用数学公式鉴赏葡萄酒,靠谱吗?

简介:

0

“每次你买到上好的红葡萄酒时,” 奥利·阿什菲尔特(Orley Ashenfelter)说,“其实就是在进行投资,因为这瓶酒以后很有可能会变得更好。而且你想知道的不是它现在值多少钱,而是将来值多少钱。即使你并不打算卖掉它,而是喝掉它。如果你想知道把从当前消费中得到的愉悦推迟,将来能从中得到多少愉悦,那么这将是一个永远也讨论不完的、吸引人的话题。”而这个话题奥利已研究了25年。


奥利的日常工作就是琢磨数据。利用统计学,他从大量的数据资料中提取出隐藏在数据背后的信息。作为普林斯顿大学(Princeton Unversity)的一位经济学家,他曾经利用双胞胎的工资水平来评估受教育年限的边际效应;他还曾经观察各州限速的差异来评估各州对统计分析的重视程度。多年来,他一直担任美国最顶尖的经济学期刊《美国经济评论》(American Economic Review)的主编。

0


奥利身材高大,头发花白而浓密,声音友善,总是能成为人群中的主角。他曾花费心思研究的一个问题是,如何通过数字评估波尔多(Bordeaux)葡萄酒的品质。与罗伯特·帕克(Robert Parker)这样的评酒专家通常所使用“品咂并吐掉”的方法不同,奥利用数字指标来判断能拍出高价的酒所应该具有的品质特征。


“其实很简单,”他说,“酒是一种农产品,每年都会受到气候条件的强烈影响。”因此奥利采集了法国波尔多地区的气候数据加以研究,他发现如果收割季节干旱少雨且整个夏季的平均气温较高,该年份就容易生产出品质上乘的葡萄酒。正如彼得·帕塞尔(Peter Passell)在《纽约时报》(New York Times)中报告的那样,奥利给出的统计方程与数据高度吻合。


当葡萄熟透、汁液高度浓缩时,波尔多葡萄酒就是最好的。夏季特别炎热的年份,葡萄很容易熟透,酸度就会降低。炎热少雨的年份,葡萄汁也会高度浓缩。因此,天气越炎热干燥,越容易生产出品质一流的葡萄酒。熟透的葡萄能生产出口感柔润(即低敏度)的葡萄酒,而汁液高度浓缩的葡萄能够生产出醇厚的葡萄酒。


奥利把这个葡萄酒的理论简化为下面的方程式:


葡萄酒的品质=12.145+0.00117×冬天降雨量+0.0614×葡萄生长期平均气温-0.00386×收获率节降雨量



这个式子是对的。把任何年份的气候数据代入上面这个式子,奥利就能够预测出任意一种葡萄酒的平均品质。如果把这个式子变得再稍微复杂精巧一些,他还能更精确地预测出100多个酒庄的葡萄酒品质。他承认“这看起来有点太数学化了”,“但这恰恰是法国人把他们葡萄酒庄园排成著名的1855个等级时所使用的方法”。


然而,当时传统的评酒专家并未接受奥利用数据预测葡萄酒品质的做法。英国的《葡萄酒》(Wine)杂志认为,“这条公式显然是很可笑的,我们无法重视它。”纽约葡萄酒商人威廉姆·萨科林(William Sokolin)认为,从波尔多葡萄酒产业的角度来看,奥利的做法“介于极端和滑稽可笑之间”。因此,奥利常常被业界人士取笑。当奥利在克里斯蒂拍卖行酒品部(Christie’s Wine Department)做关于葡萄酒的演讲时,坐在后排的交易商嘘声一片。


帕克说奥利“就像某些影评一样,根据演员和导演来告诉你电影有多好,实际上却从没看过那部电影”。


帕克的意思是,人们只有亲自去看过了一部影片,才能更精准地评价它,如果要对葡萄酒的品质评断得更准确,也应该亲自去品尝一下。但是有这样一个问题:在好几个月的时间里,人们是无法品尝到葡萄酒的。波尔多和勃艮第(Burgunly)的葡萄酒在装瓶之前需要盛放在橡木桶里发酵18~24个月。像帕克这样的评酒专家需要酒装在桶里4个月以后才能第一次品尝,在这个阶段,葡萄酒还只是臭臭的、发酵的葡萄而已。不知道此时这种无法下咽的“酒”是否能够使品尝者得出关于酒的品质的准确信息。例如,巴特菲尔德拍卖行(Butterfield & Butterfield)酒品部的前经理布鲁斯·凯泽(Bruce Kaiser)曾经说过,“发酵初期的葡萄酒变化非常快,没有人,我是说不可能有人,能够通过品尝来准确地评估酒的好坏。至少要放上10年,甚至更久。


