--- id: "uo4q5khW4ps" title: "选举日特别节目：Nate Silver 做客《Odd Lots》" channel: "Bloomberg Podcasts" host: ["Joe Weisenthal","Tracy Alloway"] guests: ["Nate Silver"] date: "2026-11-03" updated: "2026-11-04" duration: "47:29" duration_seconds: 2849 source_type: "youtube" youtube: "https://www.youtube.com/watch?v=uo4q5khW4ps" canonical: "https://pod-exp.pages.dev/uo4q5khW4ps/" transcript_jsonl: "https://pod-exp.pages.dev/uo4q5khW4ps/transcript.jsonl" language: "zh-CN" translation: true translated_from: "en" timestamp_precision: "block" topics: ["政治与社会","商业分析","量化投资"] series: ["美国政治"] --- # 选举日特别节目：Nate Silver 做客《Odd Lots》 > 中文译文，由英文原音字幕翻译整理，不是官方逐字稿；引用原话请核对英文原视频。说话人标签由整理者依上下文标注，带「未确认 / 未标注 / 不确定」等字样的标签不可靠。时间戳一般为块级（所在时间块的起点），不是逐句时间；正文自带 [hh:mm:ss] 的段落除外。 **内容提要：** 在这期选举日特别节目中，Nate Silver 把中期选举形容为一场“进退两难之选”：民主党面临的宏观环境有利，但要赢下参议院，仍可能必须拿下德州等传统红州。他解释民调误差为何会相关、为何“民调总低估共和党”过于简单，也讨论投票率、候选人和地区差异、消费者情绪与经济数据的背离、民调机构的自我修正，以及预测市场如何吸收民调和突发新闻。对 AI，他认为合成受访者不能替代真实民调数据，但编程模型已经能显著提升个人生产力；对选区划分、竞选广告和民主党路线，他则强调人口变化、边际效益与州级选举的重要性。 ## [0:00] 冷开场 · YouTube **Nate Silver：** 于是就有了这样一个设想：我们为什么不做一个 Tracy Alloway 的 AI 复制体，再做一个 Joe Weisenthal 的 AI 复制体？再做一个德州受过高中教育的石油工人、一个在底特律郊区通用汽车公司工作的 HR 专业人士的 AI 版本。然后我们去问他们——他们总会接电话。这个数字分身有什么问题？为什么不干脆给所有美国人都做一个数字分身？ **Nate Silver：** 问题就在这里。顺便说，我觉得这些公司很聪明，我认识一些在里面工作的人。但民调不能外包给 AI 智能体。第一，民调是我们如今仅剩的少数几个真实数据来源之一。比如让模型生成一个合成的西裔受访者，99% 的这类受访者都喜欢足球。就像让 Claude 从 0 到 10 里选个数字，它总选 7。 **Nate Silver：** 这会牵涉到一个更根本的问题：大语言模型是怎么运作的。它们会给出某种理想化的典型答案。但我们需要原始数据。像 Silver Bulletin 的模型或预测市场可以汇总这些数据，可选民并没有那么容易预测。我甚至不喜欢把选民切成各种类别的做法，比如笼统地说“西裔选民”。西裔选民里有年轻人和老年人，有刚来这个国家不久的人，也有在这里生活了很久的人；有古巴裔、波多黎各裔、墨西哥裔、多米尼加裔等等。这些群体的想法并不总是一致。大家常常忽略了这一点：西裔选民是美国最容易摇摆的群体之一。把事情切得太细，最后反而会过度简化，简直像蛇在吞自己的尾巴。 ## [2:05] 政治为何与市场有关 · YouTube **Joe Weisenthal：** 大家好，欢迎收听新一期《Odd Lots》。我是 Joe Weisenthal，我是 Tracy Alloway。Tracy，我常说，真庆幸我们不是政治记者。 **Tracy Alloway：** 我懂，我每天早上醒来都感谢老天，我们没走上那条路。 **Joe Weisenthal：** 但问题是，我已经说过很多次了。我们之前也写过这个话题，在芝加哥时还和 James Robinson 等人聊过。我越来越觉得，政治虽然让人头疼，却确实重要。就算我们想说“我只报道市场，只报道经济”，我也越来越觉得，政治不但重要，而且会越来越重要。现在什么事都绕不开政治。 **Tracy Alloway：** 是啊，躲不掉。 **Joe Weisenthal：** 尤其是这一周。我们是 10 月 29 日录的，节目会在 11 月 3 日播出。这是选举日特别节目。 **Tracy Alloway：** 没错。 **Joe Weisenthal：** 这周对政治来说可不一般。说得委婉点，我们确实该聊聊。 ## [3:09] 嘉宾介绍：Nate Silver · YouTube **Tracy Alloway：** 说得委婉点，我懂。那我们直接开始吧。今天的选举日特别节目请来了 Nate Silver。大家都认识他，他创办了 Silver Bulletin。按理说我应该先问问你希望我们怎么介绍你：Silver Bulletin 通讯的创办人，因用 FiveThirtyEight 建立选举模型而闻名，也很懂民调、数据这些东西。Nate，谢谢你来参加我们的选举日节目。 **Nate Silver：** 当然。谢谢你们，Joe、Tracy。 **Joe Weisenthal：** 特朗普总统现在有多不受欢迎？这是截至 10 月 29 日的情况，还是选举日的情况？不管怎样，先说个大概：中期选举通常对执政党不利。他的支持率在历史上有多差？这会怎样影响共和党候选人和竞争激烈的选区？ **Nate Silver：** 按某些指标，特朗普的支持率大约是 37%。这是自 1946 年哈里·杜鲁门以来，中期选举前总统支持率最低的一次——我想我没记错。别忘了，2018 年中期选举时，特朗普和共和党丢了 41 个众议院席位；那时他的支持率还没这么低，汽油也贵得离谱，一加仑要 4.30 美元左右。 我把这次选举叫作“进退两难之选”。大环境对民主党简直再有利不过：中期选举的历史规律、选民对经济的焦虑、特朗普是跛脚鸭总统而且已经 80 岁，民主党最近表现不错，早期投票也不错；他们 2025 年在新泽西和弗吉尼亚的表现很好。这些信号相当一致。当然，他们也有一些问题，有些候选人被认为过于左倾。 这就是两难之处：他们大概会赢下众议院，也可能增加州长席位和州议会席位，但若要拿下参议院，就得在一些极红的州获胜，数学上就是如此。德州、堪萨斯、阿拉斯加都得争，若相信民调，南卡罗来纳州也在竞争范围内。所以局势很复杂。我不只是替民主党，也替整个国家感到有点焦虑，因为这对模型、民调和预测来说都很棘手，没有一场稳赢的比赛。 现在说“胜负未定”并不诚实，那只是打太极。要么就承认民主党应该赢，要么就得像他们那样，对某些事情抱着一点信念上的飞跃。当然这是概率意义上的飞跃。可如果民主党没能赢下参议院，对民调机构来说，这一晚会非常难看。 ## [6:06] 中期选举是对特朗普的公投吗？ · YouTube **Joe Weisenthal：** 大家都把这次选举当成对特朗普的公投。我有点担心，因为所有人都用同一种方式看待它。你觉得这种理解准确吗？有没有确凿证据表明，选民是在投特朗普，而不是在投当地的代表？ **Nate Silver：** 最有力的证据是，共和党的竞选广告里已经不再突出特朗普，共和党播客也不怎么谈他了。可特朗普本人却想把自己塑造成这场选举故事的主角，我觉得多数共和党人并不希望这样。颇具讽刺意味的是，共和党在劳动节后不久于达拉斯开了大会，之后共和党的民调就从糟糕变得更糟。我不认为那是主要原因，甚至未必是次要原因。 如果大家都按博弈论意义上的最优策略行事，特朗普应该退到幕后，让那些更温和的候选人和他保持一点距离。可我们看到的恰恰相反。要不是特朗普支持 Ken Paxton 竞选德州的职位，我不确定 James Talarico 是否会在那里稍稍领先。要不是特朗普选择和伊朗开战，我倾向于认为参议院选情会是势均力敌，而不是民主党稍占优势。 **Joe Weisenthal：** 所以我知道他仍是核心人物，而且这可能也是特朗普最后一次出现在选票上——除非发生违宪的把戏。 ## [7:32] 民调误差：迷思与现实 · YouTube **Joe Weisenthal：** 谁知道呢。说到这里，民调机构会不会遭遇一个糟糕的选举之夜？公众似乎已经形成一种看法：至少从 2016 年开始，民调总是高估民主党。你认为这在事实上并不对。关于民调误差，我们究竟知道什么？ **Nate Silver：** 第一，民调误差是相关的。如果爱荷华州的民调把民主党支持率估高了，那么在堪萨斯或内布拉斯加这类相近州，也很可能出现相关误差；今年这三个州都竞争激烈。因此，不能把每场选举都当成一次独立的蒙特卡洛随机抽样。 不过，中期选举的误差相关性比总统大选低，因为每个州的选票上都是不同的候选人。2018 年或 2022 年这点很重要。2022 年纽约、新泽西和三州地区出现了一波很大的红潮，佛罗里达也表现很好，但地图其他地方对民主党相对有利，John Fetterman 等人也赢了——当时拜登支持率只有 39% 左右。 