Investing & Markets

最简单的投资计划：一张贴在冰箱上的纸就够了 “简单是终极的复杂。” —— 达·芬奇 为什么”简单”比”复杂”更有效 本系列写了几百篇文章讨论了投资的方方面面——安全边际、市场先生、复利、行为差距、能力圈、均值回归、遍历性等等。这些概念都很重要——但如果你需要一份可以在日常生活中实际执行的投资计划那把这一切浓缩成最简洁的形式反而更有力量。 为什么简单的计划比复杂的计划更有效？因为复杂的计划有一个致命的弱点：在你最需要它的时候——也就是在恐慌或贪婪的极端情绪下——你记不住它。一份有50条规则的投资计划在你冷静的时候看起来”全面而严谨”但在你的账户一周缩水20%的时候你大脑中能记住的可能只有最简单的那一两条规则。 格雷厄姆晚年把他的整个投资哲学浓缩成了一句话：”以低于内在价值的价格买入然后有耐心。”巴菲特把他的投资原则浓缩成了两条规则：”第一条规则是永远不要亏钱。第二条规则是永远不要忘记第一条。”芒格把他的人生哲学浓缩成了一句话：”不要做傻事。” 最好的投资计划不是”最全面的”——而是”在你最不冷静的时候仍然能记住并执行的”。 以下就是那张你可以打印出来贴在冰箱上的投资计划。 在给出这7条规则之前让我先解释一下”简单”为什么在投资中是一种优势而非劣势。大多数人直觉上觉得”投资是一个复杂的领域所以好的投资方法应该也是复杂的”。但数据告诉你的恰恰相反——在过去20年中一个”什么都不做只买指数基金”的策略打败了95%的”做了大量复杂分析的专业基金经理”。简单之所以有效是因为它消除了复杂性带来的所有”犯错的机会”。你的方法越复杂你在每一个步骤上犯错的可能性就越多。20个步骤中每一步有10%的犯错概率意味着你整体的犯错概率是约88%。3个步骤中每一步有10%的犯错概率意味着你整体的犯错概率只有约27%。简单不是”偷懒”——它是”通过减少可犯错的步骤来显著降低整体犯错概率”的理性策略。 爱因斯坦说过一句常被引用的话：”一切都应该尽可能简单但不能过于简单。”这7条投资规则就是这个原则的实践——它们足够简单以至于你在任何情绪状态下都能记住和执行但又不”过于简单”以至于遗漏了真正重要的东西。它们覆盖了投资中最关键的几个维度：什么时候投（定投消除择时）、投什么（指数基金消除选股）、投多少（固定金额确保纪律）、怎么保护自己（紧急备用金加上不用杠杆）、怎么在压力下保持理性（478呼吸）、怎么持续改进（每天读10分钟）和怎么控制成本（费用低于0.5%）。每一个维度都被一条简洁的规则所覆盖——不多不少。 冰箱上的7条规则 以下7条规则涵盖了你需要的全部投资策略。每一条都可以在5秒钟内读完。当你在恐慌或贪婪中不知道该做什么的时候走到冰箱前读一遍这7条——然后你就知道该做什么了（大多数时候答案是”什么都不做”）。 第1条：每月自动定投指数基金。金额固定。不问市场涨跌。 这一条解决了”什么时候投”和”投什么”两个问题。自动定投消除了择时的焦虑。指数基金消除了选股的复杂性。固定金额确保了你在低价时自动多买在高价时自动少买。 第2条：永远保留至少6个月生活费的紧急备用金。 这笔钱不算”投资”——它是你的”生存保险”。它确保了你在任何意外情况下都不需要被迫卖出你的投资。 第3条：不用杠杆。永远不借钱投资。 杠杆是唯一能在一天内让你从”富有”变成”归零”的力量。不用杠杆确保了你在任何极端情况下都不会被强制退出游戏。 第4条：市场暴跌时做478呼吸然后不卖。 吸4秒、屏7秒、呼8秒。这个简单的生理干预在60秒内降低你的恐慌水平让你的理性重新获得控制。然后你的理性会告诉你：”公司的内在价值没有因为今天的价格下跌而改变。不要卖。” 第5条：每天读10分钟年报或好书。 这不会立刻改善你的投资回报——但10年后你积累的知识复利会让你在每一个投资决策中做出比大多数人更好的判断。巴菲特每天读5到6个小时。你不需要那么多——每天10分钟就完全够了——关键是坚持而非一次读很多。 第6条：费用低于0.5%。 你的投资总费用（管理费加交易费）每年不应超过0.5%。低成本的指数基金年费通常在0.05%到0.2%之间。每节省1%的年度费用在30年中可以让你的最终财富增加约25%到30%。 第7条：不追涨。不杀跌。不频繁交易。不听消息。 这四个简单的”不”是对Dalbar研究中发现的3.4%年度行为差距的直接回应。如果你能做到这四个”不”你的实际回报将接近市场平均——而市场平均在过去125年中年化约10%。 为什么7条就够了 你可能觉得”7条太少了不够全面”。但想一想：Dalbar的40年数据告诉你投资者每年损失的3.4%行为差距完全来自违反了上述7条中的某几条。