作者的網頁
第二部 我們就是不能預測
事件發展未來結果的可能性，往往遠超過我們的想像力，預測未來極為困難；然而我們還是呆呆地相信那些協助我們探索未來與不確定的人，無論他們是算命仙、著作等身的學者或使用數學詐欺的公僕。
10預測之恥
雪梨歌劇院是人類預測失敗的紀念碑-延遲了十年、預算暴增15倍才完工。
人對於知道的部分顯得傲慢，而且還自以為自己比實際上知道的還多一點點(沒學到要對無知的部份更謹慎與謙卑，也就是這多一點點的知識傲慢讓人陷入窘境)
知識傲慢的雙重效應：高估自己所知、低估不確定性=>人們實際上所知道的，和他們自以為自己知道的，其實有很大的落差（兩者落差可達20-30倍，特別是那些外表自信、其實不夠謙虛也不會自我反省的MBA、CEO、政治人物）
專家的問題與虛有其表的悲劇
提供的資訊增加到一個程度以後，無助於提升預測的正確率，而且提供的資訊越多，這些專家沿路建構的假設就越多，反而辨識效果越差(專注在一些職微末節的雜訊當中、愈難推翻自己先前假設，只會增加他們自己對於預測結果的信心程度
要學習質疑專家的信心)
應該是專家的專家(有技術性-具備know how的技術)：天文學家、試飛員、棋士、物理學家、數學家(處理數學算是而非實際問題時)、會計師、保險精算師(處理鐘型分配的數字)=>處理不會變動的事物，專注狹小領域，黑天鵝事件不重要。
不是專家的專家(沒有技術性，只是具備know
what的知識)：法官、議員、人事招募主管、心理醫師、情報分析人員、經濟學家、政治學家、金融工程學會會員=>處理會變動的事物，不能專牛角尖，黑天鵝事件很重要。
專家往往容易自我欺騙(也必須在別人面前表現自信)，造成他們不知道自己不知道，不但缺乏知識，也欠缺對於自己知識品質的自知之明。（知識品質的檢驗靠的是預測！）
即便証券分析師可以知道公司的訂單、即將拿到的合約與支出等領先資訊，這些人其實沒有比較準確(這些自欺欺人的天王天后分析師沒有精神分裂與崩潰真是令人意外)
心理學家Philip Tetlock針對300專家對於未來五年內所作的27000個預測(包含政治、經濟、軍事)，結果顯示專家的錯誤率是他們預估的好幾倍，著作等身的教授並沒有比新聞記者高明，學歷是學士或博士沒有顯著差異。
這些人用信念防衛與保護自尊的方式來進行事後的解釋：預測失誤是因為
1.情境變數改變
2.這是離群的黑天鵝事件
3.對於事件內容的預測大部分都對了
專家們偶而說對了時會歸功於自己的知識深度與專業，猜錯了會怪罪情況特殊，甚至編出一套故事來自圓其說。
人類是自己對於隨機事件認知不對稱的受害者：我們認為成功是因為自己的技能(好事因我們而成)，失敗歸咎於不受控制的外部因素(壞事不是我們的責任)
另一個效應(認知偏誤)是：我們覺得自己比他人還特殊(不認為發生在別人的壞事會降臨自己頭上)。
使用複雜統計數學、賽局理論進行預測的專家，其準確度不會比計程車司機來得好到哪裡或更準確。然而人性就是天生喜歡聽取專家的預測，即是沒有在專家的領域當中。
明知預測不準確還是不斷進行預測，源自人性：為求生存，一些專家與機構必須讓自己看起來對於未來具有洞察力(以詐騙獲取利益)。
為何預測非常困難
預測失準的原因
1.越例行性的工作，預估才會準確；越是新奇的大計畫，錯誤與失準會呈等比級數增加，而且是單邊效益=>只會成本更大、工期更長(很少會工期縮短、成本降低)
2.心理作用：為了拿到客戶訂單，over promise；定錨(亂拉試算表或project算出來的預算與工期)
3.書呆子效應：只關注那些心裡知道/可控制的，忽視那些計畫外的邊界條件與不確定因素(罷工、停電、工安事故…)
