精準預測讀後感

大學在統計系時修了一堂課，叫巨量分析，整學期只要唸一本書，就是這本Nate Silver的精準預測，記得當時僅念完了須報告的一個章節，應付了事；直到畢業多年後又有機會重拾書本，才再度打開這本又厚又重的書再給他一次機會，可能是工作過的關係，許多細節變得有共鳴許多，搭配「真確」做閱讀可以得到最好的效果，讓人更清楚這世界的規則，以及對「不確定」這個既可怕又隨處可見的觀念有更多的包容。

開書就開宗明義地用2008年次級房貸風暴的例子告訴你，預測失誤的結果，不會是一笑置之的小事；預測一種新商品，從來沒有人有經驗的東西，比方說抵押債務債券(CDOs)，從來就不是簡單的事，除了無前例可循之外，別忘了標準普爾這種評等機構也是營利導向，為了賺錢，他們很樂意為新商品背書，即便自家的分析師對商品根本不甚了解，卻可以做出斬釘截鐵的一致好評；再來Nate又拿了電視上的名嘴對選舉的預測做舉例，即便有些人天生好嘴，說得口沫橫飛，但這種特別會講的人，或喜歡把話說死的人，拿他預測的結果去回測，會發現正確率比投擲銅板(0.5)的機率還差。

我喜歡書中提到Berkley政治學教授泰特洛克提到對於預測的比喻，也就是說到預測會有兩種人，一種是「刺蝟」，說話斬釘截鐵、毫不退讓而且希望以一個簡單的規則囊括所有情況；相對於刺蝟，另一種人則是「狐狸」，對於不同領域學者的看法採開放態度，對自己的預測保留不確定性、自我評判預測內容，小心謹慎且對複雜之狀況採取包容態度，大多數的名嘴都是刺蝟，畢竟斬釘截鐵的話聽起來比較像是權威會說的話，也比較像是節目效果，但如果今天你要預測投資走向或是知道自己病情發展，比起刺蝟，你會比較希望做出預測的人士個狐狸。

本書中段則是以地震、經濟預測作為例子，告訴我們雜訊的存在，為何是以地震以及經濟作為例子呢，因為這兩者都是複雜的系統，而預測這兩者的科學家對於訊號的判讀都因人而異，有時候偶然做出正確的預測，也可能只是雜訊隨機的一個表現；不同的是地震的資料太少，而且人命關天、又牽涉政治問題，比較難突破「可預測」這件事；相較於地震，經濟的資料就多了，但大多數的經濟學家做出的預測都不是很好，因為項先前提到的，經濟是一個相對複雜的系統，很難判斷單一事件是訊號還是雜訊，也有另一個原因–預測錯了不會死人，不會像預測錯堤防高度造成嚴重後果(比如說淹死一個城鎮的人)，自然沒有人會為自己做出的差勁預測負責。

再來常見的錯誤還有模型錯誤，Nate提出傳染疾病中常用的SIR模型，將群體分成易受感染、已受感染以及已經康復(或死亡)，但這模型忽略了人的行為模式各不相同，在疫情肆虐的2020更是有感觸，有的國家封城只是封個意思的，有的國家就能徹底落實防疫，而單以SIR模型來預測疾病傳染模式就忽略的這些點，就如同George Box在統計學上有名的那句話所說的，所有的模型都是錯的，但某些模型很有用一樣，貓最好的模型就是貓，但有時候為了可行性，模型有所取捨之時，就是考驗預測者的實力之時。

而全書我最喜歡的一個部分就是Nate提到的貝氏思想，貝氏機率的精隨在於，如何在給定的新事件發生的機率(條件機率)後，調整你對本來事件發生的機率(先驗機率)，得到更新後的事後機率，這代表你在發現了一項新的證據之後，必須改變你的說詞，所以說會因應新證據而調整說法的預測者，才是好的預測者。

最後作者以恐怖攻擊的例子來提醒我們，雖然整個20世紀只發生一件911事件(機率極低)，但一旦發生，他的死傷人數比整世紀其他小規模恐攻相加都還來的多，我認為並不是要預測者杞人憂天，而是要因應預測的主題不同，有不同的心態去面對，總之這本好書確實值得不斷複習，以及不斷去檢視自己無論在工作中抑或是生活中，有沒有不小心變成刺蝟而不自知，這是一件必須謹記在心的事，也以此書給在做資料處理的我一個警惕。