第二，确实有系统性民调误差：2016、2020 年都低估了特朗普，2024 年程度小一些，但方向相同。特朗普时代那些特朗普本人没参选的选举，并没有这种误差。事实上，去年新泽西和弗吉尼亚州长选举中，民调大幅低估了民主党。 当然，这些都可能只是噪声。让 ChatGPT 或别的工具模拟过去 20 次选举中的随机民调误差，结果看起来可能和真实记录没法区分。但一种解释是，特朗普有种特殊能力，能吸引那些平时投票率低、民调机构又难以联系到的选民；他们还容易在“可能投票者”筛选中被排除。这些人似乎不太愿意为堪萨斯的 Roger Marshall 或德州的 Ken Paxton 出来投票。 特朗普去年吸引了许多转向支持他的年轻男性，而年轻男性通常不会参加中期选举，他们可能在看 NFL 之类的比赛。所以这个解释前后一致：这些“失踪选民”如果最终没有投票，就不会构成民调误差。 ## [10:10] 投票率与跨党派转投 · YouTube **Joe Weisenthal：** 这正是我接下来想问的。你从早期迹象里看到了怎样的投票率？以前投特朗普的选民有多大可能改投民主党，而不是干脆不出来投票？ **Nate Silver：** 和总统大选相比，投票率在中期选举里相对更重要。几次大浪潮几乎总有不同群体投票率差异的因素。我不是提前投票方面的专家，但有些人很擅长分析。若事先没有定好明确规则，这种判断可能很临时、很随意。 他们似乎看到民主党提前投票的数字不错，比民调表现还好。我不确定这说明什么，因为民调本来就非常看好民主党；不过，提前投票给出了更多相互印证的证据。尤其是黑人选民投票率较高，他们可能担心自己被剥夺投票权。所谓“低投票率选民”里，过去四次选举最多只参加过一次的人，投票率也相对高。民主党吸引了不少这类选民，而且比共和党多。 一些民调机构发现，几乎没有证据显示民主党人跨党派投票；只要你算是民主党人，今年就不是适合去支持温和派共和党人的一年。反过来可能稍微有一些，但总体而言，所有迹象都指向同一个故事。最终还是个关乎信念的问题：人们愿不愿意相信这个故事。 ## [11:35] 特朗普为何不受欢迎 · YouTube **Joe Weisenthal：** 特朗普为什么这么不受欢迎？只是汽油和柴油价格的原因吗？他的低支持率主要由什么推动？ **Nate Silver：** 人们对特朗普厌倦了。他当总统大概已经六年，可感觉像十年，因为在拜登执政的那段间隔期里，他仍然是主导人物。他已经 80 岁了。不过，基本原因是他没有兑现承诺，最明显的是降低油价。 **Joe Weisenthal：** 还有“不再打愚蠢的仗”。 **Nate Silver：** 对。爱泼斯坦相关的事情影响有多大，也可以聊聊。特朗普支持率大约是 37%，其中强烈支持他的只有 19%。共和党人现在有了与特朗普保持距离的空间，也有了这样做的动机。2026 年以后，他的背书仍会有影响，但名义上的接班人 JD Vance 和 Marco Rubio 面临一个大问题：他们跟特朗普绑得太紧。 布什在 2006 年也这么不受欢迎，而且中期选举后情况更糟。但当时没有 Dick Cheney 试图竞选总统，而是有反叛的共和党人 John McCain，最终由他获得提名。跛脚鸭总统的支持率可能会进一步崩塌。 ## [13:02] 参众两院的预测区间 · YouTube **Joe Weisenthal：** 我们录制时，综合民调和预测市场似乎都认为众议院几乎稳了，参议院则是五五开。民主党获胜的实际结果范围有多大？双方最极端的结果可能是什么？ **Nate Silver：** 我不同意参议院是五五开。录制时，Marquette 和 Kelsey 的民调显示民主党胜选概率大约 68%，我们的模型给到 70% 多，后来已经到了 70% 高段。 **Joe Weisenthal：** 所以叙事和数字之间有些不一致。用概率形式发布预测既是好处也是负担。要是只说“民主党形势不错，但别抱太大希望，民调可能错”，就太容易了。可那是在退缩。做模型或预测市场，得说出比“民主党看起来不错，不过谁知道呢”更多的东西。 **Nate Silver：** 2024 年我们的模型字面意义上就是五五开。我们跑了 8 万次模拟，直到第 7.1 万次左右，其中一位候选人才领先。有时正确的模型判断就是“人们太有把握了”。我不确定这次选举也是如此。看看共和党资助的民调，或者看看共和党人把时间和资源投向哪里，他们正为一场大败做准备。他们在路易斯安那州的参议院选举里打电话动员，也担心南卡罗来纳，更不用说德州了；在那些地方，民主党竟有机会变成势均力敌，这本身就是新鲜事。 民主党人觉得今年在路易斯安那州被辜负了，那里甚至没有一份民调，但预测市场给民主党获胜的概率是 10%。我觉得这个数字有点荒唐，但也不能说完全不可能。