如果你能完整地、持续地、在所有情况下都执行这7条你的投资回报将自动接近市场平均。而市场平均（年化约10%）在30年的复利下可以把10万元变成约175万元。 你不需要”打败市场”——你只需要”不输给自己”。 这7条的全部目的就是帮你”不输给自己”。它们不包含任何”聪明”的策略——没有选股、没有择时、没有对冲、没有衍生品。它们只包含”不做蠢事”的规则。而芒格告诉你：”持续地不做蠢事比偶尔地做聪明事回报高得多。” 这7条规则的设计哲学和检查清单完全一致。飞行员的检查清单不是一本”航空学教科书”——它是一份在你最紧张的时刻可以快速扫描的”不要忘记做这些事”的清单。它不需要你”理解为什么”——它只需要你”执行”。同样这7条投资规则不需要你理解背后的所有理论——它们只需要你在每天路过冰箱的时候扫一眼然后确认”我今天有没有违反其中任何一条”。如果你连续365天都没有违反任何一条那你这一年的投资过程几乎一定是好的——无论这一年的市场回报是正是负。因为你控制的不是结果而是过程——而好的过程在足够长的时间中必然产生好的结果。 如果你想理解背后的”为什么”——那是本系列其他几百篇文章的工作。但如果你只想要一个”能执行的计划”——这7条就是你需要的全部。 常见问题 这7条是否适用于所有人？ 这7条适用于95%以上的个人投资者——尤其是那些不打算把投资作为全职职业的人。如果你是一个有多年经验的专业投资者你可能需要一套更复杂的规则来指导你的个股选择。但即使是专业投资者这7条中的大部分仍然适用——不用杠杆、保留紧急备用金、不追涨杀跌、控制费用——这些是”所有投资者”的通用规则。 如果我已经有了一个更复杂的投资计划还需要这7条吗？ 这7条不是用来”替代”你的复杂计划的——它们是用来在你”忘记了复杂计划”的紧急时刻提供一个”最低限度的理性保护”。你的复杂计划可能有50条规则——但在你恐慌得手在抖的时候你大概率记不住那50条。这时候冰箱上的7条就是你的”紧急出口”——它们给你一个简单的、在任何情绪状态下都能执行的行动指南。复杂计划是你的”正式装备”。这7条是你的”急救包”。两者互补而非替代。 从历史的角度来看最成功的长期投资者的方法几乎都是”看起来简单得不像真的”。巴菲特的方法可以用一句话概括：”以合理的价格买入优秀的公司然后长期持有。”博格尔的方法更简单：”买整个市场然后什么都不做。”这些方法的”简单”不是因为它们的发明者”不够聪明来想出复杂的方法”——而是因为他们足够聪明来认识到复杂在投资中是一种负担而非优势。复杂的方法需要你在每一个步骤上做出正确的判断——而你在每一个步骤上犯错的概率都不为零。简单的方法把你需要做出的判断减少到最少——从而把你犯错的总概率降到最低。 这也是为什么这7条规则中没有”选股”这一项。选股是投资中最”刺激”也是最”复杂”的部分——它需要你对公司的商业模式、竞争优势、管理层品格和估值水平都有深入的了解。如果你有巴菲特级别的能力和纪律选股可以给你带来超额回报。但对95%的投资者来说——包括大多数专业基金经理——他们的选股能力实际上不足以持续超越一个被动的指数基金。对这95%的人来说”不选股只买指数”不是”放弃了一个增加回报的工具”——而是”放弃了一个降低回报的噪音来源”。 最后我想强调这7条规则的一个关键属性：它们不依赖于任何关于市场方向的预测。 你不需要预测明天市场是涨还是跌。你不需要预测下个季度的经济数据。你不需要预测利率的走向。这7条规则在任何市场环境中都适用——牛市、熊市、横盘、通胀、通缩。它们的有效性不来自”预测对了”——而来自”在任何环境中都保持纪律”。这就是为什么它们是”真正有效的”——因为它们不会因为你的预测能力（大多数人的短期市场预测能力经过验证接近零）的局限性而失效。 如果这7条帮你在下一次”不知道该做什么”的时刻做出了正确的选择（大多数时候是”什么都不做”），欢迎关注公众号「柔和谦卑 履责 求知」。本文参考巴菲特、格雷厄姆和博格尔的核心投资原则整理。 不构成投资建议。 「柔和谦卑 履责 求知」 相关阅读 简单是终极的精致：为什么最好的投资策略看起来太简单了 投资很简单但不容易：行为差距才是亏钱的真正原因 一页纸的投资建议：如果你只读一篇就读这篇 投资者的收藏夹：10篇值得反复重读的核心文章 … Read more

