美文网首页
直面《原则》(2):向Dalio学习有效决策

直面《原则》(2):向Dalio学习有效决策

作者: 超_Megan | 来源:发表于2018-03-21 11:28 被阅读69次
    web-agency-29200.jpg

    Ray Dalio的生活原则中,有很多令我印象深刻。比如:对死亡、进化的深度理解;头脑极度开放;学习如何有效决策等。但篇幅有限,我决定重点剖析一下如何有效决策。

    综合分析

    在决策前,对自己掌握的相关事实和因果机制,进行综合分析的观点让我眼前一亮。Dalio指出,综合分析包括:
    - 综合分析眼前的形势;
    - 综合分析变化中的形势;
    - 高效地综合考虑多个层级。

    1. 综合分析变化中的形势
    在综合分析变化中的形势这条大原则下,有条原则格外闪亮。

    始终记住改善事物的速度和水平,以及两者的关系。
    你生命中所有重要的东西需要以足够快的速度不断改善,超越平凡,走向卓越。

    增长图.jpg

    如果一件事,比如学习成长,像A线条一样发展,我们一定会超越平凡。也就是说,我们将快速地穿越平凡的里程碑。如果像B线条,可能很久都无法达到可以接受的水平。学习成长如是,投资亦如是。

    我的理解是(自己的成长)要有成长率,换句话说,需要具有加速度。

    和李笑来老师的《财富自由之路》中的复利曲线对比一下,有没有更深的启发?

    复利曲线.jpg

    2. 高效地综合考虑多个层级
    在分析时,要考虑不同的层次,还要在不同层次之间切换。
    比如:我给自己定了一个新年愿望,开始锻炼身体。这是最高层级的。

     1 我想锻炼身体
     1.1 我想慢跑
     1.1.1 我想早上起床后,在公园里慢跑
    

    思维转换:当一个愿望细化到最低层级,我们才更有可能去行动。但如果我们没有动力去行动,想想最高层级的愿望,就能找到自己的初心了。

    算法:预期价值

    Dalio指出,把每个决策都视为一个押注,押对有一个概率,有相应的奖励;押错有一个概率,有相应的惩罚。会赢的决策通常是具有正向预期价值的决策。

    预期价值 = 奖励 * 押对的发生概率 - 惩罚 * 押错的发生概率
    最好的决策是预期价值最高的决策:预期价值A > 预期价值B > 0

    • 注意两种情况:
      1. 押错的概率高,惩罚却很小;押对的概率虽小,奖励却很高。
      比如:拿出500元投资,失败的概率是80%,能赚到3000元的概率是20%。要不要去尝试呢?
      预期价值是:3000 * 0.2 - 500 * 0.8 = 200 > 0
      预期价值大于零,还是值得一试。注意,这里的例子可能不太恰当。
      2. 押错的惩罚极大,概率低;押对的概率高,奖励小。
      比如:判断是否为节省时间而横穿马路。
      横穿马路被撞的惩罚很大,概率低。横穿马路不被撞没什么奖励,概率高。此时要尽量减少横穿马路被撞的概率,也就是最好不要横穿马路。

    • 分析自己的决策标准
      最近常用的是:问问自己,这件事对自己是否重要?
      原来不自觉地应用了预期价值的原理。比如:看经典好书和好文章哪个更重要?
      在惩罚可以忽略不计的前提下,看经典好书的奖励要大于看好文章的奖励。所以选择预期价值最高的决策。

    利用工具(计算机)

    Dalio指出,把你的原则转换成算法,让计算机和你一起决策。
    这部分非常开脑洞。对于普通人来讲,能让计算机程序帮我们做些重复性工作已经很棒了。竟然还可以利用计算机程序来帮助我们做决策。
    用不着等到未来,现在的淘宝就常常利用算法,根据浏览记录分析,为你推荐感兴趣的商品。我们常常在不知不觉中,就选择了推荐的商品或推送的新闻。
    Dalio还设想了一个未来的世界,我们可以询问自己应选择什么样的职业和生活方式。如果是这样,人类还需要做哪些独立思考呢?也许未来,独立思考依然是一种越来越重要的能力。我会幻想未来把一些琐碎的决策交给计算机来做。比如:买什么家具,买什么衣服等等。

    说了这么多有效决策的好原则,如果不能应用,等于白学。我觉得应用这些原则的难点是识别出类似的情况,并采用适当的原则。这也需要不断地锻炼,才能在决策前想到这些原则,真正地用起来。最后,本文如有不恰当的地方,欢迎大家批评指正。

    相关文章

      网友评论

          本文标题:直面《原则》(2):向Dalio学习有效决策

          本文链接:https://www.haomeiwen.com/subject/nmaafftx.html