Tại sao những người giỏi giải thích quá khứ lại luôn dự đoán tương lai sai lệch đến mức phi lý?

Hỏi AI · Tại sao quá mức phù hợp trong đầu tư định lượng biến người chiến thắng trong quá khứ thành người thua cuộc trong tương lai?

“Cuộc đời quá mức phù hợp”

#01

Một “lời nói dối” được dệt tinh vi

Nếu bạn cho một quản lý quỹ định lượng xem một đường giá ròng gần như hoàn hảo — rút lui nhỏ, lợi nhuận cực cao, quy luật dao động như nhịp tim. Khả năng cao anh ta sẽ không cảm thấy phấn khích, mà sẽ lạnh lùng hỏi: “Bạn chắc chắn chiến lược không bị quá mức phù hợp chứ?”

Nghiên cứu định lượng và tất cả các nghiên cứu đều là cố gắng tìm ra quy luật từ khối lượng lớn dữ liệu giá trong quá khứ, nhưng quy luật này không nhằm giải thích quá khứ, mà hy vọng dự đoán tương lai.

Cái gọi là “quá mức phù hợp”, nói đơn giản là, mô hình của bạn thể hiện quá tốt, đến mức ngoài việc giải thích quá khứ, nó chẳng biết gì về tương lai.

Tại sao trong thế giới đầu tư, việc giải thích quá khứ và dự đoán tương lai lại mâu thuẫn với nhau?

Dưới đây là ba hình ảnh thể hiện nguyên nhân xảy ra “quá mức phù hợp”:

Hình bên trái thuộc “thiếu phù hợp”, chỉ phát hiện ra các điểm xanh chủ yếu ở bên trái, các điểm cam chủ yếu ở bên phải, nhưng đường phân chia quá đơn giản;

Hình trung tâm là “mô hình hoàn hảo”, dùng đường cong đơn giản mô tả ranh giới giữa các điểm xanh và cam, chỉ có vài điểm không phù hợp với mô hình, có thể xem là “nhiễu”, mô hình như vậy có khả năng tổng quát, gọi là “khả năng khái quát”, tức là kinh nghiệm cá nhân có thể áp dụng rộng rãi hơn.

Hình bên phải chính là “quá mức phù hợp”, không chỉ cố gắng mô phỏng ranh giới giữa điểm xanh và cam, thậm chí còn đưa vào một số điểm rõ ràng là “nhiễu” vào trong mô hình, do đó trông rất phức tạp.

Có thể tưởng tượng, dù mô hình này thể hiện xuất sắc trên dữ liệu huấn luyện, khi vào môi trường thực tế, đối mặt với dữ liệu tương lai phân phối ngẫu nhiên chưa từng thấy, chúng sẽ nhanh chóng mất hiệu quả.

Nguyên nhân gây ra “quá mức phù hợp” là do bạn quá muốn tìm ra một chiến lược hoàn hảo, ví dụ như tỷ lệ Sharpe lớn hơn 2, rút lui tối đa nhỏ hơn 5%, v.v. Trong thị trường tài chính, môi trường có tỷ lệ tín hiệu trên nhiễu cực thấp, phần lớn dao động giá thực ra là nhiễu ngẫu nhiên không có ý nghĩa. Nếu bạn theo đuổi các chỉ số hiệu suất cực cao, thuật toán của bạn sẽ tự nhiên thích nghi với nhiễu này, mô hình hóa nhiễu như tín hiệu, và kết quả là chiến lược chỉ phù hợp với một đoạn dữ liệu lịch sử cụ thể.

Giống như hình bên phải, chiến lược “quá mức phù hợp” thường liên tục thêm các điều kiện lọc, ví dụ “chỉ mua vào thứ Ba”, “MACD vàng cắt và hôm đó có mưa ở Bắc Kinh”, v.v., và một chiến lược có 20 tham số dễ hơn nhiều để “ghép” ra một đường giá đẹp mắt trong dữ liệu lịch sử so với chiến lược chỉ có 2 tham số, dễ dẫn đến “quá mức phù hợp”.