技能悖论：当每个人都变强，运气反而更重要了 “The more skill improves in a field, the more luck determines the results.” —— Michael Mauboussin 棒球中消失的.400打击率 Stephen Jay Gould——哈佛大学的进化生物学家——发现了一个关于棒球的反直觉现象。在棒球的早期历史中偶尔有球员打出.400的打击率——每10次击球成功4次。但自从1941年Ted Williams打出.406之后再也没有人做到过。 大多数人的直觉解释是”现代球员变差了”。但事实恰恰相反——现代球员比1941年的球员强得多。他们的身体素质更高更壮、训练方法更科学、营养更好、竞争更激烈。那为什么.400打击率反而消失了？ Gould的解释极其精妙：当所有球员的水平都提高时个体之间的差距就系统性地缩小了。 在棒球的早年代顶尖球员和普通球员之间的技能差距巨大——所以少数顶尖者可以打出远超平均的极端成绩。但随着训练方法的普及和竞争的加剧所有人都变强了——投手变强了、击球手变强了、防守变强了。当所有人都处于高水平时个体差异的标准差缩小了——极端值（比如.400打击率）在数学上变得几乎不可能了。 技能提升导致技能差异缩小。技能差异缩小导致运气在结果中的占比增大。 这就是Gould发现的悖论——越进步结果越”随机”。本文将解释这个悖论如何深刻地影响了你的投资决策，以及你可以用什么策略来应对一个”运气越来越重要”的投资环境。 这个洞察的深度远超棒球本身。它适用于任何一个参与者的技能水平在持续提升的竞争领域。当一个行业中所有参与者都变得非常优秀时决定谁赢谁输的因素就从”谁更有能力”转变为了”谁更幸运”。这不是说技能不重要了——它仍然是”入场的门票”。但技能不再是区分赢家和输家的因素——因为所有人的技能都已经到了一个很高的基线水平。在这个基线之上运气的影响开始占据主导。 投资中的技能悖论 Michael Mauboussin——哥伦比亚大学商学院教授、摩根士丹利前首席投资策略师——把Gould的发现应用到了投资领域。他在2012年出版的《成功方程式》（The Success Equation）中详细论证了技能悖论在金融市场中的表现。 在1960年代只有少数基金经理受过正规的金融教育。信息获取极不平等——有些人能看到的数据其他人看不到。分析工具原始——大多数人手工计算估值。在那个时代少数真正有技能的投资者——格雷厄姆、巴菲特、芒格——可以持续大幅跑赢市场。正是因为他们和大多数竞争者之间的技能差距巨大。 到了2025年情况完全不同。几乎所有基金经理都毕业于顶级商学院。他们使用同样的Bloomberg终端、访问同样的数据、读同样的论文、使用同样的估值模型。当所有人的”技能”都被提升到了一个很高的基线水平时个体之间的技能差异变得极小。 而技能差异极小意味着回报差异中的大部分由运气决定——不是由技能决定。 这就是为什么主动管理基金越来越难跑赢指数基金。不是因为基金经理变差了——恰恰相反他们比以往任何时候都”好”。但当所有人都”好”的时候”好”就不再是优势了。你的技能只有在你的竞争者没有同样技能的时候才有价值。当所有人都有同样的技能时技能的边际价值趋近于零——剩下的就是运气。 SPIVA（标普指数与主动管理基金对比研究）的数据在过去20年中持续显示：在任何一个5年的窗口中大约80%到90%的主动管理基金跑输了它们各自的基准指数。这不是因为这些基金经理”不行”——而是因为在技能高度同质化的竞争环境中系统性地跑赢市场几乎是不可能的。 这个现象在2010年代之后变得更加明显——因为量化交易和人工智能的普及进一步缩小了参与者之间的技能差距。过去一个分析师可以通过”比别人更快地读完年报”来获得信息优势。现在算法在财报发布后几毫秒内就完成了分析——人类的阅读速度在这种毫秒级的竞争中完全不是对手。过去一个基金经理可以通过”拜访公司管理层获取独家信息”来获得优势。现在信息披露法规要求所有重要信息必须同时向所有人公开。技能差异的缩小不是线性的——它在加速。这意味着运气在投资结果中的占比也在同步加速增大。 对投资者的三个深层启示 第一个启示是：指数基金的优势不只是”费用低”——它在结构上利用了技能悖论。 当主动管理者之间的技能差异极小时他们作为一个群体的平均回报必然接近市场平均——扣除管理费之后就低于市场平均。指数基金获取市场平均回报的同时收取极低的费用——所以它的净回报高于大多数主动管理者的净回报。这不是因为指数基金”更聪明”——而是因为在一个技能高度同质化的竞争中”不试图赢但也不付高费用”的策略在数学上优于”试图赢但支付高费用”的策略。 第二个启示是：短期的好回报不能证明技能的存在。 在一个运气占比极大的环境中连续3到5年跑赢市场不能排除”纯粹运气好”的可能性。