对冲

第四章

好莱坞对确定性的追求永无止境

一切都是不确定的这一点无法确定。

——布莱士·帕斯卡

《思想录》

无风险是一个单一的、可预测的结果。风险则相反，它是一切可能发生的事情以及它们发生的可能性。在一个完美的世界里，我们可以做出这样一个风险评估：它能捕捉所有可能的结果，并为每一件事情发生的概率给出精确的预测。但世界充满了不确定性，我们没有这样的想象力来预测所有可能出错（或正确）的事情，也很少知道事情的确切概率。我们能做的就是猜测，而通常最科学的猜测方法就是进行风险评估：对过去的数据加以分析，得出未来可能发生的一系列事件以及对这些事件发生概率的估计。

有时很容易做出准确的估计。而在另外一些时候，风险评估几乎是不可能做到的。谈到风险评估带来的挑战，我认为没有比电影业更好的例子了。数代风险模型家对风险评估中最困难的问题之一束手无策，这个问题就是定量分析某部电影成为热门电影的概率。

风险模型破碎之地

好莱坞通常被称为梦想破碎之地，而只要人们在这个地方如此经常地下注，还错得如此离谱，这个地方就是我们对风险进行探索的收获之地。每天都有年轻的、充满希望的、富有才华的人来到好莱坞，希望成就大事业。但很少有人实现梦想，大部分人只能带着苦涩和悔恨离开。因此，好莱坞也可以被称为风险模型破碎之地。投资者，包括银行、对冲基金和保险公司，都有着进军好莱坞、认为它们可以用科学和数据来驯服这个市场的悠久历史。但它们最终通常都以眼泪和诉讼而告终。好莱坞金融界有一句谚语：“到这里来赚大钱的秘诀是，带上所需金额三倍的资金。”

最近的一次灾难来自瑞恩·卡瓦劳格，一个洛杉矶本地人。他在好莱坞光芒四射。他宣讲的是蒙特卡洛模拟。这个模型由一张精妙的Excel电子表格制成，承诺让不可预测的东西变得可以预测。他声称他的模型可以预测哪部电影会大卖，哪部电影会惨败。这真是诱人的模型啊。

这种可预测性之所以诱人，是因为它在好莱坞实在让人难以捉摸。如果过去的表现是预测成功的因素，那么投资者就不会采用卡瓦劳格的方案，但好莱坞的每个人都在随机结果的汪洋大海中寻找下一个大事件。像之前的其他人一样，卡瓦劳格的模型最终失败了，但已经有很多投资者跟进。

电影业的人解释说无法预测哪部会大卖、哪部会惨败。制作每部电影就像管理一个小企业，有数百个灵活的环节。管理风险的唯一方法是制作大量的电影。大多数电影都不赚钱，但有些电影会大赚一笔而为别的电影埋单。这种经营企业的方式风险很大，而且也解释了为什么有这么多很烂的电影——它们的情节可怕而老套，票房一塌糊涂。每年我们都会看到一部臭名昭著的烧钱作品，花费了数亿美元进行制作；也会看到一部独立制片人的故事片，剧本很精彩，只花了1 000万美元却赚了3亿美元。

这种“全面跟进”策略是对金钱和人才的巨大浪费。许多伟大的电影没有制作经费，而挥霍在人们离开影院后就会忘记的烂片上的金钱却高达几十亿美元。

预测获胜者是一个棘手的风险问题。在大多数行业中，决策者可以依靠过去的数据来帮他们找出将来会有所回报的更有成效的投资。良好的风险评估需要的数据要能做到两件事：一是揭示与未来有关的过去的经验教训，二是预测某些过去发生的结果比其他结果更有可能（在未来发生）。电影制作的本质意味着它的商业数据缺乏这两种特性。

更糟糕的是，电影制作风险很大，需要大量的前期投资，而且这些投资需要经过很多年才能收回——如果真能收回的话。电影工作室竞相引入来自外部的资金并让它们承担风险，以此来降低财务风险。要吸引这些投资者，经常需要搭上最新的流行顺风车，比如在项目中签下一个超级明星，或挖掘周边商品销售收入的潜力。这些策略可以增加赚钱的概率，但它们不一定会增加电影成为好电影甚至能有利润的概率。

为电影提供资金的投资者通常会获得股权，这意味着他在作家、演员、导演、制作团队和编辑得到报酬之后，可以分走电影的利润。因为大部分电影的预期回报是负数，投资者承担了大部分财务风险，却几乎没有回报。为了抵消风险，通常会进行这样的交易：一次性打包投资十几部电影，但投资者往往不能选择哪些电影包含在投资组合之中。

