Skin in the Game：谁在承担后果，谁的话才值得听 “Don’t tell me what you think, tell me what you have in your portfolio.” —— 塔勒布 读完这篇文章你将掌握一个简单但极其有效的信息过滤器：检查给你建议的人是否自己承担后果 汉谟拉比法典刻在石碑上的时间是公元前1754年。其中有一条规定：如果建筑师建造的房子倒塌，压死了房主，建筑师本人将被处死。 4000年前，人类就发现了一个基本真理：如果一个人不承担自己行为的后果，他的行为质量会急剧下降。 建筑师知道房子塌了自己要死，他会把每一块砖都砌得极其认真。如果房子塌了只是罚点钱或者什么后果都没有，他砌砖时的认真程度一定完全不一样。 塔勒布在《Skin in the Game》中把这个古老的原则提炼成了一句话：如果你不承担下行风险，你的上行判断不可信。 这是你在投资中能使用的最简单、最有效的信息过滤器。 投资领域的”没有Skin”问题 在投资领域，给你建议的人大多数都没有Skin in the Game。这不是阴谋论——这是激励结构的自然结果。 卖方分析师的工作目标是让你交易，因为券商从你的交易中赚取佣金。他在研报中给出”买入”评级，但他自己不持有这只股票。如果这只股票涨了，他的研报会被引用，他的年终评估会好看。如果跌了，他不会亏钱——你会。在这种激励结构下，分析师的”买入”评级永远多于”卖出”评级。一项2012年的研究显示，华尔街分析师给出的评级中约45%是”买入”或”强烈买入”，只有不到10%是”卖出”。这不是因为90%的股票都值得买——而是因为推荐”卖出”不会为券商带来佣金收入。 基金经理的激励结构稍好，但仍然存在不对称。典型的对冲基金收费模式是”2和20”——2%的管理费加上利润的20%作为绩效费。如果基金赚了100万，经理拿走20万绩效费加上管理费。但如果基金亏了100万，经理仍然拿管理费——他不需要从自己口袋里补偿你的亏损。这意味着他的激励是冒更大的风险：赢了他拿大头，输了你承担大部分损失。 财经媒体的目标是点击量和收视率，不是你的投资回报。一个标题写”市场可能温和上涨3%”的文章不会有人点。但写”崩盘即将来临”或者”这只股票即将暴涨500%”就会有大量点击。媒体从你的恐惧和贪婪中获利——你基于他们的报道做出了错误的投资决策，他们不承担任何后果。 对比之下，巴菲特把自己99%的净资产放在伯克希尔·哈撒韦。当伯克希尔的股价下跌时，他的个人财富也在下跌——他承担的下行风险和所有股东完全一样。这就是为什么他的年度致股东信值得认真阅读：他在告诉你他用自己的真金白银做了什么。 芒格同样如此。他的大部分个人财富都在他自己管理的投资中。当他在年会上回答股东问题时，他不是在”给建议”——他是在分享他自己正在做的事情的逻辑。这种高度的透明性本身就是Skin in the Game的最佳体现：如果他的逻辑是错的，第一个亏钱的人是他自己。 这个标准可以推广到所有给你建议的人：他们是否在用自己的行为为自己的话语投票？ 一个健身教练自己体脂率30%，他关于减脂的建议你会打个问号。一个投资顾问自己的钱全放在银行存款里，他关于股票投资的建议同样值得打问号。不是说他们一定是错的——而是他们没有用最有力的方式来证明自己是对的。 为什么”没有Skin”的建议如此危险 “没有Skin”不只是一个”不够诚实”的问题——它是一个系统性地产生错误信号的机制。 第一个危险是道德风险。 当一个人只享受上行收益但不承担下行损失时，他的理性选择是冒最大的风险。这就是2008年金融危机的核心原因之一：抵押贷款发放者把风险打包卖给了投资者，自己不承担贷款违约的后果。他们的激励是发放尽可能多的贷款——无论借款人是否有偿还能力。最终，这个”没有Skin”的系统产出了数万亿美元的有毒资产，引发了自1929年大萧条以来最严重的全球金融危机。数百万人失去了住房和工作。