关键是，10% 并非微不足道。我们不得不去了解这些非常红的州：比如南卡罗来纳曾是特朗普领先 18 个百分点的州，我对此就比较怀疑。不过，堪萨斯和内布拉斯加之间的差异也有很多变数。 如果全国环境真像民调显示的那样，民主党在全国“国会选区倾向”民调里领先约 9 个百分点，共和党面临的逆风就太大了。民主党最后会抽到哪张胜选组合的牌，没人能准确预测，但共和党必须达到相应幅度，否则局面就会太难。 人们拿脑中的情景模型和真实模型比较，会说：“我能想象中西部民调再次失准”，也能想象“民调大致正确、民主党横扫”。但中间还有很多混乱的可能。如果民调里一方领先，最后大约有一半时候会跌跌撞撞地过关，就像 NFL 比赛半场只领先一个任意球，后面又一堆罚球和失误，最后还是靠一个任意球险胜。过程会很难看，但民主党往往能赢下这种难看的比赛。我认为，还有更多证据——包括非民调证据—— ## [17:05] 参众两院的预测区间（续） · YouTube **Nate Silver：** 还有更多证据支持“民主党会有个大丰收之夜”这个判断。只要把我们前面聊过的油价、特朗普支持率、伊朗等等因素放在一起看，指标之间并没有真正相互冲突。 ## [17:22] 消费者情绪与经济数据 · YouTube **Tracy Alloway：** 这让我想到，我们很多年来一直在谈一个持续存在的矛盾：各种消费者健康调查、情绪调查里，人们说自己对经济的感受很差，已经持续很多年了；可实际经济数据——消费支出等等——看起来却相当不错。作为预测者，你会怎么解释这个落差？ **Nate Silver：** 我稍微有点不同看法：我觉得有些消费者信心民调做得不怎么样。 **Joe Weisenthal：** 这可是个大胆观点。我们之前也聊过，有些调查做得不好，没有遵循民调的最佳做法。我们节目有位客座作者 Joel Wertheimer 写过相关文章，他来过我们的播客，人很好。 **Nate Silver：** 我很明显地觉得，密歇根大学的调查改成线上方式后，样本构成发生了变化，样本里的民主党人多得过头了。讽刺的是，人们批评选举民调高估民主党，这种批评大体上并不对；但消费者情绪调查反而多少真有这个问题。无论好坏，选举民调每两年就会接受一次现实检验。民调机构也很怕出错，尤其怕把民主党估高。 所以大家才会讨论民调和预测市场的关系：民调其实也有点像预测市场。至少民调平均值是这样。如今民调本身已经是一种由数据支撑的判断。 ## [19:11] 民调机构的行为与“可能投票者”模型 · YouTube **Joe Weisenthal：** 对，因为民调机构必须做大量建模。你说的是这个意思吗？比如 Marist 上周发布了一份缅因州民调。请原谅我记错数据：民主党人 Troy Jackson 领先 9 个百分点，这对民主党来说会是很好的结果；我们当时的平均值是民主党领先 3 个百分点。那是登记选民民调，他们再套用“可能投票者”模型，把领先幅度压到了 2 个百分点。大家是在主动纠正民调的民主党偏差吗？ **Nate Silver：** 是啊。他们不可能排在选举地图最前面。我不想陷进太多细节，虽然这很像《Odd Lots》会聊的数学问题，但这数学不对。他们先决定了什么结果让自己觉得舒服，然后再倒推出来。 **Joe Weisenthal：** 你的意思是，民调原本显示 Troy Jackson 领先 9%，然后他们说“按我们的可能投票者模型，他只领先 2%”。Nate Silver 的意思是，从 9 到 2 这个变化我不知道怎么解释；就像你在 11 比 0 时又把某人往上加——数学根本对不上。 **Nate Silver：** 所以这就成了：这是你的民调，这是你的意见。我们现在是在汇总各种意见。看到这种民调，一方面我确实会对民调准确性产生根本性的怀疑；但另一方面，如果你有一个汇总民调的模型，像温度计一样追踪趋势、观察相关性，再把民调转化为概率——这正是我们的 Flipper 模型在做的事——我反而喜欢这种建模结果，因为它支持了一个基本假设：民调机构是理性的参与者。民调虽然不精确，但他们没有动机系统性地…… **Joe Weisenthal：** 我懂。你的意思是，看着这些数字，你很难证明为什么要把领先 9 个百分点改成领先 2 个百分点。作为一个汇总民调、再做模型计算的人，你因此可以相信，长期来看——尽管每两年或四年才有一次选举，我们可能永远无法用足够数据证明——误差会是对称的。对，我完全明白你的意思。 ## [21:30] AI 能取代民调中的真实选民吗？ · YouTube **Joe Weisenthal：** 我很好奇，你好像写过这个问题。如今人们不像以前那样接电话了。有人打电话问我的政治观点？想都别想。