居然有人会同意这种条款？这似乎令人费解，但投资电影极具吸引力，并且令人兴奋，你可以和电影明星约会，出席电影首映式。马修·利伯曼是普华永道的一位高管。他说，希望进入电影圈的客户通常是老练的投资者，但他们被好莱坞的炫目光环——参加颁奖典礼、与名人交往——蒙蔽了双眼，做出了在别的市场他们从来不会考虑的投资。

如果有人能给出一种挑选赢家的科学方法，那么一个运作良好的电影制作市场就是一个成熟到可以进入的市场。瑞恩·卡瓦劳格此时出现了。

卡瓦劳格在洛杉矶长大，是特权家族的一员。大学毕业后，他和父亲一起启动了一个风险投资基金，在20世纪90年代为好莱坞里的大玩家筹措资金并投资初创公司。2000年互联网泡沫破灭后，公司倒闭了，卡瓦劳格被投资者告上了法庭。

几年后，他卷土重来。2004年——他那年还不到30岁，与他人共同创立了相对论传媒公司（Relativity Media）。他的团队成员都是所谓的数字高手，他将自己定位为穿着牛仔裤的数学专家加以推销，表示他能提供好莱坞和投资者渴望的那种可预测性。他出现的时机再好不过了，因为在21世纪中期，电影制片厂迫切需要新的资金来源。多年来，好莱坞一直依靠德国提供的避税所来吸引投资者，并转移了相当大一部分与电影制作相关的金融风险。但当默克尔于2005年上台后，德国取消了避税所。

德国的避税所为投资者和电影公司投资电影提供了一些经济上的激励，所以失去它之后，电影公司不知道如何获得融资。与此同时，对冲基金正在寻求投资高回报的风险资产的机会。这是一个完美的匹配。卡瓦劳格抓住了这个机会，特别是对对冲基金来说，由于它植根于金融，所以必须对承担的风险给出一个数字。他为投资者提供了他们想要的两样东西，他给了他们渴望至极的光环。曾与卡瓦劳格一起工作的一位娱乐业律师在2012年告诉《纽约客》：“瑞恩知道如何吸引人们进入好莱坞的光环之中。你是一个银行家，过着沉闷的生活，而突然之间你和电影明星有了交集。想想吧，我和杰拉德·巴特勒一起在海滩上散步！你没有意识到的是，你正在为为什么要进行这项投资找出合理的理由。”

最关键的是，卡瓦劳格声称他可以为风险提供一个可靠的数字，这正是机构投资者在把他们客户的钱用于拍电影之前想要听到的。卡瓦劳格会跑到纽约，拜访银行和对冲基金，讨论金融方面的内容，在白板上写方程式，给出判断一部电影会不会赚钱的准确概率。

对冲基金经理需要这个数字，因为风险评估正是金融人士要做的事情。如果能给出成功的概率，他们会感觉更舒服。所有人都是如此。

用数据衡量风险：通常会发生什么

无论你需要做出什么样的决定，无论是重要的还是一般的，评估风险最简单的方法就是考虑过去发生了什么，并假设类似的事情在未来会再次发生。这为我们提供了可能发生的事情的一个可靠估计。

如果你每个月开车去同一个机场，那么每次正好用时33分钟的可能性不大。更有可能的是，每次通常需要20~40分钟，而这取决于交通和天气状况。这个时间区间并没有考虑不寻常的事情，比如导致延误一个小时的可怕的交通事故。一般来说，在我们做决定的时候，会根据可能发生的事情的常规范围来进行判断。如果我们比较谨慎，我们会假定到机场需要40分钟；如果我们可以冒险，可能会只给自己留30分钟。

风险是我们对未来发展的猜测；更确切地说，它是可能发生的事情的范围以及这些事情各自发生的可能性。准确猜出发生某个特定事件的概率——比如说哪部电影将赚2亿美元——几乎是不可能的（连卡瓦劳格都无法保证能做到这一点），但我们有可能计算出可能发生的一系列结果。夏季大片有很大机会在美国的电影院拿到100万~ 40亿美元的票房收入。达到40亿美元是可能的，但可能性太小，而夏季上映的电影几乎肯定能有超过100万美元的票房收入，因此，进行良好的风险评估需要缩小所有可能性的范围。