而那些制造了这些有毒资产的银行家们，绝大多数没有受到任何法律惩罚——因为他们从一开始就没有Skin in the Game。如果他们像汉谟拉比法典中的建筑师一样需要为倒塌的”房子”负责，2008年的危机很可能永远不会发生。 第二个危险是建议通胀。 当给建议的人不承担后果时，建议的数量会远超实际有价值的建议的数量。一个分析师每年发出200份”买入”报告，但真正值得买的可能只有10只股票。剩下的190份报告不是”分析”——它们是佣金生成器。你如果不加过滤地接收这些建议，你的交易频率会远超合理水平，而每一次不必要的交易都在消耗你的回报（摩擦成本）。 第三个危险是叙事制造。 不承担后果的人倾向于制造最吸引注意力的故事，而不是最准确的分析。”市场在短期内不可预测，长期大概率上涨”是一个准确但无聊的分析。”下周将有一场史诗级暴跌”是一个大概率不准确但极其吸引眼球的叙事。如果你分不清谁在分析、谁在讲故事，你就会在错误的时间做出错误的决定。 … Read more

均值回归：金融世界中最强大也最被误解的力量 “在金融领域中，没有哪个规律比均值回归更可靠——也没有哪个规律被投资者忽视得更彻底。” —— 参考John Bogle 高父母的孩子为什么”矮了” 弗朗西斯·高尔顿——达尔文的表弟、现代统计学的奠基人之一——在19世纪末发现了一个让他困惑的现象。他测量了大量父母和子女的身高数据后发现：身高极高的父母他们的子女的平均身高虽然仍然高于人群平均但不如父母那么高。身高极矮的父母他们的子女的平均身高虽然仍然低于人群平均但不如父母那么矮。 极端值在下一代中”回归”到了更接近平均水平的位置。 高尔顿最初把这个现象叫做”回归平庸”（regression toward mediocrity）——后来被更中性地称为”均值回归“。他最初以为这意味着人类的身高在逐渐变得”更平均”——但后来他意识到这不是一种”趋势”而是一种统计必然性。 为什么会发生均值回归？ 不是因为有某种”神秘力量”在把极端值拉回平均——而是因为极端值本身包含了一个很大的随机成分。一对身高极高的父母他们的极端身高中有一部分来自基因有一部分来自随机因素（营养、环境、测量误差）。基因成分会稳定地遗传给下一代但随机成分在下一代中不太可能再次向同一方向偏离。所以子女的身高”回归”到了一个更接近基因决定的”真实平均”的水平——不是因为被”拉回来”了而是因为上一代的随机偏差在这一代没有重复。 高尔顿的这个发现后来成为了整个现代统计学中”回归分析”这个名词的来源——“回归”一词最初就是从”回归到平均值”这个生物学观察中借用的。这说明了均值回归这个概念在科学思想史上的重要地位——它不是一个”投资技巧”而是一个贯穿自然科学和社会科学的根本性统计规律。在医学中药物试验中的安慰剂效应有一部分可以用均值回归来解释——患者在症状最严重的时候去看医生而症状的严重程度本身就包含了随机成分。即使不做任何治疗症状大概率也会在下一次评估时”回归”到一个不那么极端的水平。在体育中”体育画报诅咒”——登上《体育画报》封面的运动员随后表现往往下滑——很大程度上是均值回归的表现而非真的有什么”诅咒”。 均值回归在金融中的三种表现 高尔顿在身高上发现的规律在金融领域同样普遍——而且影响力更大因为金融数据中的”随机成分”比身高数据中的更大。 第一种表现：业绩均值回归。 过去3年表现最好的基金在接下来3年中大概率跑不赢平均。过去3年表现最差的基金在接下来3年中大概率不会继续那么差。标普的SPIVA报告每年都在验证这个规律——在过去5年中排名前25%的基金中只有约20%到30%在接下来5年仍然留在前25%。其余70%到80%的”优秀”基金”回归”到了平均甚至低于平均的水平。 这不意味着”所有好的业绩都是运气”——但它意味着”好的短期业绩中有很大一部分是随机成分”。当你根据”过去3年的优秀业绩”来选择基金时你实际上在选择的是”一个真实能力加上一个向上的随机偏差”的组合。