织策略,我会说,哦,你不想看那个。那是我肮脏、混乱的大脑。我还没打扫过那个房间。别看,它们就在那里。如果需要的话,我可以。

你知道,证实一切。但是,我不希望你看到我如何保存这些信息,因为它太尴尬了。所以就像这样,我明白了。但是行动号召,Noisy Factors,治愈这一切的方法就是发布代码。我认为这只是,这只是不会发生的事情。而且,正如你所说,就像分叉路径的花园一样,它也不会,

实际上治愈所有这一切。它仍然没有回答一个大问题,即为什么你要合并那个FASB的变化,而不是这个FASB的变化?是的。这可能,老实说,比代码更能解释从25万到40万的转变。我相信,如果你看看数千种不同的监管变化以及许多,许多,你知道,在过去30年中超过两个FASB的变化,嗯,

我相信这是合理的。我相信对这两个变化而不是其他变化有完全合理的解释。对。但我们没有这些解释。但是,对选择这五个或这七个也有同样合理的解释,这里有一些重叠。这就像,是的,你可以为任何事情创造一个合理的解释。而且,是的,我们只是在这个偶然的博尔赫斯式世界中,你知道,就像,

这是我们唯一拥有的世界。而且,法玛说,这是我们唯一拥有的世界。而且,那里还有其他一千个世界,Dimensional没有6770亿美元。价值因素也不是一个东西。没关系。

然后它变得非常,正如你所说,道格拉斯·亚当斯和概率定理。对,对。所以这就像千禧一代要求这些行业的教父们与他们互动并回答这些尖锐的问题。含义是潜台词。人们可以阅读潜台词。而且

行业的教父们说,我什么也不欠你。就像我提供了这个数据集。离我远点。你是谁?所以它确实是,我的意思是,它是技术的。它是代际的。它就像涉及到生命的意义。它是完美的。

这是我听过的最好的故事。这是一个很棒的故事。玛丽·柴尔兹,非常感谢你写了这个故事。非常感谢你报道了这个故事。最重要的是,非常感谢你来到《金钱会说话》。这绝对太棒了。你是一位超级巨星。这太有趣了。真是太高兴了。谢谢你邀请我。非常感谢Jared Downing和Shana Roth的制作。让我们知道你在SlateMoneyAtSlate.com上有什么想法。

嗨,我是梅拉妮,Capital One的一名技术主管,我们在那里大规模使用无服务器架构。最近,我的团队使用无服务器架构构建了一个API,它允许你生成一个通行证,你可以将其添加到你的数字钱包中,以便在Capital One机场休息室更快地办理登机手续。我们使其可重用,因此其他Capital One开发团队也可以实现数字通行证服务。

我们的无服务器优先方法允许像我这样的工程师专注于有趣的部分,为我们的业务和客户构建有影响力的解决方案。这就是Capital One的技术。在CapitalOne.com/tech/serverless了解更多信息。嘿,Slate的听众。我是玛丽·哈里斯,来自Slate的每日新闻播客《接下来是什么》。我来提醒你,在Slate,我们在这里帮助你理解接下来会发生什么。

使用Slate+,你将获得无限访问你需要的工具,以应对当前时刻。这包括《Amicus》的独家剧集,它剖析了正在塑造我们未来的法律斗争,以及《政治闲聊节》,在那里,关于我们政治格局的最大问题都得到了深入而幽默的探讨。此外,你将能够在所有你最喜欢的Slate播客(包括我的节目《接下来是什么?》)中无广告收听,在那里我将连接当天的头条新闻。加入非常容易,所以

直接在Apple Podcasts应用程序或Spotify上订阅Slate Plus。你也可以访问slate.com/podcastplus,以便在你收听的任何地方获得访问权限。我们以前经历过这种情况。我们可以一起理解接下来会发生什么。