旁路观察
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 Fi veTh irtyEigh t，以精准预测美 国大选结果而闻名 。
在 2008 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 &quo t; 人性 &qu ot; 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。3 0% 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 &quo t; 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 &qu ot; 河里 人 "。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 9 0% 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。&quo t; 高 期望值 &quo t; ≠ " 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 " 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。七、价值投资与量 化投资，谁会胜出 ？
【洪灝】：我相 信你也注意到，数据分析和量化 模型在投资流程 中的占比已经大幅提升。过去，价值投资由沃伦 · 巴菲特等 人发扬光大，投资者主要通过阅 读财报等资料判 断企业价值。