在接下来的几年中真实能力的部分会继续（如果存在的话）但随机偏差的部分大概率不会重复——所以整体业绩会”回归”到一个更接近真实能力的水平。 第二种表现：估值均值回归。 股市的整体估值（通常用席勒市盈率衡量——过去10年平均盈利的市盈率）在历史中呈现出明显的均值回归特征。当席勒市盈率远高于历史平均（约16到17倍）时——比如2000年的44倍——后续10年的回报大概率低于平均。当席勒市盈率远低于历史平均时——比如1982年的约7倍——后续10年的回报大概率高于平均。估值不会永远停留在极端水平——它终将回归到更接近历史平均的位置。 第三种表现：公司增长率均值回归。 一家增长了30%的公司在接下来的几年中维持30%增长率的概率远低于大多数投资者的预期。高增长吸引了竞争对手进入市场、基数效应让同样的绝对增长产生了更低的百分比增长、管理团队的注意力被越来越多的业务线分散——所有这些因素都在把高增长”拉回”到更可持续的水平。反过来一家增长率为负的公司可能正在经历”可修复的暂时性问题”——管理层的调整、行业周期的触底和低基数效应可能让它的增长率”反弹”到更接近行业平均的水平。 均值回归不是”一切都会回到平均” 理解均值回归时最重要的一点是：均值回归只适用于”极端值中包含随机成分”的情况。 如果一个极端值完全来自”结构性变化”而非”随机偏差”那它不会回归。 柯达的衰落不是”均值回归”——它是数码摄影对胶片摄影的结构性替代。报纸行业的衰落不是”均值回归”——它是互联网对传统媒体的结构性颠覆。在这些情况下”等待均值回归”等于”等待一个永远不会来的反弹”。 关键判断是：这个极端值是”暂时偏离终将回来”（均值回归）还是”永久性的结构变化不会回来了”？ 这个判断的难度极高也极其重要——它需要你深入理解导致极端值的原因是”周期性的”（需求波动、库存调整、宏观经济周期——这些是暂时的）还是”结构性的”（技术替代、竞争格局永久改变、护城河永久消失——这些是永久的）。 巴菲特在纺织厂上犯的错误就是把”结构性衰退”误判为了”周期性低谷”——他等待了20年的”均值回归”但纺织行业的成本劣势（相对于海外生产商）是结构性的而非周期性的。均值回归不会发生在一个已经永久改变的世界中——你需要先判断”世界是否真的改变了”然后再决定”是否等待回归”。理解这个区分对投资者的实际价值是巨大的——因为”在结构性变化面前等待均值回归”和”在周期性波动面前过早放弃”是两种同样代价高昂但方向相反的错误。前者让你在一只永远不会恢复的股票上越套越深。后者让你在一个即将反弹的市场面前过早地认输。两种错误都来自同一个根本性的认知失败——无法区分”暂时的”和”永久的”。 均值回归检查清单 每次你看到一个”极端值”（一只暴涨的股票、一只暴跌的股票、一个表现极好的基金或一个表现极差的行业）用以下问题来判断均值回归是否可能发生。 这个极端值的原因是”周期性的”还是”结构性的”？ 如果原因是周期性的（比如大宗商品价格因为短期供需失衡而暴涨）均值回归大概率终将会发生。如果原因是结构性的（比如一个行业被新技术永久性地替代）均值回归不太可能发生。 这个极端值中有多少”随机成分”？ 一只基金3年的好业绩中随机成分可能占50%以上。一家公司连续10年的高增长中随机成分可能只占10%到20%。随机成分越高均值回归越可能。随机成分越低你看到的可能更多是”真实能力”而非”即将回归的随机偏差”。 如果均值回归发生你的投资论点还成立吗？ 如果你买入一只股票的理由是”它的增长率会继续保持在30%”那均值回归（增长率下降到15%）可能让你的投资论点完全失效。如果你买入的理由是”即使增长率下降到15%当前的估值仍然有足够的安全边际”那你的投资论点对均值回归是”免疫的”。 你是否在”追逐极端值”而非”利用极端值”？ 追涨（买入涨得最多的）是在赌”极端值会继续”——均值回归的统计规律说这大概率不会发生。买入被过度打压的优质公司是在利用”均值回归会发生”这个统计规律——大概率价格会从极端低位回归到更合理的水平。 