于是就有了这样一个设想：为什么不做 Tracy Alloway、Joe Weisenthal 的 AI 复制体，再做一个德州受过高中教育的石油工人，以及一个底特律郊区通用汽车 HR 专业人士的 AI 复制体？问他们就行，而且他们总会接电话。给所有美国人都做个数字分身，问题在哪？ **Nate Silver：** 我觉得这些公司很聪明，我也认识一些在里面工作的人。但民调不能外包给 AI 智能体，因为民调是我们如今仅有的少数真实数据来源之一。让模型生成一个合成的西裔受访者，99% 都会喜欢足球。就像让 Claude 从 0 到 10 选数，它总选 7。这会牵涉到大语言模型如何运作：它们会给出某种理想类型。但我们需要原始数据。Flipper 之类的模型或预测市场可以汇总数据，可选民没那么容易预测。 我甚至不喜欢那种把人群切开来看的方法，比如“西裔选民”。其中有年轻人、老年人、新移民和在美国生活很久的人，有古巴裔、波多黎各裔、墨西哥裔、多米尼加裔等等。他们的想法并不总一致。人们常常漏看了一个事实：西裔选民是美国最容易摇摆的群体之一。这样切分只会过度简化，最后像蛇吞自己的尾巴。 **Joe Weisenthal：** 我觉得数字分身尤其难预测投票率。你也许能根据人口特征判断政治倾向，但预测一个人是否会真的离开家去投票，似乎特别困难。如果我说错了请纠正我。 **Nate Silver：** 我们在南卡罗来纳做过一个小模拟。那是个民调显示竞争意外激烈的州，说实话，民主党如果赢了我会有点惊讶。假设南卡罗来纳黑人选民的投票率达到 2024 年的水平，而白人选民的投票率达到 2022 年的水平，头部结果就会变化大约 10 个百分点。这是刻意挑的极端例子，而且南卡罗来纳的白人选民非常保守。不过，这说明投票率差异会产生多大影响。2018 年有些州的投票率就达到了总统大选的水平。 **Joe Weisenthal：** 南卡罗来纳要翻盘，甚至需要这种投票率差异吗？预测市场上，密西西比州民主党胜选概率有 14%？ **Nate Silver：** 那个数字有点奇怪。南方各州挺有意思：总票数看起来经常很接近，但白人几乎全是共和党人，非白人里共和党人很少，所以表面上势均力敌，实际完全取决于人口构成。 我们的模型有个概念叫“弹性”，衡量一个州对全国选情变化有多敏感。它基于选民层面的微观数据，看选民是聚集在两端，还是更多居于中间。南卡罗来纳的弹性偏低，路易斯安那和密西西比尤其低。所以我们对这些州民主党的预测低于预测市场。 ## [25:31] AI 能取代民调中的真实选民吗？（续） · YouTube **Nate Silver：** 南卡罗来纳的弹性偏低，尤其路易斯安那和密西西比州更低，所以我们对这些州民主党的预测低于预测市场。 ## [25:40] 选区划分的反噬与“笨蛋式操纵区” · YouTube **Joe Weisenthal：** 既然说到人口结构，我们聊聊选区操纵吧。你觉得它现在有多大可能反噬共和党？ **Nate Silver：** 如果选区操纵最后让你拿到的席位反而少于原来的地图，这就叫“笨蛋式操纵区”（dummymander）。这是真正的术语。政治圈什么都有术语，术语最多的可能只有扑克圈。 佛罗里达州长 Ron DeSantis 画的地图，是按总统大选年的基准来设计的。我预计佛罗里达会继续是个很红的州，但这地图经不起民主党全国领先 9 个百分点的环境：佛州可能从共和党领先 13 个点变成只领先 4 个点左右，这不是它设计时考虑的情况。如果民主党在佛州全面获胜，最终拿到的席位甚至可能比旧地图还多。 德州方面，共和党希望取得很多席位收益，或许是傲慢地认定南德州的西裔选民已经归他们了，不再是摇摆选民。这可能不会变成“笨蛋式操纵区”，但民主党现任议员可能会在这些选区守住席位。 **Joe Weisenthal：** 如果制图者唯一目标是让本党赢得尽量多的席位，那确实得冒险。关键是这个意思吗？ **Nate Silver：** 我甚至不认为他们一定做错了。众议院并非板上钉钉，共和党仍有 5% 的机会。这个 5% 怎么来的？如果民调发生系统性误差，整体环境没那么偏蓝，选区操纵就会再次更有效。可能仍然不足以救共和党，但存在一个拐点：一旦越过它，选区操纵就会从不太管用变得对共和党有利。这和期权市场里的凸性肯定有点类似，只是我还没聪明到能把类比讲清楚；总有人能找到金融市场里的对应概念。 ## [27:55] 州长选举及政策影响 · YouTube **Joe Weisenthal：** 你现在特别关注哪场可能爆冷的选举？有没有哪场是大家不够重视的？ **Nate Silver：** 州长选举总体上没得到足够关注。按我们的模型，最终可能有近三分之二的美国人由民主党州长代表。但很多重要州长选举和参议院很不一样：参议院里民主党常领先一两个百分点，而州长选举里情况恰好相反。