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 FiveThirtyEight，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 2012 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 " 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。30% 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。
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 "。
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 " 河里人 "。
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 " ≠ " 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。
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。
【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。
【洪灝】：我相信你也注意到，数据分析和量化模型在投资流程中的占比已经大幅提升。
过去，价值投资由沃伦 · 巴菲特等人发扬光大，投资者主要通过阅读财报等资料判断企业价值。但现在的量化模型会使用大量非常新奇，甚至非常小众的因子，例如天气、新闻曝光频次等。
如今的投资流程与过去的价值分析已经非常不同，有些短期模型甚至完全不考虑传统意义上的价值分析。
那么，我们应该如何调和这两种方法？
一方面，我们拥有非常严谨的统计模型，可以对未来做出具有一定准确率的预测；另一方面，还有大量传统投资者在研究财务报表、践行价值投资。
究竟哪一种方式真正创造了价值？从长期来看，你认为哪一种投资方式会胜出？
【纳特 · 西尔弗】：我个人会更偏向价值投资，也就是立足基本面的投资方式。基本面通常更加持久，相比技术交易更加牢靠。
技术交易、动量交易等策略，在有效的时候非常有效，但一旦失效，也可能迅速失灵。
不过，实现价值投资有很多不同路径。我在搭建模型时意识到，小赢与大赢之间、小赢与亏损之间，优势差距其实非常微弱。
比如体育博彩，庄家抽成之后，你的胜率可能需要达到 52.4% 左右才能盈利。如果胜率只有 51%，你最终会亏损；如果做到 54%，你可能就能赚很多钱。
所以，即使投入大量精力优化模型和下注策略，把胜率从 52% 提升到 54%，看起来只是很小的提升，但实际上可能意味着把原本每 50 次判断中错误的一次变成正确。
如今也有很多 AI 工具可以读取财报并推演衍生信息。美国很多私募股权机构会先用筛选工具找出纸面数据亮眼的企业，然后再进行大量尽职调查，核实实际情况是否与纸面数据一致。其中一些投资标的甚至并不热门，但企业本身拥有真实的内在价值。
市场优势往往没有想象中那么巨大。从 52% 到 54%，只是两个百分点，却可能决定长期结果。
八、 AI 带来的优势，可能首先是速度
【洪灝】：我们还没有太多讨论的一点是，在现实世界中，速度非常重要。我们不像学术界，可以花很长时间等待研究论文发表。很多时候，我们必须快速做出判断。
【纳特 · 西尔弗】：确实。比如世界杯的实时交易市场。你正在进行投注，突然有球员受伤，市场可能在几秒钟内就完成反应。
如果你要下注，根本没有时间进行完整而详尽的分析。要么依靠算法自动完成分析并执行交易，要么就必须凭借瞬间判断快速做出决策。
我大量时间都在搭建、编写统计模型，AI 对我的工作直接帮助非常大。我认为它最厉害的能力就是写代码，把自然语言直接转换成代码。过去一年，我的工作流程发生了很大变化，现在搭建模型，我默认会使用 Claude 或者 ChatPT。
但现阶段几乎每一步仍然需要大量人类监督。它会走捷径，有时会误解指令，也会犯错误。不过它也能发现我遗漏的问题。所以作为一个编程搭档，它目前非常好用。我大概认为，它能把我的工作效率提升 30% 到 40%。
【洪灝】：你确实可以看到 AI 闪现出真正的智慧。
【纳特 · 西尔弗】：是的，但它也会遇到非常奇怪的问题。比如让它生成一张简单的表格，它可能陷入死循环，让你花两个小时，而原本 20 分钟就可以完成。
所以短期来看，我认为 AI 是人类专业能力的强力补充。从就业数据来看，目前还没有出现大规模岗位替代。
对我个人而言，一些过去需要花一半时间完成的工作，现在效率可能提高 30%。
那么这 30% 的效率红利怎么使用？
我通常的做法是工作更多，产出更多。相当于给咨询客户多提供 30% 的产品。
人们真的严重低估了速度本身就是 AI 提供的核心价值。它未必优于人类专家，但它运行得非常快。很多时候，速度本身就很关键。
如果一个原本需要数小时验证的假设，现在可以在十几分钟内完成第一轮测试，那么速度本身就改变了研究和决策的节奏。
在高速市场里，信息优势必须转化成时间优势。不是知道得更多就够了，还要比别人更快地完成判断。而 AI 就是我们能力极强的助手。
为什么又写了一本关于风险的书？
【洪灝】"" 你的两本书之间隔了 12 年。是什么驱使你时隔十二年，写下第二本书？
【纳特 · 西尔弗】：两本书相隔十二年并非偶然。我认为这反映出大量的人生阅历。过去很多非量化的领域，包括政治学，现在已经有更多量化方法占据主导。在这 12 年里，我也看到大量案例，当人们公开做出概率预测时，大众对这些预测的解读方式各不相同。
我也试图去调和 " 河里人 " 和 " 村里人 " 的视角。假如你的预测给出 30% 的概率，而市场预期只有 15%，最后特朗普胜选，站在 " 河里人 " 的视角来看，这是一次成功的判断。这笔投入依旧拥有很高回报率，即便这件事大概率会失败。可这和 " 村里人 " 的思考方式完全不一样。
这也是《不冒险就是最大的风险》一书真正有意思的地方：它并没有把世界划分成 " 敢冒险的人 " 和 " 不敢冒险的人 "，而是试图讨论不同的人如何面对不确定性，以及他们为什么会作出不同的选择。
十、世界还会继续变化吗？
【纳特 · 西尔弗】：如果你去欧洲，去罗马，你会发现那里几百年如一日。我非常喜欢罗马，但今天罗马的面貌，与我 1999 年参观时几乎一模一样。
我去过几次香港，可以看到城市天际线发生了巨大的变化。纽约也是如此。
我住在纽约，纽约每年的增速可能只有 2%，而不是 8%，但它充满活力，也一直在变化。
但世界上很多地方，尤其是欧洲，人们可能会说：" 我们已经拥有了美好的生活，让我们保持它原来的样子。" 我理解并尊重这种想法，我也很享受在巴黎这样的城市生活。
但世界一直在向前推进。几年前，很多人认为世界可能陷入停滞，但现在看来，世界完全没有停滞。即使 AI 最终只实现实验室负责人所描绘愿景的五分之一，它依然毫无疑问是一项至关重要的技术。与此同时，世界还存在大量地缘政治风险与动荡。
我希望这本书可以成为一份指南，帮助人们理解我们正在进入的这个全新现实。
世界不会因为我们已经适应了旧秩序，就停止变化。
风险真正难的地方，不是它不可避免，而是它总在以新的形式出现。
我们通常把不冒险理解为安全，但从概率的角度看，不投资、只持有现金、不换工作、不学习新技术，同样都包含对未来的判断。区别只在于，有些风险容易被看见，有些风险则隐藏在 " 什么都没做 " 里面。
预测可以有误差，模型可以失效，市场也会出现意外。真正需要管理的，或许不是把不确定性从世界里消除，而是在不确定性存在的情况下，决定自己愿意承担多少，以及怎样避免一次错误判断结束整个游戏。
如果《信号与噪声》讨论的是如何更好地理解信号、噪声与概率，那么《不冒险就是最大的风险》进一步讨论的，是当概率永远无法等于确定性时，我们该如何行动。
当牌局开始的时候，重要的也许不只是你看到了什么牌，而是你是否知道自己为什么下注，以及这一次下注究竟意味着什么。