常见问题 均值回归是否意味着”买跌了的就对了”？ 不是——均值回归意味着”在排除了结构性变化之后暂时偏离平均的值大概率会回归到平均”。但关键的前提是”排除了结构性变化”。一只因为短期恐慌而暴跌的优质公司的股价大概率会回归到和它的内在价值一致的水平——这是均值回归的有效应用。但一只因为公司的核心业务永久性地被替代而暴跌的股价不会回归——因为它的”平均值”本身已经永久性地下移了。区分这两种情况是你在投资中需要做的最重要的判断之一。这也是为什么”深入了解公司”比”看价格走势”重要得多——因为只有深入了解了导致价格下跌的原因你才能判断”这是暂时的偏离（等回归）还是永久的变化（不等）”。 均值回归和”趋势跟随”是否矛盾？ 在不同的时间尺度上两者可以共存。在短期到中期（几个月到一两年）趋势可能持续——一只涨势强劲的股票可能因为动量效应而继续上涨一段时间。但在长期（3年到10年）均值回归几乎总是主导力量——过去10年表现最好的资产类别在接下来10年中表现最好的概率远低于50%。这意味着短期的趋势跟随和长期的均值回归投资可以在同一个框架中共存——但你需要清楚你的投资期限是什么然后选择和你的投资期限相匹配的策略来指导你的决策。 本文参考弗朗西斯·高尔顿的原始均值回归研究及席勒市盈率的历史数据整理。如果这篇文章帮你在下一次”这只基金过去3年业绩太好了我要买入”的冲动中停下来问了”有多少是真实能力有多少是随机偏差”，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」 相关阅读 模糊的正确胜过精确的错误"：为什么贝塔值是投资界最成功的错误 均值回归：为什么过去的高回报预示着未来的低回报 … Read more

最后一堂课：如果只能教一件关于投资的事 “The investor’s chief problem — and even his worst enemy — is likely to be himself.” —— Benjamin Graham 只教一件事 如果我只有一堂课的时间——一个小时——面对一个从来没有投资过的人我只能教他一件事。那一件事是什么？本文将告诉你这个答案以及为什么它比任何技术分析或选股方法都更能改善你的长期投资回报。 不是安全边际——虽然它是投资的基石。不是复利——虽然它是财富的引擎。不是能力圈——虽然它定义了你的边界。不是护城河——虽然它保护了你的投资。 我会教他一件事：你最大的敌人是你自己。 为什么是这一件？因为如果你真正理解了这一件——真正理解到你的恐惧、贪婪、不耐心和从众倾向是你投资回报最大的威胁——其他所有的原则都会自然地从这个理解中衍生出来。你会自动理解为什么需要安全边际（因为你的估算可能被过度自信扭曲了）。你会自动理解为什么需要自动化定投（因为你的情绪在关键时刻不可信赖需要系统来替代判断）。你会自动理解为什么不应该追涨杀跌（因为那是恐惧和贪婪在驱动你而非理性）。一条根本性的认知改变了所有派生的行为就会跟着改变。 数据的证明 这不是一个空洞的哲学建议——它有30年的数据支持。 Dalbar研究连续30年追踪了美国投资者的实际回报。结论在30年中从未改变过：标普500指数年化回报约10.2%。但投资者的实际年化回报只有约6.8%。差距3.4%。 这个差距不是来自市场的不公平、不是来自信息的不对称、不是来自坏运气——它来自投资者自己的行为。追涨杀跌、频繁交易、恐慌卖出、在市场反弹前退出然后在涨回来之后才重新买入——这些行为每年从投资者的回报中拿走3.4%。 3.4%听起来不多。但在30年的复利作用下它的破坏力是惊人的。10万元按10.2%复利30年变成约174万。按6.8%复利30年只变成约72万。差了102万——这102万不是被别人拿走的，是被你自己的行为拿走的。 投资史上最著名的案例进一步证实了这一点。牛顿——人类历史上最聪明的大脑之一——在1720年的南海泡沫中因为错失恐惧而追涨高位买入最终亏了大约2万英镑（相当于今天的数百万美元）。