补一条消息
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 irty Eight，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 " 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 &q uot;： 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 &quo t;。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 &qu ot; 河里 人 &quo t;。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 " ≠ &qu ot; 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。