黑天鹅mark标注

作者纳西姆•尼古拉斯•塔勒布，个人推荐四星半，这本书难读懂，我一知半解。

标注：

“黑天鹅”是指满足以下三个特点的事件：首先，它具有意外性，即它在通常的预期之外，也就是在过去没有任何能够确定它发生的可能性的证据。其次，它会产生极端影响。再次，虽然它具有意外性，但人的本性促使我们在事后为它的发生编造理由，并且使它变得可解释和可预测。简而言之，这三点概括起来就是：稀有性、极大的冲击性和事后（而不是事前）可预测性。少数的黑天鹅事件几乎能解释这个世界上发生的所有事情，从思想与宗教的胜利到历史事件的变迁，一直到我们的个人生活。

黑天鹅的逻辑是，你不知道的事比你知道的事更有意义，因为许多黑天鹅事件正是在不可预知的情况下发生和加剧的。除了过度专注于已知知识以外，人性还有另一个弱点：习惯于学习精确的东西，而不是从总体上把握。

所有人都知道预防比治疗更重要，但预防只得到很少的奖赏。我们只赞美那些在历史书中留下名字的人，而忽略了那些我们的书本没有提到的贡献者。

这本书中，冒天下之大不韪，提出了一个观点，一个与我们的许多思维习惯相反的观点，即我们的世界是由极端、未知和非常不可能发生的（以我们现有的知识而言非常不可能发生的）事物所主导的，而我们却一直把时间花在讨论琐碎的事情上，只关注已知和重复发生的事物。这意味着必须把极端事件当做起点，而不是把它当做意外事件置之不理。我还表达了更为大胆（以及引起愤怒）的观点，那就是，即使我们取得了知识上的进步和成长（或者正因为这种进步和成长），未来仍会越来越不可预测，而人性和社会“科学”合谋起来向我们隐藏了这一点。

没有人能够看透历史。你看到了结果，但却看不到导致历史事件发生的幕后原因，而这些原因却恰恰是推进历史发展的助推器。你对这些历史事件的把握有片面性，是因为你看不到事情的真相以及整个机制是如何运作的。我所说的历史事件助推器与事件本身不同，就好像不可能通过神的行为解读出神的思想一样。我们很有可能弄错神的意图。

对待历史问题，人类的思想会犯三个毛病，称之为三重迷雾。它们是： 1.假想的理解，也就是在一个超出人们想象之外的复杂（或随机）的世界，人们都以为自己知道其中正在发生着什么。 2.反省的偏差，也就是我们只能在事后评价事物，就像只能从后视镜里看东西（历史在历史书中比在经验现实中显得更加清晰和有条理）。 3.对事实性信息价值的高估以及权威和饱学之士本身的缺陷，尤其是在他们进行分门别类的时候，也就是进行“柏拉图化”的时候。

历史事件以一种扭曲的方式展现在我们面前。我们来考虑一下信息的性质：在一个历史事件发生之前存在无数个事实，其中只有相当少的一部分会在后来你对历史事件的理解中有帮助。因为你的记忆是有限而且是被过滤的，所以你会倾向于记住那些事后看来与事实相符的信息，除非你不会忘记任何事情，从而不得不生活在不断积累的原始信息的重负下。

假如我在历史事件发生后撰写历史事件，它们会显得更加……像历史。“之前”和“之后”，其差别显而易见。

分类总会造成复杂性的降低，这是黑天鹅事件的发生器，也就是我在序言中定义的柏拉图化的表现。我们对周围世界的任何简化都可能产生爆炸性后果，因为它不考虑不确定性的来源，它使我们错误地理解世界的构成。

还有一些职业，如果你干得好的话，能让你的产出（以及收入）十倍、百倍地增长，同时几乎或者完全不需要额外的努力。现在我很慵懒，而且把这看做一项优点。我无法忍受商业人士谈话的无趣，而是每天渴望释放尽可能多的时间用于冥想和阅读，于是我立即（但错误地）得出一个结论——我把脑力劳动者，也就是以某种交易或工作的形式出售某种智力产品的人，与出售体力劳动的体力劳动者区分开来。