只有持续15到20年以上的超额回报才能给你比较可靠的信心说”这大概率不只是运气”。这意味着你在选择”值得信任的投资者”时需要看更长的记录——而不只是最近几年的排名。 第三个启示是：你自己作为个人投资者可能有一种机构投资者没有的优势——时间。 技能悖论适用于同一时间框架内竞争的参与者。当所有基金经理都被迫在同一个季度排名框架内竞争时他们的行为高度趋同——他们都在追逐同样的短期机会因为他们都面临同样的季度业绩压力。但你作为个人投资者没有季度排名的压力——你可以用5年甚至10年的时间框架来持有一笔投资。这种时间框架的差异让你可以利用”其他人因为短期压力而被迫卖出”创造的机会——而这种机会不在”技能悖论”的范围内因为它不是”技能差异”而是”结构性差异”。巴菲特的”耐心资本“优势就是一种结构性差异——他不需要每季度向客户交代业绩所以他可以在别人被迫卖出时买入。这种优势和”技能”无关——它来自于他的资本结构。普通投资者也可以拥有类似的结构性优势：用自己的钱（不需要向任何人交代）、不用杠杆（不会被强制平仓）、有紧急备用金（不会被迫在最差的时候卖出）。这些”结构性”的优势在技能悖论的世界中可能比你的”分析技能”更有实际价值。 技能悖论自检清单 以下问题帮你在投资决策中正确地评估技能和运气的关系。 你持有的某只基金过去3年跑赢了市场——你确信这是基金经理的技能而非运气吗？如果你不能指出他和同行之间的具体的、可持续的差异化优势那这大概率是运气。 你自己的投资在过去一年跑赢了市场——你确信这是你的分析能力而非运气吗？问问自己”如果今年的宏观环境完全不同（比如市场跌了20%而非涨了20%）我的持仓表现会怎样”。如果答案是”可能很差”那你的好回报很可能来自于”顺风”（市场整体在涨）而非你的技能。 你是否在根据”过去的好表现”来选择基金或投资方法？均值回归告诉你过去表现最好的基金在未来大概率回归平均甚至低于平均。用某个基金过去的好表现来预测它未来的表现等于假设”好表现是技能而非运气”——但技能悖论告诉你在当今的市场环境中大部分好表现确实是运气。 常见问题 巴菲特不是证明了”技能可以长期跑赢市场”吗？ 是的——但巴菲特的成功恰恰支持了技能悖论而非反驳它。巴菲特开始投资的1950年代和1960年代正是”技能差异巨大”的时代——他和大多数竞争者之间有巨大的信息优势和分析能力优势。到了2020年代他自己也承认”现在要跑赢市场比以前难得多了”并且给普通投资者推荐了指数基金。他的建议本身就是对技能悖论的认可：在当今的市场环境中大多数人不应该试图凭技能跑赢市场——因为你的竞争者太强了以至于你的技能优势（如果有的话）可能不足以覆盖管理费和交易成本。 如果运气占主导那学习投资还有意义吗？ … Read more

1%法则：微小的优势如何通过复利变成巨大的差距 “巨大的差距往往来自微小的差异在长时间中的累积。” —— 参考芒格 一个改变认知的数学事实 假设市场的年化回报是10%。你投入了10万元然后什么都不做。30年后你有约174万元。 现在假设你每年比市场好1%——你的年化回报是11%。这1%的差距听起来微不足道——在第一年它只意味着你多赚了1000元。但30年后你的10万元变成了约228万元——比”市场平均”的174万多了54万。 反过来假设你每年比市场差1%——你的年化回报是9%。同样在第一年这1%只意味着你少赚了1000元。但30年后你的10万元只变成了约133万元——比”市场平均”的174万少了41万。 每年正负1%的差距在30年后变成了95万元的差距。 每年2%的差距换算成每天大约只有0.005%——肉眼完全看不到。但复利把这个肉眼看不到的差距放大成了改变人生的数字。 这个数学事实有两个深刻的含义。第一个含义是每一个能让你的年化回报提高0.5%到1%的”微小改进”都值得追求——因为30年的复利会把它放大几十倍。第二个含义是每一个让你的年化回报降低0.5%到1%的”微小错误”都值得避免——因为30年的复利会把这个损失也放大几十倍。 你的1%在哪里 Dalbar的研究告诉你普通投资者每年因为行为差距损失约3.4%。这3.4%由多个”微小的错误”累积而成——每一个单独来看都”不严重”但加在一起就是灾难性的。 你的年度摩擦成本可能在1%到2%之间。这包括基金管理费（如果你用的是高费率的主动基金每年约1%到1.5%）、交易佣金和买卖价差（如果你频繁交易每年可能0.5%到1%）和税收（如果你频繁兑现利润可能每年0.3%到0.5%）。 把你的基金从年费1.5%的主动基金切换到年费0.1%的指数基金——这一个改变就让你每年”好了”1.4%。 