Ví dụ, nếu dùng máy tính phân tích kết quả xổ số trong quá khứ, chỉ cần đủ nhiều tham số, chắc chắn có thể tìm ra một công thức giải thích hoàn hảo quy luật sắp xếp các số trúng thưởng, nhưng sau lần quay tiếp theo, nó sẽ sập, bạn lại phải thêm tham số nữa.

Bản chất của quá mức phù hợp là dùng mô hình quá phức tạp để giải thích một thế giới đầy ngẫu nhiên.

Thú vị thay, “bẫy tính toán” vốn tồn tại trong các máy chủ hiệu năng cao, thực ra hàng ngày vẫn diễn ra trong não bộ của chúng ta. Ở mức độ nào đó, nhiều quan điểm sống cố hữu của chúng ta về cuộc đời đều là một dạng “quá mức phù hợp” về mặt lý thuyết.

#02

Chủ nghĩa kinh nghiệm chính là quá mức phù hợp

Trí não con người có khoảng 86Bỷ neuron, đủ “dung lượng” để ghi nhớ mọi tổn thương, thành công, cảm xúc mãnh liệt, và mã hóa chúng thành trọng số cho các quyết định tương lai. Đây là lợi thế tiến hóa mang lại, nhưng cũng mang theo rủi ro “quá mức phù hợp”.

Chỉ khác là, “quá mức phù hợp” trong chiến lược định lượng là sự trùng hợp chính xác, còn trong não bộ là thành kiến thô sơ.

Hãy tưởng tượng một người gặp liên tiếp hai lần “hợp tác rất nhiệt tình nhưng sau đó bị lừa”, có thể hình thành hai mô hình nhận thức:

Mô hình đúng: Tôi cần điều tra kỹ hơn trước khi hợp tác, phân chia nguồn lực theo từng giai đoạn.

Mô hình quá mức phù hợp: Tất cả người nhiệt tình đều không đáng tin. Sau này, chỉ cần họ thể hiện nhiệt tình, tôi sẽ tự động xa lánh.

Phần sau chính là việc dựa vào hai dữ liệu quá cụ thể để hình thành quy tắc quyết định mất khả năng khái quát. Tương lai có thể giúp anh ta tránh “kẻ lừa nhiệt tình”, nhưng cũng có thể khiến bỏ lỡ những cộng tác chân thành, nhiệt huyết.

Trong cuộc đời, những “sự kiện quan trọng độc lập” mang tính thống kê, đủ để thay đổi vận mệnh, có thể chỉ vài chục lần:

Bạn chọn trường đại học nào, chọn nghề gì;

Bạn lấy ai làm vợ/chồng, định cư ở thành phố nào;

Một lần đầu tư lớn trong một năm quan trọng, hoặc một lần chuyển hướng trong khủng hoảng.

Dùng vài chục mẫu nhỏ để khái quát một thế giới phức tạp gần như vô hạn, vượt quá khả năng mô hình hóa của toán học, thì trong logic toán học, quá mức phù hợp gần như là điều tất yếu.

Giống như ba hình ảnh trong chương trước, phần lớn người không hài lòng với mô hình trung gian, mà cố gắng dùng mô hình “quá mức phù hợp” bên phải để giải thích quá khứ, hướng dẫn tương lai.

Vấn đề phản hồi dữ liệu cũng vậy, trong chiến lược định lượng, chúng ta thường dùng lợi nhuận để tăng cường mô hình; còn trong nhận thức con người, đau đớn và hạnh phúc chính là những phản hồi mạnh nhất. Một lần đau dữ dội tạo ra “cập nhật trọng số”, có thể gấp hàng trăm lần so với phản hồi nhẹ nhàng, giống như trong backtest, một lần biến động cực đoan bị gán trọng số quá cao.

