书籍信息
全书名：《黑天鹅：如何应对不可知的未来》
原书名：《Black swan : the impact of the highly improbable》
作者名：[美] 纳西姆·尼古拉斯·塔勒布
译者名：万丹
出版方：中信出版社
ISBN：9787508611204
前言
塔勒布他独自一个人撼动了主流的金融学、经济学、概率论以及统计学领域的一大理论基础，也差点把这些领域内的专家和学术权威，全部掀翻在地。
塔勒布是华尔街上传奇的交易员。因为他躲过了1987年、2001年911，以及2008年金融危机，三次的股灾。每次的股市危机对其它人都意味着重大的损失，而对塔勒布来说，都是赚大钱的机会。三次股灾对他来说，都是赚得盆满钵满。他管理的各支基金，在2008年收益高达65%~115%。
它为什么有这么大的冲击力？因为它动了从华尔街交易员到诺贝尔得主的所有人的奶酪。
一、黑天鹅的出现
17世纪前，欧洲人以为天鹅只有白色的，可他们在澳大利亚，却发现了一只黑天鹅。这一只黑天鹅，打败了长达一千年时间里，让科学家们对天鹅家族的数百万次观测，让数百万本百科全书中的「事实」变成了「谬误」。
重点不在于天鹅的颜色上，而在于我们看待它们的方式。因为这是一种盲目，但是我们自己连在什么地方盲目，都无法预先知道。
塔勒布认为，黑天鹅现象，来自我们对「意外事件发生的可能性的全然无知」。如果把这个概念定义更清晰一点的话：黑天鹅来自于一个「认知黑洞」，来自我们不知道自己不知道的地方。
即我们的世界是由极端，未知，非常不可能发生的事物所主导的。我们却一直把时间花在琐碎时间的讨论上。只是关注已知和重复发生的事物。这意味着我们必须要把奇异事件当成是起点，而不是置之不理。
如果展开来看的话，黑天鹅现象的内涵是极其深刻的，有一点像是《三体》里的那两个质子。我们习惯于在二维世界思考问题，而他们所展开的，是一个三维世界。
1.1 第一层展开：认知的损失
用经济学的边际效应来解释认知上的损失，黑天鹅的客观存在概率假设是万分之一。但是因为已知和无知之间的边界，给我们的认知造成的损失，并非是已知的万分之一，而是未知的100%，和这个未知事件所推翻的所有已知世界的事实、经验、模型和算法。
1.2 第二层展开，认知四象限
哈佛大学两位教授所发明的「乔哈里窗」效应，我们的认知分成四个象限。
- 第一象限，「别人知道我也知道」，已知的部分。
- 第二象限，「别人知道我不知道」，这个是盲区。
- 第三象限，「别人不知道我知道」，这个是隐私。
- 第四象限，「大家都不知道」，这个是未知。
「乔哈里窗」最大的问题是他把四个象限用一个坐标等分了，但是实际情况有可能是，在一个10*10个格子的正方形里，第一第二第三个象限加起来只占满了1个格子。而「你不知道我不知道」这个象限占满99个格子，这个象限也就是「邓宁-克鲁格」理论里的第一阶段，「不知道自已不知道」。
而黑天鹅正是从这个最大的、而且完全未知的「不知道我们不知道」的黑洞里飞出来的。
1.3 第三层展开：认知的失效
除了我们对黑天鹅所知甚少之外，试图将其用主流的分析方法进行理论化分析，会导致更大的误解，因为黑天鹅并非可以用主流的理论基石：正态分布及基于该理论的很多应用来理解。
换句话说，人类目前所使用的大部分预警系统和应急反应都是失效的。
失效在哪里呢？塔勒布指出：极不可能发生的、具有重大影响力的事件，并不是那么的稀少。而且他们的影响力超过我们的想象。