4.Scalable Randomness:你等越久，預期需要再等待的時間就更長(等越久，預期完工與戰爭結束的時間就更長。)
5.只看平均值，忽略機率分布與標準差：如果一條河平均水深一米，千萬別渡這條河！變動率variance很重要，而且變動會隨著時間與(樂觀/悲觀)情緒而放大發散(而非收斂)
最糟的狀況往往比預測值本身更重要！尤其最糟狀況不能被接受更重要！
1.越例行性的工作，預估才會準確；越是新奇的大計畫，錯誤與失準會呈等比級數增加，而且是單邊效益=>只會成本更大、工期更長(很少會工期縮短、成本降低)
2.心理作用：為了拿到客戶訂單，over promise；定錨(亂拉試算表或project算出來的預算與工期)
3.書呆子效應：只關注那些心裡知道/可控制的，忽視那些計畫外的邊界條件與不確定因素(罷工、停電、工安事故…)
4.Scalable Randomness:你等越久，預期需要再等待的時間就更長(等越久，預期完工與戰爭結束的時間就更長。)
5.只看平均值，忽略機率分布與標準差：如果一條河平均水深一米，千萬別渡這條河！變動率variance很重要，而且變動會隨著時間與(樂觀/悲觀)情緒而放大發散(而非收斂)
最糟的狀況往往比預測值本身更重要！尤其最糟狀況不能被接受更重要！
對於金融交易員而言，要承認自己沒有辦法預測與展望，否則會是很嚴重的職業道德詐欺問題！（然而大部分的金融從業人員就是在詐欺，而且待遇年終工作環境還比老實的製造業工廠工人好很多）
所有及時的資訊（只是讓人知道已經發生什麼事情），對於預測未來會發生什麼事情，都派不上用場。
11如何尋找鳥屎
預測能力的結構性限制，除了a.沒有想像力 b.高估自己預測的正確性 之外
也來自於真實世界太複雜，不論是對人的大腦或目前想得到工具來說。
大多數重要的進步來自於無法預測的事物=>那些躺在想像路徑之外的東西
世界的重大發明與發現，往往是瞎貓碰到死老鼠，在意外當中，靠著聰明與緣份，發現到許多不是原來所想像的東西；而事後大家都覺得很奇怪，為什麼這麼「明顯」的東西，花了這麼久才出現？
Eg:抗生素的發現，貝爾實驗室覺得天線的嘶嘶聲來自於鳥屎，殊不知那是宇宙背景的微波輻射(=大霹靂的證據)
無法預見新發現所帶來的劇烈進展，而一些漸進式的進展其實普遍比預測的進展慢。
我們透過科學研發建造了許多玩具，不知道其中哪些玩具會改變世界。Eg:電腦、網際網路、搜尋引擎
不可能預測的弔詭
預測需要知道未來將會發現的技術與設備。但這樣的知識會讓人立刻著手開發這些技術與設備。因此我們不知道我們將會知道什麼。
預測不會精準、只會發散的原因(蝴蝶與渾沌效應)
動態過程牽扯太多變數與複雜性，每一個片段的小偏差，會累積放大。
海耶克反對把物理學與數學的工具應用在社會科學上，因為真正的預測是透過系統（市場供需、所有利害關係人）有機地去調適，而非政府或大型企業的命令與指揮(計量模式與最適化被批判為惟科學主義=>物理學成功的地方只再於硬科學當中極小的一部分，而人們卻忘想將其泛化到所有其他領域)。企業能夠生存不是因為能夠精準的預測，而只是因為幸運！
最適化可能是一種無效的模型處理，因為人有自有意志(=不理性，人如果能夠被預測，那麼人就不如他自己想像地那麼自由)，最適化與數學模型的功能只是讓人爭取教職的工具，這些人懂得的數學，只夠讓他們用數學來矇蔽眼睛(哇，好犀利的批判！要具備多大的自省、理解與自信才能說出有這樣的洞見？！)
兩種知識系統
柏拉圖式：由上而下、透過公式計算最佳化、思想封閉、標準規格化
