地图不是领土：所有模型都是错的，有些是有用的
“All models are wrong, but some are useful.”
—— George Box
读完这篇文章你将理解为什么”知道模型在什么时候失效”比”知道模型怎么用”更重要
一张北京地图不是北京。地图省略了无数细节——街道上的行人、建筑物的颜色、空气的温度、胡同里的猫。但正因为这些省略和简化，地图才”有用”。如果地图和它描绘的城市一样复杂，你就不需要地图了——你直接看城市就行。
投资模型也是地图。PE估值、DCF分析、凯利公式、技术指标——它们都是对现实的简化。简化必然意味着”错误”——省略了细节就意味着不完整。但简化也带来了”有用”——正是因为简化，你才能在有限的时间和有限的信息条件中做出决策。
统计学家George Box用一句话概括了这个矛盾：”所有模型都是错的，但有些是有用的。” 这句话应该成为每个投资者的座右铭——不是让你放弃使用模型，而是让你在使用模型时始终记住：你手中拿着的是一张简化的地图，不是领土本身。
投资中最常用的模型以及它们各自的盲区
PE比率是最简单也最广泛使用的估值模型。它用一秒钟给你”这只股票贵不贵”的粗略感觉。但PE省略了增长率、负债水平、现金流质量和管理层能力。一家PE为10的公司可能是被低估的好公司，也可能是盈利即将大幅下滑的价值陷阱。周期性行业的公司在盈利最高点时PE最低——恰恰是你最应该卖出而不是买入的时候。
DCF（现金流折现）模型看起来是最”科学”的估值方法——它试图计算公司未来所有现金流的现值。但它的输入参数（增长率、折现率、终值假设）全部是估计值。改变增长率假设1个百分点，估值结果可能变化30%以上。芒格说他从来没见过巴菲特做DCF计算——不是因为DCF的逻辑错误，而是因为它给人一种虚假的精确感。DCF最大的价值不是它的输出数字，而是它迫使你明确你的假设——然后你可以测试这些假设是否合理。当你被迫写下”我假设这家公司未来10年的收入增长率是8%”时，你会开始认真思考这个假设是否站得住脚。这个思考过程比最终的估值数字重要得多。巴菲特可能不做正式的现金流折现计算，但他在脑中做的定性分析和这个过程是完全一致的——他只是跳过了”精确计算”这个步骤，因为他知道精确计算在不确定的未来面前是一种虚假的安慰。
巴菲特指标（总市值/GDP）是一个宏观层面的市场估值参考。巴菲特在2001年说这”可能是任何时刻衡量市场估值水平的最佳单一指标”。但它省略了全球化的影响——很多上市公司的利润来自海外而不仅仅是本国GDP。在全球化程度不断加深的今天，这个指标的参考价值正在逐渐减弱——但它仍然能提供一个有意义的长期均值回归参考。关键是你要知道它的局限性，而不是盲目相信或者完全忽略它。模型的正确用法不是全信或全不信，而是”在理解其边界条件的基础上参考”。
VaR（风险价值）模型告诉你”在95%的置信度下，你的投资组合在一天内的最大损失不超过X”。听起来很有用——但问题是，你真正关心的不是那95%的正常日子，而是那5%的极端日子。而VaR恰恰在那5%的极端日子里失效。长期资本管理公司（LTCM）的模型告诉它们极端亏损的概率低到可以忽略——然后1998年的俄罗斯债务危机让”不可能发生”的事情发生了，LTCM在几周内亏损了46亿美元。
模型在你最需要它们的时候失效
塔勒布在《黑天鹅》中对金融模型提出了一个致命的批评：大多数金融模型在”正常”条件下有效，但在”极端”条件下失效——而你最需要模型保护你的恰恰是极端条件下。 这就像一把雨伞在晴天完美无缺，但在暴风雨中被吹翻——它在你不需要它的时候很好用，在你最需要它的时候却帮不了你。
2008年金融危机是这个问题的教科书案例。分散投资模型告诉你”不同资产类别的相关性低，所以持有多种资产可以降低风险”。在正常市场条件下这是对的。但在2008年9月，几乎所有资产类别同时暴跌——股票、公司债、大宗商品、房地产——相关性突然接近1。分散投资模型在你最需要它的时候失效了。
这不是说模型没有用。模型在它的适用范围内仍然是有用的工具。问题是，大多数人忘记了模型有适用范围。他们把地图当成了领土，把模型的输出当成了现实的真相。一个常见的表现是：当模型说”应该涨”但实际在跌时，他们不是质疑模型而是质疑市场——“市场是错的，我的模型是对的”。这种态度在大多数情况下会让你亏钱。市场可能在短期内偏离基本面，但如果你的模型和现实持续背离了6个月以上，更大的可能性是你的模型遗漏了什么，而不是整个市场都错了。
