笔趣阁

手机浏览器扫描二维码访问

第十章 预测之耻（第2页）

这种错误估计还有更微妙的地方。实际上，意外不只是被低估，还被错误估计，而两个方向的错误估计都有可能发生。我们在第六章看到，人们也会高估非正常事件或某些特定的非正常事件发生的概率（比如在感性画面进入他们脑海时），这也正是保险公司赚钱的原因。因此，我的一般观点是，这些事件发生的概率很容易被错误估计，其中大部分为严重低估，少部分为严重高估。

事件发生的可能性越低，估计错误就越严重。到目前为止，在前面讨论的实验中，我们只考虑了2%的错误率，但假如你看一看事件概率为百分之一、千分之一或百万分之一的情况，那么你会发现估计的错误率会变得很大。事件概率越小，人们的认知自大就越严重。

请注意我们的一种特殊直觉判断：即使我们生活在大事件很少发生的平均斯坦，我们仍然会低估极端事件发生的概率，我们会认为它们离我们更遥远。即使面对符合高斯分布的变量，我们仍会低估我们的错误率。我们的直觉属于一个次平均斯坦，但我们并不生活在平均斯坦。我们每天需要估计的数字主要属于极端斯坦，也就是说，它们具有集中性，受到黑天鹅现象的影响。

猜测与预测

对一个信息不完整或信息缺失的不具随机性的变量（比如凯瑟琳二世的情人数量）的猜测，与对一个随机变量（比如明天的失业率或明年的股票市场情况）的预测是没有区别的。从这个意义上讲，猜测（我不知道但别人可能知道的事情）与预测（还没有发生的事情）是同一回事。

为了进一步理解猜测与预测之间的联系，假设你需要估计的是一个不那么有趣但对某些人而言非常重要的问题，比如下个世纪的人口增长率、股市回报率、社会保障金赤字、石油价格或者20年后巴西的环境状况，而不是凯瑟琳女皇的情人数量。或者，假如你是叶夫根尼娅的出版商，你可能需要估计书的未来销量。我们现在进入了危险领域：大部分从事预测的专业人士同样受上述智力折磨影响。而且，专业从事预测的人比非专业人士受到影响的程度更大。

信息对知识有害

你可能想知道学习、教育和经验是如何影响人的认知自大的，在以上测试中受过教育的人与其他人相比会得到怎样的分数（以出租车司机米哈伊尔为基准）？你会对答案感到惊奇：分数取决于职业。我将首先讨论那些处于预测行业的“掌握信息”的人相对于其他人的优势。

我曾拜访过一位在纽约某家投资银行工作的朋友，我在他那里看见一个情绪激动、有“造物主”派头的人走来走去，他戴着的头戴式耳机的右边有一个麦克风，这使我在与他20秒的谈话中看不到他的嘴唇。我问我的朋友为什么那个人要戴着那个耳机。“他喜欢与伦敦保持联系。”他回答。当你受雇于人，因此依赖于他人的评价时，显得忙碌能帮助你在结果不确定的环境中邀功。显得忙碌能够加强人们对结果与你的作用存在因果关系的判断。对于那些鼓吹自己的“存在”与“领导”在公司业绩中的作用的大公司CEO们更是如此。我没有听说过谁研究他们用于谈话和接受琐碎信息的时间有多大有效性，也没有几个作者有勇气质问CEO在公司成功中究竟有多大作用。

我们来讨论一下信息的一个主要影响：妨碍知识。

亚里士多德·奥纳西斯（AristotleOnassis）或许是第一个被附属化的企业巨头，他最初的成名是因为他的富有，以及对财富的展示。作为来自土耳其南部的希腊难民，他来到阿根廷，靠进口土耳其烟草大赚了一笔，然后成为船运巨头。当他与美国总统约翰·F.肯尼迪的遗孀杰奎琳·肯尼迪结婚时，他遭到了谩骂，因为他使伤心欲绝的歌剧演员玛丽亚·卡拉斯把自己关在一间巴黎公寓中等死。