在做出风险决策时，要有一个可行的范围。如果你认为每次开车去机场都会有300辆车堵在路上，你就总是会提前三个小时出发，而几乎每次都会以在空无一人的候机厅里浪费宝贵的时间而告终。

难就难在怎么确定合理的范围。20~40分钟够了吗？还是说路况实在难料，所以你需要50分钟，甚至3个小时？

在金融经济学中，确定理想区间还是更系统化一些。用数据来估计可能发生什么的范围被称为风险评估。正如我们所知，风险评估是人类相对现代的发明。直到文艺复兴结束，启蒙运动开始，大多数人还认为不确定性是由神决定的，也就无法评估。但到了17世纪，数学家帕斯卡和费马开始对骰子游戏的概率进行测算。他们的发现改变了学者对风险的看法：学者开始将其视为可以测量、可以控制的东西。

60年后，数学家雅各布·伯努利将上述两位做出的成果又推进了一步，他把这些新兴的课程应用于现实世界的那些受控情形以外的需要精确量化的情形中。他假设，过去发生的一系列事情的范围可以用于预测未来发生某件事情的概率。他的主要贡献之一是大数定律。这个定律指出，如果你以足够多的次数重复一项实验，你就可以精确地估计出未来会发生什么的准确概率。

这些统计学先锋奠定了现代统计学的基石。统计学研究的是我们如何根据过去发生的事情来评估风险。例如，考虑某只股票的价格以及它在本月和下个月的涨跌。图4.1显示了1950—2018年间股票价格（以标准普尔500指数为参照）在每个月的上涨或下跌。可以把它想象成去了机场824次，只不过这里显示的是股票的月均回报率。如果你认为未来会像过去一样，那么这张图就显示了未来的69年里股市可能发生的一切及其发生的概率。

图4.1 1950—2018年股票涨跌情况

请注意此图的形状以及大多数股票的回报都向中间集聚靠拢。大多数月份中，股市的回报都是在-11%~13%，16%的回报是非常罕见的。

金融经济学通常假定股票收益率的历史符合某种特定的形状。这种形状就是正态分布或钟形曲线，它光滑、对称，大部分数据集中在中间。它看起来像图4.2。

图4.2 股票收益率呈正态分布

如果你相信可能发生的事件的范围符合正态分布，就可以快速估算风险。这称为标准偏差或波动率。波动率可以告诉你，在大多数时间里，股票回报的变化范围有多大。或者确切地说，在任一给定的月份的68%的时间里，美国股市将下跌3%或上涨5%，或介于两者之间的一个百分比。范围越大，该股票投资组合（或任何类型的冒险）的风险越大，因为你可以料想得到，一般会发生的事情有了更宽的可能性区间。投资新兴市场股票比投资美国股票风险更高：价格可能会下降8%或上升9%，或者在这两者之间。

如果去机场对你很重要，那么你可以使用相同的技术。假设你开车去机场共900次，并估算了到达机场时间的变动：通常情况下到达机场的用时范围是20~40分钟。你还注意到由于出现重大交通事故而要花3小时到达机场的情况不太可能出现，只有1%~2%的发生概率。交通事故被称为“尾部风险”，因为花3个小时去机场实在太不可能了，所以它处在正态分布的尾端。

这些衡量标准是财务人员定义风险的方式：他们通常假设一个正态分布并使用波动率作为标准的风险评估参数。你可能会发现你的共同基金声明里也有一个波动率估计。它可以粗略地告诉你，你对该共同基金的价格上涨和下跌的程度应该有怎样的期望。它假定了一个接近于正态分布的模型，但它并没有告诉你关于尾部风险的信息。尾部风险虽然不太可能出现，但一旦出现就可能带来灾难性的结果，比如股票市场下跌40%。

正态分布的假设是有争议的，并且有很多证据表明股票回报并不符合这种分布。如果回报不是正态的，那么与波动率相关的范围将低估风险。因此，在我们去往机场的例子中，行程会花20~40分钟的情况可能只有50%，或者说，尾部风险——噩梦般的3个小时的行程、300辆车堵在一起的情形可能比你想象的更可能发生，可能有5%。

在好莱坞制作电影就如同交通一样：没有什么是符合正态分布的。

电影行业：来自偏态的诅咒

通常情况下，我们很难评估电影业的风险，因为几乎不可能将范围缩小到一个合理的程度。制作一部电影就像一次去机场的行程，所需花费的时间从10分钟到两个小时的可能性都存在。