黑天鹅现象有三个特点：不可预测、影响重大和事后被合理化为可预测的（称为事后偏见）。
二、两个黑天鹅事件
2.1 金融行业
1987年10月19日，那一天是现代历史上最大的市场崩盘，跌了500点，跌幅22.6%，在世界金融史上都是一次灾难。
更具重创性的是，它发生在我们以为所有经济学家，以及以正态分布为基础的方程式，能够预防或者至少预测和控制大的振荡的时候。
就在崩盘之后，塔勒布指出那些用标准差来衡量风险和随机性大小的人都是「骗子」。因为，如果金融世界满足正态分布，那么像这次崩盘的情况是标准差的20多倍，需要宇宙寿命的几十亿倍时间才会发生一次。但是这样的大崩溃居然在我们的有生之年就发生了。
金融专家认为，之前的一个外汇政策的修订让美元的汇率不再稳定而令市场信心不足，导致了本次大跌，气象学家说是风灾。
1987年10月16日，伦敦金融城很多人无法上班， 天文学家认为，是当年的九星连环导致了市场出错。
是大家理论错了？还是这个世界错了？
塔勒布认为，金融行业所应用的主流理论基石与现实世界不相符，是错误的，这是一支金融市场里飞出来的黑天鹅。
2.2 出版行业
叶夫根尼娅是一位名不见经传的没有发表过作品的小说家。她是一位神经学家，并对哲学感兴趣，喜欢以文学形式表达她的研究成果和思想。她把她的理论描述成故事，并加上各种自传性的评论。
出版商们对她的手稿感到很困惑，因为无法分类：她无法回答「这是小说类还是非小说类？」，也无法回答「这本书的受众是谁？」这种问题。书稿压根就没有办法分类，但是「书店工作人员需要知道往书架上的什么地方摆这本书」。
一名编辑预测说，这部书只能卖出10本，包括家里人自己买下来的。一气之下，她把稿件贴到了网上。结果用了5年时间，叶夫根尼娅成为文学史上最大、最令人惊讶的成功作家之一。她的作品销量达数百万册，被翻译成40种语言。而且获得了评论界的赞誉。
这是一支出版业里飞出来的黑天鹅。
成功之后，许多与她打过交道的编辑都指责她没有去见他们，他们很确信，自己本来可以立即发现她作品中的价值。
三、为什么会出现黑天鹅事件
那是什么原因，导致了黑天鹅现象的出现呢？
我们接下来沿着这个框架进行分析：
- 对这个世界本质的错误理解
- 被遮蔽的信息
- 理性和逻辑的盲点
- 没有驯服的概率
- 难以把握的预测
- 错误的理论模型和错误的应用体系，以及错误的应对方法
3.1 对这个世界本质的错误理解
「极端变化的国度」和「平均变化的国度」。
为什么会有这么多的理论上不可能出现的「异类」出现？究竟是这个世界错了，还是理论错了？塔勒布认为，是我们对世界的理解错了，构建在理解上的理论，因为过于简化，也错了，所以不管有意无意，我们基本上是从头错到尾。
他举了两个抽象世界里的国度做例子：
在理想的平均变化国度中，特定事件的单独影响很小，只有群体影响才大。可以这样总结平均变化国度的最高法则：当你的样本量足够大时，任何个案都不会对整体产生重大影响。最大的观察值虽然令人吃惊，但对整体而言最终微不足道。
类似在体育馆里放1000个人，那么这1000个人的体重将会有一个大致的平均值，例如75公斤。即便是再加来一个世界上最重的人，美国的苏珊娜埃曼，700公斤重，也只是把体重均值提升到75.624公斤，并没有大幅拉高体育馆里的所有人的体重均值，中心极限定律是成立的。
但是在极端变化的国度，情况是不一样的。假设我们这次衡量的不是体育馆里1000个人的体重，而是他们的财富，再给他们来个马云。
