區分真訊號與雜訊

《the signal and the noise》作者Nate Silver發展了一個類似Moneyball概念的大聯盟棒球選手預測系統，不像之前Moneyball魔球中，定量的統計勝過球探的定性分析，在他的系統用在預測小聯盟中，反而發現球探的定性分析，優於他的系統。要如何區分區分真訊號與雜訊呢？

他試著解釋這現象，在棒球大聯盟選手中，前一年的成績統計，可以較穩定的預測未來成績，因為選手技巧能力已經相當成熟，統計中固然有雜訊，有運氣的成分，但是較少。定量的統計分析主要在尋找哪一些統計，比較對球隊勝利有貢獻。

但是在棒球小聯盟選手中，對手水準較為不整齊，統計成績會受到對手水準影響較大，一位好投手如果球速不夠，即使能在小聯盟有不錯的統計，卻會完全無法在大聯盟站穩。但球探對棒球小聯盟選手的定性分析，例如球速、揮棒速度、跑壘速度、守備範圍、心理素質等等，卻能提供統計沒有的真訊號。

雖然在投資的定量分析上，最被價值投資者看重的統計數字是ROE，這項財務統計對公司股票能給投資人的報酬率最有貢獻。不過，你看巴菲特的年報，他總是更重視淨值的年成長率，因為波克夏一大部分的價值是在所持有的股票投資組合，而未實現資本利得不會顯現在盈餘中，因此ROE中的分子，盈餘不會包含到未實現資本利得。如果從小聯盟和大聯盟的比較來看，小企業的預測應該是定性的分析會占優勢，而大企業的預測應該是定量的分析會占優勢。