在周一写了沪深300指数估值分析文章后，多位读者提出了一个建议：是否可以在现有分析基础上增加百分位数据？
这个问题引发了我对金融市场数据展示方式的深入思考。经过认真权衡，我认为在当今技术条件下，增加百分位值可能弊大于利。让我们深入探讨为什么。
统计压缩的局限性
百分位值与平均数、中位数一样，本质上都是统计学中的描述性指标。这类指标的共同特点是：试图用极其简化的方式来概括大量数据的分布特征。虽然这种方法在某些场景下确实便于理解和使用，但它不可避免地会造成信息损失。
想象一下，当我们将一组连续的数据简化为一个百分位值时，实际上是在进行一次信息压缩。这种压缩虽然能让我们快速了解当前数值在历史分布中的相对位置，但它掩盖了数据变化的细节和趋势，这些细节在投资决策中往往至关重要。
K线图：一个经典的例子
要理解数据压缩的局限性，K线图是一个绝佳的案例。作为投资者最熟悉的技术分析工具之一，K线图将一整天的交易数据压缩为四个关键数值：开盘价、收盘价、最高价和最低价。这种压缩方式诞生于没有计算机时代，对于记录价格效率的追求，但也带来了信息失真的问题。
举个简单的例子：当我们看到一根十字星K线时，它可能代表完全不同的市场走势。可能是先涨后跌最后回到起点，也可能是先跌后涨再回落。这两种截然不同的市场情绪，在K线图上却呈现出完全相同的形态。这就是数据压缩带来的信息损失。
百分位值的具体问题
当我们将这种思考应用到市盈率的百分位值分析时，问题就更加明显了。以沪深300指数为例，如果我们使用从2005年指数发布以来的所有数据来计算百分位，会遇到几个关键问题：
首先，2007年牛市期间出现的极端高估值会严重影响整体分布。这些统计学上的“奇异值”会导致当前即使处于相对较高的估值水平，计算出的百分位值也可能显得不高。这种失真会误导投资者对当前市场状况的判断。
其次，即使我们采用常见的变通手段，比如五年滚动时间窗口来计算百分位，问题依然存在。短期窗口可能会让我们陷入“井底之蛙”的困境：当前估值在近五年看似处于低位，但从更长的历史周期来看，可能并不算特别低。特别是当五年窗口恰好处于估值窄幅震荡期时，这种偏差会更加明显。
压缩是特定技术条件的产物
理解数据压缩方法的产生背景很重要。比如当日本商人在上世纪中叶发明K线图时，很大程度上是手工记录交易数据时代的技术条件。
即使有了电脑，但在早年依赖电话线拨号的时代，数据传输需要依赖速度极其有限的调制解调器，实时数据的传输和存储都面临巨大挑战。在那个年代，将海量交易数据压缩为少量关键数值是无奈之选。如果用过类似通达信这样比较早的行情软件，就会知道当时下载日K线和下载分时数据是两个模块控制。一般省流许多人只下载也只能看日 K线
现代技术带来的机遇
但在今天的数字时代，这种局限已经不复存在。我们完全有能力生成并展示完整的历史数据图表，就像周一文章中展示的那样。这种完整的可视化展示相比简单的百分位值，具有诸多优势：
直观展示历史波动范围，让投资者能够清晰看到估值的历史高低点
呈现完整的市场周期，便于理解不同阶段的市场特征
展示估值高点的演变趋势，帮助投资者判断未来可能的估值区间
保留市场波动的细节信息，有助于深入理解市场变化的驱动因素
在当今技术条件下，继续依赖百分位值这样的压缩数据似乎有些落伍。完整的历史数据图表不仅能提供更丰富的信息，还能避免数据压缩带来的失真。建议投资者在进行市场分析时，多关注完整的历史数据图表，而不是过分依赖百分位值这样的简化指标。
毕竟，在投资决策中，我们需要的是全面的市场认知，而不是被过度简化的数据误导。正如那句著名的西方谚语“魔鬼往往藏在细节之中(The devil is in the details)”只有通过对完整数据的深入分析，我们才能做出更明智的投资决策。
PS：本文是我在下班途中，用通义效率将 6 分42 秒的口述转成文字，并交由 Claude 3.5 Sonnet 按照《纽约时报》专栏的风格润色，包括标题设置还最后的西方谚语，都是由大模型润色完成。每一次用 Cluade 都不得不感叹，它的中文写作能力太赞了。