我们会发现，体育馆里1001人财富的平均值从过去的50万人民币变成了2亿人民币。均值发生了一个巨大的突变。
所以在极端变化的国度里，个别极端值能够对整体产生不成比例的影响。主宰「平均变化国度」的是掷骰子掷出来的波动性。而「极端变化」的，则是狂野的波动性。
在已知，而且已经证明具有正态分布里的世界里，黑天鹅很少会飞出来。但是，在未知的，或者是已知但无法证明是正态分布的世界里，「黑天鹅「和」灰天鹅「是非常多的。
从数学上来看，我们所处的这个真实世界，并不是一个理论模型所能够描述的白天鹅的国度。而是一个黑、白、灰三色天鹅混合在一起的复杂结构。
在这里，我们提到了灰天鹅，灰天鹅是我们可预期的风险事件，但是杀伤力也十分惊人。
3.2 被遮蔽、扭曲和忽略的信息
作者提炼了五种「信息处理上」的谬误：
第一，我们只关注从已观察到的事物中预先挑选出来的那部分，并从它推及未观察到的部分：证实谬误，谬误在于没有证伪。比如，因为看到的天鹅都是白的，所以所有的天鹅都是白的。
第二，我们用那些符合我们对明显模式的偏好的故事欺骗自己：叙述谬误。比如， 我们只注意到容易进入我们思维的精确而生动的具体事件，而不是真相。在一次实验中，心理学家请一些女性从12双尼龙袜中挑选出 她们最喜欢的，研究者然后问这些女性做出实际选择的原因，质地、感觉和颜色是最主要的原因，但所有那些尼龙袜其实是完全一样的，那些女性提供的是事后解释。
第三，我们假装黑天鹅现象不存在：人类的本性不习惯黑天鹅现象。
第四，我们所看到的并不一定是全部。历史把黑天鹅现象隐藏起来，使我们对这些事件发生的概率产生错误的观念：沉默的证据造成的认知扭曲。比如，沉船幸存者的画像。我们注意到他们是虔诚祷告的信徒，但是没有活下来的人的画像，他们也有可能是虔诚祷告。
第五，我们「犯过滤性错误」：我们只关注一些有明确定义的不确定性现象，而不关注那些不太容易想到的。比如，太抽像而且未发生的事情，无法被我们的信息系统所处理，容易被忽略掉。
简单而言，就是我们在处理信息时，要不是不充分（有些信息我们不知道），要不就有偏好（喜欢、不喜欢、故意忽略），要不就是有盲点（不能理解而过滤）。
3.3 理性和逻辑的盲点
3.3.1 危险的已知世界
让我们来反思一下，一直以来让我们骄傲的理性和逻辑。如何知道我们已经知道的？又是如何知道，可以通过已知事物与事件，便足以推断出它们的其他特性？我们又是如何从已知归纳出已知的特性？
答案是：从观察中获得的任何知识，都有陷阱。
有一个绝妙的关于「意外」的案例。想象一只每天有人喂食的火鸡科学家。每次喂食都使它相信，生命法则就是得到人类的喂食。整整1000天，火鸡科学家都在观测它所得获得的食料，并对出「喂食」这个事件，做了所有的科学观测和科学分析，例如食物成份、营养、重量，以及喂食的时间变化程度。火鸡科学家以此来预测明天的食料。结论是: 10克上下波动，时间偏差在15分钟之内。
第1001天，感恩节前一天。同样是那双喂食之手，拧断了火鸡科学家的脖子。
这个案例指出经验知识本身的不足：某种东西在过去一直起作用，直到它出乎意料地不再起作用。
而我们从过去获得的知识实际上是无关痛痒或虚假的知识，甚至是危险的误导，我们所做的归纳和推断里，都有风险。
1982年夏天，美国大银行几乎损失了美国银行业有史以来的全部盈利。一个很小的概率事件：美国银行一直在向南美洲和中美洲国家贷款，而他们居然在同一时间违约了。银行的业务是资金一环扣一环匹配的。所以同时违约会让银行的流动性陷入困境。
