这篇不仅对交易，而且对这个世界的认知有重要意义，有时间请一定把文章看完。

最近人工智能的普及让我昨天刷到中科院物理所发的这篇10w+文章：封杀这个公式，ChatGPT智商将为零。看完我发现它对P(B)条件证据的解释欠佳，而且不易懂，有兴趣的小伙伴我建议看完这篇再去看中科院的。以前读书的时候看过很多大神的解释包括3blue1brown和李永乐。在内容爆炸的时代真正有价值的是做简化，和怎么实际运用，做量化分享更是如此。话不多说，我给你们讲解一下贝叶斯，和交易中大家容易犯的错。

插播一下，感谢昨晚聚宽的黄含驰同学把我以前发的长篇量化研究笔记做成思维导图：11张思维导图合集（！！）之在私募做量化研究半年能学到什么（QUANT必看！！）。其中也包括了贝叶斯理论。她在公众号里每天会发一些机器学习方面的量化学习资料。

贝叶斯的经典之处在于，和传统统计学的“在海量数据中归纳”不一样。贝叶斯是一种逆向概率，从小部分数据集对未知的数据分布做推断。

公式大家可以从网上查找，但是我们不为了考试，所以不重要。

重要：

现在我们有一个假设，任何假设：明天股票会涨，我会不会得感冒。主观上我们可以大致先得到一个先验概率：明天股票涨的概率是50%，我得感冒的概率是10%。

后验概率是通过小数据集观察，对先验概率做更新，而不是对未知的规律直接做推断。

后验概率 = 先验概率 * 假设是对的时候观察到的规律 / （假设是对的时候观察到的规律 + 假设是错的时候观察到的规律）

继续上面的例子。

如果每次股市上涨分析师总是讲“如我所说吧”！不看我文章的小伙伴可能会想这个人真神，预测概率简直是100%，即使从他对市场的认知也清楚明天真正上涨的概率大概也只有50%上下。但是，看了文章之后，你会发现真正的后验概率是对先验概率的更新，是0.5 * 1 /（1+假设是错的时候观察到的规律）。其实这个分析师每一天都会说明天会涨。那么0.5*1/（1+1）=0.25。因此这个分析师的准确率其实只有25%。

人性是对自己做的假设观察到的现象有偏好，这也是丹尼尔，卡尔曼的诺贝尔奖研究成果。（我把他其他交易心理学的知识放到交易里的案例还有如何构建夏普5的择时策略（二）：交易心理学）

再举一个例子，听隔壁阿姨说打疫苗还会得感冒的概率是50%，你可能会很害怕。但还有无数个样本是没得感冒但是也打了疫苗。0.5/(0.5+0.00001)。像这样的证据对我会不会感冒的先验概率更新量是非常之小的。

在机器学习策略中也是同样的道理，需要找到信息量大的证据或者规律来对股市的涨跌（先验概率）来做更新。贝叶斯是一个离散的模型，连续的模型有LDA，QDA，公式我不详细介绍了，具体可以找找上面11张思维导图。

在人工智能模型里也是一样的，只有先验概率越来越准确，机器才能生成准确的因果关系的结构图，形成概率网络，回答我们的问题。我们每次对Chatgpt的对话其实也是一直在对先验概率做更新。

公众号：gnu_isnot_unix - 前Citadel现自营交易。活在当下，终身学习 - 给在职却对未来始终迷茫的人的公众号。借此想告诉不断努力，对生活充满热情的读者们：我们要拥有的是事业而不是职业。

往期内容整理： 【python量化】在私募做量化研究半年能学到什么？我们和国外对冲基金的差距在哪里？最近银行股暴雷，应该怎么交易？ 如果真正用量价因子做交易？ 最近CTA总体回撤的深度策略复盘 怎么建立属于自己的交易优势-掘金蟒蛇付费内容说明 如何构建夏普5的择时策略（一）：技术指标方法论 （付费） 二级市场怎么赚钱？ 在城堡基金Citadel工作是一种什么体验？ 为什么赛马可预测，股市不可预测？ 五行风水能否预测股市？ 一定要相信k线是时时刻刻正确的（包含干货） 股票交易的本质是什么？ 做多还是做空? 不赚认知以外的钱-大盘什么时候可以抄底 亘古不变的交易法则 什么是最愚蠢的交易行为？ ### 更早请从公众号内进入 ###