Khi một người thành công trong một việc nhờ “nỗ lực + may mắn”, não bộ sẽ nhanh chóng tổng hợp ra một hệ thống logic cực kỳ phức tạp. Họ sẽ quy tất cả: nhiệt độ ngày đó, cách nói chuyện, thậm chí câu châm ngôn tin tưởng, thành yếu tố then chốt của thành công. Họ tin rằng mình đã nắm được bí mật thế giới, nhưng có thể chỉ là ánh sáng rọi qua đám mây ngẫu nhiên của số phận.

Các hiện tượng “quá mức phù hợp” này, chúng ta thường gọi là “chủ nghĩa kinh nghiệm”, dùng mẫu dữ liệu hạn chế để khái quát thành mô hình quyết định quá phức tạp, từ đó hy sinh khả năng khái quát trong các tình huống chưa biết.

Thật phức tạp hơn nữa, trong não bộ cũng có “quá mức phù hợp”, nhưng không có cơ chế khoa học để chỉnh sửa như trong chiến lược định lượng.

#03

Không có tập kiểm tra trong cuộc đời

Để tránh “quá mức phù hợp”, trong định lượng có các phương pháp khoa học như chia dữ liệu thành tập huấn luyện và tập kiểm tra, xây dựng logic trên tập huấn luyện, kiểm tra trên tập kiểm tra, hoặc huấn luyện trên dữ liệu cũ, xác nhận trên dữ liệu mới.

Nhưng cuộc đời luôn là thực chiến, không có tập huấn luyện cũng không có tập kiểm tra, không thể bước vào cùng một dòng sông hai lần, không thể clone chính mình như phần mềm định lượng để thử nghiệm trong vũ trụ song song.

Quan trọng hơn, con người còn có cơ chế phòng vệ tâm lý, khiến chúng ta rất khó nhận ra rằng những kinh nghiệm sống tự hào của mình chỉ là “quá mức phù hợp” trong một giai đoạn đặc biệt của quá khứ.

Ví dụ như thiên kiến xác nhận, khi con người đã hình thành một niềm tin, não sẽ chủ động tìm kiếm bằng chứng ủng hộ, bỏ qua các ví dụ phản bác.** Điều này giống như việc thêm tham số cho một mô hình “quá mức phù hợp” đã có, để nó phù hợp với dữ liệu mới, nhưng lại lệch xa khỏi chân lý.

Hay thiên kiến quy nạp, khi thành công, quy nạp vào khả năng phán đoán của bản thân; khi thất bại, quy nạp vào vận may hoặc yếu tố bên ngoài. Cơ chế phản hồi không đối xứng này khiến người ta khó có thể bình tĩnh đánh giá chiến lược như các nhà giao dịch định lượng.

Nhưng nhận thức được điều này, con người cũng có thể xây dựng cơ chế tự sửa sai của riêng mình.

#04

Sự cô lập của kinh nghiệm

Quản trị chiến lược trong định lượng yêu cầu để lại một “dữ liệu mù” trong quá trình phát triển chiến lược, trước khi logic hoàn chỉnh và tham số cố định, tuyệt đối không được xem nó. Chỉ khi mọi thứ đã ổn định, mới dùng phần dữ liệu chưa từng “nhìn thấy” để kiểm tra cuối cùng.

Con người cũng có thể áp dụng cách tư duy này.

