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”。

2008年的次贷危机是另一个大规模的火鸡案例。美国房地产从1947年到2006年的60年间——将近22000天——全国房价从未下跌过。60年的”喂食”让所有人都相信”房价永远涨”是一条不可违反的自然定律。信用评级机构用60年的数据建模得出”全国房价下跌的概率接近零”的结论。然后2007年到2009年房价下跌了约30%。60年的数据不仅没有预警这次下跌——反而让所有参与者在房价下跌之前的信心达到了最高点。

2015年中国A股杠杆牛也是同样的模式。从2014年11月到2015年6月的短短7个月里上证指数从2400涨到5178。7个月的”每天都在涨”让无数散户相信”国家牛市不会跌”。然后6月的强制平仓潮在一个月内把指数打到了3500。那些最有信心的人——在5000点以上用10倍杠杆追入的人——是受伤最重的。

共同模式：长期的稳定让参与者建立了”稳定是常态”的信念。然后”非稳定事件”到来——模型崩溃、巨额亏损。

更令人不安的是：亏损的程度和之前的信心程度成正比。 你之前越确信安全你在灾难来临时的准备就越不充分。长期资本管理公司之所以用了25倍杠杆恰恰是因为他们的模型在4年中运转完美——这种”完美”让他们有了”提高杠杆是安全的”这个致命的信念。如果他们的模型在第一年就出了问题他们可能会更谨慎地对待杠杆——那样的话他们可能会在1998年受伤但不至于崩溃。“成功是失败之母”在火鸡问题中得到了最完美的诠释：每一天的成功都在给未来的灾难添加燃料。

在你自己的投资中这种模式同样在运作。你可能连续赚了2年觉得自己”找到了方法”。然后你开始提高仓位、减少现金储备、甚至考虑用杠杆。你的”成功”正在削弱你对风险的警觉——就像1000天的喂食正在削弱火鸡对屠夫的警觉一样。最好的时候恰恰是你最应该加倍谨慎的时候——因为”最好的时候”意味着你的信心处于高点而信心高点往往和风险积累的高点同时出现。

为什么你的数据可能在骗你

火鸡问题揭示了统计推断的一个根本局限：你只能从你见过的数据中学习。但最重要的风险可能恰恰是你从未见过的。

如果你用过去20年的数据来建模那20年中没有发生过的事件——不管它有多大的破坏力——在你的模型中概率为零。但概率为零不意味着不会发生——它只意味着你的模型不知道它。这就是肥尾分布的核心含义：金融市场中极端事件发生的频率远高于基于正态分布（也就是”基于历史数据的平均状态”）的模型所预测的频率。

这就是为什么芒格说”你最大的风险是你不知道自己不知道的”。你可以为你”知道的风险”做准备——比如你知道市场可能跌20%所以你留了安全边际。但你无法为你”不知道的风险”做具体准备——因为你根本不知道它是什么。你能做的只是通用性准备：不用杠杆（确保即使最坏的事发生你也不归零）、有紧急备用金（确保你的生活不受市场影响）、适度分散（确保单一灾难不摧毁一切）。

如何不成为火鸡：通用性防御清单

火鸡的错误不是”没有看到感恩节”——感恩节对它来说确实是不可预见的。火鸡的错误是它没有为”我不知道什么时候会出事但出事一定会发生”做任何准备。以下清单帮你避免成为投资中的火鸡：

不用杠杆。杠杆把”暂时的困难”变成”永久的毁灭”。没有杠杆的火鸡即使遇到了感恩节也只是”受了重伤但还活着”。有杠杆的火鸡遇到感恩节就归零了。
不把”过去一切正常”当作”未来一切正常”的证据。恰恰相反——越长时间的”一切正常”可能意味着越大的风险在积累。Minsky说”稳定是不稳定之源”——这和火鸡问题说的是同一件事。
保持充足的现金储备。现金在”正常时期”看起来是”浪费的”——它赚不了什么回报。但在”感恩节”来临时现金是你唯一的生命线——它让你在别人被迫卖出时成为买家。
用安全边际为”你不知道的东西”留足空间。你的估值可能错了30%。一个你没有预见的竞争者可能出现。一个你从未想过的监管变化可能改变行业格局。安全边际确保这些你不知道的事情即使全部发生你也不至于亏太多。
定期问自己”如果我最确信的假设是错的会怎样”。火鸡最确信的假设是”明天还会被喂”。你最确信的假设可能是”这家公司的护城河不可能被突破”或”这个行业不可能衰退”。问自己”如果它是错的会怎样”不是悲观主义——它是对火鸡问题的理性应对。

常见问题

如果过去的数据不可靠那我怎么做投资分析？

过去的数据不是”不可靠”——它是”不完整”。它可靠地告诉你”在过去的条件下发生了什么”。但它不告诉你”在过去没有出现过的条件下会发生什么”。你可以——也应该——用历史数据来分析。但你必须同时承认”我的分析基于的数据不包含某些我从未见过的极端情况”。这种谦逊不会让你的分析变差——它只是让你在分析的基础上加一层”通用性保护”（安全边际、不用杠杆、现金储备）来覆盖你的数据盲区。好的投资分析不是”假装你知道一切”——它是”承认你不知道很多然后确保你的不知道不会杀死你”。

火鸡问题是否意味着”黑天鹅无法预防”？

具体的黑天鹅不可预防——因为它的定义就是”你预见不到的极端事件”。但”某种黑天鹅一定会发生”这个抽象的结论是可以预防的——通过通用性准备。你不知道下一只黑天鹅是什么但你知道它一定会来。所以你不是在为某一只特定的黑天鹅做准备——你是在为”任何一只黑天鹅”做准备。这种”不知道具体是什么但知道一定会有”的准备方式就是安全边际、不用杠杆和充足现金的逻辑基础。

从这个角度来看火鸡问题给投资者的最终教训不是”不要相信数据”——而是“在相信数据的同时为数据没有覆盖到的情况做好准备”。数据是有价值的——它帮你在”正常时期”做出好的决策。但数据有边界——它不能告诉你”它不包含的极端情况”。你需要的是”在正常时期用数据来指导决策”加上”在所有时期用通用性防御来保护自己免受数据盲区的伤害”。两者缺一不可。只用数据不用防御你就是一只等待感恩节的火鸡。只用防御不用数据你就是一个过度恐惧什么也不敢做的人。平衡两者——用数据来进攻、用防御来生存——才是一个成熟投资者应有的姿态。

巴菲特就是这种平衡的终极实践者。他深入研究数据——每天读5到6小时年报和财务数据。但同时他保持了超过3000亿美元的现金储备、从不用杠杆、要求极大的安全边际。他不是”不信数据”——他是在充分利用数据的同时为数据没有覆盖到的极端情况做了充分的准备。这就是一只”不会成为感恩节晚餐”的火鸡——它像其他火鸡一样享受着每天的喂食但它同时知道”屠夫终将到来”并为此做了准备。

如果这篇文章帮你理解了”为什么1000天的喂食不能保证第1001天的安全”，欢迎关注公众号「柔和谦卑履责求知」。本文参考Nassim Taleb《黑天鹅》整理。

不构成投资建议。

「柔和谦卑履责求知」