非柏拉圖式：由下而上、透過嘗試/適者生存(有用比有沒有道理來得重要，一些怪力亂神的東東很可能太過複雜、但可能有些我們無法了解的功能存在)、保持開放與懷疑的心態
不只世界的未來有無限的可能性，對於已經發生的過去也可以很多的解釋與自由度。
我們往往只能運用”常識”來”解釋”事情的來龍去脈，而在大腦有限的認知能力下，所謂的”常識”可能不是很完備！
12知識政體，一個夢想
社會的治理建構在我們認知自己能力有限、無知的前提基礎上，而不是那些我們自以為很有用的知識上！
然而人性的軟弱造成我們必須去追隨接受一些神經病(看似有自信、自欺欺人的偏執狂)的領導：我們覺得跟眾人團結在錯誤與暴虐剝削的領導之下，比自己獨自走正確的路更有安全感。
其實人非常不擅長於動態思考、從未來的觀點來看自己，總以為明天是另一個昨天（過去和未來在人腦的認知當中不對稱），人過度高估風險(以為失去財富或地位是天大的災難、阻止我們去冒險)
除了不知道未來，對於過去也不怎麼了解（扣除自圓其說的故事）：
前向過程forward process：
從冰塊溶化成水=>可以精確的預測冰塊如何融化；是工程學與物理學的情境
後向過程backward process：
從水變回冰塊=>這攤水其實可以是各種形狀的冰塊、甚至不是冰塊(太多可能性、太複雜)；是不能實驗、重複的歷史學
Backward process 比Forward
process複雜太多！(料想事件未來的發展，其實比追溯事件如何演變成現在的模樣來的單純)
一個真正隨機的系統，結果就是隨機的，無法進行預測。
隨機性就是不可知unknowledge，世界不是透明的，而其外表(歷史紀錄)會愚弄我們。
學習歷史、盡可能吸收當中所有知識與教訓，但不要做任何因果聯結與逆向過程（不同時代環境，有著不同的複雜因果脈絡系統，必須極為小心）
欸，這打了台大歷史呂 老師好大的巴掌&難怪事故調查非如此的困難/絕大多數陷入自圓其說當中而不自知
13如果你不能預測，該怎麼辦？
人的確會思考，但這膚淺的思考給了一個自以為了解的幻覺&為了掩護過去的行為(愈測錯誤與言行不一)所做的後溯敘述。
在小(短期私人)事情上糊塗、而不是在大(長期)事情上被騙
*出去玩的時候預測出遊地點的天氣，提出意見與預測是生活的一部份，錯了承認/改變就好
*不要相信經濟學家、社會學家與政府官員的預測(他們其實是藝人)
*要按照造成傷害的大小，而非預測可信度來排列你的相信程度（傷害程度越大、越要質疑）
在小(短期私人)事情上糊塗、而不是在大(長期)事情上被騙
*出去玩的時候預測出遊地點的天氣，提出意見與預測是生活的一部份，錯了承認/改變就好
*不要相信經濟學家、社會學家與政府官員的預測(他們其實是藝人)
*要按照造成傷害的大小，而非預測可信度來排列你的相信程度（傷害程度越大、越要質疑）
槓鈴策略
85-90%放在極為安全的工具，如美國債券（避免負面黑天鵝），剩下10-15%放在極端投機的賭注(贏得正面黑天鵝)
幾個原則
1.區分正面黑天鵝與負面黑天鵝
正面黑天鵝：買彩券、創投與科學研究
負面黑天鵝：軍事國防、保全、保險、工安
2.不要尋找、等待明確而狹隘的東西
不嘗試去描繪與等待明確的黑天鵝事件，通常是你沒預測到的黑天鵝事件讓你損失慘重；投資在準備而非預測上
3.盡可能讓自己暴露在(正面黑天鵝的)機會中
住在大都會、參加各項聚會(碰到意外的貴人與寶貴想法)
4.提防政府與高階經理人的明確計畫
公僕和高階經理人的興趣在於自保，而非得到真相，他們會玩弄制度
5.不要浪費時間和股票分析師、經濟學家和社會科學家對抗（還有滿口均衡、常態分配的人）