仅用一个下午，金融危机就证明，400年来，银行业的盈利方法其实是不存在的。
3.3.2 推理中产生的谬误
20世纪60年代，傲慢的医生把母乳看作某种低级的东西，因为他们可以合成母乳的大部分营养物质，但他们没有认识到母乳可能包含超过他们理解能力的「其它有用的成分」。那些婴儿时期没有得到母乳喂养的人面临更高的健康风险，包括可能罹患某些癌症，因为在母乳中有一些我们没有找到的营养成分。而且，采用母乳喂养的母亲们获得的好处也被忽视了，比如降低了患乳腺癌的风险。
扁桃体问题也是一样：近来，切除扁桃体是一种风尚。结果证明，切除扁桃体可能导致更高的喉癌风险，但数十年来，医生们从未想过这一「无用」的器官可能有着他们没有发现的功能。实际上，正是由于这类简单的推理混淆的错误，医学在历史上造成了大量灾难。
3.3.3 归纳中的谬误：过度简化，无法归纳未知
3.3.3.1 谬误一
作为灵长类中的人类，我们十分渴求规律，因为我们需要把事物简化，好让它们进入我们的头脑，或者说好让我们将它们塞进自己的头脑。信息越具有随机性，事物就越复杂，因而越难以概括。你越概括，让事物越有条理，随机性就越低。
因此，正是我们的简化行为使我们以为世界的随机性比实际上小。
3.3.3.2 谬误二
解释了我们看不见黑天鹅现象的原因：我们为已经发生的事担忧，而不是为那些可能发生却实际上没有发生的事。它也解释了为什么黑天鹅事件会发生，而我们却无法从中学习，因为没有发生的黑天鹅现象太抽象了。
我们喜欢已知的模式和有条理的知识，以至于我们对现实视而不见。它解释了为什么我们会在归纳问题上犯错。可惜，现存的人类天性不愿理解抽象事物。这不是人的问题，而是它来自信息的主要特性：要理解没有被看到的事物需要消耗能量，既费力又劳神。
3.3.4 没有被驯化的概率和偶然性
概率的概念从头至尾都是模糊的。这是正常的，因为这种模糊性正是不确定性的特征，概率是一种自由艺术，它是怀疑主义的孩子，而不是制造确定性假象的工具。在概率里，其实没有精确这个概念。
人类以为他们已经驯化了概率，然而并没有。
人们津津乐道于，在赌场里，一切随机性的概率都被计算清楚了。我们已经有成熟的数学工具，大数据、云计算、人工智能，来计算概率。但是他们忘了，在赌场里，我们知道规则，能够计算概率，之后我们会看到，我们在这里遇到的不确定性是温和的，属于平稳波动的国度。
作者要提出的观点是：赌场是我所知道的概率已知且符合正态分布几乎可计算的人类的唯一冒险场所。
而在在实际生活中你是不知道概率的。你需要去发现它们，而不确定性的来源是不确定的。因为我们对现实只能进行很少的数学化，所以现实世界，有可能更为合理的假设是：有疯狂的、突破性的随机性。
3.3.5 难以把握的预测
3.3.5.1 不要相信专家
我们的预测者可能更善于预测常规事物，而不是非常规事物，这就是他们预测失败的原因。在预测中，重要的不是你预测正确的频率，而是你的累积错误有多大。而累积错误在很大程度上来自大的意外事件。而事实上重大事件几乎总是非常规的。
泰洛克研究了政治和经济「专家」。他让不同的专业人士判断某个特定的时间范围内（大约5年之后）一些政治、经济和军事事件发生的可能性。他一共获得了大约27000份预测，涉及近300名专业人士，经济学家占样本的近1/4。这项研究表明，专家的错误率比估计的高很多。拥有博士学位和拥有学士学位对预测没有区别。发表文章众多的教授，相对于记者没有任何区别。
