UNTITL10

ROZSZYFROWAĆ RYNEK

Niektóre zdarzenia mają tylko jednego rodzaju wynik, jak na przykład powyższy eksperyment ze sprężyną. Natomiast inne zdarzenia mają dwa rodzaje wyników, jak na przykład rzut monetą, w wyniku którego może wypaść orzeł lub reszka. Podobnie dwa wyniki ma prognoza: może się sprawdzić bądź nie, rynek może wzrastać bądź spadać itd. Z kolei inne zdarzenia mają trzy, cztery albo pięć wyników, a rzut kostką nawet sześć. Można tak dalej wyliczać, aż dojdziemy do zdarzeń posiadających nieskończoną liczbę wyników. Dlatego rozumie się samo przez się, że kiedy zajmujemy się prognozowaniem, lepiej będzie unikać zdarzeń o dużej liczbie wyników. Powód jest taki, że kiedy liczba wyników jest nieskończona, praw dopodobieństwo sprawdzenia się prognozy wynosi zero. Stąd leż zmniejszanie skali i ograniczanie liczby wyników automatycznie gwarantuje zwiększenie prawdopodobieństwa sukcesu. Prawdopodobieństwo sprawdzenia się prognozy w przypadku rzutu kostką wynosi jeden do sześciu. Zmniejszając dalej skalę dojdziemy do tego typu zdarzeń, którym przypisany jest dwojakiego rodzaju wynik i które odpowiadać będą sprawdzeniu bądź niesprawdzcniu się naszej prognozy, czyli będą to zdarzenia takie jak rzut monetą.

Warto zwrócić uwagę, że teoria wyboru również jest z natury binarna: najbardziej podstawowego typu wybór polega na wyborze pomiędzy dwiema tak samo prawdopodobnymi możliwościami. Ta zasada nosi nazwę zasady wyłączonego środka: jest to zdarzenie A lub nie A, być albo nie być, 0 lub 1, gdzie każdemu wyborowi przypisane jest prawodopodobieństwo równe 0,5. Jeżeli faktycznie byłoby możliwe wybieranie pośród prognoz, które zawsze prowadziłyby do dwóch jednakowo licznych grup wyników, wówczas w trzydziestu próbach bylibyśmy w stanie określić jeden obiekt z miliarda możliwości.

Tego typu zdarzenia noszą nazwę zdarzeń Bemoulliego, zdarzeń binarnych lub dychotomicznych, ale dla uproszczenia nazywać je będziemy zdarzeniami binarnymi. W tych zdarzeniach, którymi będziemy się od tej pory posługiwać, prawdopodobieństwo sukcesu wynosi 0,5, czyli 50 procent albo jedna druga. Wybór takiego zdarzenia i wprowadzenie go do mechanizmu prognozowania prowadzi nas do następującej zasady:

W prognozowaniu najlepszą strategią jest odwoływanie się do prawidłowości statystycznych określonych na zbiorze wyników binarnego zdarzenia.

Powyższa zasada, która - jak później zobaczymy - jest kwintesencją i la cosa vera analizy technicznej, wyrażona w kategorii rzutu monetą przyjmuje następującą postać: „w obstawianiu wyniku danego rzutu monetą będziemy posługiwać się prawidłowościami

Prognozou

ranie

w wynikach jej rzutu”. Stąd też jeśli moneta jest „uczciwa", to znaczy wynik jej rzutu nie wykazuje prawidłow ości, ale jest losowy, praw dopodobieństwo sukcesu będzie wynosiło jedna druga. J E. Kerrich, brytyjski statystyk internowany w Danii podczas II wojny światowej. zanotował 5062 orły w 10 000 rzutów monetą'. Kiedy jednak moneta wykazuje prawidłowość, polegającą na przy kład na skłonności do wyrzucania orła, wówczas częściej rację będziemy mieli systematycznie obstawiając orła. w związku z czym nasze prawdopodobieństwo sukcesu będzie w oczywisty sposób wynosiło więcej niż jedna druga.

Dla w iększego urozmaicenia tematu rozpatrzmy następujące doświadczenia rzutu monetą.

Rzucamy monetą po raz pierwszy. Prawdopodobieństwo wyrzucenia orła i reszki w pierwszym rzucie jest a pńori równe. Załóżmy, że rzuciliśmy tą samą kostką 100 razy i chcemy rzucić nią kolejny raz. Jakie jest teraz prawdopodobieństw o wyrzucenia orfa albo reszki? Przypuszczenie, że prawdopodobieństwo w obu przypadkach będzie wynosiło jedna druga, byłoby nierozważne, a nawet błędne, o ile nie stałyby za tym przypuszczeniem wyniki rzutu kostką w ostatnich 100 rzutach. Weźmy na przykład skrajny wypadek, że w każdym rzucie wypadł orzeł. Taki wynik skłoniłby nas ku przypuszczeniu, że o ile nie mieliśmy do czynienia z kuglarstwem, moneta musiała po obu stronach mieć orła. Te osoby, które zbyt często rzucały „uczciwymi” monetami i którym z pewną trudnością przychodzi wyobrażenie „oszukanej” monety, niech pomyślą o kostce z tak rozłożonym ciężarem i tak oznaczonej, że za każdym razem wyrzuca jedynkę bądź szóstkę.

Innym razem rzucamy następną monetą 100 razy, w wyniku czego mamy 50 orłów i 50 reszek. Czy prawdopodobieństwo wyrzucenia orła bądź reszki będzie równe dla każdej ewentualności jedna druga, jeśli rzucimy monetą jeszcze raz? Jak pokazuje diagram l.la, niekoniecznie. Na diagramie widać, że wynik rzutu monetą jest cykliczny: każdy rzut ma przeciwny wynik w stosunku do poprzedniego. Jeśli zatem w pierwszym rzucie wypadł orzeł, w sto pierwszym rzucie również wypadnie orzeł. Z kolei na diagramie l.lb mamy cztery alternatywne ciągi 25 orłów i 25 reszek, stąd też w sto pierwszym rzucie, podobnie jak poprzednio, wypadnie orzeł.

W związku z badanym przypadkiem pojawia się interesująca kwestia. Kiedy obserwator X wchodzi późno na scenę i widzi jedynie ostatnich 25 rzutów, od rzutu numer 76 do rzutu o numerze 100, * A.C, Bajpai, I.M. Całus, J.A. Fairlcy, SlarislicaI Methods for Engineers andScieiuisls. Wilev, Chichesler 1978.