如果你曾看过投资产品的广告，就听过“过往表现并不保证未来收益”这句话。当然，事实确实如此。但这并未阻止企业、政府、组织和个人尝试预测未来。为了提高胜算，一个政府研究机构——情报高级研究计划局（IARPA）——一直在资助大学团队参加年度竞赛，研究如何更好地衡量和改进预测世界事件的能力。
沃顿商学院市场营销学教授芭芭拉·梅勒斯一直在领导其中一支团队——该团队连续三年赢得竞赛。
在这篇与《Knowledge@Wharton》的访谈中，梅勒斯谈到了团队的发现、哪些特质让一些人更擅长预测，以及如何助力最优秀的预测者。
以下为经编辑的访谈实录。
招募知识精英：
我参与了一项由 IARPA 赞助的多年预测竞赛。IARPA 是情报界的研究部门。IARPA 赞助了五支大学团队，彼此竞赛，旨在提出尽可能好的方法，衡量针对世界各地事件的汇总预测。这些事件包括军事冲突、选举、疫情、难民流动，甚至大宗商品价格等。
“以美国政府为例，政策制定者面临的决策涉及数十亿美元和数千条生命。在这些情况下，利害关系极其重大，因此即便是微小优势，也意味着巨大进步。”
我们招募了数千名预测者，他们来自博客、专业协会、研究中心等，并让他们在一年时间里作出预测。每两周，他们都会收到问题。他们登录网站作出预测，并可随时返回更新预测。
当时，我们并不清楚该如何改进预测，于是就自然而然地开展了实验。我们发现，有三项做法效果非常好。第一是培训。我们设计了一个一小时的概率培训模块，似乎能改善预测。我们让参与者组成团队，而不是单独工作，这也提高了预测水平。互动、信息分享以及对推理依据的讨论，都提升了准确性。
最后，我们发现，跟踪表现能大幅提高预测准确性。每年年底，我们从数千名预测者中选出排名前 2% 的人，将他们组成精英小组，并授予他们“超级预测者”的称号。这些人的准确性提升幅度超乎我们的想象。他们互动更多，搜寻的信息也更多。最终结果令人惊叹。事实上，他们帮助我们连续三年赢得竞赛。
作出更好的预测：
每个人都依赖预测，而如今我们对预测的了解远胜于这场竞赛之前。在商业领域，人们关心是否投资研发或拓展新市场，也关心消费者想要什么、偏好哪些产品延伸，以及产品何时可以上市分销。
我认为，企业可以运用这场竞赛的洞见来作出更好的预测。并非所有经验都能顺利推广，但如今我们掌握了许多心理学和统计学方面的洞见，知道哪些因素能改善预测。
令人意外的发现：
这场竞赛中的许多事情都让我感到意外。我没想到我们的培训模块会有效。要设计出一个能对判断准确性产生任何影响的模块并不容易。
我很惊讶团队比独立预测者表现更好。我读过《群体的智慧》，原以为独立预测者会做得更好，错误也会相互抵消。但信息分享和讨论推理依据所带来的好处，超过了保持独立的好处。因此，在我们的研究中，团队表现更佳。
超级预测者的效果更是让我大吃一惊。这就像在学校里分层培养学生，把最优秀的学生放在一起。由此产生的协同效应非常显著。
最佳实践：
我认为，我们的团队之所以如此出色，有几个原因。其中之一是他们在线协作。在线上，很难有人盛气凌人。人们可以在自己方便的时候登录，因此协作是依次进行的，而不是同时发生；我认为，同时进行时更容易出现群体思维。他们彼此非常尊重——预测者之间也是如此——我认为这也是成功配方中的重要一环。
“我们有评论员、专家、权威人士和专业人士对未来作出预测。其中许多预测表述得十分含糊，以至于我们无论如何也无法检验。”
准确预测的价值：
我认为，企业可以改进预测能力。我认为，他们可以组建自己的超级预测者团队，更好地预测未来 Twitter。而所谓“更好”其实是相对而言的。我的意思是，你只需要比下一个人做得更好。