6.善加思考與利用後果的不對稱
我不知道上帝是否存在，假如上帝不存在，而我是無神論者，則我沒有沒損失；但如果祂存在而我不相信，那我就慘了。
決策的焦點放在可以知道的結果上(如果發生大地震)，而非此一事件的發生機率(沒有人知道、也無法預測)=>這不同於傳統期望值與風險管理R=S*L的排序篩選觀念！
1.區分正面黑天鵝與負面黑天鵝
正面黑天鵝：買彩券、創投與科學研究
負面黑天鵝：軍事國防、保全、保險、工安
2.不要尋找、等待明確而狹隘的東西
不嘗試去描繪與等待明確的黑天鵝事件，通常是你沒預測到的黑天鵝事件讓你損失慘重；投資在準備而非預測上
3.盡可能讓自己暴露在(正面黑天鵝的)機會中
住在大都會、參加各項聚會(碰到意外的貴人與寶貴想法)
4.提防政府與高階經理人的明確計畫
公僕和高階經理人的興趣在於自保，而非得到真相，他們會玩弄制度
5.不要浪費時間和股票分析師、經濟學家和社會科學家對抗（還有滿口均衡、常態分配的人）
6.善加思考與利用後果的不對稱
我不知道上帝是否存在，假如上帝不存在，而我是無神論者，則我沒有沒損失；但如果祂存在而我不相信，那我就慘了。
決策的焦點放在可以知道的結果上(如果發生大地震)，而非此一事件的發生機率(沒有人知道、也無法預測)=>這不同於傳統期望值與風險管理R=S*L的排序篩選觀念！
兩種派別的風險管理哲學
風險管理的哲學與需求
第三部 那些極端世界裡的灰天鵝
14從平庸世界到極端世界，再回來
世界不是公平的，而且越來越不公平
人類腦袋期待公平正義、期待天理昭彰/善惡有報，然而真實世界的運作與人類腦袋想的完全不同，人類被自己腦袋當中假想的信念與認知嚴重愚弄！（欸，好殘酷、深得我心的一章）
原因
馬太效應（累積優勢）：
藝術、學術名聲、財富等的累積，一段時間的演化結果往往都是強者越強、弱者越弱(失敗也有累積性)，形成冪次分配
然而隨機性具備重新洗牌的效應，會把一些演化成怪獸的贏家刷下來，在極端世界當中，沒有人可以高枕無憂，然而扣除掉通吃的怪獸大贏家，冪次分配的另一端是厚尾，允群另一大群數目更多的小公司活在各自的niche當中(等待時機發芽成長)
長尾分配是極端世界的副產物，讓極端世界沒有那麼不公平：怪獸大贏家必須戰戰兢兢擔憂不知何時自己會被取代掉。
全球化造成各國商業與政治環境同質性越高、連動性大：我們將遭遇更少、但是更嚴重的危機(金融與戰爭)
除了貧富的差距拉大之外，社會地位的差異更造成壽命的差異：能購買保險來對抗同儕成就所帶來的士氣打擊嗎？（每年的諾貝爾頒獎、升官調薪造成其他沒得獎、沒被調薪的人很大的心理傷害、偷走這些失寵族群的壽命！）
15鐘形曲線，知識大騙局
高司鐘型曲線，離開平均值越遠，發生機率掉的越快=>隨機變異可用大數平均來消除
Mandelbrot曲線，機率用同等的速度下降
標準差、相關性、回歸都必須建構在常態分配的前提下
真實是界的參數分配往往不是Normal，只是學過統計的人都把常態分配的假設套到真實世界當中的事物
沒有所謂的標準身高、體重這件事！（男女身高體重不同，也會隨這年齡與營養狀況而變動！）
高思分配的假設前提
1.每次事件的發生獨立
2.每次變動的大小固定
高司分配不是世界的特質，卻是很多受過統計教育的學生看待世界事務的嚴重偏見與錯誤假設。
16隨機性的美學
Power law指數的意義
指數1.1，前1%佔整體66%，前20%佔整體86%(80/20法則)
指數1.5，前1%佔整體22%，前20%佔整體58%
指數2，前1%佔整體10%，前20%佔整體45%
指數3，前1%佔整體4.6%，前20%佔整體34%
