从一组被反复引用的数据说起

大概是从去年下半年开始，我陆续在几个数据分析的社群里看到有人转发一份关于「二四六香港期中预测」的复盘文档。这份文档最初来源于一个做量化研究的小团队，他们在2023年底到2024年初这段时间里，对香港某类周期性数据做过一轮比较系统的跟踪，并在期中节点前后发布了若干次预测。事后他们把预测值和实际值做了逐条比对，形成了一份内部复盘。后来这份复盘不知怎么流到了公开渠道，被不少人当作「预测模型到底靠不靠谱」的讨论素材。

我拿到这份材料的时间不算早，大概是今年三月份。当时粗看了一遍，觉得里面有些东西值得细说，但不断没找到合适的角度。直到最近又有朋友在群里问起「二四六香港期中预测」到底是怎么回事，我才决定把这份复盘重新翻出来，结合我自己的一些观察，做一次相对完整的梳理。

需要先说明的是，这篇文章不是要去推荐什么预测方法，也不是要否定什么。我更感兴趣的是：当一个预测团队事后做数据复盘时，他们到底在看什么？哪些结论是站得住脚的，哪些其实经不起推敲？以及，这类复盘对于普通观察者来说，有没有可借鉴的地方。

什么是「二四六香港期中预测」

先把这个概念拆开来说。

「二四六」的含义

在复盘文档里，「二四六」并不是一个固定的术语，而是团队内部使用的一个代号。根据文档中的注释，它指的是他们关注的三个时间窗口：第二个周期、第四个周期和第六个周期。这三个周期对应的是香港某类数据在一年中的三个关键节点。团队认为，这三个节点的数据波动具有一定的规律性，并且在期中（即第三个周期前后）会出现一次比较明显的调整。

说白了，「二四六」就是他们自己划定的观察框架。这个框架是否合理，后面会提到。

「期中预测」的操作方式

所谓期中预测，是指在每个周期过半的时候，基于前半段的数据表现，对后半段以及下一个周期的走势做出判断。团队的做法是：先收集前两个周期的完整数据，建立基线模型；然后在第三个周期中点发布第一次预测；之后根据实际数据滚动修正，直到第六个周期结束。

整个过程中，他们一共发布了七次预测。复盘文档里逐次列出了预测值、实际值、偏差幅度以及团队当时给出的解释。

复盘文档里的几个关键发现

我把复盘文档里的核心内容归纳了一下，大致有以下几个方面。

发现一：前三次预测偏差较大，后四次明显收敛

从数据上看，第一次到第三次预测的偏差幅度分别达到了18%、15%和11%。团队在文档中承认，这三次预测的问题主要出在基线模型的参数设置上——他们过于依赖前两个周期的均值，而忽略了第三个周期本身存在的季节性扰动。

从第四次预测开始，团队调整了模型，引入了移动加权平均，并且把外部变量（比如同期政策变化和市场情绪指标）纳入了考量。结果后四次的偏差幅度分别降到了6%、4%、3%和2%。这个收敛趋势在复盘文档中被重点标注，团队认为这说明「模型在迭代中逐步逼近真实值」。

但这里有一个问题：偏差收敛到底是因为模型变好了，还是因为后期数据本身波动变小了？复盘文档没有给出明确的区分。我在看的时候特意去查了原始数据，发现第四个周期之后，整体数据的方差确实有所下降。也就是说，偏差收敛有一部分是「运气好」，不完全是模型的功劳。

发现二：期中节点的调整幅度被低估

团队在第二次预测中曾经判断，期中节点会出现一次大约5%到8%的回调。但实际数据显示，那次调整的幅度达到了13%。复盘文档里对此的解释是：「外部冲击超出预期」。具体是什么外部冲击，文档里语焉不详，只提到「同期有政策面消息释放」。

这个解释其实比较含糊。如果每次预测失误都归结为「外部冲击」，那模型本身的价值就值得怀疑了。不过团队在后来的修正中确实加入了一个「政策事件哑变量」，算是亡羊补牢。

发现三：第六周期的预测反而最准

有意思的是，第六周期的预测偏差只有2%，是整个七次预测中最准的一次。团队在复盘时认为，这是因为到了后期，可用的数据点更多，模型的信息量更充分。但我注意到另一个细节：第六周期的实际值本身就很接近前几个周期的均值，也就是说，即使不做复杂建模，直接用历史均值去猜，结果也不会太差。

这就引出了一个老问题：预测模型的准确性，到底有多少是来自模型本身，有多少是来自数据本身的平稳性？复盘文档没有正面回答这个问题，但从字里行间能看出，团队自己也意识到了这个局限。

这份复盘为什么会被反复引用

我跟几个转发过这份文档的朋友聊过，他们给出的理由不太一样，但归纳起来大概有三点。

第一，它给予了一个「可验证」的样本

市面上关于预测的文章很多，但大多数只讲方法，不讲结果。这份复盘难得的地方在于，它把每一次预测的数值和实际结果都列出来了，读者可以自己去核对。这种透明度在同类材料里不算常见。

第二，它展示了「迭代」的过程

很多预测模型在对外发布时，呈现的都是最终版本，中间试错的过程被隐藏了。这份复盘把前三次的失败和后四次的调整都写了出来，让人看到模型是怎么一步步改过来的。对于做数据分析的人来说，这种「过程感」比结论本身更有参考价值。

第三，它没有回避「不确定性」

虽然团队在某些地方的解释比较含糊，但整体上他们没有声称自己的模型是「万能」的。文档里多次提到「偏差在可接受范围内」「需要结合实际情况判断」之类的表述。这种克制在预测类内容里反而显得比较可信。