30年复利后这1.4%的年度改进意味着你的最终财富增加了约40%到50%。你不需要”更聪明的选股”或”更好的择时”——你只需要做一个5分钟的操作（切换基金）就能获得这个巨大的改进。这就是1%法则的力量：看起来微不足道的改进在足够长的时间中产生了巨大的差距。 类似的”微小改进”还有很多。把交易频率从每月10次降到每季度1次——节省的摩擦成本可能每年0.5%到1%。不在恐慌中卖出——避免的”锁定亏损”可能每个周期为你保住了5%到10%。设置自动定投消除择时焦虑——避免的”在高点追入”可能每年为你节省1%到2%。 每一个单独的改进看起来都”不值得费心”。但5个”每年0.5%到1%”的改进加在一起就是每年2.5%到5%的总改进。在30年的复利中这个总改进的价值可能超过你投入的全部本金。 John Bogle——先锋集团的创始人——用他一生的时间推动了一个基于1%法则的简单理念。他的核心论点可以用一个数学等式来总结：投资者的净回报等于市场总回报减去摩擦成本。市场总回报是一个你无法控制的变量——它由整体经济增长和企业利润驱动你对它几乎没有影响力。但摩擦成本是一个你完全可以控制的变量——你可以通过选择低费率的基金、减少交易频率和延迟资本利得税的兑现来把它降到最低。 博格尔的洞察是：大多数投资者花80%的时间试图提高他们无法控制的变量（市场回报）而只花20%的时间降低他们完全可以控制的变量（摩擦成本）。 这完全倒过来了。正确的策略是：接受市场回报（买指数基金）然后把全部精力放在降低你的成本上——因为成本是你唯一能确定性地控制的回报贡献因子。在1%到2%的年度成本差异的30年复利放大效应下这种”看起来无聊”的成本管理策略产生的长期财富差距可能超过任何”看起来刺激”的选股或择时策略。 1%法则还有一个经常被忽视的心理学维度。当你把注意力从”寻找大的突破”转移到”积累微小的改进”时你的整个投资体验会变得更加平静和可控。你不再焦虑地寻找”下一个十倍股”——因为你知道你不需要十倍股你只需要每年比平均好1%。你不再因为”错过了一次大机会”而沮丧——因为你知道你的优势不来自”抓住机会”而来自”持续地减少错误”。这种”减法心态”和逆向思维完全一致——不问”怎么做出最好的决策”而问”怎么避免最差的决策”。前者让人焦虑因为”最好”很难达到。后者让人平静因为”不做最差”是完全可控的。 1%法则的反面：微小的错误如何通过复利变成巨大的损失 1%法则是对称的——它不只适用于”改进”也适用于”退步”。 如果你养成了一个”微小的坏习惯”——比如每月”顺便”看一次社交媒体上的投资帖子然后被帖子中的情绪影响做出一次冲动的交易——这次交易的直接成本可能只有0.1%到0.3%。但如果你每月都这样做一年下来的累积成本可能是1.5%到3%。30年复利后这个”微小的坏习惯”可能让你的最终财富减少了30%到50%。 芒格说”持续地不做蠢事比偶尔地做聪明事回报高得多”。这句话的数学基础就是1%法则。”不做蠢事”意味着消除那些每年让你损失0.5%到1%的微小错误。”偶尔做聪明事”意味着你可能在某一年做出了一个让你多赚10%的天才决策——但如果你在其他29年中每年因为”微小的蠢事”损失2%你的总成绩仍然是负的。这就像一个运动员在一年中有一次创纪录的表现但在其余364天都因为缺乏纪律而受伤、生病或训练不足——他的年终排名不会因为那一次创纪录而变好。投资是一个”平均值游戏”而非”峰值游戏”——你的最终回报取决于你在所有年份中的平均表现而非在最好的那一年的表现。1%法则告诉你提高”平均值”的最有效方式不是”在最好的年份更好”——而是”在最差的年份不那么差”。消除行为差距中的2到3个百分点比寻找一个额外的2到3个百分点的超额回报容易得多、可靠得多也可控得多。 如何寻找你的1%改进机会 以下检查清单帮你识别你当前投资过程中最容易获得的”1%改进”。 你的投资总费用（管理费加交易费）每年是多少？ 如果超过0.5%你可能可以通过切换到低成本指数基金来获得0.5%到1.5%的年度改进。这是最容易获得也是回报率最高的改进。 你每个月做多少次交易？ 如果超过3次考虑减少到每季度1次。每次交易都有摩擦成本——减少交易次数就是减少摩擦成本。 你是否有一份检查清单并在每次投资决策前使用它？ 检查清单可能在10%到20%的情况下帮你避免一个你本来会犯的错误。每个被避免的错误可能为你节省了1%到5%的回报。 你查看投资组合的频率是多少？ 如果超过每天一次考虑降到每周一次。更少的价格噪音暴露意味着更少的情绪触发和更少的冲动交易。 1%法则与品格的关系 1%法则不只是一个关于”投资技巧”的概念——它是一个关于”如何过你的整个人生”的哲学。 