如果你绘制出电影利润的历史趋势，就会发现它看起来完全不同于我们在金融业中假设的正态分布形状。

图4.3显示了票房收入（海外和国内）与制作成本的比例。所有被统计的电影在2008—2017年发行，并至少在100家美国影院上映。任何低于100%的数字表明，票房收入不能抵消制作成本。要抵消与制作无关的营销费用和额外费用，一个优秀的经验法则是，一部电影必须要获得两倍于成本的票房收入才能获得利润。

图4.3 电影行业的利润分布情况

几十年来，尽管出现了IMAX（巨幕电影）这样的创新，以及来自流媒体和更高清晰度电视的竞争，票房回报的风险预测都是一样的。经济学家阿瑟·德万尼和W.戴维·沃尔斯查看了1985—1996年的2 015部电影的票房收入数据，画出了几乎完全相同的形状。

这个形状称为偏态分布。这是电影业的特点。它还描述了我们日常面临的众多决定。

这种不对称的形状表明，电影业的风险和不可预测性有多么大。如果分布是正态的，而且中心落在盈亏平衡点，那么赚钱和亏钱的电影数量会相等，大多数电影都在收支平衡点两侧极窄的区间内。如果具有正偏态分布，如图4.3所示，那么可能性的范围很大；赚钱的情形比亏钱的情形多得多。我们注意到，图4.3的右边有一个长长的尾部，它覆盖了有正利润的范围。在这个范围内的任何一部电影只能勉强收支平衡或回报超过1000%，或者处于之间的情形。这些赢利的情景都同样不太可能发生。可能会发生的是，一部电影会亏钱，因为大部分电影都集中在该曲线比较窄的那一段亏损区间。图4.3中被统计的电影中有53%甚至无法通过票房收入收回制作成本，这还是假定它们在多家影院上映的情况下（但大部分电影不是如此）。即使这些电影确实通过票房收入赚了钱，但其收入前景看起来也完全像是一场大冒险，只有几个大赢家。

“偏态”给风险评估带来了问题。要想使波动性告诉我们在大多数时候会发生什么，就需要一个正态的、对称的分布。如果分布是偏态的，波动性就会低估风险。它可能只会告诉你30%~40%的时间里会发生什么。长尾包含了大量的可能性，所有可能情况发生的可能性看起来都差不多。工作室知道大多数电影都会亏钱，但是有一些电影会处在长尾末端并补贴所有输家，然而他们不知道会是哪些电影，也不知道它们会取得一般成功还是巨大成功。

风险出现偏态是常见的。对称分布被称为正态，但并不常见。来到好莱坞的那些雄心勃勃的电影明星面对的是一个正偏态的分布。可能发生的是，他们永远没能成功。但是一般演员处境的可能性范围如此之广，总有一个很微小的机会会发生在他们身上：从在电影里跑龙套到一跃成为下一个超级巨星。

假设你正考虑离开有稳定高收入的职位，加入新的科技初创公司。它承诺的薪水低于你当前的水平，但是你有宝贵的股票期权。想一想一系列可能发生的糟糕事件：初创公司可能破产，或者你在几年内少赚了钱而最终离开。但是，也可能初创公司是下一个谷歌，你会发财；或者公司将被收购，为你带来不错的意外之财，但你仍然需要找另一份工作；又或者初创公司可能成长为一家更大的公司，有一天会为你支付你现在得到的薪水，但也要你承担更大的责任。虽然看起来好的结果比坏的结果多，但坏的结果出现的可能性更大，因为大多数初创企业都会失败。如果你绘制了可能发生的事情的范围图，这张图更像一个偏态分布而不是正态分布。该分布的大部分都在损失区，但有一个长尾延伸到所有那些成功（但不太可能的）场景。

实际上，将资金投入初创公司的风险投资公司的投资策略与电影制片厂类似。它们的许多投资都会亏钱，但几个独角兽公司会带来回报并弥补损失。卡瓦劳格在风险投资方面的经验成为他说服人们下大注的前提和理由。这个行业的偏态分布也解释了为什么会有数百万美元倾入那些“创造”无用的——而且明显是坏主意的——科技公司。

卡瓦劳格声称他的模型可以给出可靠的估计，战胜来自偏态的诅咒。

他是怎么做到的呢？他选择了电影的某些特征（如演员、导演、流派、预算、发布日期和分级），并对之前电影的那些有相同特征的数据进行了分析，预测哪些电影可能成为未来的赢家。这个模型根据这些特征在过往的表现，生成了一个可能获利的范围。根据某些因素而选择投资哪些电影意味着风险较小，因为根据这样的策略而形成的分布提供了更可靠的风险评估。