几个值得警惕的地方

不过，我在看这份复盘的时候，也注意到几个需要警惕的地方。这些地方不一定说明团队有问题，但作为读者，最好心里有数。

警惕一：事后归因的便利性

复盘本质上是一种事后行为。当结果已经出来之后，再去解释「为什么预测准了」或者「为什么预测偏了」，很容易陷入事后归因的陷阱。比如前面提到的「外部冲击」，在预测发布时并没有被纳入模型，但事后却成了主要的解释变量。这种归因方式在逻辑上是创建的，但在方法论上是有问题的——如果每次偏差都归因于「外部冲击」，那模型就没有改进的方向了。

警惕二：样本量偏小

整个复盘只覆盖了六个周期、七次预测。这个样本量在统计学上是非常小的。用这么小的样本去论证「模型有效」，说服力有限。团队自己在文档末尾也提到「需要更多数据来验证」，但这句话被很多人忽略了。

警惕三：选择性呈现

复盘文档里重点展示了偏差收敛的趋势，但对于前三次偏差较大的原因，解释相对简略。这种呈现方式会让读者产生一种「模型在变好」的印象，但如果把前三次的失败也详细展开，读者的感受可能会不一样。

如果我来做一次类似的复盘，会怎么做

看完这份文档之后，我不断在想一个问题：如果换作是我，我会怎么设计这次复盘？

第一时间，我会把「预测准确」和「模型有效」这两个概念分开。预测准确可能是因为数据本身平稳，模型有效则需要在不同数据集上都能表现稳定。这两者不能混为一谈。

其次，我会引入一个「基准模型」作为对照。比如最简单的「用上一个周期的值预测下一个周期」，或者「用历史均值预测」。如果复杂模型的表现在统计上并不显著优于基准模型，那这个模型的必要性就值得商榷。

再次，我会把每次预测时的「信息集」明确列出来。也就是说，在发布预测的那一刻，团队到底掌握了哪些信息？哪些信息是后来才出现的？只有把信息集界定清楚，才能判断预测的合理性。

最后，我会对「外部冲击」做更细致的分类。政策变化、市场情绪、突发事件，这些因素对数据的影响机制是不一样的。笼统地归为「外部冲击」，对于改进模型没有太大帮助。

回到「二四六」这个框架本身

说了这么多，其实还有一个更根本的问题没有回答：「二四六」这个观察框架本身是否合理？

团队选择第二个、第四个和第六个周期作为关键节点，理由是「这三个节点的数据波动具有规律性」。但这个规律性是事先发现的，还是事后总结的？如果是事后总结的，那这个框架就有过度拟合的风险。

我在复盘文档里没有找到明确的说明。团队只是说「基于历史数据的观察」，但具体是怎么观察的、观察了多长时间、用了什么方法，都没有交代。这让我对这个框架的可靠性打了一个问号。

当然，这并不是说「二四六」框架一定有问题。只是说，在使用这个框架之前，最好先搞清楚它的来源和依据。如果只是凭经验拍脑袋定下来的，那后续的所有分析都要打一个折扣。

一些零散的观察

在整理这份复盘的过程中，我还注意到几个细节，虽然不一定重要，但记下来也无妨。

一个是团队在文档中使用的语言。他们很少用「必然」「一定」这样的词，更多是用「倾向于」「大概率」「在多数情况下」。这种措辞风格在预测类内容里是比较少见的，通常人们更愿意用肯定的语气来增强说服力。团队的这种克制，反而让我觉得他们对自己的结论是有保留的。

另一个是文档的传播路径。我最早是在一个量化研究的微信群里看到这份文档的，后来在知乎、雪球等平台上也能搜到相关的讨论。但奇怪的是，原始文档的出处不断不太清楚。有人说是某个私募团队的内部材料，有人说是某高校的研究项目，但都没有确凿的证据。这种「来源模糊」的状态，在一定程度上影响了它的可信度。

还有一个是时间线的问题。文档里提到的「期中节点」，在不同人的理解中似乎不太一样。有人认为是指第三个周期的中点，有人认为是第二个周期和第三个周期之间的过渡期。这种理解上的差异，会导致对同一组数据的解读出现分歧。团队在文档里没有对这个概念做明确的定义，算是一个小瑕疵。

数据复盘这件事本身的难度

最后想说一点关于数据复盘这件事本身的感受。

很多人以为复盘就是「把预测值和实际值放在一起比一比」，但实际上远没有这么简单。复盘涉及到大量的判断：哪些偏差是正常的，哪些偏差是异常的；哪些因素是模型内的，哪些因素是模型外的；哪些结论是数据支持的，哪些结论是个人解读的。这些判断没有标准答案，不同的人做出来的复盘可能完全不同。

这份「二四六香港期中预测」的复盘文档，之所以能引起讨论，很大程度上是因为它给予了一个具体的案例。案例的价值不在于它给出了什么结论，而在于它展示了复盘过程中的各种取舍和权衡。对于正在学习数据分析的人来说，这种「过程展示」可能比任何方法论都更有帮助。

至于「二四六」这个框架本身是否有效，我觉得现在下结论还为时过早。六个周期的数据、七次预测的记录，样本量太小，不足以支撑任何强结论。如果团队能够继续跟踪下去，积累更多的数据点，到时候再来做一次复盘，可能会更有说服力。

在那之前，保持谨慎的乐观，大概是比较合适的态度。