書籍銷售、股價變化等等都具備規模可變性與碎形的特質=>平均值與標準差沒有意義！
極端才有意義，然而你很難設定上限與極端邊界=>耐震與堤防就是要預防那些百年難的一見的極端事件，而非每年預估會遭遇到最大地震或洪水，然而耐震與防洪的上限是十年一見？百年一見？兩百年一見？千年一見？
對於指數的測量與估計，如果觀測期間不夠長，在指數的估計上會錯估，甚是看不出是碎形，以為是常態分配！
例如以下把股價變動視為常態
Power law的情境下，更難經由歷史數據資料進行參數估計（正確來說是不行，如同沒有辦法從一灘水backward推導冰塊的模樣）！
換言之，不確定性更高/更沒有辦法藉著統計來估算定錨，然而在概念上可以預期這些黑天鵝的出現，作者稱之為灰天鵝
例如：十級超大地震、死傷人數超越前兩次大戰的第三次世界大戰、賣出三億本的書、身價5000億的超級級級富翁….（而作者認定的黑天鵝，則是純粹意外而且無法預見）
沒有辦法進行柏拉圖式的統計估計(從歷史數據建模)，因此只能不斷隨著時間過去、經驗增加，不斷”校準”我們的估計與預期(這真是一個讓人學習謙虛與謙卑的過程)
這些股價變動與社會現象是非線性過程，非線性過程的自由度大於線性過程=>人們很容易誤用(簡單)的線性聯立方程式來描述非線性過程(直到預測錯誤)
複雜、非線性的社會現象很不應該用單純的線性方程式來模擬與描述(一定不會正確)
17洛克的狂人，或放錯地方的鐘形曲線
這章批判使用數學建模的經濟學家
我們使用來自平庸世界的常態分配統計去教導學生，並鬆散地將這些方法用來處理股價變動的極端世界，就好像把農藥用在生病的人身上！
過去50年在金融市場最極端的十天，其報酬佔整體50年的一半=>所以高司式的統計工具都無效
諾貝爾獎造成傷害比貢獻更大=>因為往往得獎表揚的是這些使用錯誤工具、造成大家錯誤認知的經濟學家=>決定一個社會科學理論命運的，往往是其感染力，而非正確性！
欸，敝人商學院有許多可敬的老師都畢業自台灣哈佛-政大企管，財管的教得獎的CAPM，另一位組織的教碎形、power law來踢爆學術界人員亦云的假象，感謝蔡明宏 老師，讓我在思想上從爬蟲類進化成猩猩
平庸世界和極端世界無法相容，即便LTCM倒閉破產，商學院MBA竟然繼續學習CAPM, Black, Scholes-Merton Model
簡潔與優雅數學模式的背後，其實隱藏著不切實際的錯誤假設。而這些狂傲的數學妄想病患騙取諾貝爾獎綽綽有餘，也不容他人用事實數據來駁斥他們模式(只能用數學)。
真正負責的決策者，關心真實、生命、損益與成敗，而非看似完美與嚴謹的推論
對於前提假設的關心要多過理論，大致正確比精準的錯誤來的好。
18假學究的不確定性
這章批評說空話的哲學家與教育學家
微小的粒子測不準、政治與社會事件亦無法預測(greater uncertainty principle)
應該最具批判性思考能力的這群人，把自己的錢交給理專、盲目相信股市與基金經理人。
真正的哲學其實源自哲學以外的(現實)事物，如果這些根基(哲理與對應的事實基礎)衰亡，這些哲理也就跟著滅亡-Proper
第四部 完結篇
19一半一半，或如何向黑天鵝事件報仇
你能夠活在這世界上、讀寫著這一段文字就是天大的萬幸，不要再擔心失業、粗魯的對待、難吃的菜色而讓自己忿忿不平、過著悲慘的一天
你要做什麼操之在你，不要擔心黑天鵝，萬一出現的話，就當成這是你的命運吧！
不需要擔心小挫折，只需擔心決定性的大失敗，也只需要擔心那些你能夠有所作為的
對於負面的黑天鵝威脅盡量保守
對於正面的黑天鵝機會盡量積極
後記 尤金尼亞的白天鵝
沒有留言:
張貼留言