例如，动作电影是风险较高的投资，因为其制作费用更高。2008—2016年，一部动作片的平均制作预算约为1.04亿美元，而一般恐怖片的成本仅1 900万美元。只有约35%的动作片——但有67%的恐怖片——通过票房收回了制作成本。所以好莱坞应该制作更多的恐怖片，对吗？错了。2007—2016年，动作片的制作数量是恐怖片数量的两倍以上（分别是216部和103部）。

图4.4绘制出了动作片和恐怖片的回报区间。有很多理由去制作更多的动作片：它们往往有更好的国际票房收入；它们提供了特许经营和销售周边的可能性；它们的票房收入不那么偏态，票房表现更容易预测，因此是风险较小的投资。另外，恐怖片的回报有一个很长的尾巴：许多人赔钱，赢家的回报范围也很广。即使恐怖片比动作片更有利可图，但它在某些方面风险更大——因为恐怖片的可预测性更低。

图4.4 动作片和恐怖片的利润分布情况

卡瓦劳格声称他的模型可以产生一系列可靠的潜在盈利场景，因为选择特定特征的过程增强了可预测性和赚钱的可能性。如果这些盈利场景中有超过70%与足够的利润关联，卡瓦劳格会告诉投资者去投资这部电影，作为他亲手挑选的电影组合中的一部分。电影工作室对获得融资充满热情，因此，它与卡瓦劳格分享了完整的利润数据，卡瓦劳格称之为“好莱坞的圣杯”。

Excel电子表格包含了圣杯数据，并将其转化成更难以捉摸也更令人向往的东西：可靠的风险评估。而这是对冲基金和银行为某项投资开绿灯的时候需要的评估。他们为卡瓦劳格挑选的电影投入了数亿美元。2005—2006年，卡瓦劳格联合环球影业和索尼，投资了36部电影，为他的投资者赚到了钱。对冲基金的投资者也从他早期的组合中获得了1.5亿美元的利润，回报率在13% ~18%。卡瓦劳格在每部电影中都获得了数百万美元的报酬。虽然他在制作中没有担任任何角色，但还是获得了制片人这样的头衔。

但随后卡瓦劳格变得贪婪起来。埃利奥特管理公司（Elliott Management）是一个210亿美元规模的对冲基金，它在2008年为相对论传媒公司49.5%的股份支付了6 700万美元。这让卡瓦劳格获得了必要的资金而亲自投资电影。他的支出开始失控：他私人浴室用的卫生纸上印有奥巴马总统的照片，他买了珍禽异兽放在办公室，他开始在一个装饰豪华的飞机机库中工作。更糟糕的是，他的魔法模型失效了，居然选中了《武士之路》（制作成本4 200万美元，美国票房570万美元）、《机关枪传教士》（美国票房仅53.9万美元）这样的票房毒药。埃利奥特管理公司在2010年撤资。卡瓦劳格设法找到了更多的融资方，但还是没能摆脱挣扎的困境，因为他的开销在升级，而且选中了更多的烂片。相对论传媒公司在2016年破产。

好莱坞再一次让一个风险模型破碎。

过去不能预测未来

在好莱坞进行风险评估危险重重的另一个原因是，数据很快就变得陈旧。卡瓦劳格臭名昭著的蒙特卡罗模拟可以对未来进行预测，但这个模型所依赖的数据输入来自过去。

有一段时间，它确实起了作用。投资者得到了他们需要的数字而觉得放心，从投资中获得了回报。卡瓦劳格做出的模拟似乎做到了其他模型无法做到的事情。但这只是根据过去预测未来而已。在它失效之前，它一定是有效的，因为市场（特别是对电影业来说）在不断变化，根源在于基于旧数据的预测不再能告诉你任何事情；困难在于不知道什么时候需要更新数据。通常，我们不会意识到世界正在发生变化，直到变化已经发生了很久。

仅在过去10年中，DVD销售就枯萎了，中国成了一个更大的市场，动漫书籍人物的改编电影越来越赚钱。流媒体和更高清晰度的电视意味着人们更少去影院。在线评论网站（如烂番茄）可以破坏哪怕是最好的营销计划。这让一些业内专家——比如华尔街日报的记者本·弗里茨——认为市场已经永久地彻底改变了。这就意味着15年前的数据根本无法告诉我们现在的电影市场是如何的。他认为，今后电影工作室将制作更少的电影，而集中去制作关于动漫人物的电影。