我们并不追求完美，显然也不可能达到完美。以美国政府为例，政策制定者面临的决策涉及数十亿美元和数千条生命。在这些情况下，利害关系极其重大，因此即便是微小优势，也意味着巨大进步。
我认为，我们的研究带来的启示之一是，做好预测既需要心理学，也需要统计学。这需要既理解预测者，也理解统计分布和统计信息的各个方面。如今，我们知道如何更好地设计算法，汇总多项预测。我们也更了解哪些条件或环境能让个体预测者发挥最佳水平。
让预测接受检验：
我们每天都会听到各种预测。评论员、专家、权威人士和专业人士都在预测未来会发生什么。其中许多预测表述得十分含糊，以至于我们无论如何也无法检验。例如：“未来两周内，也门的冲突可能会加剧。”或者：“巴格达的局势会先恶化，然后才会好转。”诸如此类——这既不是一个问题，也不是一项能通过“预知能力检验”的陈述。事后你无法判断谁对谁错。
如今，我们向这些人征求建议、寻求见解。但这些含糊的预测几乎没有给我们带来什么。我认为，改进之道在于记录和评估预测表现。我们必须以可检验的方式表述预测。这样才能知道谁对谁错，以及如何吸取经验、做得更好。
“我们对与预测准确性相关的个体差异有了更多了解。因此，我们能更具体地说明谁是最优秀的预测者。”
要点：
我们很幸运，能够以实证为依据提出主张。我们根据数据和实验，知道哪些做法有效。许多旨在改进预测的书籍、方法和技巧都未经检验。因此，我认为，实证这一面显然是我们项目的独特之处。
我们已经了解到许多能改善预测的因素。例如，我们发现，采用统计算法汇总预测的调查形式，表现可以胜过预测市场。我们还发现，如果在市场交易期间衡量参与者的概率判断，并且询问他们“事件 X 发生的概率是多少？”，将价格与概率结合起来，就能提高预测准确性。从经济学角度看，这两项发现都出人意料。
我们对与预测准确性相关的个体差异有了更多了解。因此，我们能更具体地说明谁是最优秀的预测者，尤其是在地缘政治领域。
不出所料，他们往往很聪明、知识面广，也具备丰富的政治知识。但他们也更可能是积极开放的思考者，分析能力更强，更可能采取科学的世界观。他们更可能从多个角度看待问题，并使用多个参照类别。他们也更可能以更细致、更有层次的方式使用概率，比如说 17% 和 83%，而不是 20% 和 80%。
事实证明，更精细的概率刻度包含信息。若将预测四舍五入到最接近的 10%、20%、30% 或 40%，大多数预测者的表现会变差。这表明，这种精细度中包含有价值的信号，而不仅仅是噪声。
未来计划：
IARPA 竞赛将于一个月后的 6 月 2 日结束。但我们的预测工作并不会就此结束。良好判断项目将于今年秋季举办一场公开竞赛。我们有许多假设需要检验，也需要许多志愿者。我们非常欢迎沃顿商学院相关人士参与。
因此，如果你对此感兴趣，或者认识可能感兴趣的人，请访问 goodjudgmentproject.com 了解更多信息。我们将非常感谢并欣喜地欢迎你加入。
经许可转载自《Knowledge@Wharton》（http://knowledge.wharton.upenn.edu），这是宾夕法尼亚大学沃顿商学院的在线研究与商业分析期刊。转载并不意味着世界经济论坛认可其中观点。
及时了解议程动态， 订阅我们的每周简报。
作者：芭芭拉·梅勒斯是沃顿商学院市场营销学教授。
图片：2012 年 5 月 11 日，一名男子在东京一家证券经纪公司外查看股票行情显示牌。路透社/ Hanai Toru。
