林韋伯分析聯合國大宗物資生產數字的資料庫，好奇是否能在這些數據與S&P 500之間找到關聯性。他發現用孟加拉的奶油產量預測S&P 500（樣本）有75%的準確度，若把紐西蘭的綿羊產量也加入模型，準確度更躍升到90%以上。他語帶輕鬆地做這些分析，以顯示在隨機資料中發現高度可預期關係有多麼容易。
可惜的是，金融媒體往往會宣揚市場資料中的假關係。2006年7月17日，以色列剛入侵黎巴嫩不久，《華爾街日報》的資金與投資單元就刊出一篇文章，標題是〈全球衝突之際保持冷靜〉（Keeping Cool Amid Global Strife），並搭配一張表來顯示自1967年以來五次中東戰爭後的美國股市每日與每年報酬率。五次之前的戰爭中，有三次戰爭的一週與一年報酬率是正的。《華爾街日報》的結論是：「中東戰爭對美國股市幾乎從來沒有長期的負面影響。」雖然我認同《華爾街日報》的目的，但這篇文章沒有提到五次戰爭的樣本並沒有足夠的統計意義做此結論。
不管我們是用棒球數據、孟加拉的奶油產量、類神經網路或歷史價格與圖表來預估股市，我們都要非常小心，以避免過度解釋統計數據、取樣不足與自我欺騙。（延伸閱讀：花錢給孩子補習，不如省下來幫他買股票！韓國股神：補習是報酬率最差的投資）
從雜訊中找出型態
筆跡學就像占星術，似乎都是依靠「空想錯視」：人們會把型態或意義加諸在隨機的影音事件上。─史帝夫．戈迪溫（Steven Goldstein）
空想錯視（pareidolia）是指把模糊與隨機的刺激誤解為可辨識事件的心理現象，常見的例子大多有宗教意味。1978年，一名新墨西哥州的婦女在燒焦的玉米餅上發現耶穌像，吸引八千多人到她家朝聖。同樣的錯誤推測也發生在名人身上，例如驚見已故貓王。在財務方面，讀圖表與技術分析時容易出現空想錯視。
研究圖表型態的學者，尤其是做技術分析的人，都發現預測價值有限（但有意義）。例如，聯邦準備理事會（Federal Reserve）的經濟學家為了自動偵測外匯資料中的頭肩型態（head-and-shoulders pattern）而開發數學運算法。他們發現六種取樣貨幣中，有兩種貨幣（日圓與德國馬克）如果採用頭肩型態交易策略，可以在統計上獲得顯著的獲利。
麻省理工學院的羅聞全教授（Andrew Lo）量化了八種技術價格圖表類型背後的原則。羅聞全介紹其研究時坦承：「面對視覺證據時，很難爭論價量表的潛在價值。」他指出：「技術分析已盛行多年，或許是因為它的視覺分析模式比較能幫助人類認知，也因為辨識型態是電腦還沒有絕對優勢的少數重複性活動之一。」