德州的 Abbott 只领先几个点。我不会根据 Flipper 的胜率就押注 Abbott 会输，但那场州长选举确实重要。他曾是全国最积极支持数据中心的州长之一，不过现在他对数据中心也没那么支持了。 即使民主党至少拿下国会一院，比如参议院只拿到 50 席而无法掌控参议院，国会仍会陷入很大程度的僵局。我认为 2028 年前最可能采取行动的政策领域是 AI。如果实验室说的时间表哪怕只有三分之一那么激进，政府也会被迫采取行动。我会关注选民是否认为某位候选人对 AI 过于支持，并因此惩罚他。 我儿子前几天说，希望我在播客里多提到他，让他出名。他听吗？不听。他就是跟我说：“你多在播客里提我，就能让我出名。”那我就讲个故事。我以前提过，他特别喜欢钱。前几天我们看德州大学橄榄球比赛，看到一则 Abbott 阵营的广告，我不确定是官方竞选广告还是外部团体投的。广告说，他的对手某人的所得税计划会让你家损失几千美元。我儿子转过来问我：“爸，我们不会投她，对吧？”太好笑了。我就说：“这广告就是冲着你这种人做的。”他才 7 岁，却问：“这个会让我们损失几千美元的候选人，我们不会投她吧？” 我昨晚实时看世界大赛时，又连续看到三条 Mike Lawlor 的竞选广告，他在 Westchester County 选区——我甚至不在纽约。真的躲不开这些广告。 ## [30:25] 竞选广告与边际效益递减 · YouTube **Joe Weisenthal：** 归根结底，竞选团队应该把钱更多花在提高投票率、挨家挨户敲门上，还是直接砸钱投广告？你的研究对这些问题有什么看法？ **Nate Silver：** 有人——比如 David Shaw——说只管买广告。我挺喜欢 David，但我认为广告的边际效益会很快递减。体系里每个人都有动力声称广告特别有效。我觉得，广告更适合提高选民认知，可能还能扩大竞争版图。 我在书里讲过 Sam Bankman-Fried 的一个故事。几年前，他不知为何想支持俄勒冈州一场众议院初选里的有效利他主义候选人。他没经过候选人同意，就替对方花了大概 1000 万美元。那位候选人曾一度在民调里领先，最后却惨败。我采访他写书时，他说选民收到的竞选邮件实在太多了，也会想：“这个给我竞选出钱的古怪加密货币亿万富翁是谁？”结果有点适得其反。 这也是所有广告的问题：你用产品植入、广告和闯入生活的方式惹烦我，并不会让我更想买你的东西。所以才需要终端、新闻通讯之类的订阅业务。 **Joe Weisenthal：** 没错，新闻通讯。 ## [32:03] 民主党的未来 · YouTube **Joe Weisenthal：** 再问个重要问题。假设民主党这晚表现非常好，我们该看哪些细节，才能判断民主党的未来会不会更受 DSA（美国民主社会主义者）影响？哪些东西能告诉我们，什么样的民主党政治人物更容易成功，以及党内政治会怎么走？ **Nate Silver：** 最重要的选举可能在密歇根州：Abdul El-Sayed 在初选中击败了更温和的 Haley Stevens，虽然差距不大。顺便说，那场选举的民调表现并不好。如果他赢得足够多，选举夜就能宣布结果，那会给进步派添一笔成绩。像我这样的人可能会说：“他只赢 4 个点，基准线是 9 个点，所以他表现不佳，是个很糟的候选人。” **Joe Weisenthal：** 这就是你在模仿自己？ **Nate Silver：** 对，Nate Silver 的刻板印象。另一方面，如果民主党赢得特别漂亮，大家就会说：“我们能把这些温和派白人男性都打趴下。”德州的 James Talarico 算是有点进步派，但他成功把自己包装成中间路线；Jasmine Crockett 也许帮了他，因为他可以把自己定位成务实的中间派。那我们聊聊堪萨斯的 Adam Hamilton 吧。 我在 Overland Park 有家人。多年来，大家一直说 Roger Marshall 可能有麻烦，我从来没太相信，毕竟那是堪萨斯。但堪萨斯确实悄悄变得更偏民主党了：它在堕胎公投中投了民主党一边，也两次选出州长 Laura Kelly。Marshall 的医疗账单做法很不好看，而 Adam Hamilton 可以主打“我们想要更便宜的汽油，也想要堪萨斯的诚信”。这个说法可能会奏效。堪萨斯是个相对有弹性的州，选民意见会变，而且受教育程度相当高。上周 CNN 民调显示 Hamilton 在堪萨斯领先 4 个百分点。我比起南卡罗来纳，更难相信堪萨斯的民调。 选举次日，你和 Matt Yglesias 可能会说：“堪萨斯民主党人提名温和派白人男性是对的。”DSA 那边则会说：“我们提名的人赢了 9 个点，民调说得没错。”双方还会继续争论。这是个相当干净的全国性自然实验。 **Joe Weisenthal：** 密歇根也算自然实验。