塔勒布：极少数极端事件的影响会超过绝大多数平常事件吗？

你相信：历史上极少数极端事件的影响会超过绝大多数平常事件吗？

比如2013年的非典，2019年的新冠……

比如1987年的黑色星期一，2008年的全球金融危机……

如果你认同这一观点，那其实代表你已经初步懂得了肥尾效应。

什么是肥尾效应呢？

这一概念是指极端行情发生的机率增加，可能因为发生一些不寻常的事件造成市场上大震荡。

比如很多人熟知的黑天鹅事件，就是典型的肥尾现象。

黑天鹅事件，指的是难以预测，但突然发生时会引起连锁反应、带来巨大负面影响的小概率事件。

比如在19年以前，我们从未想过有一天病毒肆虐全球，给人类社会带来翻天覆地的变化会成为现实。

这样的事件就是黑天鹅事件，而这一极端事件造成了包括经济市场在内的社会大震荡，也就是肥尾效应的表现。

塔勒布在《肥尾效应》这本书中，从数学和统计学的角度出发，通过不定性量化研究，讲述了产生极端事件的统计分布类型，以及我们要如何进行统计推断并做出决策。

早在《黑天鹅》和《反脆弱》两本书中，塔勒布已经阐述了“极少数极端事件的影响超过绝大多数平常事件”这一投资真谛。

而在这本书中，他通过统计模型和数据进行的量化分析，更是佐证了这一观点。

必须要说明的是，这本书作为一本学术书籍，确实有较高的阅读门槛。

书中有大量的统计学，数学和经济学知识。如果没有相关知识储备的话，阅读难度较大。

有一定数学知识储备和金融专业者，则可以通过阅读本书进一步挖掘金融世界的本质属性之一——肥尾效应，甚至会颠覆你的认知。

比如，书中指出统计学中常用的正态分布规律、大数定律、方差和标准差这样的统计量，以及贝塔系数、夏普比率等，都存在不同程度上的错误。

依托错误的理论做出的研究，并不具有指导价值。

在很多普通人和经济学家的惯性思维里，我们都依靠统计出结果，依靠经验判断未来；但如果，这些本就不具备参考意义呢？

比如13年非典对于19年新冠事件的参考意义，有多少呢？能否支持我们提前预防、精准决策？

过往的经验分布已经被突破，也就是在厚尾分布下，过去极大值和未来期望极大值的差异会远远大于薄尾分布。

这样的示例用在经济学领域会更准确和明显。

也就是说，其实很多情况下，我们知道且能控制的只有尾部。

就像在投资过程中，哪怕提前进行分散投资和投资组合的科学配置，可能都没有及时止损的效果来得好。

在混沌中探寻新秩序，在不确定性中通过大量研究分析来寻找确定性，是这本书独特的魅力所在。

这是一本哪怕只读懂10%，也受益匪浅的书。