长期资本管理公司有两位诺贝尔经济学奖得主但因为过度自信加杠杆在1998年差点摧毁了整个金融系统。智商不保护你免受自己的心理弱点的伤害。 事实上越聪明的人越容易过度自信——所以他们犯的行为错误可能比普通人更大。 巴菲特60年年化20%。他说他的优势不是智商而是性格——耐心、纪律和对自己诚实。他不是在谦虚——他是在陈述一个可以被数据验证的事实。 六个内部敌人和六种解药 你内心住着六个”敌人”。每一个都在系统性地伤害你的投资回报。 恐惧 让你在底部卖出——当市场暴跌时你的杏仁核发出”快跑”的信号你在最不该卖的时候卖了。解药是478呼吸加控制二分法——在恐慌中暂停、区分你能控制的和不能控制的、然后只在你能控制的事情上行动。 贪婪 让你在高点追入——当别人都在赚钱时你的多巴胺催促你”不能错过”。解药是安全边际加检查清单——只在价格远低于价值时买入、每次决策前过一遍偏差清单。 不耐心 让你放弃等待频繁交易——因为”做点什么”感觉比”什么也不做”好。解药是自动化加信任过程——让系统替你执行、把注意力从”结果”转移到”过程”。 从众 让你跟着别人做决定——因为”别人都在做”感觉更安全。解药是内在记分牌——用你自己的标准评判自己而非用别人的行为来指导你的行动。 过度自信 让你走出能力圈——因为你高估了自己的了解程度。解药是维特根斯坦的沉默——对你不了解的事保持沉默而非假装了解。 叙事诱惑 让你被故事而非数据驱动——因为一个好听的故事比一堆枯燥的数字更令人信服。解药是概率思维——用数字和概率取代故事和感觉。 这六个敌人有一个共同的特征：它们在你需要理性的时刻抢夺了你的控制权。 恐惧在市场暴跌时最强——恰恰是你最需要冷静分析的时刻。贪婪在市场暴涨时最强——恰恰是你最需要克制冲动的时刻。不耐心在市场横盘时最强——恰恰是你最需要等待的时刻。它们的攻击时机和你的需求总是完美地错位：你最需要理性的时候它们最活跃，你不需要理性的时候它们安静地潜伏。 这就是为什么”意志力”不够用——因为意志力在你最需要它的时刻也是最弱的。你需要的不是更强的意志力而是外部系统来替代意志力。自动定投替代了你”每月决定买不买”的意志力。检查清单替代了你”在恐慌中记住所有原则”的意志力。预设止损规则替代了你”在亏损中保持冷静”的意志力。好的投资系统就是一套”在你的意志力失灵时自动启动的备用系统”。 如果你只做一件事 如果理解了”你是自己最大的敌人”之后你只能做一件事来保护自己——那这件事就是设置自动定投。每月固定金额、指数基金、然后关掉手机不看。 这一个行动同时消除了上面所有六个敌人。恐惧被消除了——你不看账户所以你不知道今天跌了多少所以你不恐慌。贪婪被消除了——系统替你固定金额买入所以你不追涨。不耐心被消除了——自动化运行不需要你做任何事。从众被消除了——你看不到别人在做什么所以别人的行为影响不了你。过度自信被消除了——你没有在”选股”所以不存在”走出能力圈”的问题。叙事诱惑被消除了——你不看新闻所以叙事影响不了你。 5分钟设置。30年受益。10万元按10%年化30年变成约174万——前提是你不中断、不恐慌、不追涨、不频繁交易。自动定投帮你满足了所有这些前提——不是通过让你”变得更好”而是通过让你”不需要做决定”。你不需要在恐慌中保持冷静因为系统替你执行了。你不需要在贪婪中保持克制因为系统不会追涨。你不需要在无聊中抵抗交易冲动因为系统的运行不依赖于你的情绪状态。 这也是为什么巴菲特给他妻子的遗嘱中推荐的不是”学会选股”而是”定投标普500指数基金”。他知道他的妻子不是专业投资者——她面临的最大风险不是”选错股票”而是”在恐慌中做出错误的行为决策”。自动定投消除了这个风险。它是对”你最大的敌人是你自己”这个洞察最直接的操作化回应。 … Read more