于是，著名作家与面包师、投机者与医生之间的区别是一种看待行为世界的有用方式。它把那些不必多劳动就能十倍、百倍增加收入的职业，与那些需要增加劳动和时间（两者都是有限的）的职业（也就是局限性职业）区分开来。

假如我必须给出建议的话，我会建议选择一个收入不具有突破性的职业！收入具有突破性的职业只有在你成功的时候对你是有利的。这样的职业竞争更激烈，导致更大的不平均和不确定性，在努力和回报之间存在巨大差异，因为少数人获得蛋糕的大部分，其他人可能什么也得不到，而这怪不了别人。

有一种分类受中庸、平均和中间路线驱使。而在另一种分类中，要么是巨人，要么是侏儒，更精确地说，是非常少的巨人和大量的侏儒。

由于理想的平均斯坦，特定事件的单独影响很小，只有群体影响才大。可以这样陈述平均斯坦的最高法则：当你的样本量足够大时，任何个例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。

极端斯坦，不平均指个体能够对整体产生不成比例的影响。

我们在推断和行为反应上的领域特殊性表现是双向的：有些问题我们能够在实际应用中理解，却不能在课本中理解；有些问题我们更容易从课本中理解，却不能在实际应用中理解。人们能够不费力地在社会环境下解决一个问题，但在它以抽象的逻辑问题形式出现时，却令人们不知所措。我们习惯在不同的情况下使用不同的思维机制，或者模块：我们的大脑缺少一台全能中央计算机，对所有可能的情况制定和应用同样的逻辑规则。

 “无证据表明母乳的优势”与“证据表明母乳无优势”是两个不同的概念。

我们习惯于在一个黑天鹅现象发生之后，立即忘记所有黑天鹅现象的存在，因为它们太抽象了；相反，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。

我们喜欢故事，喜欢总结，喜欢简化（也就是减少事情的影响因素）。我们在本书的这一部分首先要讨论的人类本性问题（即如上所述的问题），我称之为“叙述谬误”。（实际上是一种欺骗，但为了礼貌起见，我称之为谬误。）之所以出现这种谬误，是因为我们习惯于过度解释，偏好简洁的故事，而不是原始真相。它严重扭曲了我们对世界的思维反应，在稀有事件上尤为严重。

如果你是一个钟表修理匠、脑外科医生或棋手，注意力集中是一个好品质。但对待不确定性问题时，你最不需要做的就是“集中”（你应该让不确定性集中，而不是集中我们自己）。

我建议，如果你想一步跨入更高级的生命形态，与动物的距离越远越好，那么你最好远离叙述谬误的来源，关掉电视机，尽可能少读报纸，不看博客，训练推理能力以控制决策，对重要决策注意避免使用系统1（即启发性或实验性系统），训练自己辨别情感与经验事实之间的区别。这种对毒害来源的避免还有一个好处：它会改善你的身心状况。同样，请记住在概率（一切抽象概念之母）方面我们是多么肤浅。你不需要再做什么旨在对周围事物有更深理解的事。首要的是，要学会避免“过滤性错误”。

对小问题的建议就是：保持人性！在你自己的问题中，接受人类存在认知自大这一事实。不要为此羞愧。不要试图总是不作判断，生活中离不开观点。不要试图避免预测，是的，在批判了预测之后，我不要求你不再犯傻，但要在正确的地方犯傻。你应该避免的是对大范围的有害预测的依赖，仅此而已。避免那些可能损害你的未来的大主题：在小事上当傻瓜，而不是在大事上。不要听经济预测者或社会科学预测者的话（他们只是演员），但要作你自己的预测。

波动性与黑天鹅事件人们经常耻于遭受失败，所以他们采用的策略波动性很小，但蕴藏着遭受巨大损失的风险。日本文化对随机性有一种病态的适应，却又无法理解坏结果可能来自坏运气，所以失败能够严重损害一个人的声誉。人们讨厌波动性，因此采用可能招致重大失败的策略，导致有些人在惨败后自杀。而且，这种在波动性与风险之间的权衡会出现在看似稳定的职业选择中，比如截至20世纪90年代的IBM的职位。一旦被解雇，这些员工就面临彻底的迷茫：他们再也做不了别的事了。同样的道理适用于受保护行业。另一方面，咨询师的收入随着客户收入的起伏而增减，但他们挨饿的风险更低，因为他们的技能能满足人们的需要——随风起伏却不沉没。

