这不是一个基本或微不足道的问题。这是一个哲学问题。它触及了统计学最深的基础。如果贝叶斯主义者无意中听到它，这几乎是一个宗教问题。有很多方法可以回答它。例如，这可能意味着如果我们的宇宙在这一刻分叉并且我们观察到这些宇宙的无数次演化，那么在未来 6 个月的 70% 的情况下，美国股市将跌破 3 月份的低点。当然，这可能听起来很奢侈，但我开始接受它作为一种可能性。

另一个答案是，它是关于帮助您决定是否投资美国股票市场的主观衡量标准。我们对现实只有一种认识，因此 70% 的机会无法根据该事件的发生频率进行测试。

另一种回答方式是假设一个遍历假设，该假设指出，尽管我们无法分叉宇宙并看到未来的所有不同实现；然而，我们可以长时间观察一个宇宙，当你观察它足够长的时间时，它就像观察一组分叉的宇宙一样。实际上，这意味着如果您遵循给您“70% 预测”的人的预测，那么在 70% 的情况下，建议将得到回报。在很长一段时间内。

当您谈论可重复的事件时，解释很容易。70% 的概率意味着当你观察事件时，预测应该得到证实（从长远来看）10 次中的 7 次。

当您谈论不可重复的事件时，最好的解释是对预测的信心水平。这个想法是，如果你把所有时间都拿来预测者做出 70% 的预测，那么大约 7/10 的预测应该得到证实。因此，您可以根据预测者的跟踪记录了解预测正确的可能性有多大，即使您无法重播各个事件以凭经验查看反事实发生的频率。

事实上，这正是Good Judgment Project预测比赛的得分方式。评分指标的设计使得经过良好校准与在大多数情况下正确一样重要。换句话说，如果你 70% 的预测在 60% 的情况下是正确的，那很糟糕（你过于自信），但如果它们在 80% 的时间里是正确的（你不够自信），那也很糟糕。尽管其他一些答案提出了相当愤世嫉俗的看法，但 GJP 的主要发现是，通过适当的培训，人们可以学会做出精确校准的预测。

首先，如果没有任何形式的演示（透明度），这个值就没有任何意义。

另一方面，我对这个特定陈述的猜测应该是这样的：

预测专家：我和我的团队正在使用一个模型来拟合和预测股市（例如，特别是道琼斯指数）。现在，我们让模型运行了几次，给了我们 X 个可能的预测，从这组运行中，我们已经看到，在 70% 的情况下，我们已经看到股市在六个月内走出了 3 月份的低点。

问题是，不可能有一个关于股市成功的特定百分比值，因为这些指数不是骰子或硬币。A 或 B 没有成功的可能性。真正可以做的是基于模型进行预测。尽管如此，任何估计都应遵循显着性水平和/或置信区间。

我的结论：这家伙说的可能只是一个猜测（他很确定它会发生，但他不能确定，70% 是一个有吸引力的数字）。

我的建议：检查（或要求）有关如何提取此值的参考。