量化

昨天晚上翻看前面的文章，发现有整整一个月没有谈量化了，量化作为本号乃至于整个科学界这个世界的一个核心概念，应该时常去学习和思考相关的知识才对，今天谈量化。

今年诺贝尔奖再过几天就陆续公布了，刚才看到一篇文章，有公司用定量分析的方法，通过历史数据的分析，用纯量化的策略来预测历届的诺奖得主，正确率很高。这首先说明他们这个方法的有效性，其次也彰显了量化策略的威力。的确，本号是方法论公众号，而同时，唯一信奉的是量化方法论。做任何事情都需要方法论，而且要数学的方法论而非其他诸如定性的方法论等。

随着社会的发展，科学的进步，人们（主要指科学家们，企业家们）愈发认识到了量的重要性，数据的根本唯一重要性。越来越多的实践会发现，量化的方法可以保持持续的实践上的成功，目标的达成。而诸如一些其他的诸如玄学的方法，心学的方法，定性的方法，往往都是阶段性，一时性，暂时性有作用，时间一场，往往就败的一塌糊涂。比如某个人用玄学的方法给人算命，瞎猫碰上了死老鼠，蒙对了一次，但是，要保持长久持续的正确率，就不行了。而比如阿尔法狗用数学的方法去对弈，却可以保持长久持续性乃至于永久性的胜利，真可谓是从一个胜利走向另外一个胜利，没有自然人能够玩的过它。

我们研究客观领域，要从量上进行研究，研究本领域的各种数量关系，进而形成量化的世界观，而非其他。比如我们研究物理学的一些领域，不是也不能是仅仅定性去描述这个领域怎么样，而是着实发现和找到其中的各种数量关系，数量公式。在形成数量世界观的基础之上，我们进而要构筑量化的方法论，而不是其他，即方法论方法的内容要完全的是数量的，没有定性的、主观的、心学的、玄学的等其他一切成分，而是完完全全都是数量的内容，1是1，2是2。

应该说，所有注重从数量方面考虑问题分析问题的人，都是聪明人，无论遇到什么事情，都去计算、分析数据等，这才是对的。而如果仅仅是定性去描述和分析问题，是流于表面的，深入不下去的。比如，我们要下某个结论，一定是先去统计相关数据，然后根据一组组的统计数据，然后下结论。我们常常会看到一些诸如“据统计”“据不完全统计”等说法，这就是一种量化的分析，有数据的结论才是有说服力的，一个客观数据都没有，就出一个结论，是苍白无力的，基本上都是错误的。

首先，要有量化的意识，要注重从数量关系上思考分析解决问题，同时还要学习各种系统的数据科学理论。仅仅有量化意识还是远远不够的，缺乏相关的数据科学理论和方法，即便各种数据都给你了，一样不行，不知道怎么分析，不知道怎么去用。相关统计学理论和方法乃至于更普遍的数据科学理论和方法的缺失和欠缺，往往就导致一个人认知的肤浅、错误，分析问题不透彻，没有达成目标的方法。所以说，系统学习数据科学领域的知识，是非常必要的而且是必不可少的。我们也看到，大概从去年开始国内很多院校都成立了数据科学专业，说明都认识到了这个问题。