巴菲特说，我们总是希望寻找过去20年来行之有效的系统，如果能够根据过去20年间成功的方法赚钱，让所有的富人都是图书管理员了。虽然历史常常是未来的好向导，但也不尽其然。统计学是对历史的记录，而不是对未来的预测。我们不能理所当然的认为未来是历史的重现。过去和情况都在不断变化中。技术条件以及与人类行为有关的各个方面，都让未来与历史大不相同。在利用过去的证据预测未来可能出现的结果时，我们需要考虑到条件发生了哪些变化。企业和经济状况的本质就是变化，比如说，竞争和需求在不断发生的变化。如果竞争日趋化或者需求下滑，我们也必须做出相应的调整。如果没有意识到过去跟目前情况的区别，就有可能犯错误。管理绩效同样受环境的限制，个人在一种环境下能够成功并不并不能保证在另一种情况下能同样能够成功。如果条件发生变化，我们应该同时修正自己的假设，以反映当前的环境。样本数量过少则不具备预测价值。样本数量越少，统计结果涨落越大，发生机会事件的可能性也越大。我们需要有代表性的参照组，足够大的样本，相当长的观察时间。小样本得出的风险会高于现实或低于现实，因为小样本将使得定位不明确。查理·芒格先生认为搜集到具有代表性的数据很重要，即使这些数据只是接近而已。“粗略的正确总比精确的错误要好”。在重要的是事件前，我们不是仅仅根据能够量化的东西作出判断，而是自己先试着作出预测。过去的表现并不能保证未来的结果，所以要考虑在相似情况下的证据或者普通大众身上发生的事情。有时，历史记录并不是对未来事件良好的指示仪，因为运气常常发挥作用。假设房间里有1000只猴子，每只猴子都在试着预测利率的方向。10次预测后，有一只猴子在预测利率变化方面的纪录堪称完美。于是，他被视为天才和历史上最伟大的经济学家，即使这只是运气使然。只要我们有足够庞大的预测师队伍，在这种运气参与的预测过程中，终会有一个人能够预测正确所有利率的变化，成为媒体纷纷追逐的对象和众星捧月的英雄。有时，我们只看到表现耀眼者。部分原因是因为胜利者总有炫耀的天性，而失败者却很安静。其实大多数时候，人们对失败者是提不起兴趣的。如果在庞大的人口基数中出现胜利者，我们不必为此感到惊讶，就像在10000只猴子中发现10个天才一样。在衡量表现时，我们必须同时考虑到成功的人数（1只猴子）和失败的人数（999只猴子），还有参照群体的总数（1000只猴子）。在这种与运气有关的事件中，参与人数越多或者猴子越多，优异者的表现越有可能是运气和机会在帮忙。除非我们在高水平表现群体中总结出某一种共同的品质，它有可能是制胜的原因，而不是运气在作用。如果忽略运气的作用，仅仅根据结果来得出结论，可能会犯同样的错误。证据必须来自一段时间内的成功和失败的概率。我们常常只考虑成功和有利的结果。用流行病学上的术语来说就是生存偏差，即只研究某个疾病和研究结果的幸存者的特征，不考虑在研究中死去的对象。如果这些死去的病人身上有更高的风险因素，这些研究者则削弱了风险因素和结果之间紧密的联系。这种生存偏差也同样出现在所有在事后进行的研究中。他们只把焦点锁定在幸存下来的个案或者病人身上，而死去的人并不包括在样本集中。此外，还有人只公布其结果或结果，故意选择和省略某些信息。如果我们只研究成功案例和选择，这样的表现记录可能好于现实中的平均表现。查理·芒格先生说，我们给予失败案例的关注太少了。在1999年，大家都在说：“互联网企业的表现真是一枝独秀。”我们常常只看到占尽风头的成功企业，而忽略了背后的失败者。特别在牛市中，成功的人总被媒体铺天盖地地报道。问问你自己：考量5年表现时，相关的参照群组是什么？哪些表现出色，哪些表现不尽人意。不能有哪几家企业已经关门大吉。从这些问题的答案中，我们可以判断出结论的真伪。在评价可能的结果时，要看看这些可能性结果的总体分布——平均值、变异性以及极端结果和后果。我们所说的变异性是指的是单个结果平距离平均值的偏离度。偏差越大，则变异性越高。正态分布曲线能显示出结果的分布状况，有时可以帮助我们找到最常见的结果和结果的变异情况。一系列结果的分布面当然很广，但有些结果比其他结果更常见。各种独立和随机因素组成了一个钟型频率分布曲线。这表明最常见的结果落在了分部的中央，其他结果落在两端。结果偏离中央越远，它的频数越低。正态分布的结果例子包括成年人的身高、体重、气温、车祸、死亡率或电灯泡的寿命等。但是，我们并不能把正态分布曲线用于那些数额巨大和风险概率较高的保险中。对于那些擅长为特殊事件承保的保险公司来说，关键要看结果的变异性，而不是平均值。许多时候正态分布曲线并不能给我们展现真正的现实。一个有利或不利的极端事件可能对平均值产生剧烈的影响。