我去过那里。美国参议院还从没选出过穆斯林裔美国人，所以他可能遇到的困难或成功，除了进步主义立场，还有其他原因。我的意思是，他确实没什么钱，也不太像典型的密歇根人。 **Nate Silver：** 还有个问题是密歇根和堪萨斯不一样，也许候选人得和州的特点相匹配。密歇根有一位很强的州长候选人，也是我们看好的候选人；如果州长候选人能带来一些连带效应，也会有影响。不过从 11 月 4 日开始，接下来一年半的故事恐怕就是党内斗争。 ## [35:37] 佛罗里达的人口变动与模型 · YouTube **Joe Weisenthal：** 佛罗里达是不是有什么特别情况？好像有个社会主义者在某场选举里的民调表现不错？ **Nate Silver：** 你说的是佛州参议院选举里的民主党人 Angie Nixon，她是 DSA 成员，不过民调并不太好。 **Joe Weisenthal：** 她在竞选参议员？ **Nate Silver：** 对。我们的模型可能应该考虑净国内迁移。模型一直低估佛罗里达的共和党表现，因为不断有偏红的选民迁入，而我们用的基准是上一次选举；但佛罗里达的人口构成一直在变化。 **Joe Weisenthal：** 有意思。我一直在打开预测市场看我们提到的州。最近几周，密西西比、南卡罗来纳的民主党人胜率都涨了一些，南卡罗来纳涨得不少；Angie Nixon 现在是 28%，几周前还只有 13%。佛罗里达却完全没涨：她的胜率是 10%，甚至比夏天大部分时间还低。纽约时报的民调也显示民主党整体表现很好，只有佛罗里达不行；那里 Ashley Moody 领先 6 到 7 个点左右。 ## [36:59] 预测市场与民调模型 · YouTube **Joe Weisenthal：** 预测市场在多大程度上只是在反映民调？ **Nate Silver：** 我觉得它们反映的是民调，再加上一些情绪判断，介于理性分析和直觉之间。预测市场的参与者最终必须把判断量化成价格，这种练习是有帮助的。打扑克时你可能觉得对手在诈唬，但最后还是得算：底池给我的赔率是 2 比 1，我跟注所需的胜率是不是超过三分之一？ 我觉得预测市场的参与者略微偏共和党。民主党人有时会对预测市场说教，共和党人有时钱更多。洛杉矶市长选举时，市场就曾严重看错：Spencer Pratt 之类的人，谁会觉得共和党人能赢下美国大城市的市长选举？ 市场也认识到民调误差是相关的，这很重要。2016 年希拉里·克林顿那次，预测市场相对我的模型过于自信。大家都知道这件事。但“民调总是低估共和党”并不是对这个问题最成熟的理解。有没有人能系统地从预测市场上赚钱？我也把这个问题抛给你，或者说 Silver Bulletin：如果某场选举的预测市场价格和你们的模型不一致，能靠下注获利吗？ **Nate Silver：** 我们的模型在 8 月 11 日发布时，市场价格就动了好几个百分点。如果市场参与者能参考我们的模型，也参考别的模型，再加上一些直觉，或许还能更快反应。比如《纽约时报》周四早上报道一个丑闻，民调可能要好几天才会反映出来。 我最近逐一看了 Flipper 模型和 Polymarket 之间有差异的选举，其中一半我同意 Polymarket。讽刺的是，有些我同意的地方，我会觉得 Flipper 把南卡罗来纳的民主党胜率估得太高；后来又出了一份对民主党有利的南卡民调，可能让你稍微自行汇总一下。真正的检验方法，是建立一个实验环境，不让预测市场查看民调。我猜那样预测市场会非常糟糕。 **Joe Weisenthal：** 也许应该是不许他们看模型？理想情况下，市场交易者看民调后自己形成价格，模型团队看民调后自己建立模型。问题是，哪种方法更适合得出概率？ **Nate Silver：** 构建地区间相关性都纳入其中的模拟很难。录制时，我们对各州的预测概率与 Polymarket 的相关系数高达 0.995，而我们的民主党整体胜选概率稍高。我不知道这是因为它吸引了不同类型的交易者，还是因为有更多“巨鲸”。不是 2024 年那位法国巨鲸，而是那些有钱烧的赌徒富豪。 **Joe Weisenthal：** 他们可能不太会去押单场选举。总体而言，双方的差距确实没有那么大。现在是 2026 年 10 月。 ## [40:59] 预测市场与民调模型（续） · YouTube **Nate Silver：** 他们可能不太会投资单场选举。不过两边确实没有多大差距。现在是 2026 年 10 月。 ## [41:09] AI 与建模 · YouTube **Joe Weisenthal：** 你做模型已经很多年了，2008 年就成了家喻户晓的人物，距今 18 年。想想看，今年投票的人里，有些出生时奥巴马政府都已经上台了。我知道，这种事让我有点恍惚。