Local EPUB Text
简单性
萨缪尔森和他的同事们重新发现巴舍利耶的时候，因为计算机时代的到来，大学里供研究使用的高速计算机甚为普及，众人得以大规模地利用这一见解。靠着20世纪60年代初出现的这些新技术，股票市场研究者着手深入地研究这类市场中的随机过程。
相关性测试
调查的一个方面是相关性检测，用来判断指定数据间是否存在某种程度上的共同运动。就股价而言，人们会把特定股票在特定时间段──比方说若干天──的价格变化记录下来，再把随后同样长度的时间段里的价格变化记录下来。之后，人们比较这些序列（叫做“时间序列数据”），判断它们存在某种程度的共同运动，即它们是否表现出任何“相关性”。
比较采用了“相关系数”的形式，这是一个反映数据之间线性相关程度的数字。具体而言，也就是看待检验的时间序列数据跟一条直线是否吻合，而后计算出相关系数。相关系数等于零，意味着该序列中的数据在统计上是独立的；接近零（但不等于零）则表明数据不相关。如果一组时间序列数据独立或不相关，则它们是随机的。
以电视抽彩开奖为例。乐透奖的开奖号码是这么确定的：在箱子里放上许多标有不同数字的球。稽核员摸出一个球，记下上面的数字，把球放回箱子。稽核员重复这一过程三次：摸出球，记下数字，把球放回箱子。这样得出的结果就是开奖号码。这个过程具有统计上的独立性，因为任何一次摸出球后记下的数字，跟前一次或后一次记录下数字全无关系。
脱离彩票箱这样的可控环境，尤其是在股票这类时间序列数据的情境下，要从统计上证明一组数列具有统计独立性是极为困难的。而限制较少的特点──也即数据是不相关的──更容易为统计证据所支持，得出的结论也大致跟满足独立性特点的数据相同。[1]
在20世纪60年代的相关性测试中，人们演算出的相关系数全都近似于零。这就意味着，股市上的不同数据组跟随机数表、轮盘赌、抽彩票或其他随机方式产生的不同数字组没有什么区别。
这些发现具有重要的现实意义：缺乏统计相关性意味着，对股票将来价格的最准确估计就是它的当前价格，因此，交易者不可能系统化地从交易中获得高于正常水准的收益。换句话说，如果价格遵循随机漫步模式，股票在这段时间到下一段时间的价格变化，并不会影响股票在随后一轮时间段中变化的概率。过去的价格预测不了将来的价格。
游程测试
相关性测试有一个素来为人所知的缺点：所得结果容易受时间序列里少量的极端数据所影响。为避免这一缺点，人们会对数据进行游程分析──调查连续变化的方向是否具有持续性。
一段游程是按序列统计里没有方向性变化来定义的。故此，方向一出现变化（比方说，从负到正，从正到负，从无变化到正向或负向），就算新游程的开始。
游程检验的不是序列中数据在数字上的变化相关性，而是考察的这些变化在方向上的关系。如果价格变化吻合随机漫步模型，则序列的个数和股价时序数据的反向次数应该差不多相等。如果同向运动持续了较长时间，随机漫步模型就不成立了。
在20世纪60年代初所进行的众多游程研究中，芝加哥大学经济学家尤金·法玛（Eugene Fama)最为谨慎。法玛发现，价格变化的方向具有持续性，但他仍然得出结论：没有什么交易规则或策略能持续战胜市场。故此，几乎所有参与20世纪60年代末辩论的人都一致同意，在研究中观测出来的与随机性不一致的地方，可以忽略不计。他们还相信，这有力地支持了随机漫步模型。
交易规则测试
尽管得到了广泛的认同，一些参与辩论的人仍持怀疑态度。实际上，当时一些颇有远见的评论者就曾担心，股票价格变动的相互关系异常复杂，这些标准化工具恐怕不能将之一一揭示。出于这样的担心，有人怀疑随机漫步模型的真实性，并想要发现、利用价格变化的复杂关系，设计出能获得高于正常回报水准的交易规则来。
西德尼·亚历山大（Sidney Alexander)的“过滤技术”，就属于这些早期尝试之列，它极具启示意义。这种策略旨在识别和利用股价里存在的假定变化趋势，按亚历山大本人的妙趣说法，“市场的小小抖动”有可能会掩盖了这样的趋势。
举例来说，对某只股票采用“5%过滤规则”，就是说：股票价格上涨了5%，那就买入（并看着它涨到更高的峰值）；等价格从峰值下跌5%，就卖出它（并看着它跌到更低的谷底）；再接着，卖空它（也就是说按照现行价格把它借来卖掉，并答应到了偿还期会按当时的价格买入并偿还）；接着，等价格从谷底上涨5%，再平仓。
如果此方法有效，第一回的卖出能带来一笔收益，之后的卖空又能带来一笔收益。更重要的是，如果它确实有效，那么股票价格就应该吻合峰值──谷底的模式。这意味着它们并不是随机的，随机漫步模型不成立。
亚历山大最初研究的结果表明，这种技术能够带来高于正常水平的回报。然而，这之后，他本人和其他一些人（法玛也在内）又进行了校正，证明放宽或改变某些假设足以抹掉高于平均水平的收益，尤其是，最初的过滤技术未能注意到，卖空股票的话，股票的红利就成了成本，不再是收益了。
亚历山大的过滤技术概括了股票分析和交易里的图表法或技术方法，它把过去的价格作为预测将来价格的基础。确切地说，从概念上看，亚历山大的过滤技术跟当今证券交易盛行的限价盘和同类技术算得上近亲了。这些技术包括了依靠反常效应的传统技术方法（如内幕效应、月度效应、周末效应和分析师效应等），以及一些非传统方法（如裙边离地指标、超级杯指标等）。
这些东西，以及诸如“动量投资”和“板块轮动”等相关的哲学思想，仍然是华尔街的主流学派。交易员仍然广泛地使用它们，而它们得到越来越多的贸易商、投资顾问和经纪人的推荐。随机漫步模型（和有效市场理论）的许多信徒基于前文的分析，逐渐意识到这些东西是无稽之谈。
说它们是无稽之谈，不是因为有效市场理论，而在于它们完全违背了业务分析。格雷厄姆在《聪明的投资者》（Intelligent Investor)一书中提到了拥护这种技术方法的人，他说：“考虑到他们的工作跟本书中提到的‘投资者’并不相关，我们还是别管他们了。”
究其本身，所有随机漫步测试存在的问题在于，它们全是线性的。它们没有调查是否存在非线性的价格依赖，这是因为，20世纪60年代初，研究人员用的计算机还不具备那么高的运算能力。
比方说，交易规则测试就是线性的，因为它是按时间顺序（或实时）进行的。不管是它，还是其他的老式测试都没有考虑过这样的可能性：说不定，从非线性的角度能更好地理解市场时间。我们在下一章会对这一主题进行论述，现在，我们只需注意到，爱因斯坦证明，时间不是绝对的，而是根据不同的环境有着数十种不同的运行方式，这就包括向前（或曰线性的）、向后、循环、减缓、无规则（非线性），甚至可以静止不动。