知行差距：知道不等于做到 “Between saying and doing, many a pair of shoes is worn out.” —— 意大利谚语 你知道的和你做到的 你知道应该每月定投。你知道不应该在暴跌时卖出。你知道应该读年报而不是看新闻。你知道不应该追涨杀跌。你知道应该有紧急备用金。 但你做到了几条？大概率以上5条中你最多做到了2条。 这不是因为你”不够聪明”也不是因为你”意志力不够”。而是因为”知道”和”做到”之间存在一条结构性的鸿沟。这条鸿沟不是个人缺陷——它是人类认知系统的一个普遍特征。你的”知道”存在于你的前额叶皮层——负责理性规划和长期思考。你的”做到”受控于你的整个行为系统——包括习惯、情绪、环境触发和认知资源的限制。两者之间经常脱节。你在冷静时做出的”我应该定投”的理性判断在你发薪日忙着处理各种账单和支出时已经被遗忘了——不是因为你否定了它而是因为在那个具体的时刻你的注意力被更紧迫的事情占据了。 格雷厄姆说”行为比投资更重要”。Dalbar数据显示投资者每年因为行为差距损失3.4%。这3.4%不是因为投资者不知道正确答案——大多数人知道”应该长期持有、应该定投、不应该追涨杀跌”。它是因为他们在关键时刻做不到他们知道的正确答案。知行差距是行为差距的根源。 这条鸿沟在投资中比在大多数其他领域更深——因为投资决策面临的情绪干扰更强。”我知道应该锻炼但我没做”的后果是你身材稍差——不会引发恐慌。但”我知道不应该在暴跌时卖出但我忍不住”的后果可能是你永久地锁定了一笔巨大的损失——恐慌让这个决策比锻炼决策困难一百倍。投资中的知行差距之所以如此昂贵是因为错误的时刻（恐慌或贪婪）恰恰是知行差距最大的时刻——你最需要执行正确行为的时刻也是你最难做到的时刻。 执行意图：弥合知行差距的科学方法 心理学家Peter Gollwitzer发现了一种简单但效果惊人的方法来弥合这条鸿沟——他称之为执行意图。 传统的”目标意图”是模糊的：”我要锻炼。”它的完成率约32%——和抛硬币差不多。”执行意图”是具体的：”周一、周三、周五早上7点在客厅做30分钟瑜伽。”它的完成率约91%。 差别在于什么？执行意图把”想法”变成了”具体的时间加地点加行为”。你的大脑不需要再”决定”——它只需要”执行”。在目标意图模式下你每天都要面对一个决策：”今天要不要锻炼？”而决策消耗认知资源——在你疲劳、忙碌或情绪低落的日子里你的认知资源不足以支撑这个决策所以你选择”今天算了明天再说”。在执行意图模式下没有决策——当预设的条件出现时（周一早上7点在客厅）你自动执行预设的行为（做瑜伽）。决策已经在你设定执行意图的那一刻完成了之后只需要执行。 投资中的执行意图 这个方法在投资中的应用价值巨大——因为投资中的知行差距可能比任何其他领域都更昂贵。 目标意图：”我要开始投资。” 执行意图：”每月1号发薪日银行自动转一定金额到指数基金账户。”区别是前者每个月都需要你做一个新的决定（”这个月投不投？投多少？什么时候投？”）后者只需要你做一次设置之后系统自动执行。 目标意图：”我不应该在暴跌时卖出。” 执行意图：”当大盘跌超过20%我打开手机后先做478呼吸三次然后打开检查清单。清单不说卖我就不卖。”区别是前者在恐慌时依赖你的意志力（而意志力在恐慌中接近于零）后者给你一个预设的步骤序列让你在恐慌中有一个具体的”下一步”可以执行而不是被情绪淹没。 目标意图：”我要多读书。” 执行意图：”每天早上7点到7点半坐在书桌前读年报或投资书。手机放在另一个房间。”区别是前者依赖你每天早上的意愿（可能有也可能没有）后者利用了固定的时间和地点作为触发器。 目标意图：”我要控制支出。” 执行意图：”每次想买超过500元的东西等48小时。48小时后还想买再买。”这个简单的延迟规则消除了大量的冲动消费——因为48小时足以让购物的多巴胺冲动消退让你的前额叶重新评估”我真的需要这个吗”。 为什么执行意图有效 第一个原因是它消除了”决策点”。 决策疲劳研究告诉我们每一个决策都消耗认知资源。你每天需要做的决策越多你在后面做出的决策质量就越低。