如果你研究了奥纳西斯的一生——这正是我年轻时做过的——你会发现一件有趣的事：传统意义上的“工作”不属于他的范畴。他甚至没有一张办公桌，更不要说办公室。他不仅是交易者（这确实不一定需要办公室），他还掌管着一个船运帝国，他必须进行日常管理。他的主要管理工具是一个笔记本，其中包含所有他需要的信息。奥纳西斯一生努力融入名流阶层，并追求（和搜罗）女人。他通常在中午醒来。如果需要法律提议，他会在凌晨两点把他的律师们召集到巴黎的某个夜总会。据说他有不可抗拒的魅力，这有助于他利用别人。

让我们放下那些奇闻逸事。将奥纳西斯的成功与他的特有方式联系起来可能会有“被随机性愚弄”之嫌。我或许永远弄不清奥纳西斯到底是有能力还是有运气，虽然我确信他的魅力为他打开了方便之门，我可以做的是通过针对信息与知识之间关系的经验研究对他的方式做严格检验。所以，对于“日常经营的琐碎知识可能是无用的，甚至是有害的”这一说法，是可以间接而有效地加以检验的。

把一张模糊的消火栓图片——模糊到人们无法认出图片上是什么——给两组人看。对其中一组，分10次逐步提高图片的清晰度，对另一组分5次提高清晰度。在两组人看到相同清晰度图片的时候停下来，请他们说出看到的是什么。经过较少中间步骤的那一组可能更快地辨认出消火栓。这意味着什么？你提供的信息越多，人们就会形成越多假设，他们的结论就越糟糕。他们看到了更多的随机噪点并将其当成了信息。

问题是，我们的思维是有惯性的：一旦形成一个观点，我们就很难改变，所以情况对那些推迟形成观点的人更有利。当你以糟糕的证据为基础形成观点时，你会很难解释与这些观点矛盾的后续信息，即使这些新信息更明显、更准确。有两个机制在起作用：我们在第五章讨论了证实偏差，以及信念坚持偏差，即坚持不改变已有观点。请记住，我们把思想当作财产，所以很难舍弃它们。

消火栓实验最早出现于20世纪60年代，之后被重复过数次。我还用信息数学研究过这一效应：人们对于经验现实的细节知识了解越多，看到的噪点（也就是那些奇闻逸事）就越多，也越可能把它们错当成真实信息。请记住我们是受情感影响的。每小时收听广播新闻比阅读周刊要糟糕得多，因为较长的时间间隔能够过滤掉一些信息。

1965年，斯图尔特·奥斯坎普（StuartOskamp）向临床心理医生提供了一系列档案，每份档案都提供了关于患者的更多信息，但心理医生的诊断能力并没有随着信息的增加而提高。他们始终对最初的诊断更有信心。确实，人们不会对1965年的心理医生有太高期望，但这些结果似乎在各个学科都是一致的。

最后还有一个说明问题的实验，心理学家保罗·斯洛维克让赌马者从88个他们认为对计算胜率有用的变量中做出选择。这些变量包括各种各样关于历史赛马结果的统计信息。赌马者先得到10个最有用的变量，然后对赛马结果做出预测。然后他们再得到10个变量，再做出预测。信息的增加并没有提高预测的准确性，只不过他们对预测的信心极大地提高了。信息被证明是有害的。我一生中大部分时间都在“越多越好”这样的庸俗观念中挣扎。有时候多是好的，但并非总是如此。知识的危害性在我们对所谓专家的研究中能够显露出来。

专家问题，可悲的虚有其表

到目前为止，我们还没有质疑过专业人士的权威，我们只是质疑他们对自己知识的有限性做出评价的能力。认知自大并不排除技能的存在。一个管道修理工几乎总会比顽固的评论员更懂得管道修理。一个疝气外科医生在疝气方面的知识几乎不可能比胃癌知识少。但另一方面，专家对概率却处于无知状态，而且你比专家更了解这一点。不论任何人告诉你任何事，对专家思考过程的错误率提出疑问都是有好处的。不要质疑他的过程，只要质疑他的自信。（作为一个被医生骗过的人，我学会了谨慎，并且我号召所有人谨慎：如果你带着某种病症走进一个医生的办公室，不要听他讲你患的不是癌症的概率。）

我会分别讨论如下两种情况：温和的情况，即在拥有（某种）能力的情况下的自大；严重的情况，即自大而没有能力（虚有其表）。对于有些行业，你懂的比专家还多，但却是你为他们的观点付钱，而不是他们付钱请你听他们胡说。这是哪些行业呢？

