黑天鵝-如何應對不確定的未來
作者:納西姆·尼古拉斯·塔勒布 ,建議閱讀英文原版,或者直接看書評與摘要,中信出版的這本書翻譯水平不敢恭維,而且本身這本書好多讀者也反饋用十幾頁就足以講清楚了,剩下的百分之八九十都是翻過來覆過去的如何證明這個理論。
一、黑天鵝寓意
在發現澳大利亞的黑天鵝之前,歐洲人認為天鵝都是白色的,「黑天鵝」曾經是歐洲人言談與寫作中的慣用語,用來指不可能存在的事物,但這個不可動搖的信念隨著第一隻黑天鵝的出現而崩潰。
黑天鵝的存在寓意著不可預測的重大稀有事件,它在意料之外,卻又改變一切。人類總是過度相信經驗,而不知道一隻黑天鵝的出現就足以顛覆一切。然而,無論是在對股市的預期,還是政府的決策中,黑天鵝都是無法預測的。「9?11」事件、美國的次級貸危機、我國的雪災,都是如此。
生活中,隨機性隨處可見,在資本市場也是一樣。人們總是以自己有限的生活經驗和不堪一擊的信念來解釋不可預測的事件;即便是精於算計的專業人士,也難保不被隨機性愚弄,其實我們應該做的是順應這種不可知的未來。這本書會教你改變自己的思維方式,把握黑天鵝帶來的機會,採取應對策略,從中受益。這本書將改變我們對世界、人性和金錢的看法。
二、書摘from豆瓣「同人於野」
所謂黑天鵝,是指具備了以下三個特徵的事件:
- 不可預測,人們事前往往低估其發生的可能性
- 造成極大影響
- 事後回頭再看,又覺得此事發生的有理
傳統的社會學家和經濟學家喜歡用高斯正態分布來描寫隨機事件,然而我們的生活中大量事件卻不是正態分布的。比如暢銷書的銷量,富人的財富,其極端例子都比正態分布預測的多得多。正態分布,描寫的是一個大致均勻的世界。然而不平等是我們這個世界的本質屬性。
我們的世界的很多分布是 power law 分布。這個分布所預言的極端情形的概率,比正態分布要高的多。這就是為什麼一般人往往會低估黑天鵝出現的概率。所謂的"80-20法則",其實就是這個不均勻分布的特點。
Power law 分布,與分形數學緊密結合。實際上如果你考察暢銷書作家的成績,或者富人財富的分布,你會發現其結構是分形的:每4個身價超過1億美元的富人中,會有一個身價超過10億的,而每4個身價超過10億的人中,又會有一個超過100億的。100億級別富人看10億級別富人,就好想10億級別富人看1億級別富人一樣。也就是說分形結構帶來了 power law。盡人皆知的分形科學創始人,Mandelbrot,是本書作者的朋友。本書作者不喜歡 Mandelbrot 用"自相似"(self-similar)來描寫分形,因為這個 power law 係數可以相當不精確,作者提出用"self-affine"來描寫這個現像。
那麼哪些隨機編變數滿足普通的高斯分布,哪些滿足 power law 呢?Power law 隨機變數有兩個重要特點:
-1- Scalable. 比如如果你上班拿工資,你就不是 scalable 的,因為你的財富取決於你工作時間的長短,而你的工作時間是絕對有限的。反過來說如果你寫書,那麼你就是 scalable 的,你寫一本書,這本書可以的銷量可以無窮大。黑天鵝變數因為可以很極端,所以一定是 scalable的。Scalable, 意思就是可以隨便做大數乘法。
-2- 具有self-reinforcing 的特徵。也就是說越富有的人,越容易賺到更多的錢;越出名的作家,書越容易賣,然後正反饋,作家就更出名。財富的增加幾率隨著財富本身的增大而增大。正是這個性質決定了 power law 的分布。
作者說,凡是可以用分形和 power law 來估計的黑天鵝,都稱之為"灰天鵝"。而另有一些黑天鵝,則沒有數學模型可以預測。不過他並沒有深入分析那些黑天鵝。
不要預測。黑天鵝事件何時發生根本無法預測,能夠預測出來的意外就不是意外。對於不可預測的事情作出錯誤的預測而採取錯誤的行動,只會犯下更大的錯誤。
謹慎預防。我們不能預測災難,卻可以預防災難。必須最謹慎地分析最極端黑天鵝事件發生的破壞性,並作最充分的預防,這是決定生死成敗的大事。
假如你拋棄完全準確地預測未來的想法,你就有很多事情可以做,只要你記住預測的局限性。知道你無法預測,並不意味著你不能從未來的不可預測性中獲益。
----
我是oceanbj ,這個微信訂閱號 (vm01com) 會分享一些工作學習的感受,關注學習方法和互聯網技術。
覺得文章不錯,可以點擊右上角的三個小點分享到朋友圈,讓更多的人知道。
如果覺得我的微信不錯,歡迎用各種方法分享這個微信號,讓更多的人受益,謝謝!
aHR0cDovL3dlaXhpbi5xcS5jb20vci96UzZUaTkzRVdvQWxyWm5vOTN2Zg== (二維碼自動識別)
推薦閱讀:
※我究竟應該如何應對黑天鵝事件
※驚現「黑天鵝」,金融街購物中心又搞了個事,「證監會」哭了
※20年來重創全球經濟的9次黑天鵝事件,你知道哪些?