品格的复利遵循完全相同的数学规律。你每天做出的每一个小选择——是诚实还是撒一个小谎、是坚持还是偷一点懒、是按规则行事还是”这次例外一下”——在单独来看都”不重要”。但在10年的累积中这些微小的选择塑造了你的品格——你是一个”通常诚实通常有纪律”的人还是一个”经常走捷径”的人。而你的品格水平直接决定了你在投资中的行为质量——因为投资中最关键的时刻（暴跌中是否恐慌卖出、暴涨中是否追涨、平淡中是否坚持定投）都是品格测试而非智力测试。 富兰克林每天用5分钟来追踪他是否遵守了他的美德标准。这5分钟的”微小投入”在60年中累积成了一种非凡的品格。同样的方法可以应用到投资中——每天花5分钟回顾”今天我有没有做出任何被情绪驱动的投资决策”。这5分钟不会在短期内改变你的回报——但在10年中它可能帮你避免了几十次代价高昂的行为错误。 1%法则的终极教训是：在投资和人生中真正改变你最终结果的不是少数几个”大的决定”——而是你每天做出的无数个”小的选择”。 每一个”小的选择”看起来都不重要——但它们在复利的放大下最终决定了你是”比大多数人好一点”还是”比大多数人差一点”。而在30年的时间中”好一点”和”差一点”之间的差距是改变人生的。 常见问题 1%的改进真的能被感知到吗？ 在短期内不能。1%的年度差距在任何一个月中都是不可感知的——它被市场的日常波动完全淹没了。但这恰恰是1%法则”危险”的地方——因为你感知不到它你就容易忽视它。你不会注意到”这个月因为费用多扣了0.1%”——但30年后这0.1%每月变成了几十万元的差距。1%法则要求你相信数学而非相信感知——你的感知告诉你”无所谓”但数学告诉你”至关重要”。 1%法则和边际增益有什么区别？ 边际增益关注的是”在多个维度上各做一点改进”——它是一种”宽度”策略。1%法则关注的是”每一个微小的改进在长时间中的复利放大效应”——它是一种”深度”策略。两者是互补的：边际增益告诉你”在哪里寻找改进”。1%法则告诉你”为什么这些看起来微不足道的改进值得你花时间去做”。当你理解了1%法则之后你对边际增益的”紧迫感”会大幅增加——因为你知道每一个你没有做的微小改进都在每年损失你0.X%的回报而这个损失在30年的复利中会变成一个巨大的数字。 本文参考复利的数学原理及Dalbar的行为差距研究整理。如果这篇文章帮你开始关注那些”看起来不重要”的投资细节，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」 … Read more

睡一觉再决定：为什么决策疲劳是你最大的隐形投资敌人 “Sleep on it.” —— 芒格 读完这篇文章你将理解为什么”什么时候做决定”可能比”做什么决定”更影响你的投资结果 2011年，一项发表在《美国国家科学院院刊》上的研究追踪了以色列假释委员会的1112个判决。研究者发现了一个令人不安的规律：刚吃完早餐时，假释批准率大约是65%。随着时间推移，批准率持续下降。到接近午餐前，批准率降到了接近10%。吃完午餐后，批准率立即恢复到65%左右。到接近下午茶前，又降到了10%。 同样的案件，同样的法官，但判决结果完全不同。 唯一的变量不是案件的内容，不是犯人的表现——而是法官在一天中做了多少个决定之后的疲劳程度。 这个研究揭示了一个对投资者至关重要的生理事实：决策疲劳是真实的。 它不是”意志力不够”或者”态度不认真”——它是人类大脑的生理硬限制。你的前额叶皮层（负责理性决策、抑制冲动的脑区）在持续使用后会逐渐”耗竭”——就像肌肉在长时间运动后会疲劳一样。当前额叶疲劳时，大脑的默认选择是”维持现状”或者”选择最简单的选项”——而不是”做出经过深思熟虑的最优决策”。这就是为什么以色列法官在疲劳时倾向于”不批准假释”——因为”不批准”是默认选项，不需要前额叶的积极参与，而”批准”是一个主动的改变，需要法官去评估风险、权衡利弊、做出判断，这些都需要大量的认知能量。 这个发现的投资含义是深远的：你的投资决策质量不仅取决于你分析得有多好，还取决于你在做决策时的生理状态有多好。 一个在早上精力充沛时做的”一般水平的分析”，可能比一个在深夜疲惫不堪时做的”天才级的分析”产出更好的实际结果——因为前者的执行判断力是完整的，后者的执行判断力已经被疲劳侵蚀了。 决策疲劳如何毁掉你的投资 在投资中，决策疲劳的破坏力尤其巨大——因为投资决策的后果是用真金白银来衡量的。 场景一：市场暴跌当天的下午。 这是决策质量最差的时刻——情绪（恐惧）和疲劳（你已经看了一整天行情）同时作用。