如果你知道容易犯预测错误，并且承认由于有黑天鹅事件的影响，大部分“风险管理方法”是有缺陷的，那么你的策略应该极度保守或极度冒险，而不是一般保守或一般冒险。不要把钱投入“中等风险”的投资（你怎么知道它是中等风险的？听某个谋求终身教职的“专家”的吗），而应该把一定比例的钱，比如85%~90%，投入极为安全的投资工具，比如国债，总之投入你能找到的最安全的投资工具。余下的10%~15%投入极具投机性的赌博中，用尽可能多的财务杠杆（比如期权），最好是类似风险资本的投资组合。这样一来，你就不受错误的风险管理的影响。没有黑天鹅事件能够超越你的“底线”伤害你了，因为你的储备金最大限度地投入了安全的投资工具。或者，同理，你可以拥有一个投机性投资组合，并确保（如果可能的话）它的损失不超过15%。这样，你就“剪掉”了对你有害的不可计算的风险。你不是承担中等风险，而是一边承担高风险，一边不承担风险。二者的平均值是中等风险，但能使你从黑天鹅事件中获益。用更为专业的术语，可以称之为“凸性”组合。让我们看看如何在生活的所有方面运用这一点。

区分正面意外和负面意外。学会区分在不具可预测时从事哪些事会（或一直）对我们极为有利，在我们无法预测未来时从事哪些事有害。既有正面黑天鹅现象，又有负面黑天鹅现象。在将正面黑天鹅事件的影响最大化的同时，保持对负面黑天鹅事件的警惕。要从正面黑天鹅事件中获益，你不需要对不确定性有任何精确的理解。有一点我很难解释，那就是在你只有非常有限的损失的时候，你必须尽可能主动出击，大胆投机，甚至“失去理智”。同样，不要试图准确地预测黑天鹅事件，这很可能使你更容易受到那些你没有预测到的结果的影响。

市场不擅长预测战争。任何人都不擅长预测任何事。

一个事件要成为黑天鹅事件，它不仅要稀有，或者疯狂，还必须是出乎意料的，超出我们对可能性的理解。

我由于钟形曲线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斯坦。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做意外而置之不理，因为它们的累积影响如此强大。

数据偏离对平均值的影响：更专业的说法是，如果存在巨人和侏儒，二者之间的差异达到几个数量级，你仍然可能处于平均斯坦。为什么？假设你以1 000个人为样本，其中既包含侏儒也包含巨人。你可能会在样本中看到许多巨人，而不是极少数巨人。你的平均值不会受到额外增加的一个巨人的影响，因为你预期到巨人是样本的一部分，所以你的平均值会比较高。也就是说，最大观测值不会偏离平均值太远。平均值总会涵盖两类人——巨人与侏儒，所以两者都不会太罕见，除非在极少数情况下遇到超级巨人或超小侏儒，那将是一个偏离单位较大的平均斯坦。

平均斯坦的不确定性在平均化之下消失。这就是人们常说的“大数定理”。

上面的例子就是平均斯坦最高法则的应用：当你有大量赌徒时，单个赌徒对总体只可能造成微弱的影响。

我在这里谈一谈危害的程度。如果你从事的是定性的推理，比如哲学或医学，需要寻找一些“是”或“否”的答案，而不需要考虑数量的大小，那么你可以假设你处在平均斯坦而不会产生严重的问题。低概率事件的影响不会很大。你要么有癌症，要么没癌症；要么怀孕了，要么没怀孕等等。死亡或怀孕的程度并不相关（除非是流行病）。但如果你面对的是合计数字，其大小是重要的，比如收入、财富、投资组合的收益或图书销量，那么使用高斯分布就会有麻烦，因为高斯分布在此不适用。一个数字就能瓦解你的所有平均值，一次亏损就能抹平一个世纪的利润。你再也不能说“这是意外”。“当然，我可能亏钱”再也传递不了任何信息，除非你能对亏损进行量化。你可能亏掉所有净资产，也可能亏掉日均收入的一小部分，这是有区别的。