泰洛克将预测者分为两类：刺猬与狐狸。在伊索寓言中，刺猬只知道一件事情，而狐狸知道许多事情。许多预测错误来自刺猬，它们在观念上只倾向于关注低概率而影响巨大的事件。
3.3.5.2 重要的东西几乎都是偶然出现的
更深入地讨论我们的预测能力不为人知的结构性局限。这些局限可能不是来自我们，而是来自预测过程本身，它太复杂了。不但对我们，对那些我们所能找到的工具也是如此。
发现的经典模式是这样的：你寻找你知道的东西（比如到达印度的新方法），结果发现了一个你不知道的东西（美洲）。现在的一切发现，几乎都是偶然的产物。
亚历山大·弗莱明在清理实验室时发现青霉菌污染了他之前的一个实验样本。于是他在偶然间发现了青霉菌的抗菌特性，正是青霉素使我们许多人现在能够健康地活着。
而且，虽然事后看来这一发现非常伟大，但医疗官员们花了很长时间才意识到这项发现的重要性，在它重新受到重视之前，就连弗莱明也丧失了信心。
我们会遇到一个矛盾，不但预测者通常无法预见这种由意外发现带来的巨变，而且事物的渐变也比预测者的预计慢。
当新技术出现时，我们要么总体低估，要么严重高估它的重要性。低估的案例有：IBM创始人托马斯·沃森，曾预测人类只需要几台计算机，现在我们每个人都有几台计算机。
3.3.5.3 混沌效应造成我们无法精准预测
彭加莱是第一位了解并解释我们的方程具有局限性的伟大数学家。他引入了非线性特征的概念，提出小的事件可以导致严重后果的思想，即混沌理论。
为什么我们无法预测未来？这有可能是因为已经到了理论数学的前沿边界。现有的数学方法无法解决这些问题了。
在《胡润百富榜》，稳中有变的葛卫东，身价缩水了30个亿。发生了什么事情呢？
2015年股市大跌的时候，混沌1号和2号基金遇到大幅回撤。在当年9年，2号基金损失34%，第二年继续下滑，损失提升到43%。 葛卫东在股灾之后，失去了对基金的控制。葛卫东本人是非线性预测的专家，但是他依然倒在混沌理论上。
3.3.5.4 罕见事件的理论依赖性
事件越久远，我们便越难以得到经验数据。
罕见事件发生的频率不能通过经验观察来预测，原因是数据量太小了，它们太罕见了。
因此，我们需要一个先验模式来代表它；事件越罕见，使用标准的归纳方法（比如通过例数过去发生的事情进行频率抽样）进行预测的错误便越严重，同时对于能延伸至低可能性事件（这类事件当然不常见）领域的先验概率，依赖度也便越高。
3.3.6 错误的理论模型
正态分布是一种有传染性的严重错觉。
正态分布的不确定性计量方法忽视了跳跃性或者不连续变化发生的可能性及影响，因此无法适用于极端波动的国度。使用它们，就好像只看见小草，而看不见参天大树。虽然发生不可预测的大离差的可能性很小，但我们不能把它们当作意外而置之不理，因为它们的累积影响非常强大。
正态分布的谬误在什么地方？ 谬误存在于以下随机环境：随机走动、掷骰子、抛硬币、布朗运动（花粉颗粒在水中的运动）等。这些环境具备一定随机的性质，但并不是真正的随机性，称之为原始随机性或许更准确。
就根本性而言，基于正态分布的全部理论都忽略了一层更大的不确定性。政治、社会和天气都不存在某种「大数原理」，也不符合正态分布的可预测性，大离差很多， 我们压根无法预测它们，
