在《股市为什么会崩盘》一书中，作者综合运用他在不同领域的丰富经验，提出了一个关于股市为何会崩盘、如何崩盘以及何时会崩盘的简单、强大的普适性理论。之前大多数试图解释市场失灵的尝试都在崩盘前数小时、数天至数周之内寻找触发原因。而本书提出这些突发的灾难性事件在事发前几个月甚至几年之前就已经有征兆可循。
- 回撤是价格的上一个最大值与下一个最小值之间的累计损失。回撤才是我们要考虑的指标：它直接测量一项投资所经历的累计下跌，同时量化地给出投资阶段所能经历的最坏情况，即在局部最高点买入，在局部最低点卖出。因此非常值得我们去探索，有没有在价格波动分布中缺席却存在于回撤分布中的结构呢？
- 回撤被定义为价格在连续几天之内持续下跌的幅度。是由一系列连续的同种符号的波动构成的，因此回撤之间体现出很微妙的相关性。从回撤的分布中，我们能捕获到一连串下跌之间的相互影响和这些下跌是怎么组织在一起并构成一个持续过程的。这个过程的持续性是回报率分布所不能测量的。
- 在无记忆随机模型中，有一半的回撤持续时间都比一天长，因此观察股市中回撤的经验分布的时候用对数坐标比较方便，这是因为回撤的指数分布在对数坐标下呈现为一条直线。这是一个测试假设是否成立的有效方法：偏离直线说明偏离指数分布，从而说明了无记忆假设的正确性。
- 事实上，我们已经从能够证实偏离连续回报之间相互独立这一假设的大部分回撤分布中得到了一些偏离结果。被大多数人甚至是最聪明的学者经常忽略的一点是：有异常值或是极端事件的证据既不需要也不同义于回撤分布里存在断裂。
- 小事件的分布可能显示一些曲率或者持续性行为的事实，不影响异常值假说。关键是，请牢记紧盯回撤背后的证据。
在节目中，你还会听到：
- 什么是“异常的”回报
- 回撤与异常值探测
- “正常”回撤的分布期望