检测伤害是否加剧的技术适用于任何需要在不确定条件下做决策的情况，以及风险管理。虽然在医学和技术上这是最有趣的部分，但最急需的却是经济领域。所以，我建议国际货币基金组织（IMF）使用一种脆弱性的度量，以取代他们现今明知无效但仍在使用的风险度量。大多数风险管理人士都因他们的风险管理模型的糟糕表现（或者说随机表现）而感到失望，但他们不喜欢我以前的立场——不要使用任何模型。他们需要一些替代性的工具。现在，新的风险度量工具出现了。

因此，这里有一些可以使用的技术，实际上是被我称为脆弱性（和反脆弱性）检测启发法的一种简单启发法，工作原理如下。比方说，你要检测一下一个小镇是否过度优化了。如果你测量到，当车流量增加10万辆时，行车时间会延长10分钟。但是，如果车流量继续增加10万辆，行车时间会延长30分钟，那么这种加剧恶化的行车时间显示，镇上的车太多了，交通非常脆弱，必须减少车流量以缓解加剧恶化的情况（我再次重申，加剧恶化就是剧凹性，或者说负凸性效应）。

同样的，政府赤字在经济状况的变化面前显示出尤为明显的凹性。比方说，失业率每增加一单位的偏差——尤其是当政府负债时——都会让赤字增量恶化。公司的财务杠杆也有同样的效应：你需要借越来越多的钱，以实现同样的效果。这如同一个庞氏骗局。

脆弱公司的经营杠杆也一样。营业额增加10%带来的利润增加额，低于营业额下降10%带来的利润减少额。

这就是我在宣布备受推崇的房利美正在走向坟墓时直觉上所使用的技术——我们也很容易从中得出一个经验法则。我向IMF建议的方法极其简单。事实上，这个方法看起来太简单了，所以“专家”的初步反应就是，这“不足为奇”（这些人以前从来没有发现过这些风险，学者和定量分析师们往往会蔑视他们一看就懂的东西，而且会被他们想出来的理念所激怒）。

基于人们应该利用别人的愚蠢找乐子的黄金原则，我邀请我的朋友拉斐尔·杜尔迪与我合作，一起把这个简单的想法用最深奥的数学推导和（一个专业人士）半天才能弄明白的高深莫测的定理来表达。拉斐尔、布鲁诺·迪皮尔和我在近20年的时间里都在不断地讨论为什么所有事情都涉及风险——真的是所有事情——这个理念站在期权专业人士的制高点上是可以被更严谨和清晰地证明的。拉斐尔和我设法证明了非线性、对波动性的厌恶与脆弱性之间的联系。令人惊讶的是，正如我们已阐述的，如果你能用一些复杂的方式与深奥的定理来表达一个本来简单易懂的想法，即使这些复杂的方程式严格说来并不严谨，人们也会对其非常重视。结果不出所料，人们对我们的理念做出了积极反应，并告诉我们这个简单的检测启发法非常“明智”（说这些话的人，正是本来认为这个方法不足为奇的那些人）。唯一的问题是，数学只是附加上去的。





正面模型与负面模型的误差


现在，来谈谈我真正的特长所在：模型的误差。

当我从事交易业务时，我曾经犯过很多执行上的错误。比如，我本来要买1 000手某只股票，结果第二天发现，我买了2 000手某只股票。如果股价上涨，那么会有可观的利润。否则，就会遭受巨大的损失。因此，从长远来看这些错误是中性的，因为它们会对你产生两个方面的影响。它们增加了变数，但不影响你的总体头寸走势。它们不能被片面地认定为好或者坏。而且由于规模不大，这些错误仍可以控制——你进行了很多的小型交易，因此错误也都很小。通常情况下，到了年底，这些错误用业内人士的话说就是被“冲销掉了”。

但是，我们建立的大多数东西却不是这样的，而且错误是和脆弱性事物相关，结果产生负凸性效应。这一类错误都有一个单向的结果，也就是负的结果。比如航班往往会延迟到达，而非提前到达；战争往往会变得更糟，而不是变得更好。正如我们看到的有关交通的例子，路上的变数（现在称为干扰）往往会增加从南肯辛顿到皮卡迪利广场的行车时间，而不可能缩短这一时间。有些东西，如交通，很少遇到等量的正干扰。

由于这种差错给人们带来的更多是伤害而不是益处，因此，上述片面性会导致我们低估随机性及其带来的危害。即使从长远来看，随机性来源的变化在某个方向上与另一个方向上一样多，但它带来的危害将远远超过收益。

