近期见闻
真正危险的，不是冒险 ，而是不知道在冒什么险
内容来源 | 本文摘编自中信出版集团书籍 《自然之善：疗愈、解压、免疫修复与身心滋养的科学真相》 【美】纳特 · 西尔弗 著 李晓霞 译 责编 | 贾宁 第 9936 篇深度好文： 7080 字 | 18 分钟阅读 如果一项投资的期望值为正，但你在获得 预期收益之前就已经亏光了全部资金，该怎么办？
这是一个投资者熟悉、却很少真正讨论的问题。收益率 、胜率和赔率都可以计算，但真正进入市场之后，还会 多出一个变量：你能不能在结果出现之前一直留在牌桌 上？纳特 · 西尔弗因作品《信号与噪声》而为中国 读者熟知。他曾创办 FiveThirtyEigh t，以精准预测美国大选结果而闻名。
在 20 08 年他正确预 测 49 个州的 结果，而 201 2 年更是成功预 测全部 50 个 州。在新作《不冒 险就是最大的风险 》里，纳特不再只 讨论 " ; 如何预测 ";。他开 始讨论一个更深入 的问题：当未来无 法被准确预测时，我们究竟应该如何 下注？一、从《信 号与噪声》到《不 冒险 就是最大的 风险》 【洪灝】：纳特，很高兴有 机会与你对话。
我想很多中国人 认识你，是从美国总统选举开始的。我几年前读过你的第一本书《信号与噪声》，那本书主要讨论如何使用统计方法预测现实生 活中的结果和事件；而你的新书《不冒险就是最大的风险》更多是在讨论，这种统计方法如何解决现实中的问题，还有投资等领 域的问题。
【纳特 · 西尔弗】：《不冒险就是最大的风险》作为 我第一本书的延续，试图加入一点 " 人性 " 的因素。以管理 和评估风险为生，同时真正做出预测，是一件很不寻常的 事情，因为你可能要为自己的预测 负责。当这个领域是动态的、世界不断变化，而且你判断 错了就会付出代价时，这和普通的 人生选择完全不同。
《信号 与噪声》讨论预测本 身，《不冒险就是最 大的风险》则 开始讨论预测与行动 之间的距离。对于投 资者来说，预 测只是决策链条的一 部分。真正困难的从 来不只是判断 ，而是判断错误之后 ，你要付出什么代价 。二、为什么 预测选举， 比预测 市场容易？【洪灝】：在你最后几 次总统大选预测中，大多数州都预测得很 准确，部分摇 摆州却出现了一些偏 差。
但即便如此，你依然是市场上最接近最终结果的预测者 。我很好奇，你在处理摇摆州时，与其他州有什么不同 ？为什么摇摆州特别难预测？【纳特 · 西尔弗】：有几点。首先，美国政治的两极分化非常严重。50 个州中，大概有 43 到 44 个州，在当时实际 上已经可以相当准确地判断谁会获胜。
其次是政治高度区域化。如果你根据人们的种族、收入和教育水平等因素进行判断，很多州的结果其实并不难预测。真正困难的是摇摆州。我们的模型有一个别人没有充分处理的问题：不同州的结果并不是相互独立的。这很重要。它并不像我们进行 50 次相互独立的彩票抽奖或者抛硬币实验，而更像是只抛了一次硬币，而这个结果会同时影响多个摇摆州。
所以，有些年份你可能几乎预测 对了所有州；但 另一些年份，你 可能同时在多个州出现偏差。这意味着模型的校准误差本身也具有相关性。我们的模型试图明确 计算这种相关性 ，从而得到更好 的概率预测。【洪灝】：这和你预测世界杯有点类似吗？【纳特 · 西尔弗】：某种程度上是 的。
世界杯是非常好的预测对象。一次世界杯有 104 场 比赛，而且五周之内就会结束。你可以不断得到反馈，并检验自己的预测。但总统大选不同 。每四年才举行一次。我们的模型认为特朗普有 30% 的概率获胜，而市场给出的概率 只有 15%，最终特朗普真的获胜，那么从预测的角度来看，这其实是一次非常好的判断 。
