【跨学科工具箱】投资大师的模型（学习笔记）
投资大师的重要模型
为什么要学习这些投资大师的智慧？
首先为什么要着眼与投资领域，金融市场可以说是人类社会复杂性最好的缩影，这个战场极其激烈，汇聚了全世界最聪明的大脑，由这些大脑用一辈子真刀真枪实践总结出来的思维模型，是非常值得学习的。
其次为什么是下面三个人，因为他们符合三点：
一是他们都是实践出真知的人（已经用自己的思维方法获得了成绩）。
二是他们经过了长时间的市场考验（成功很多年了）
并且三个人的风格刚好符合正反合三种类型：
巴菲特（正）：押注的是世界上正确的东西。他的流派正统，符合常识，追求长期获益，研究起来让人觉得对世界充满希望。
索罗斯（反）押注的是世界上错误的东西。他的流派，反正统，挑战常识，能让人短期获胜。
塔勒布（合） ：他的理论体系是三人中最系统完整的，写了很多书，虽然投资业绩与上面二人还是差了很多量级的，但也是傲视群雄，但是最推荐的还是这个人，因为适用性更普遍，理论更系统。(这个世界上最会开车的人，不一定是能把开车原理讲的最透彻的人，而能把开车原理讲透的人有通常不是最会开车的人)
资料：所长林超的跨学科工具箱
索罗斯
索罗斯：世界的错误是错误，投资中充满风险与不确定性无处不在，要通过捕捉错误爆发的瞬间挣大钱
反身性理论：任何一个系统，观察者与现实之间会不断的相互影响，导致现实永远不能被理解，现在的所有经济学理论从根基上就是不牢靠的
人们不可能正确认识现实 比如人们总是在膨胀期高估未来，在衰退期低估现在
你看到错误，不代表你能等到错误爆发的时候。往往可能一个错误持续几年甚至几十年
风险无处不在：时刻提醒自己，不要用过去几年这个资产的情况来计算未来的发展相关 自指
人类不确定性原则：理论会影响现实（也包括这个理论）
所以很多包含人本身的学科，很难产生像自然科学一样坚实的理论基础，这类学科更重要的是实践和经验，比如索罗斯到背疼
相关：与 海森堡测不准原理 的区别在于，海森堡测不准原理的发现，不会影响粒子的运动，但是人类不确定性原理的诞生会影响人类本身的行为
方法：先投资后研究。觉得是个机会就先投一点钱，之后发现不错就下更多本，觉得不好，就赶紧止损。
巴菲特
巴菲特：世界虽然是充满错误的，但要避开这些错误，找到正确的东西来致富
价值投资流派，通过长期拥有优质现金流和护城河的资产来发家致富
能力圈模型：每个人都有自己的能力圈，最重要的不是能力圈有多大，而是能不能坚持只在能力圈里做事情
安全边际 ：在一个投资里，如果支付的价格不能明显低于价值，那么这项投资就没有足够的安全边际。通俗来说，做投资或任何人生规划要留有余地，增强自己的抗风险能力
比如标注载重20t的桥，其实30t也不会塌，其中期间就是安全边际
但成功应用这个理论的前提是要需要能评估投资价值，这点往往是困难的。
相关：蓄水池原理
护城河：当一个企业可以提高售价，但是销量不会减少，那么就说嘛这家企业拥有护城河
个人也要有自己的护城河，在找到自己的谋生手段后，还要不断的增强自己不被替代的能力，增强不被替代的能力才是王道
方法：等。等到有非常好的投资机会，再集中下注。
比如买股票，一定要对这个公司有深刻的了解，经常关注这个公司的信息状态，不要浅层次的关注一大堆股票跟风买，这就是能力圈的打法。
等大机会下重注：投资的成功是幂律分布的，前百分之一的人赢得的资产超过剩下之和一个人一辈子投资赚钱最多的那次，要比其他加起来都多，所以要抓住机会
相关：不要平均用力
反面：大机会是很难确定的，下重注对普通人来说就是all in了，因为10w对于投资标地练购买的门槛都不到
塔勒布
杠铃策略：90%的精力放在低风险低受益，10%拿去高风险高收益，彻底放弃中间的区域
对人生也是 90%的时间精力放在稳妥的事情上，10%的精力去探索
什么样的高风险值得投入？符合j型曲线的，即损失有下线，收益无上限，比如天使投资
扩展资料 《反脆弱》
黑天鹅：难以预测，一旦发生就影响及其重大的事情。比如911，2008年金融危机，新冠疫情，世界大战等
特点：不可预测，影响巨大，事后可解释
现代世界发展变化巨大，人一生可能会遇到七八次黑天鹅事件
资料《黑天鹅》
反脆弱：遇到黑天鹅的事件，不但没有受损，反而赚大了。
例子：玻璃球，铅球，乒乓球同时掉到地上：玻璃球是脆弱的，碎了；铅球不是脆弱的，没有变化；而乒乓球是反脆弱的，不但没有碎，反而弹起来很高
为什么要建立反脆弱的体系？普通人能否逆袭，就在于它能不能够建立反脆弱的体系，然后等待到合适的黑天鹅事件，从中获得超额收益
如果增强反脆弱性？
降低脆弱性：不要轻易all in，不立危墙之下 例子，，，，
拥抱杠铃策略：避免中风险区域，避免诱惑，随大流，，（中庸反例）一边研究安全带一边研究冒险的；理解冒险的本质 j型曲线（天使投资）
主动试探，不断证伪：守住基本盘的基础上，探索能力圈之外的事情，不断扩展能力圈比如新科技领域