过时的数据不仅破坏了哪部电影会打破票房纪录的预测。奥巴马和罗姆尼竞选时的投票模式与特朗普和克林顿的竞选根本无关，无法加以参考。这导致民意调查给出的预测是误导人的。技术和更多的全球贸易改变了旧的经济关系，使过去的数据在今天更加不具相关性。

摩根大通的媒体总监戴维·沙欣把卡瓦劳格的模型描述为“垃圾进，垃圾出”。他认为相对论传媒公司使用了错误的数据、错误的方式。数据变化实在太快，要维护一个数据集的准确性，并选出哪些电影会成为赢家实在太难——如果不是不可能的话。沙欣和同事认为，虽然漫画书的改编电影如今看起来像是一个稳赢的赌注，但市场最终会饱和，另一种流行趋势将会出现。不可预测性意味着好莱坞快速地追随某种流行趋势，只是为了在下一时期将它彻底抛弃。

数据是魔鬼，也是天使

卡瓦劳格做出了过分的承诺，因为这世上没有完美的风险评估。风险是对不确定性的评估，是一种人造的概念，试着为不可知的未来建立秩序。风险的意义在于，帮助我们理解要面对什么，为可能出现的好事或坏事做好准备。它还有助于我们权衡不同的选择，并发现哪些能让我们更接近目标。我们每天都参考数据来进行选择：尝试一家新餐馆，因为我们之前就很享受这位厨师的菜肴；重返我们最喜欢的度假村，因为我们去年在那里度过了一个美妙的假期。有时这些预测会失败，比如度假村的管理者换人了，或者这位厨师的新餐厅并不太好。

数据可能是预测未来的可怕方式，但它是我们手头现有的最好方式——因为我们也只有这种方式。在这个快速变化的世界，过去的数据瞬间就毫无用处，数据的局限性在某些方面变得更加明显。但数据也正成为一种更强大的风险评估工具。现代世界正将帕斯卡、费马和伯努利的原创思想推进得更远，因为现在我们拥有比以往任何时候更多更好的数据、更强的计算能力来评估风险。我们买什么、看什么、认识谁……这些都是数不清的数据。我们手机上的应用程序可以将这些数据转化为各种预测：航班会不会延误，初次相亲对象和我们有多大的匹配率，股票市场是升还是降。

更多的数据和预测技术——比如机器学习，意味着更可靠的风险评估。用不了多久，曾经看起来无法评估的东西——比如电影成功的可能性，都将有可能进行评估。

根据与你有相同人口统计特征的人看完一部电影的可能性，网飞可以为你推荐影片。你不用根据你过往的观影体验而得到粗浅的预测，然后做出冒险的决定，而是根据数百万其他人的体验来做决定。伯努利早就证明，更多数据意味着更准确。这将使我们有能力做出更知情的决定——尽管我们还需要了解数据的局限性。

有一个问题仍然是数据无法回答的：好莱坞制作了这么多烂片，是因为数据变化和偏态分布使风险很难评估呢？还是因为市场运作不良、毫无章法，最大的风险承担者——也就是出钱拍电影的人——没有获得最大的回报，但还是会因为电影带来的荣光去投资，所以造成了这一偏态分布呢？

我们很快会找出答案。

因为人们在家中通过在线流媒体就可以观看影片，技术再次改变了电影市场。亚马逊和网飞已经进入制片业，它们对谁看了什么、是不是看完了有精准的数据。如今，电影预算中几乎有一半花在营销上，因为电影对所有人都加以广告宣传，希望广告会吸引某些人。既然工作室有了观影模式的数据，它们可以用更低的成本，更好地制定它们的营销策略，并了解哪些电影会吸引目标受众。人们期望这么做会改变潜在结果的分布，缩小范围并使其更具可预测性。

这可能会改变制作电影的种类、减少偏态，并且可能预示着我们会看到更好的电影。

金融业常用的数字模拟技术。它模拟了一系列潜在的未来结果。

按照剧本语义分析公司Epagogix的首席执行官尼克·米尼的说法，聘用明星不会增加赚钱的可能，而这位明星的高价很少能有回报。Epagogix公司通过机器学习来改进剧本。

小型独立电影制片人有时会使用降低风险的做法：工作室可以将自己的财务风险转移给制片人。

其中不包括DVD（数字通用光盘）销售、在线流媒体播放和电视播放需要的市场费用和产生的收入，这张图只是评估了通过票房收入可以抵消多少制作成本。

因为相对论传媒公司偏好小成本电影，所以通常不会挑选动作片。