雖然這些“魔法子彈”式（結果發(fā)生逆轉）的預測模式依據(jù)的是定量信息，比如已公布的經濟統(tǒng)計數(shù)據(jù)，但還是失敗了。實際上，本書所引用的那些最差勁的預測案例有些就是定量分析的案例。比如，那些評級機構就是運用不同模型對不同類型的抵押貸款的違約率進行預測，它們得到的都是精確到具體數(shù)據(jù)的估值。然而這些模型卻漏洞百出，因為它們依據(jù)的是一種利己假設——不同抵押貸款之間的違約風險互不相干——這一假設在房地產市場和信用泡沫中完全行不通。當然，我自己在作預測時也非常喜歡運用定量的方法。刺猬型專家會接收各種類型的信息，并借助這些信息強化他們的偏見，而狐貍型專家則會對不同類型的信息進行總體權衡，將定性分析和定量分析結合起來，所以能經常做出正確的預測。

說到預測成功率，沒有幾個政治分析家能比得過“庫克政治報道”這樣一個緊密團結的團隊。來自路易斯安那州的查理·庫克長了一張友善的圓臉，他在1984年組建了這個團隊，當時在貝爾特威以外的地方幾乎沒有人聽說過他們。但是，政治狂熱者多年來一直十分信任庫克團隊的預測，而且這個團隊也幾乎沒讓他們失望過。

庫克和他的團隊有一項特殊使命：對全美各級選舉的結果進行預測，特別是對美國國會的選舉結果進行預測。這就意味著，每隔一年，他們就要對外發(fā)布對美國眾議院全部435場競選結果的預測，還要發(fā)布對美國參議院大約35場競選結果的預測報告。

預測美國參議院選舉或是州長競選的結果相對簡單。因為選民一般對這些候選人都非常熟悉，這些最為重要的競選活動往往會引起廣泛關注，還會有聲譽良好的公司定期進行民意調查。在這種情況下，想要像我在538網(wǎng)站中那樣改進收集民調結果的方法并非易事。

而美國眾議院選舉就完全是另外一番景象了。候選人通常身份比較低微，其中包括那些想在美國政壇一展身手的市議會議員或小企業(yè)家，而且在選舉前，這些候選人一般不為選民所熟知。同時，美國國會選區(qū)幾乎遍布全國各個角落，全美國人都被調動起來了。如果有人能夠提供眾議院選區(qū)的民調結果，這個結果必定是最起伏不定的，當然通常情況下幾乎沒有人能提供。

但這并不意味著像庫克這樣的分析家就無從知曉信息了，事實上，他們得到的信息量很大：除了民調結果，他們還知道某個選區(qū)的人口數(shù)據(jù)，也了解該選區(qū)此前幾次選舉的投票情況。他們還掌握了美國黨派的總體發(fā)展趨勢的數(shù)據(jù)，比如現(xiàn)任總統(tǒng)的支持率。此外，他們甚至能得到必須上報美國聯(lián)邦選舉委員會的籌款數(shù)據(jù)。

除了上述信息，其他類型的信息更偏向于定性信息，但同樣很重要。比如，這位候選人是一個出色的公共演說家嗎？她所在選區(qū)的政綱基調是什么？她的競選口號是什么？政治活動其實就是一個小公司，她能管理好自己的職員嗎？