在这种状态下做出的”卖出”决定几乎一定是错误的——你不是在基于分析做决定，而是在基于恐惧和认知耗竭做决定。2020年3月新冠暴跌时，标普500在一个月内暴跌了34%。大量投资者在连续数天的恐慌和认知耗竭后做出了”全部清仓卖出”的决定——锁定了30%以上的永久亏损。然后市场在5个月内完全恢复了。如果他们在做出卖出决定之前”睡了一觉再决定”——哪怕只是等了48小时——他们中的很多人可能会改变主意。但决策疲劳加上恐惧让他们在最差的时刻做出了最差的决定。 场景二：连续研究8小时后。 你花了一整天分析一家公司，到了晚上你的前额叶已经耗竭了。你倾向于接受第一个”看起来不错”的结论而不是继续深入质疑——因为深入质疑需要前额叶的积极参与，而它已经没有能量了。这就是为什么你在深夜做出的”买入决定”第二天早上看起来往往不那么有道理。 场景三：深夜看到”重大消息”。 你在凌晨12点刷到一条看起来很重要的财经新闻。你的大脑处于最低能量状态，但可得性偏差让你觉得这条信息极其重要（因为它是你最近看到的信息）。你可能在这种状态下做出一个冲动的交易决定——而这个决定在第二天早上你精力充沛时看来会显得荒谬。很多人都有这种经历：深夜在手机上看到一条让你焦虑的消息，第二天早上醒来后发现那条消息根本没有你昨晚认为的那么重要。不是消息变了——是你的认知状态变了。 相比之下，在早晨精神充沛、不受情绪干扰时做出的决策质量是一天中最好的。你的认知资源充足，前额叶皮层处于全天的活跃度峰值，你能够做到真正的深度思考、周密的风险评估和冷静的理性判断。这就是为什么把最重要的投资决策安排在早晨是一个值得养成的习惯。 三个对抗决策疲劳的具体策略 策略一：任何重要的投资决策至少等24小时。 这就是芒格说的”睡一觉再决定”。如果你今天想做一笔交易，等到明天早上再看这个想法是否仍然合理。如果24小时后你仍然认为这是一个好主意，它可能确实是——因为经过了一夜的休息，你的前额叶已经恢复了全部功能。如果24小时后你的热情消退了，那说明昨天的决定大概率是情绪驱动的而不是分析驱动的。 巴菲特从来不在消息出来的当天做出投资决策。当有人带着一个”紧急”的投资机会来找他时，他的标准回复是”让我想想”。他的决策速度是”几天内回复”而不是”几秒钟内交易”。这不是因为他反应慢——而是因为他知道真正好的投资机会不会在区区24小时内就消失，但糟糕的冲动一定会在24小时内消退。 策略二：投资清单在精神好的时候制定，疲劳时只执行清单。 在你冷静、精神充沛的时候制定你的投资检查清单——买入条件、卖出条件、仓位规则。在你疲劳或情绪化的时候，只执行已有的清单，不做新的决策。飞行员在疲劳时不会发明新的着陆程序——他们严格执行已有的检查清单。你在投资中也应该如此：疲劳时不创新、不即兴、不凭感觉——只按照你在最佳认知状态下制定的规则来严格操作。规则和清单的价值恰恰在这种时刻体现得最充分——当你的判断力因疲劳而下降时，一份预先制定的规则比你此刻的”感觉”更值得信赖。 策略三：限制每天和每年的决策次数。 芒格说他一辈子只做了4次真正重大的投资决策。这不仅是”集中投资”的哲学——它也是一种”节省决策能量”的策略。如果你每天做10个投资决定，你的决策质量一定从第1个到第10个逐步下降——因为每个决定都在消耗你的前额叶能量。如果你每年只做1到2个重大决定，每个决定都能得到你最好状态下的全部注意力和认知资源。 判断悬置：在正确的时刻做决定 ἐποχή（判断悬置）在决策疲劳的语境下有了一层新的含义。它不是”永远不做决定”——而是”在正确的时刻做决定”。当你意识到自己处于决策疲劳的状态时——疲倦、情绪化、刚被一条新闻冲击——正确的反应不是”强迫自己做一个理性的决定”（这在疲劳状态下几乎不可能），而是说：”我现在的状态不适合做重要决定。我暂停。明天再看。” 这一个”暂停”——可能是你投资生涯中最有价值的一次操作。它没有交易成本，没有摩擦费用，不需要任何分析能力——它只需要你有足够的自我觉察来识别”我现在不在最佳状态”。大多数投资错误不是因为分析错误——而是因为在错误的时刻做出了决定。如果你能在每次做决策前花3秒钟问自己”我现在的认知状态足够好吗”，你可能会避免一生中大部分最昂贵的投资错误。 你的决策时机规则清单 把以下5条规则写在你能看到的地方，在每次做投资决策前检查： 现在是早晨还是深夜？重要决策只在早晨做。 市场今天是否经历了剧烈波动？如果是，今天不做任何交易决定。 我在过去4小时内是否一直在不间断地工作或研究？如果是，先休息至少30分钟再做任何决定。 我的情绪在过去30分钟内是否被某条消息或某个数字激活了（恐惧、兴奋、愤怒）？