执行意图把”每次都要决定是否做”变成了”预设好了到时间就执行”——消除了决策点就消除了决策疲劳的影响。 第二个原因是它利用了环境触发器。 “每月1号银行自动转账”——日期是触发器。你不需要记住也不需要提醒自己。系统在预设的时间自动帮你做。习惯研究表明最可靠的行为改变来自于”把新行为绑定到已有的环境触发器上”——比如”每天早上喝完第一杯咖啡后读10分钟年报”。咖啡是触发器、阅读是新行为。触发器越稳定新行为的执行越可靠。这也是为什么”自动定投”是投资中最强大的执行意图之一——它用银行系统作为触发器、用电子转账作为执行机制完全绕过了你的大脑。你不需要记住、不需要决定、不需要克服任何心理障碍。系统在每月的同一天自动完成。这是执行意图的极致形式：不只是”预设好了到时候我来执行”而是”预设好了到时候系统替我执行”。 第三个原因是它绕过了情绪。 “当大盘跌超过20%先做478呼吸然后看清单”——这个预设在你情绪激动之前就存在了。它不需要你在恐慌中”理性思考”——它只需要你执行一个已经设定好的步骤。在恐慌中做出理性的新决策几乎不可能。但在恐慌中执行一个已经预设好的步骤是可能的——因为执行不需要思考它只需要遵循。 富兰克林的系统就是执行意图 富兰克林的13条美德系统是投资领域之外最著名的执行意图案例之一。他没有说”我要成为更好的人”（目标意图）。他说的是”每周专注一条美德、每晚在书桌前检查今天是否违反、在小本子上标记”（执行意图）。时间：每晚。地点：书桌前。行为：检查和标记。他用这个系统实践了50年。他承认自己从来没有在所有13条上同时做到完美——但50年的持续改进让他从一个印刷工成为了美国的国父之一。他的成功不是因为他天生品格完美——而是因为他有一个系统来持续改进自己的品格。执行意图就是这个系统的核心机制——它把”我要变好”这个模糊的愿望转化成了每天可以执行和检查的具体步骤。 投资者可以学习富兰克林的方法：不说”我要成为一个有纪律的投资者”（太模糊）。而是说”每天早上7点读10分钟年报、每月1号自动定投、每次想做交易前先过清单、每季度做一次持仓审查”（具体的执行意图）。 你的执行意图：现在就写下3个 现在拿出一张纸或打开你的笔记应用写下3个执行意图。格式是：”当[触发条件]出现时我会在[具体地点/时间]做[具体行为]。” 例如：”当每月1号到来时银行自动转一定金额到指数基金账户。”“当我想做一笔新的投资时我先在我的投资笔记中过一遍7个问题清单。”“当市场暴跌超过10%时我先做478呼吸然后什么都不做直到第二天早上。” 写完之后贴在你看得见的地方或者设成手机提醒。从”知道”到”做到”只需要这一步：把模糊的意图变成具体的”如果某个条件出现那么我就做某个行为”的规则。 很多人觉得”写下来”是多此一举——“我记在脑子里就行了”。但研究显示把执行意图写下来的完成率比”只在脑子里想”的完成率高出30%以上。原因是写的过程本身迫使你把模糊的意图具体化——你必须回答”什么时候”“在哪里”“做什么”这三个具体问题。很多人在脑子里”想”的执行意图其实仍然是模糊的（”我要开始定投”）。只有当你把它写在纸上的时候你才会被迫把它变成具体的（”每月1号转多少到哪个账户”）。写的动作本身就是从模糊的”目标意图”到具体的”执行意图”的关键转化过程。 常见问题 执行意图是否会让投资变得太”机械化”？ 不会——因为执行意图只覆盖了你最容易犯错的环节（追涨、恐慌卖出、忘记定投）。在这些环节中”机械化”恰恰是你需要的——因为你的情绪在这些环节中最容易干扰你的判断。对于需要深入分析的决策（选择什么标的、评估安全边际）你仍然需要独立思考。执行意图不是替代思考——它是在你的思考结论和实际行动之间建一座桥。 如果执行意图和当前情况冲突怎么办？ … Read more

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」 相关阅读 能力圈的边界：为什么知道自己不知道什么比知道什么更重要 … Read more