看来，无论我们的文明和社会变得多么复杂，我们人类都能够应付不断变化的动力，在看似混乱的事物中找到原因，并从看似随机的事物中创造秩序。我们一生接一个地进行观察，试图寻找意义-有时我们有能力，有时没有能力，有时我们认为我们看到的模式可能会或可能不会。我们的直觉思维试图使理性成为韵律，但最终，在没有经验证据的情况下，我们在许多理论如何以及为什么事情行之有效或不行的背后，就无法证明或证明某种方式。
我想与您讨论沃顿商学院一位教授发现的有趣的证据，该证据揭示了信息流，股票价格和公司决策的问题，然后向读者询问有关如何解决问题的一些问题。我们可能会对周围发生的事情，我们每天在社会，文明，经济和商业世界中观察到的事情有更多的了解。好吧，让我们谈谈吧？
2017年4月5日，沃顿知识在线播客（Knowledge @ Wharton Podcast）有一个有趣的标题为：“股市如何影响公司决策”，并采访了沃顿金融学院教授伊泰·戈德斯坦（Itay Goldstein），他讨论了信息量与股市之间反馈回路的证据。和企业决策。这位教授于2011年10月与其他两位教授James Dow和Alexander Guembel撰写了一篇论文，题目为：“价格影响实际投资的市场中信息生产的激励措施”。
他在论文中指出，投资股票或基于产生的信息量进行合并时，会产生放大的信息效应。市场信息生产者；投资银行，咨询公司，独立行业顾问以及财经新闻，报纸，我甚至认为彭博新闻，FOX商业新闻和CNBC的电视部分，以及金融博客平台（如Seeking Alpha）也是如此。
该文件指出，当一家公司决定进行并购狂潮或宣布一项潜在投资时，突然有多种来源的信息立即出现上升，包括并购公司内部，参与并购的投资银行，行业咨询公司，目标公司，预期该行业发展的监管机构，可能希望阻止并购的竞争对手等。我们在阅读和观看财务新闻时都从本质上知道这是事实，但是，本文提出了真实数据并显示了这一事实的经验证据。
这导致大小投资者的疯狂交易都以现在可用的丰富信息进行交易，而在他们还未考虑之前，也没有任何真正的主要信息可言。在播客中，伊泰·戈德斯坦教授（Itay Goldstein）指出，随着该行业拥有更多信息，会形成一个反馈回路，从而导致更多的交易，向上的偏差，导致更多的报告和更多的投资者信息。他还指出，人们通常在正面信息而不是负面信息上进行交易。负面信息会导致投资者避开清晰的信息，正面信息会激励潜在收益。这位教授在被问及时也指出了相反的观点，即信息减少时，该部门的投资也将减少。
好的，这是播客和研究论文的精髓。现在，我想进行一次对话，并推测这些事实也与新的创新技术和领域有关，最近的例子可能是； 3-D打印，商用无人机，增强现实耳机，手表计算等。
当“炒作曲线”与“创新曲线的扩散”相遇时，我们都非常熟悉，在这种情况下，早期炒作可推动投资，但由于它是一项尚不能满足预期炒作的新技术，因此是不可持续的。因此，它像火箭一样射击，然后跌落到地面，只是找到了一个现实的平衡点，在该点上技术达到了预期，新的创新已经准备就绪，然后又爬升并正常增长。新的创新应该。
有了这个已知的，以及伊泰·戈德斯坦（Iay Goldstein）等人的经验证据。例如，在论文中，似乎“信息流”或缺乏“信息流”是其中PR，信息和炒作没有随着“炒作曲线”模型的轨迹而加速的驱动因素。这是有道理的，因为一旦新公司获得了前几轮风险投资或有足够的资本来实现其新技术研发的临时目标，它们并不一定会继续大肆宣传或公关。但是，我建议这些公司（可能是对数地）增加其PR，并提供更多的信息和更频繁的信息，以避免早期的利益崩溃或初期投资枯竭。
使用此知识的另一种方法（可能需要进一步查询）将是找到获得最佳投资所需的“最佳信息流”，而又不会将“炒作曲线”推得太高而导致该行业崩溃。部门或特定公司的新潜在产品。由于存在一个已知的固有反馈回路，因此在将新的创新产品推向市场时，对其进行控制以优化稳定和长期的增长是很有意义的-更易于计划和投资现金流。
从数学上讲，发现最佳信息流是可能的，并且具有这种知识的公司，投资银行可以消除不确定性和风险，从而以更可预测的利润促进创新，甚至可能仅比市场模仿者和创新者领先几步。竞争对手。
未来研究的其他问题：
1.）我们可以控制新兴市场的投资信息流以防止繁荣和萧条周期吗？
2.）中央银行可以使用数学算法来控制信息流以稳定增长吗？
3.）我们是否可以限制在“行业协会级别”上协作的信息流，因为这是为保护曲线的下端而进行的投资的里程碑？
4.）我们可以将AI决策矩阵系统编程为这样的方程式，以帮助高管维持公司的长期增长吗？
5.）是否有信息“突发性”流算法与这些未发现的与投资和信息的关联相一致？
6.）我们可以改进衍生品交易软件来识别和利用信息投资反馈回路吗？
7.）我们能否通过信息流投票模型更好地跟踪政治竞赛？毕竟，用您的美元进行投资很像投票给候选人和未来。
8.）我们可以使用社交媒体“趋势”数学模型作为信息投资过程轨迹预测的基础吗？
我想让您做的就是考虑所有这一切，看看您是否看到了，我在这里看到了什么？