因为你 的判断相对于市场而 言具有正的期望价值。但人们往往 看不到这种长期视角 。【洪灝】：这也是市场比体育和 选举更难预测的地方 。体育有明确的规则，而且规则不 会经常改变；选举也 有非常稳定的制度框架。我们知道 美国有 50 个州 ，知道选举什么时候举行，也知道 大部分基本规则。
但市场更加开 放。市场中的均衡状态非常复杂，因为每个人不仅在预 测未来，还在预测其他人在做什么。很多算法策略都曾 经在某个时期表现得非常出色，随后却发生惨烈的崩盘 。30% 的概率，不等于 "; 不会发生 ";。一次判断的价值，不能只看结果是否 发生，还要看你相对于市场有没有优势。
三、" 村里人 " 与 " 河里人 "： 谁应该承担风险？【洪灝】：我觉得你新书有一个很有意思的划分：你把人分成 " 村里人 " 和 " 河里人 "。我不确定自己的理解是否完全准确，但你看起来并不像典型的 "; 河里人 "。他们愿意承担风险、计算风险；而 " 村里人 " 更加机构化，也更加厌恶风险。
传统机构投资者可能承担的风险较少，但他们又 是市场不可或缺 的参与者。因为当有人想买入资产时，总要有人愿意卖出。如果排除 " 村里人 "，市场的风险定价 可能会发生巨大变化。没有这些厌恶风险的参与者，市场甚至可能越来越难以交易。所以，我想听听你如何看待 这两类市场参与 者。
【纳特 · 西尔弗】：我认为，大多数参与市场交易的人其实都喜 欢交易。有些机构客户 会非常保守，但市场上的大多数人 ，在某种程度上都属于 &quo t; 河里人 &qu ot;。如果你在玩扑克或者其他 博弈游戏，你真正需要最大化的目 标并不总是明确的。从 长期来看，最大化期望值的策略往 往需要承担一定风险，而这种风险 对于一个人的一生来说 ，可能反而是不理性的。
最典型 的问题就是破产风险。如果一切归零，你就失去了继续 参与游戏的能力。这也是为什么财富增加以后，会出现 边际收益递减。假设我今天损失银行账户里 90% 的资产，那么这种损失会远远超过获得相应收益所能带 来的好处。即使未来还有机会把收益再放大十倍，也无 法弥补这种风险。
美国人有时候 会觉得富足是理所当然的，因为美国长期以来都是一个 富裕国家。但如果一个人已经拥有大量财富，那么更加 保守的决策未必是不理性的。尤其当他已经处在一个可 能遭受巨大损失的位置时。最大的问题是破产风险。如 果一场下注会让你失去继续参与游戏的能力，那么再高 的期望值，也不值得。
四、" 期望值为正 ";， 为 什么还是可能输光 ？【洪灝】：我知 道你如何看待博弈 。你会根据期望值 下注，并从概率的 角度看待一场游戏 。换句话说，你会 完成一整套情景分 析，给不同情景赋 予概率，再计算期 望值，然后据此下 注。问题在于，投 资中我们永远无法 真正获得那个 "; 期望 值 "。
即使一项投资的期望值为正，它通往最终结果的过程也可能非常 曲折，甚至于你在达到预期收益之前就已经亏光了全部资金。所以，无论是在扑克还是投资中，你实际上是如何管理这种风险的 ？【纳特 · 西尔弗】：美国风险投资行业的一项创新，就是意识到，如果你把很多押注组合在一起，其中一部分押注会具有 极高的期望值。
比如，一家公司可能只有千分之一 或者百分之一的概率，最终给你带 来一千倍回报。同时，你也会有一些规模更小但回报率依 然很高的投资，其中大约 90% 的项目可能失败。如果投资者把这些押注组合起来，就 会形成非常有力的策略。这也是为 什么风险投资机构能够积累大量资本，再加上它们不断构 建的募资叙事，以及过去投资带来 的收益，会形成某种良性循环。
【洪灝】：如果你愿 意承担可计算的风险 ，并且大致知 道胜率和支付率，那 么从长期来看，只要 你有足够耐心 ，是不是就有可能获 得成功？【纳特 · 西尔弗】：是的，但问题就在于 耐心。如果你优先考 虑长期结果，那么很多投资的回报 都会更高。真正困难 的是，很多事 情能够让你现在感觉 不错，或者现在帮你 省点钱，但它 们可能只有在未来才 能带来数倍的回报。