更严重问题的在于，直到目前为止，数以十万计的商学院毕业生，包括诺贝尔获奖者，包括威廉夏普和马克维茨还是用方差正态分布的模型来构建自己的整套理论体系。这是所有的问题所在：这些模型的前提假设可能就是错的。所以压根测不准。而所以以上的这些人，大部分都在以预测和规划为生。也就是说，他们会让我们错的很离谱。
以下是一个正态分布的失败案例。
小罗伯特·默顿和迈伦·斯科尔斯（两位都是诺贝尔奖得主）是一家大型投机性证券公司的创始合伙人，该公司就是长期资本管理公司，聚集了学术界的顶尖人才，他们被称为精英。投资组合理论是他们进行风险管理的灵感来源，他们会进行精密的「计算」。他们成功地把正态分布的谬误放大到整个金融业。
然后，1998年夏天，由俄罗斯金融危机引发的一系列大事件发生了，这些事件在他们的模型之外，颠覆了他们的原有假设。
这是一只黑天鹅，长期资本管理公司破产，它的影响太大了，并几乎把整个金融系统拖下水。由于他们的模型排除了大离差的可能性，所以他们把自己置于可怕的风险之下。
有位企业家问迈伦·斯科尔斯是诺奖给他的收获多，还是长期资本的倒闭给的教训多？斯科尔斯说：是后者，是因为我们太骄傲了。我们不知道有多少东西是我们不知道的。
四、如何与黑天鹅打成平手？
我们周围最古老的系统便是大自然，在处理黑天鹅事件上，大自然要远远胜过我们人类。大自然喜欢冗余，冗余有三种形式。
4.1 冗余保险
第一种是防御性冗余，这是最容易理解的。这是一种保险型的冗余，能够确保你在困境下依靠充足的备件生存下去。
看一下我们人类的身体，我们拥有两只眼睛、两个肺、两个肾，甚至两个大脑（公司高管人员可能除外），在多数情况下，这些器官的功能远远超过我们的实际需要。但是没有在进化中被废弃。所以，冗余就意味着保险。数据的备份和冗余，能够让互联网具备稳定性。
4.2 功能冗余
嘴巴可以吃东西，又可以说话。这就是功能冗余。以阿司匹林为例。40年前，阿司匹林主要用于退热。后来，人们又将其用于止痛和消炎。现在，阿司匹林主要被用于疏通血管、防止心脏疾病的发作。这本身就是功能冗余，以便应对随机性。
4.3 结构性冗余
建筑设计中有结构性冗余，是为上述两种冗余做结构性支持的。
4.4 小即是美
当公司规模扩大之后，尽管它们看上去效率提高了，但同时它们对外部偶发事件的抵抗能力却更弱了，这些偶发事件便是现在众所周知的「黑天鹅」了。我们从数学角度发现，某些不能预见的错误和波动对于大规模机构的杀伤力要远甚于小规模的机构。
4.5 不对等的杠铃
应该把一定比例的钱，比如 85%~90%，投入极为安全的投资渠道，比如国债，总之你应当投到你能找到的最安全的投资渠道中。余下的10%~15%应当投到极具投机性的赌博中，你应当使用尽可能多的财务杠杆（比如期权、期货），最好是类似风险资本的投资组合。这样可以对赌黑天鹅的产生。
塔勒布认为，只要1次危机事件，就能回本。而他在20多年里遇到4次危机，所以他早早就财富自由了。
书中的核心观点是：在数学里，过去、现在和未来，其实是三种不同的东西。从过去推不出未来，从已知里推不出未知。
我们无法预测黑天鹅事件是否会出现，我们惟有在平时就做好应对「灾难」的准备，有可能的话，我们还有可能可以用杠铃式的投资策略来赚钱：用大比例的极端保守的国债投资来应对极端的负面风险，用小比例的，极端投机的资金，例如购买期权，来从正面的黑天鹅事件里来盈利。
后记
作者做了一个比喻，一颗行星旁边有一颗尘埃，这颗尘埃就是我们出生的概念，所以我们自己就是一个黑天鹅，又为什么天天要为微不足道的小事儿而烦恼呢？
若有收获，就点个赞吧
0 人点赞