相对于平均值来说，单一事件发生的次数越少、时间越短或者影响越大，这意味着考虑变异性就越加重要，一些因素也越难以预测。比如，假设图书的平均销售额为20万美元，但如果样本中只包含了一本畅销书的极端个例，平均值并不能帮助我们预测新书的平均销售额情况。我们可以很清楚地了解到过去发生了什么，但却不知道未来最高强度飓风的破坏级别或发生的概率。在回首过去的时候，我们只能在历史文件中查看到破坏力最强的飓风情况。我们不能使用过去的统计数字预测一些罕见和巨大影响的事情，我们不知道它们发生的时间、频次或者影响力，也不能准确的计算出它们的特征或发明出一种计算公式。我们唯一知道的就是它们必然会发生，而且会带来深刻的影响。有时，可能一些证据会告诉我们这些概率是否发生了变化。此外，许多事件并不是独立的，而是彼此相连的。以金融市场来说，市场是有记忆的，资产之间彼此互动，一个负面事件将可能引发连锁事件。纳西姆·塔勒布曾经在《黑天鹅》中表示，使用正态分布曲线来分析一个能对现实产生深刻重大影响的事件发生的概率非常危险。如果一家私募基金经理人的投资记录显示过去5年来，他们的平均回报率达到了25%，那么可能有人认为这个投资回报非常成功。而事实上，如果仔细查看了该基金的真实表现，那么这个数据并不能代表什么。在查看了该基金回报如何产生的情况后，发现该经理人总共完成了10笔交易，其中一个交易获得了惊人的成功，而其他9笔身均以失败告终。这笔成功的交易是归功于运气吗？必须记住一点，有些人在报告自己的业绩表现时，常常故意遗漏数据。如果一家企业的主管告诉我们，过去3年来，他们公司的平均盈利为5000万美元。但是在仔细查看了一番记录后，我们发现其中出现很大的波动，企业的表现也一直在滑坡：1998年为1亿美元，1999年为5000万美元，而2010年为0美元。中间值是分布在中间的一个数值，有一半结果位于它的上方，一半结果位于它的下方。如果9个人中每个人各有100万美元，还有一人有10亿美元，平均财富为1.01亿美元，但中间值仍然为100万美元。“回归中值”是弗朗西斯·高尔顿提出的观点。他宣称，在一系列运气事件中，偏离平均值的异常出色或糟糕表现、高分或者低分、极端事件等发生后，紧接着会出现普通表现或者不太极端的事件。如果我们的表现非常惹眼，下一次表现就会逊稍逊一筹；而如果当前表现不尽人意，下一次就有可能做得更好一些。但回归平均值并不是一个自然法则，而仅仅是统计学上的一种倾向，而且它的发生需要相当长一段时间。我们的表现经常围绕平均值上下变化。极端的表现在下一次就显得不那么极端。为什么？因为测量方法做不到百分百地精确，任何测量方法都包含随机误差。当测量结果过于极端，它们可能部分是由于运气引起的。而在第二次测量时，运气的作用性可能下降。如果放弃使用不成功的方法后，转而使用另一种方法。即使新的做法实际上与前一种状况相似甚至更糟，我们也有可能在这一次表现中更出色。忘记过去，必定会重蹈覆辙。查理·芒格先生说，“人总是很容易忘记自己的错误，因为时刻铭记着它会让自己的名誉受损。鉴于此，一家了不起的企业——强生公司——制定了一个系统，在大型收购活动完成的两年后就进行事后检讨。他们把最初的收购目标和理由再次翻出来，并找出当时否定和支持的那些人，把他们当时的观点与收购案的结果进行一一对比。”巴菲特也这样说，“成功的点子被大肆宣扬，而错误的决定不是在中途夭折，就是用各种理由来美化它。”“管理人似乎不太乐意讨论投资方案或者收购的结果，而在一两年前他们曾如此详实地向董事会力荐这些方案和收购活动。至于以后的实际活动与方案有什么出入，他们不想把数据具体列出来，这也是人之常情。但我认为一个偶尔光顾病理科的医生才是好医生。一个好的经理人或投资者应该是那些经常审视过去每个重要决定的人，并看看哪些成功了，哪些失败了——计算出自己的平均击球安打率。如果你的安打率太差，最好把决策权交给其他人。”我们也可以使用事前预防法帮助我们预测问题和找到关键的薄弱环节。比如说，在做重要决策前想象一下失败的后果，并问问自己：什么因素会造成这样的结果？培养出良好的思维方法的指南和工具是什么？查理·芒格答：“伯克希尔·哈撒韦其实是一个老式传统地方，我们希望能够严守秩序，保持这种风格。我不是说陈旧的迂腐，而是永远从最基本的事实出发：基本的数学、普通的常识、基本的恐惧，以及根据人类行为诊断出等人类本性，然后做出预测。如果你也能够严守纪律这样做，我认为你将受益匪浅。”作者：一只花蛤链接：https://xueqiu.com/9927088462/132689994来源：雪球著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。