在高斯世界，当你从更高的角度看时，财富（或任何其他变量）的不均等会下降，亿万富翁之间的均等性高于百万富翁，百万富翁之间的均等性高于中产阶级。简而言之，这种不同财富水平之间的不均等性是一种统计知相似。

对黑天鹅的应对办法是在思维中避免从众。但在避免上当之外，这种态度受制于一种行为方式，不是思维方式，而是如何将知识转化为行动，并从中找出那些有价值的知识。

大，便是丑陋和脆弱大自然并不喜欢过大的东西。陆地上最大型的动物是大象，大象之所以大，有它自身的原因。如果我射杀一头大象，我可能会坐牢，也会被我的母亲所不齿，但我却很难撼动大自然的生态。另一方面，我在第十四章中关于银行的观点（如果你去抢银行，我会“对结果的严重性不寒而栗”，“一家银行倒下，其他银行也会相继倒下”）后来被一系列事件所印证：2008年9月，雷曼兄弟公司这家银行破产，随即使整座金融大厦倾覆。大自然不会限制不同实体之间的交互作用，而只会限制其成员的大小。（因此，我的观点并不是要停止全球化，取缔互联网。我们会发现，公司规模做大时，政府应停止对其实施帮助转而扶助小规模的公司，这样会更利于稳定。）

对于所谓的“非遍历性”系统，没有一种叫做远期的东西。在遍历性系统中，某事物远期发生的可能性并不受将发生事件（比如说明年）的影响。在赌场中玩轮盘赌赢得许多钱的人，如果持续赌下去，并且赌场中有机关，那么他迟早会倾家荡产。技术不过关的人最终都会失败。因此，一般来讲，对于中间时期所采取的路线（研究者将此称为路线依赖缺失），遍历性系统是一成不变的。非遍历性系统没有真正的远期特性——它倾向于路线依赖。

在实际生活中，并没有一种叫做“远期”的东西，重要的是远期之前所发生的事情。使用“远期”概念的问题，或者数学家们称之为渐进特性（当你将某件事情拓展向无穷时），在于它经常会使我们对于远期之前发生的事情视而不见，这便是我后面将要讲到的预渐进性。根据向这条渐进线收敛的速度，不同的功能有不同的预渐进性。然而，不幸的是，生活就发生在预渐进线上，而不是发生在不切实际的远期线上，预渐进线（或近期）上具备的一些特性与那些发生在远期的特性存在明显的不同。因此，即便理论能够起到作用，它也要与内容更加丰富的近期现实接轨。很少有人能够理解，一般来讲根本不存在诸如可实现的远期之类的东西，除非通过解数学方程的方式。

设想一下，罕见事件发生的频率不能通过经验观察来预测，原因是它们太罕见了。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）领域的先验代表的依赖度也便越高。

在真实生活中，我们并不在意简单与原始的可能性（不管事件发生还是未发生），我们担心的是结果（事件的规模；生命或财富会受到多大的损失，还会发生哪些其他的损失；一件有益的事件会给我们带来多大的好处）。如果事件发生越不频繁，事件结果便越严重（我们设想一下，百年一遇的洪水较之十年一遇的洪水结果更严重，但发生频率却更低；十年最佳畅销书的销量要大于年度畅销书的销量），我们对罕有事件贡献的预测便也会大错特错（贡献是可能性与效果的乘积，将此与预测错误相乘），没有任何东西可以弥补它。

如果我们告诉投资者，平均下来，投资者每隔30年会倾家荡产一次，那么他们很可能仍然会选择投资。然而，如果你告诉他们，他们每年都有3.3%的投资亏损的可能性，那么他们很可能便会放弃投资。

用通俗的话来讲，发展随着时间推移而加剧，而不会被平衡力所压制。最终，我们可以通过非线性来强化肥尾。

复杂性暗示着极端斯坦。（反之则不一定成立。）