所以，我们可以通过3个简单的区别来划分事物——这也是三元结构的关键：喜欢干扰（或错误）的事物、对干扰（或错误）持中性态度的事物，以及厌恶干扰（或错误）的事物。到现在为止，我们已经看到，进化的过程是喜欢干扰的；探索发现的过程是喜欢干扰的；一些预测会受到不确定性的伤害；此外，就像行车时间一样，你总是需要留出一定的缓冲时间。航空公司一般都会考虑到这点，但政府在估算赤字时却对此不作考虑。

这种方法是非常普遍的。我甚至将它用在福岛式计算上，并意识到，他们对小概率的计算能力是多么脆弱——事实上，所有的小概率在差错面前都是非常脆弱的，我们所作假设的一个微小变化就可以大幅提高事情的发生概率，从百万分之一上升到百分之一。事实上，概率往往都被低估了一万倍。

最后，这个方法可以向我们显示，经济模型所用的数学在哪里是假的——或者说，哪些模型是脆弱的，哪些不是脆弱的。只需对假设进行一个小小的变更，然后看看影响有多大，以及这种影响是否会持续加剧。如果影响加剧，就像房利美的案例一样，那么就意味着依赖于该模型的人会在“黑天鹅”效应影响下遭受毁灭之灾。非常容易。我现在可以说的是，经济学与计量经济学课上教授的很多东西，包括公式，都应立即被摒弃，这就解释了为什么经济学在很大程度上是一门骗人的学科。脆弱推手，总是带来脆弱！





如何失去了祖母


接下来，我将解释下面的非线性效应：在这种情况下，平均数——也就是一阶效应——根本不重要。这是进入炼金石讨论之前的第一步。

常言道：


如果一条河的平均深度是4英尺，就千万不要过河。




你刚刚被告知，在接下来的两个小时内，你祖母所在地方的平均温度非常宜人，约为21摄氏度。很棒，你想，21摄氏度对老人来说是最适宜的温度。由于你读过商学院，所以你是一个关注“大局”的人物了，这个摘要信息对你来说是再满意不过了。

但我们还有第二组数据。事实证明，你的祖母第一个小时处于零下8摄氏度的环境下，而在第二个小时处于60摄氏度的环境下，平均温度则是非常理想的地中海温度，也就是21摄氏度。因此，这样看来最后你肯定会失去你的祖母，为她举办一个葬礼在所难免，而且你还有可能继承她的遗产。

显然，当温度偏离21摄氏度越远，伤害就越大。正如你所看到的，第二组数据，也就是有关温度变化的信息，要比第一组数据更重要。如果一个人在变化面前是脆弱的，那么平均数的概念就是没有意义的——温度的偏差远比平均温度重要。你的祖母对温度的变化和天气的波动是脆弱的。让我们将第二组数据称为二阶效应，或者更确切地说，叫作凸性效应。

平均数的概念可以是良好的简化信息，也可以是削足适履的典型。有关平均温度为21摄氏度的信息其实并没有简化你祖母的处境。这是一条被塞入普罗克拉斯提斯之床的信息，也是科学模型常犯的错误，因为模型从本质上来说就是现实的简化。但是，你总不会想让这种简化歪曲真实情况，以至于带来伤害吧。

图19–1显示了祖母的健康在温度变化面前的脆弱性。如果我用纵轴计量健康，用横轴计量温度，那么我会得到一个向内弯曲的曲线——一个“凹”型，或者负凸性效应。

如果祖母的反应是“线性”的（呈直线，而非曲线），那么21摄氏度以下的温度带来的伤害会被温度升高后带来的利益所抵消。但事实是，祖母的健康程度一定会有个最高值，因为她的健康状况不可能随着温度的升高一直改善下去。





图19–1


超级脆弱性。健康作为温度的函数所呈现的曲线是向内弯曲的。零摄氏度和60摄氏度的结合对你祖母健康状况的影响比始终维持在21摄氏度要糟糕得多。事实上，平均温度为21摄氏度的几乎任何温度组合都比始终维持在21摄氏度要糟糕。该图显示了凹性效应或者负凸性效应，即曲线向内弯曲



在我们接下来讲述更一般的属性之前，先记住以上这些信息。就祖母的健康对温度的反应来说：（a）其反应是非线性的（不是一条直线，不是“线性”的），（b）曲线过度向内弯曲，所以，最后，（c）反应越是非线性，平均数的相关性就越低，围绕平均值保持稳定的重要性就越高。





现在来谈炼金石


许多中世纪的人一心想寻找炼金石。我们有必要记住，化学一词是从炼金术而来的。

　　请记住本书首发域名：www.llskw.org。来奇网电子书手机版阅读网址：m.llskw.org