人很难坚持这种选择。美国人并不以耐心著称，但硅谷在这一点上确实比较特殊。例如英伟达。黄仁勋曾经讲过，公司经历过很多次接近破产的时期。但他们坚持了很长时间，最终获得了巨大的成果。" 高期望值 " ≠ "; 好下注 "。真正的长期优势，往往属于那些能承受等待，也能承受失败的人。
五、 成功究竟来 自能力、 运气，还是监管优势？【洪灝】：中国也有 很多非常成功的私 募投资机构。美国 也有一小部分风险 投资人非常成功，比如彼得 · 蒂 尔和马克 · 安 德森。我很好奇，这些极其成功的人 之间有什么共同特 征？是什么让他们 如此成功？这种成 功是否可以复制？
【纳特 · 西尔弗】：这很难说。有些人早期完成了几笔高质量投资，之后就 不断加码这类机 会。彼得 · 蒂尔实际上相比很多人更加风险规避。人们经常说，他们善于逆向思考。我认为这在一定程度上 是正确的。如果 你要寻找尚未被 市场充分定价的机会，就不可避免地要在一定程度上脱离主流共识。
此外，资本本身也会催生更多资本，个人声誉同样非常重要。比如安 德里森 · 霍洛维茨这样的公司，一旦选择与某位创业者合作，本身就会立刻给这位创业 者创造价值。它会吸引更多人才，也会吸引其他投资者。这种成功究竟有多大程度来自自身 能力、运气，以及某种程度上的监管俘获？
我认为大概率是三者 共同作用。一个人可以既幸运，又 有才干。绝大多数极 其成功的人，都是运气与才干兼具 。成功很少只有一个 原因：能力决定上限，运气影响路 径，而资本、声誉和 环境又会反过来改变赔率。六、 杠杆真正放大的，往 往是错误 【洪灝】：谈到交易，最难做的决策之一就 是仓位管理。
有时候完全看对了市场方向 ，但下注不足 ；而下注过大，才可能让你陷入麻烦。凯 利公式可以计 算理论上的最优下注规模，但现实中很容 易出现毁掉全 部仓位的情况。你如何调和理论与现实？【纳特 · 西尔弗】：凯利公式最大的前提是，你能 够精准知道下 注会有多大概率获胜。
但现实中，你通常并不知道真实概率。市场往往很聪明。除非你能确切知道真实的收益水平，否则凯利准则会促使你变得过于激进。这里的问题并不在凯利公式本身，而在于现实中的概率估计很难做到足够精确。模型告诉你的 20%，可能并不是真正的 20%。一旦输入本身存在偏差，按照理论最优比例下注，反而可能把这种偏差放大。
有时你的算法会给出大量交易建议，而那些和市场分歧最大的押注，恰恰是你最不该去下注的情 况。因为这类情 况或许反映出，市场掌握了你的模型并不具备的信息。【洪灝】：金融市场中经常会找到一个效果极佳的因子，比如 &quo t; 动量因子 "。我们总说，动量因子会一直有效，直到它失效为止。
那么在模型 出现问题时，我们应该修改模型，还是坚持自己的判断？【纳特 · 西尔弗】：在建模工 作当中，我花费最多精力的一件事 ，就是寻找预测出错的案例。如果 我的结论和市场观点不 一致，我会仔细审视背后的原因：是我掌握了更好的数据，还是市场 本身存在某种偏差？
也可能只是我的模型遗漏了某些细节，甚至代码里存在 错误。这意味着，模型的迭代并不是看到一次错误就立 即调整参数。先找到错误发生的原因，再判断它究竟是 随机波动、模型缺陷，还是现实环境发生了变化，往往 更重要。普通人会对上一次的结果反应过度。你需要有 历史记录作为依据。
你的立场在一开始越清晰、越完备，模型 就越能植入更多细节和抗干扰能力。【洪灝】：所以，只要把控好仓位规模，同时用好杠杆，就有可能扛过崩 盘，之后再迎来业绩爆发。真正的风险管理，不是让模 型永远正确，而是在模型出错时，依然有能力留在牌桌 上。