客观来说，AI 有没有明确地让你更容易建模型、完成工作？ **Nate Silver：** 我只要付最高档的订阅费，就能雇到两个世界级程序员。每月大约 100 美元。我的项目很复杂，不可能一次就做好，甚至连接近都不行；但我很了解这些项目，也亲自写过代码。把一万字的程序交给 GPT 或 Claude，让它仔细审查，它做得相当敏锐。当然，大约三分之二的提示词我还是得给很多指引，不是说“太好了，下一步”就行。但它是很棒的队友。 举个不那么显眼的例子：我们有 NFL 模型，NFL 的季后赛有一堆复杂的平局决胜规则，完全是算法性的。去年建模型时，我花了两天半写代码，有些代码还有 bug，漏掉了几个决胜规则，运行也很慢。现在让 GPT 或 Claude 做，去健身房的 15 分钟里就能完成，而且代码快十倍。当然，它也可能引入 bug，还把 bug 藏起来。 我们还做过足球模型。有一版让评分绕回去影响过去：2026 年的评分竟然会影响 1900 年的评分，结果很奇怪。 不过，如果你同时有主动性、创业精神和专业知识，这些模型就很有用。我遇到过一些人——你们可能也属于这一类——觉得自己现在的效率是人生最高，十小时有时能干完两天的工作。我有时候也这么觉得。但我大概处于最能用好这些模型的 0.1% 人群里。我不是程序员，虽然懂模型架构、是个经验主义者，也懂概率，但编程一直是我的弱项。模型恰好很擅长我最需要的部分，这才对我特别有价值。 **Joe Weisenthal：** 你的 FIFA 世界杯模型预测西班牙对阿根廷，还挺准的。 **Nate Silver：** 是啊，做得不错。NFL 预测有好有坏。比如共和党如果同时赢下众议院和参议院，我们会说“这只是 25% 的可能性，也会发生”。那倒挺好。但要是他们赢了众议院，也许我们就把 Silver Bulletin 改成体育博客，干脆认输。 **Joe Weisenthal：** 我喜欢这个主意，直接认输。 ## [44:25] 最后的想法 · YouTube **Joe Weisenthal：** Nate Silver，非常感谢你参加我们的选举日特别节目，和我们聊天很开心。 **Tracy Alloway：** 这次谈得很愉快。我最喜欢的部分，是 Nate 提前模仿如果表现平平时自己会怎么说：“略低于预期。” **Nate Silver：** 模仿得不错。 **Tracy Alloway：** 我们这是在模仿一个烦人的白人温和派男性。总之，聊得很开心。祝大家选举日快乐。很高兴 Nate 来做客。等节目播出时，民调可能已经变了，也许会有更多数据、更多提前投票数据。 **Joe Weisenthal：** 对。我觉得有件事特别有意思：现在的民调基本都在变成模型。多年来民调机构一直被指责高估民主党，现在大家都在自我修正。问题是，修正幅度到底有多大？我们没具体聊计算方法，但如果能用数据证明这种自我修正根本说不通，那你就会像 Nate 说的那样，看到民调机构是有自身利益的参与者。爱荷华那个著名的民调机构叫什么来着？Selzer？ **Tracy Alloway：** 对，Selzer。2024 年大选前，他们还预测 Kamala Harris 会赢下爱荷华州。 **Joe Weisenthal：** 是啊。她退休离开这个行业了。Nate 大概也是这个意思：如果共和党赢了众议院，我们可能会说“我们不干了，去做体育预测吧”。这些疯狂的美国选民，我们不想再试图理解了，手上什么可用信息都没有。去问你的数字分身吧。 **Tracy Alloway：** 好，那就到这里。 **Joe Weisenthal：** 这里是又一期《Odd Lots》播客。我是 Tracy Alloway，你可以在 @tracyalloway 关注我。 **Joe Weisenthal：** 我是 Joe Weisenthal，你可以在 @thestalwart 关注我。也请关注我们的嘉宾 Nate Silver，他的账号是 @NateSilver538。关注制作人 Carmen Rodriguez（@carmenarmen）、Dashiell Bennett（@dashbot）、Cale Brooks（@calebrooks）和 Kevin Lozano（@kevlloylozano）。你也可以随时在 discord.gg/oddlots 讨论这些话题。更多《Odd Lots》内容可以看我们的每日通讯，网址是 bloomberg.com/oddlots。 如果你喜欢这段对话，也喜欢我们的选举日特别节目，请在常用的播客平台给我们好评。如果你在看视频，请留言、点赞，最好还能订阅。成为《Odd Lots》订阅用户后，所有节目都可以无广告收听；只要去 Apple Podcasts 找到 Bloomberg 频道并按说明操作即可。感谢收听。