对噪声的过度干预

核心讲解

作者认为，数据量越大，越容易把噪声当信号，从而引发过度干预。行为金融学证据表明过度交易、过度反应与此相符（Barber & Odean 2000）。大数据时代"伪相关"泛滥（Calude & Longo 2017）：数据越多，越容易发现两个随机变量之间的虚假关联，然后据此做出干预。比如你发现"冰淇淋销量"和"溺水死亡数"正相关，于是禁止冰淇淋——这是把噪声（巧合）当信号（因果）。作者的立场比较激进：他认为"数据本身有害"——更多的数据不仅没有帮助，反而制造更多噪声和伪相关。不过，行为经济学也指出，制度化的数据分析与专业分工（预注册、过滤规则、显著性检验）可以减少对噪声的反应，未必导致系统性过度干预。作者的警示是：在数据洪流中，保持对"这可能只是噪声"的警觉，比急于行动更重要。

要点

• 数据量越大，越容易把噪声当信号。
• 大数据时代"伪相关"泛滥（Calude & Longo 2017）。
• 作者立场激进：数据本身有害。
• 制度化分析（预注册、过滤）可减少过度反应。

常见误区

• 以为"数据多就能找到规律"——更多数据制造更多伪相关。
• 以为发现相关就找到了因果——相关可能是巧合。

编者注

• 观点行为金融学证据表明过度交易与此相符；但制度化的数据分析与专业分工可降低这种问题，本书将之归为"数据本身有害"属较极端的怀疑立场。

多方视角

作者的看法

数据量越大，越容易把噪声当信号，从而引发过度干预。

不同的看法

• 分析方法和制度设计（预注册、过滤规则）可以减少对噪声的反应，并非必然导致过度干预。

支持作者的理由

• 大数据时代"伪相关"泛滥是对这一论点的佐证（Calude & Longo 2017）。