如果是，做3次478呼吸（吸气4秒、屏气7秒、呼气8秒），然后等到明天再做决定。 如果以上任何一条的答案是”是”，执行默认规则：什么都不做。 “什么都不做”在决策疲劳状态下几乎总是最优选择。 常见问题 如果一个投资机会真的很紧急需要立即决定怎么办？ 在个人投资中，几乎不存在”必须在今天做出决定否则机会就消失了”的情况。如果有人告诉你”这个机会今天不买明天就没了”——这本身就是一个警告信号，说明这个机会可能不如它看起来那么好。真正优秀的投资机会——被低估的好公司——通常会在”便宜”的价格区间停留数周甚至数月。你有足够的时间在睡了一觉之后、在精力最好的早晨、冷静地做出决定。如果一个机会不给你这个时间，它大概率不是一个你应该参与的机会。 决策疲劳是否可以通过训练来克服？ 目前的神经科学研究不支持”通过训练消除决策疲劳”的说法——它更像是大脑的生理硬限制，类似于你不能通过训练让眼睛不需要休息。但你可以通过两种方式管理它：第一是优化决策时机（在能量最高的时段做最重要的决定），第二是减少不必要的决策数量（通过自动化和规则化来消除不必要的决策点）。自动定投就是一个典型的例子——它把”每月决定投多少钱”这个决策消除了，让你的决策能量留给真正需要你全部判断力和分析深度的少数关键时刻。这和凯利公式的逻辑一致：把你最大的”赌注”集中在你拥有最大优势的地方——同样，把你最好的认知状态集中在你需要做最重要决策的时刻。 本文参考丹勒维等人在《美国国家科学院院刊》发表的以色列法官决策疲劳研究、鲍迈斯特的意志力消耗理论及芒格的决策哲学整理。如果你决定从今天开始只在精力最好的时段做投资决策，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 … Read more

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

火鸡问题：1000天的喂食不能证明第1001天的安全 “The turkey is fed for a thousand days by the butcher; every single feeding firms up the bird’s belief that it is the general rule of life to be fed every day by friendly members of the human race.” —— Nassim Taleb 火鸡的1000天 塔勒布在《黑天鹅》中讲了一个现在已经成为金融界经典的比喻。 想象一只火鸡。从它出生的第一天起它每天都被人喂食。第1天它被喂了。第2天也被喂了。第100天还是被喂了。到了第500天它已经完全确信”每天被喂食”是生活的基本规律。到了第1000天它的”统计模型”——基于1000个数据点——显示明天被喂食的概率接近100%。它从来没有经历过”不被喂食”的一天。它的信心从来没有这么高过。 然后感恩节来了。 1000天的数据不仅没有预警第1001天——它反而让火鸡对自己的安全感越来越确信。 数据越多火鸡越自信。自信越高灾难来临时震惊越大。火鸡在它最有信心的那一天——基于1000个连续的正面数据点——遭遇了它从未预见过的结局。 这个故事之所以深刻不是因为它讲了一个关于火鸡的笑话——而是因为我们每一个人在某些方面都是火鸡。我们每天活着醒来、每天呼吸正常的空气、每天世界没有大的灾难——然后我们基于这些”正常的日子”建立了”世界是稳定的”这个信念。但世界不是稳定的。它只是在大部分时间里看起来稳定。而”大部分时间看起来稳定”和”真正稳定”是完全不同的两件事。2020年的新冠疫情就是全人类的一次”感恩节”——在疫情之前的几十年里大多数人从未认真考虑过”全球经济可能因为一种病毒而停摆”这种可能性。但它发生了。 这个故事的深层含义不只是”坏事会发生”。它的深层含义是：你用来建立信心的数据本身可能恰恰在蒙蔽你。 越长时间的”一切正常”不意味着”将来也会正常”——它可能意味着”一种你从未见过的风险正在积累而你的数据无法捕捉到它”。 投资中的火鸡 投资界充满了”火鸡”——它们在长期的稳定中建立了”一切正常”的信念然后在一个”不正常”的事件中崩溃。 长期资本管理公司在1994年到1997年间连续4年获得了40%以上的年化回报。他们的数学模型基于历史数据运转完美。每多一天的成功都”强化了”他们对模型的信心。到了1998年他们的信心从来没有这么高过——然后俄罗斯债务违约这个他们的模型从未考虑过的事件发生了。几周内一切崩溃。他们就是金融市场上最著名的”火鸡”。 … Read more