与之形成鲜明对比的是,奥利从对数字的分析中就能够得出气候与酒价之间的关系。他发现冬季降雨量每增加1毫米,酒价就有可能提高0.001 17美元。当然,这只是“有可能”而已。不过,对数据的分析使奥利可以在葡萄刚刚收获的时候就能预测出葡萄酒的未来品质——这是品酒师有机会尝到第一口酒的数月之前,更是在葡萄酒卖出的数年之前。在葡萄酒期货交易活跃的今天,奥利的预测能够给葡萄酒收集者们极大的帮助。


20世纪80年代后期,奥利开始在半年刊的简报《流动资产》(Liquid Assets)上发布他的预测数据。最初,他在《葡萄酒观察家》(Wine Spectator)上给这个简报做小广告,随之有600多人开始订阅。这些订阅者的分布是很广泛的,包括很多百万富翁以及痴迷葡萄酒的人——这是一些可以接受计量方法的葡萄酒收集爱好者。与每年花30美元来订阅罗伯特·帕克的简报《葡萄酒爱好者》的30 000人相比,《流动资产》的订阅人数确实少得可怜。


20世纪90年代初期,《纽约时报》在头版头条登出了奥利的最新预测数据,这使得更多人了解了他的思想。奥利公开批判了帕克对1986年波尔多葡萄酒的估价。帕克对1986年波尔多葡萄酒的评价是“品质一流,甚至非常出色”。但是奥利不这么认为,他认为由于生产期内过低的平均气温以及收获期过多的雨水,这一年葡萄酒的品质注定平平。


当然,奥利对1989年波尔多葡萄酒的预测才是这篇文章中真正让人吃惊的地方。尽管当时这些酒在木桶里仅仅放置了3个月,还从未被品酒师品尝过,奥利预测这些酒将成为“世纪佳酿”。他保证这些酒的品质将会“令人震惊地一流”。根据他自己的评级,如果1961年的波尔多葡萄酒评级为100的话,那么1989年的葡萄酒将会达到149。奥利甚至大胆地预测,这些酒“能够卖出过去35年中所生产的葡萄酒的最高价”。


看到这篇文章,评酒专家们非常生气。帕克把奥利的数量估计描述为“愚蠢可笑”。萨科林说当时的反应是,“既愤怒又恐惧。他确实让很多人感到恐慌。”在接下来的几年中,《葡萄酒观察家》拒绝为奥利(以及其他人)的简报做任何广告。


评酒专家们开始辩解,极力指责奥利本人以及他所提出的方法。他们说他的方法是错的,因为这一方法无法准确地预测未来的酒价。例如,《葡萄酒观察家》的品酒经理托马斯·马休斯(Thomas Matthews)抱怨说,奥利对价格的预测“在27种酒中只有三次完全准确”。即使奥利的公式“是为了与价格数据相符而特别设计的”,他所预测的价格却“要么高于、要么低于真实的价格”。然而,对于统计学家(以及对此稍加思考的人)来说,预测有时过高、有时过低是件好事,因为这恰好说明估计量是无偏的。事实上,奥利确实证明了帕克对葡萄酒的评级系统性地上偏。因此,帕克不得不常常降低自己最初的评级。


1990年,奥利更加陷于孤立无援的境地。在宣称1989年的葡萄酒将成为“世纪佳酿”之后,数据告诉他1990年的葡萄酒将会更好,而且他也照实说了。现在回头再看,我们可以发现当时《流动资产》的预测惊人地准确。1989年的葡萄酒确实是难得的佳酿,而1990年的也确实更好。


怎么可能在连续两年中生产出两种“世纪佳酿”呢?事实上,自1986年以来,每年葡萄生长期的气温都高于平均水平。法国的天气连续20多年温暖和煦。对于葡萄酒爱好者们而言,这显然是生产真正柔润的波尔多葡萄酒的最适宜的时期。


传统的评酒专家们现在才开始更多地关注天气因素。尽管他们当中很多人从未公开承认奥利的预测,但他们自己的预测也开始越来越密切地与奥利那个简单的方程式联系在一起。此时奥利依然在维护自己www.liquidasset.com的网站,但他不再制作简报。他说:“和过去不同的是,品酒师们不再犯严重的错误了。坦率地说,我有点儿自绝前程。我不再有任何附加值了。”