Khi bạn hình thành một niềm tin vững chắc (mô hình), đừng vội coi đó là chân lý. Hãy cố gắng xây dựng một “khu vực cách ly” trong tâm trí, trước khi đưa ra quyết định quan trọng trong cuộc đời, bạn có thể mở “khu vực cách ly” này ra, bao gồm:

Tìm kiếm những lĩnh vực mới hoàn toàn khác với kinh nghiệm cũ của bạn

Tìm những “bằng chứng phản biện” mà bạn cố ý bỏ qua

Tìm một góc nhìn mà bạn chưa từng xem xét

Đọc một cuốn sách có quan điểm trái chiều

Hỏi ý kiến của người có nền tảng hoàn toàn khác

……

Sau đó tự hỏi: Những kinh nghiệm tôi học được, thực sự dựa trên quy luật lặp lại của sự kiện, hay chỉ dựa vào một chi tiết ngẫu nhiên nào đó? Nếu đổi người, đổi thời gian, cùng một logic có còn đúng không?

Với bất kỳ bài học nào gây ấn tượng mạnh, hãy cố gắng nhắc nhở bản thân: “Chuyện này có thể chỉ là một ví dụ, không nên rút ra kết luận quá mạnh.”

Cũng cần xây dựng tư duy xác suất, xem quan điểm của mình như một phân phối xác suất chứ không phải giá trị cố định. Khi có thông tin mới, cần cập nhật xác suất hậu nghiệm, chứ không phải phủ nhận tất cả hoặc giữ vững mọi thứ.

#05

Đạo lớn đến giản đơn

Chuang Tzu nói: “Vạn hữu hữu hạn, tri thức vô hạn, lấy hữu hạn theo vô hạn, đã tận rồi.”

Con người, làm thế nào để dùng kinh nghiệm có hạn (dữ liệu thử nghiệm) để đối mặt với vô hạn khả năng (tương lai)?

Trong đầu tư định lượng, có một khái niệm nổi tiếng gọi là “thảm họa chiều không gian”, mô hình càng thêm tham số, khả năng giải thích có vẻ tăng, nhưng độ ổn định và sức sống lại giảm theo cấp số nhân. Phần lớn các chiến lược thành công thường dựa trên các yếu tố chính không quá 5.

Những nhà giao dịch dày dạn kinh nghiệm thường thích dùng chiến lược đơn giản dựa trên logic kinh tế cơ bản hoặc cấu trúc thị trường vi mô. Ví dụ, “quy hồi trung bình” dựa trên bản chất tâm lý sợ hãi và tham lam của con người, không chỉ hiệu quả cách đây 100 năm, mà khả năng vẫn còn hiệu quả trong 100 năm tới.

Chính những logic đơn giản nhất mới có khả năng vượt qua các chu kỳ khác nhau, vì chúng dễ nắm bắt bản chất của sự vật hơn là mô phỏng hình dạng nhiễu loạn.

Phong cách đầu tư của Buffett cũng rất đơn giản — công ty tốt + lợi nhuận kép, và gần như không thay đổi, đơn giản và ổn định đến mức nhiều người nghĩ Buffett cũng chỉ như vậy.

Cuộc đời cũng vậy.

Một con đường thành công phức tạp cao dựa vào mối quan hệ, chính sách, lợi ích ngành nghề nhất định, rất dễ sụp đổ khi môi trường thay đổi đột ngột. Trong khi đó, những chiến lược “đơn giản dựa trên chân lý, dựa trên các nguyên lý nền tảng (như trung thực, lợi nhuận kép, học hỏi suốt đời, kiểm soát rủi ro)”, dù trong ngắn hạn có thể không mang lại lợi nhuận ấn tượng như các mô hình phức tạp, nhưng lại có sức bền cao hơn, giúp bạn vượt qua nhiều chu kỳ cuộc đời.

Đây chính là lời tổng kết của cổ nhân về “đạo lớn đến giản đơn” trong khoa học hiện đại, và nguyên tắc “Ockham’s Razor” trong triết học phương Tây, cũng mang ý nghĩa tương tự.

Đừng cố gắng phân tích tất cả các thất bại, cũng đừng cố gắng phù hợp mọi thành công, hãy thừa nhận tính ngẫu nhiên, luôn hoài nghi kinh nghiệm của chính mình, và giữ cho chiến lược cuộc đời luôn đơn giản.