们可以从这条曲线中抽取它与竞争系统的一个交界点，或者一个“上限”，以及这个上限必然水平拉开的数据。并不是每个系统的生命周期都呈现光滑的S形曲线；但是，符合这个曲线的系统无论种类还是数量都相当可观。莫迪斯认为，服从这一生长定律的东西比我们设想的要多。如果我们在恰当的时机（其生长过程的中期）检验此类生长系统，这种由S形曲线定律概括的局部有序状态的出现，就为我们提供了另外一个可预测性范围。
循环波。系统明显的复杂行为，部分地反映了系统环境的复杂结构，这是赫伯特·西蒙在大约三十年前指出的。当时，他利用一只蚂蚁在地面的运动轨迹作为例证。一只蚂蚁歪来扭去地穿过土地的线路，反映出的并不是蚂蚁自己复杂的移动，而是它所处环境的复杂结构。
按照莫迪斯的说法，自然界的循环现象能给运行其间的系统注入循环偏好。莫迪斯曾经为经济学家康德拉基耶夫[5]所发现的五十六年经济周期所吸引。而且，除了康德拉基耶夫发现的这个经济波，莫迪斯还补充了两个类似的周期，一个是他自己提出的科学发展中的五十六年周期，另一个是阿诺夫·古儒柏[6]研究的基础设施更换的五十六年周期。其他作者已经提出了各种假说来说明这些明显波动原因，有人认为它来自于五十六年的月亮运动周期，或者是第五个以十一年为周期的太阳黑子周期，甚至还有人将其归结为人类隔代周期——因为每个二十八年期的代群都会偏离其父辈的工作成果。莫迪斯辩称，本初的环境周期引发了许多尾随而来的次生和再生的内部循环。研究者只要发现了这些循环的任何片段，就可以利用它们来预测行为的范围。
上述三种预测模式表明，在系统提高了能见度的某些特定时刻，秩序的无形模式对关注者来说会变得清晰起来。这就好像下一个鼓点，几乎可以预先听到它将要发出的声音。不一会儿，干扰把它搅浑覆盖了，那种模式就消逝了。可预测性范围也有大惊喜。不过，局部的可预测性确实指向一些可改进、可深化，也可延长为更大东西的方法。
尽管成功地进行大型预测的几率非常之小，但是，试图从过去的股票市场价格中析取长波模式的业余和专职的金融图表分析师并不因此气馁。对于图表分析师来说，任何一种外在的周期性行为都是可以猎取的猎物：裙裾的长度、总统的年龄、鸡蛋的价格。图表分析师永远都在追逐神话般预测股价趋势的“领先指标”，用来作为下注的数值。多年来，图表分析师一直因为采用这种说不清道不明的数字逻辑方法而受到嘲笑。不过，最近一些年来，一些专业学者，比如理查德·斯威尼[7]和布莱克·勒巴朗[8]却说明图表分析师的方法往往切实可行。图表分析师的技术准则可以简单到令人乍舌：“如果市场保持上涨趋势有一段时间了，就赌它还会继续上涨。如果它处在一个下跌的趋势，就赌它还会继续下跌。”这样的一种准则，就把一个复杂市场的高维度简化为这样简单的两部式规则的低维度。一般来说，这种进行模式寻找的办法行之有效。这种“涨就一直涨，跌就一直跌”的模式，要比随机的碰运气运作得好，因此也比普通投资者的炒作要强得多。既然对于一个系统来说，最可预测的事情就是它的停滞，那么，这种有序模式的出现并不是出人意料的——尽管它真的令人惊讶。
和图表分析主义相反，另外一些金融预测人员依靠市场的“基本面”预测市场。这些被称为基本面分析师的人们试图理解复杂现象中的驱动力量、潜在动力以及基本条件。简单来说，他们要找的是一个理论：f=ma。
另一方面，图表分析师是从数据中寻找模式，并不关心自己是否明白这个模式存在的理由。如果宇宙中确实存在着有序，那么所有的复杂性的有序，其未来路径都会（至少是暂时地）在某处以某种方式揭示出来。人们仅仅需要了解可以把什么信号当作噪音而忽视。图表分析师按照多恩·法默的方式进行组织归纳。法默自己也承认，他和他那些预测公司的同事是“统计意义上的严格的图表分析师”。
再过五十年，计算机化的归纳法、基于算法的图表分析以及可预测性范围，将会成为值得尊敬的人类事业。股票市场的预测，则仍然是一件古怪的事情，因为与其他系统相比，股票市场更多的是建立在预期之上的。在一个靠预期取胜的游戏中，如果所有人都分享这个预测的话，准确的预测就不会提供赚钱的机会。
预测公司真正能够拥有的，只不过是时间上的领先。只要法默的团队开发某个预测性范围挣到了大钱，那么其他人都会冲进来，多少模糊了模式，大多数情况下，会把挣钱的机会拉平。在一个股票市场中，成功会激发起强烈的、自我取消的反馈流。在其他系统中，比如说成长性网络，或者一家正在扩张的公司，预测反馈不会自我取消。通常来说，反馈是自我管理型的。
更多内容加载中...请稍候...
若您看到此段落，代表章节内容加载失败，请关闭浏览器的阅读模式、畅读模式、小说模式，以及关闭广告屏蔽功能，或复制网址到其他浏览器阅读！