指责奥利的人仍然把他的思想看作是异端邪说,因为他试图把葡萄酒的世界看得更清楚。他从不使用华丽的辞藻和毫无意义的术语,而是直接说出预测的依据。


整个葡萄酒产业毫不妥协不仅仅是在做表面文章。“葡萄酒经销商及专栏作家只是不希望公众知道奥利所做出的预测,”凯泽(Kaiser)说,“这一点从1986年的葡萄酒就已经显现出来了。奥利说品酒师们的评级是骗人的,因为那一年的气候对于葡萄的生长来说非常不利,雨水泛滥,气温也不够高。但是当时所有的专栏作家都言辞激烈地坚持认为那一年的酒会是好酒。事实证明奥利是对的,但是正确的观点不一定总是受欢迎的。”


葡萄酒经销商和专栏评论家们都能够从维持自己在葡萄酒品质方面的信息垄断者地位中受益。葡萄酒经销商利用长期高估的最初评级来稳定葡萄酒价格。《葡萄酒观察家》和《葡萄酒爱好者》能否保持葡萄酒品质的仲裁者地位,决定着上百万资金的生死。正如厄普顿·辛克莱(Upton Sinclair)(现在是阿尔·戈尔)所说,“当一个人的工资取决于他没有搞明白的某件事情时,那就很难让他去搞明白这件事情了。”对于葡萄酒品酒师来说也是如此。“很多人要谋生,就只能依赖于喝酒的人不相信这个方程式,”奥利说,“他们会被激怒,因为他们突然之间感到自己落伍了。


也有迹象表明事情正在发生着变化。伦敦克利斯蒂拍卖行国际酒品部(International Wine Department)主席迈克尔·布罗德本特(Michael Broadbent)委婉地说:“很多人认为奥利是个怪人,我也认为他在很多方面的确很怪。但是我发现,他的思想和工作会在多年后依然留下光辉的痕迹。他所做的努力对于打算买酒的人来说非常有帮助。”


原文发布时间为:2015-02-18

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
4月前
|
存储 编解码 算法
【计算机图形学】期末总结大全,建议收藏
【计算机图形学】期末总结大全,建议收藏
【计算机图形学】期末总结大全,建议收藏
|
8月前
|
机器学习/深度学习 决策智能 计算机视觉
对硬币、销钉、大米进行图像分割(附代码)
对硬币、销钉、大米进行图像分割(附代码)
|
9月前
|
数据挖掘 计算机视觉 Python
【每周一坑】蜥蜴流感与贝叶斯定理
不过今天的题,我希望你们用程序模拟一场蜥蜴流感。比如有10万个人,按照上述3条规则去模拟,最后去统计下检测结果阳性中有多少人是真正的患者。
|
11月前
|
编解码 自然语言处理 机器人
哈佛大学砸场子:DALL-E 2只是「粘合怪」,生成正确率只有22%
哈佛大学砸场子:DALL-E 2只是「粘合怪」,生成正确率只有22%
088.马克思手稿中的数学题
088.马克思手稿中的数学题
71 0
|
机器学习/深度学习 算法 决策智能
用一盘残局带你了解人工神经网络算法~文末送书!
专栏作者:安可,一名在读研究生,研究领域为强化学习,多智能体协同。喜欢钻研,热爱学习,乐于分享,最重要的还是一位漂亮小姐姐哦~
184 0
用一盘残局带你了解人工神经网络算法~文末送书!
|
算法 计算机视觉
MMTracking 食用指南 | 多目标跟踪篇
MOT 旨在检测和跟踪视频中出现的物体。 与视频目标检测相比,MOT 更加侧重于对视频内的同一目标进行关联。
817 0
MMTracking 食用指南 | 多目标跟踪篇
|
算法 图形学 信息无障碍
真·降维打击:这篇SIGGRAPH 2020论文帮你「想象」三维生物眼里的四维空间
四维空间是什么样子?里面的物体如何运动?一篇 SIGGRAPH 2020 论文帮我们 “想象” 出了这个过程,看完论文,你还可以上手试试游戏。
200 0
真·降维打击:这篇SIGGRAPH 2020论文帮你「想象」三维生物眼里的四维空间

热门文章

最新文章