
昨天写了一篇关于风险认知的文章,今天谈一下统计思维在日常生活当中的运用。
我们大部分人普遍缺乏统计思维,不是因为统计思维没有用,而是因为我们的大脑还停留在原始的二分法时代。换句话说,我们现在的很多人还是以简单的是非观来看待世界。将世界简单的分为两个部分,一个是对的,一个是错的,非此即彼,这种思维就是二分思维。这种思维在过去信息量很少的时代,曾经极大的帮助了人类的生存,让人们能够在遇到危险的时候第一时间做出反应,不至于被稀树草原当中的各种自然风险所伤害。
二分法是最原始、古老的思维,在人们的头脑中根深蒂固,这一点我们也可以在孩童对世界的看法中发现。对于孩子而言,世界是非黑即白的,人物是是非分明的。而当我们长大成人之后,我们逐渐认识到,简单的二分法不能解决所有的问题,于是我们的祖先发明了八卦思维。两仪分四象,四象分八卦,八卦又分为六十四卦,层层累加,让我们能够以更复杂的视角看待事物的发展。
但是八卦思维仍然属于前科学时代的定性分析思维,我们只能通过这种方法对事物的发展进行粗略的估计,不能精确的计算其中的概率和风险。
理性的人,要学会运用科学的方法认识世界。从定性分析走进定量分析的门槛,学会更清晰准确的计算世界的未知风险和可能性。定量分析和定性分析最大的不同在于,定量分析是基于对过往风险的已知可靠的数据,将其作为分析的起点。也就是,定量分析有一个坐标or参照系,这个坐标我们称之为“基准水平”,以基准水平作为分析的起点和默认值。
关于基准水平,这里介绍一本书,名字叫做《Risk:A Pratical Guide For Deciding What’s Really Dangerous in The World Around You》。这本书是一本介绍日常风险的书,作者通过统计美国大量真实数据,得到人们日常生活中会遇到的各种风险的概率,这些风险概率是基于科学严谨的研究得到的数据,我们可以将其作为应对日常生活风险的基准概率,也就是参考系。以基准概率作为我们分析的起点,在面对相应的风险时,我们为了对冲这些风险进行的行动,可以称之为风险对价。通过风险对价,我们可以对冲掉绝大部分的风险,让我们生活的确定性更高。
虽然每个人应对风险的态度和策略不一样,但是一个理性且明智的人,一定是以风险和收益的乘积作为自己行动的准绳。也就是理性人在生活当中并不是非此即彼的,而是综合权衡风险与收益,应时而动,根据形势改变改进自己的决策。单独评价一个人的的风险偏好是没有意义的,我们只是看到一个人行为的冒险或保守,并不能得出这个人的真实风险模型,我们判断的依据要看他做出风险决策的出发点是考虑风险收益的整体利益,或仅仅是一个非理性的冲动。真正的理性人以策略来应对世界的不确定性。
《黑天鹅》的作者塔勒布就曾经在预期市场会跌的情况下还是买入,同事问他原因的时候,他是这样解释自己的决策逻辑的。虽然他做的决策风险较大,成功的概率很低,但是市场跌的时候预期收益损失有限,而市场如果长得话,预期收益会很大,综合起来坚持买入的收益大于损失,所以他在预期市场会跌的情况下还是坚持买入。他做出的决策是基于整体的风险收益评估,是一个系统系的结构化风险应对策略。塔勒布策略就是,押注高损益的小概率事件并长期坚持。这个策略在单个时间上可能是失败的,但是就整体而言,作为一个长期策略肯定会成功。所以,真正聪明的人成功靠的是结构化模型,而不是一次性的赌博。
历史上著名的相马高手伯乐,偏好的策略跟塔勒布就不太一样。据说伯乐对喜欢的弟子,教授的相马经主要讲驽马,告诉喜欢的弟子如何在驽马选出好马。而教授不喜欢的弟子时,就主要讲如何相中千里马。而我们知道千里马是非常罕见的,驽马却是随处都有的,相较于交给不喜欢弟子的高损益的小概率算法,伯乐显然更倾向于低损益的大概率算法。
不同人对于风险的算法不一样,但是不管怎么,对风险有定量的了解是把握好自己的未来前提。风险代表的是不确定性,代表的是未来的无数种可能性。不确定性往往不是没有数据,而更常是数据量太大,超过了我们的计算能力,以至于我们无法对未来进行预测。而统计学思维是让我们以已知的小样本数据,来结构化的推测未来的可能性,虽然不能做到精确,但是确定架起了一座通往未来的天梯。
我们学会利用统计学的思维来进行决策需要做到下面三点:
1、 精细化自身的思维颗粒度,形成量化预期。
2、 我们对于风险预期的默认值应该是基准水平,基于靠谱的统计数据进行决策。
3、 我们需要节制内部思维(自我出发),启用外部思维(外部世界的概率统计),从基准(均值)出发。
我们在绝大部分时候,都只是统计数据下的普通人,不要对自己估计过高。即使对自己评价过高,对他人评价更低,这是人类的天性。坚持基准值,坚持世界的普遍性而非自身的特殊性也是最好的适应世界、应对风险的起点。
统计学思维最大的作用就是让我们能够理性的看待风险、处理风险,利用模型进行合理决策,希望大家都能在实践当中运用和学好它。
网友评论