阿尔弗雷德·科兹布斯基——“地图不是领土”这句话的原创者——在1931年就提出了这个警告。他的核心论点是：人类通过抽象化来理解世界，但抽象化必然丢失信息。丢失的信息可能恰好是最关键的。在投资中，被模型省略掉的因素——管理层的诚信、行业竞争格局的突变、监管政策的转向——往往是决定投资成败的关键变量。模型没有包含它们，绝不代表它们不存在或者不重要。恰恰相反，被模型省略的变量往往正是”黑天鹅”的藏身之处。
如何正确使用模型：四条原则
第一条原则：知道每个模型的适用条件。 就像你不会用北京地图导航上海，你也不应该用PE估值来分析一家亏损的初创公司。PE适用于盈利稳定的公司。DCF适用于现金流可预测的公司。凯利公式适用于可重复的概率赌注。每个模型都有它的”适用领地”——在领地内使用它，在领地外换一个更适合当前情境的模型。
第二条原则：用多个模型交叉验证。 一个模型说”便宜”不够。三个不同的模型都说”便宜”更可信。这就是芒格的多元思维模型栅栏——每个模型是一个独立的视角，多个视角的交叉点比任何单一视角更接近现实。具体来说，如果市盈率、现金流分析和行业对比这三个独立的模型都指向”这家公司被低估了”，那么这个结论的可靠性远高于只有市盈率一个模型支持的结论。反过来，如果三个模型给出了相互矛盾的信号（比如市盈率说”便宜”但现金流分析说”盈利质量差”），这本身就是一个重要的信息——它告诉你这个投资机会的不确定性很高，你需要更大的安全边际或者干脆放弃。
第三条原则：对模型的输出加安全边际。 DCF说一家公司值100元，你不在100元买——你在70元买。那30%的折扣不是因为你”觉得模型算多了”，而是因为你知道模型的每一个输入参数都有误差，30%的折扣是为模型不可避免的误差预留的缓冲空间。格雷厄姆发明安全边际概念时就是基于这个认识：你的估值一定是”错的”，安全边际让你即使错了也不会亏太多。
第四条原则：当模型和现实冲突时，相信现实。 如果你的模型说”应该涨”但它持续下跌，不要说”市场错了，我的模型对”。问自己：”我的模型是否遗漏了什么？” 地图和领土不一致时，相信领土。
常见问题
如果所有模型都是错的我还要学它们吗？
是的。”模型是错的”不意味着”模型没有用”。一张不完美的地图仍然比没有地图好得多。没有任何模型的投资者只能靠直觉和情绪做决定——而直觉和情绪是投资中最不可靠的决策工具。模型的价值不在于它给你”正确的答案”，而在于它给你一个思考的框架——它迫使你明确你的假设、量化你的预期、识别你的风险敞口。即使模型的输出数字是”错的”，经过这个思考过程本身就让你的决策质量显著提高了。没有模型的投资者做出的决策通常是”我觉得这只股票会涨”——没有假设、没有量化、没有风险评估。有模型的投资者做出的决策是”基于以下假设，这只股票的估值低于内在价值约30%，而如果假设错误，我的最大损失在可承受范围内”。后者不一定每次都赚钱，但它的长期胜率会显著高于前者。
如何判断一个模型在当前市场条件下是否仍然适用？
最简单的检验方法是看模型的核心假设是否仍然成立。PE估值假设”盈利是稳定的”——如果你分析的公司正在经历剧烈的盈利波动，PE就不适用。分散投资假设”不同资产的相关性低”——如果市场正在经历系统性恐慌（像2008年或2020年3月），这个假设暂时不成立。当你发现一个模型的核心假设在当前环境中被违反了，你需要做的不是”调整模型”而是”换一个模型”或者”承认你暂时没有可靠的导航工具，所以不做任何决定”。后者往往是最明智的选择——因为在没有可靠地图的情况下强行导航，比停下来等到视野清晰后再出发的风险大得多。承认”我现在看不清”不是软弱——它是ἐποχή（判断悬置）的智慧。在不确定性高到模型都失效的时刻，最好的策略往往就是什么都不做——等到不确定性降低到你的模型重新变得有用时再行动。这和Via Negativa的原则完全一致：在你看不清路的时候，”不走错路”比”努力找到正确的路”更重要。
本文参考George Box的统计学名言、塔勒布《黑天鹅》关于模型局限性的论述及格雷厄姆的安全边际概念整理。如果你开始用”这个模型的盲区在哪里”来审视你使用的每一个工具，欢迎关注公众号「柔和谦卑 履责 求知」。
不构成投资建议。
「柔和谦卑 履责 求知」