变与不变

关于所谓的专家问题有大量文献，它们对专家的能力做出了实证检验，但结果最初看来有点令人疑惑。一方面，保罗·米尔（PaulMeehl）和罗宾·道斯等研究者否认专家的能力，他们告诉我们“专家”是最接近骗子的人：这些人的思考能力比只使用一个变量进行计算的计算机好不了多少，他们的直觉妨碍了他们的思考，并使他们变得盲目。（举一个只使用一个变量的例子，流动资产与流动负债的比率比大多数信用分析师的作用更大。）另一方面，大量文献表明，许多人能够凭借直觉打败计算机。哪一个是对的？

有些学科的确存在真正的专家。我们考虑下面这几个问题：你愿意让某报纸的科学记者还是有执照的脑外科医生为你做脑部手术？你愿意听某个“著名”学院（比如沃顿商学院）毕业的金融博士还是某报纸的商业版作家对经济做出预测？虽然第一个问题的答案非常明显，但第二个问题的则不然。我们已经认识了“技术”和“知识”的区别。

心理学家詹姆斯·尚蒂（JamesShanteau）研究了哪些学科存在真正的专家、哪些学科没有。请注意这里的证实问题：如果你要证明没有专家，那么你需要找到一个专家无用的领域。你也可以以同样的逻辑证明相反的观点。但有一个问题：有的领域专家是起作用的，有的领域则无法证明存在特定技能。这些各是什么情况呢？

是专家的专家：牲畜检验员、宇航员、飞机试驾员、土壤检验员、国际象棋大师、物理学家、数学家（研究数学问题而非经验问题）、会计师、谷物检验员、图像分析员、保险分析师（研究钟形曲线统计问题的）。

不是专家的专家：证券经纪商、临床心理医生、精神病医生、大学招生负责人、法官、顾问、人事官员、情报分析师（虽然花了那么多钱，但美国中央情报局的历史表现很令人遗憾）。我还要加上我自己分析文献的结果：经济学家、金融预测者、金融学教授、政治科学家、“风险专家”、国际清算银行员工、国际金融工程师协会的傲慢成员以及个人金融咨询师。

很简单，因变化而需要知识的领域通常是没有专家的，而不变的领域似乎会有专家。也就是说，与未来有关，并且其研究是基于不可重复的过去的行业通常没有专家（天气预测以及涉及短期物理活动，而非社会经济活动的行业除外）。我并不是说任何从事未来预测的人都不能提供有价值的信息（如我之前指出的，报纸能够非常准确地预测剧院开门的时间），而是说那些无法提供具有可见价值信息的人通常从事预测行业。

认识这一点的另一个角度，就是看到变化的事物通常易受黑天鹅事件的影响。专家就是一群习惯“筛选”的思维狭隘的人。在筛选不导致错误的情况下，由于黑天鹅事件的影响很小，专家会表现不错。

进化心理学家罗伯特·特里弗斯（RobertTrivers）是一个有着非凡洞察力的人，他有不一样的答案。（凭借他在努力进入法学院期间形成的思想，他成为自达尔文以来最有影响力的进化思想家。）他用自欺来解释。在存在古老传统的领域，比如掠夺，我们非常善于通过衡量力量对比预测结果。人类和黑猩猩能够立即感知对立的双方中哪方处于上风，并对是否发动袭击抢夺物资和配偶做出成本收益分析。一旦发动袭击，你会使自己进入忽略额外信息的错觉思维状态——在战斗中最好避免摇摆。另一方面，与偷袭不同，发动大规模战争不属于人类天性，我们是新手，所以我们经常错误估计它们的持续时间，而高估我们的相对实力。回忆一下人们对黎巴嫩战争持续时间的低估。参加世界大战的人以为它只是一场小争端。越南战争、伊拉克战争以及几乎所有现代战争都是如此。

你不能忽视自我欺骗。专家的问题在于他们不知道自己不知道什么。知识的缺乏与对你所掌握的知识的错觉是相伴而行的，你在知识减少的同时也变得对自己的知识更加满意。

而且，我们不是做范围预测，我们喜欢做精确预测，并相信自己预测精确数字的能力。

怎样笑到最后

我们还可以从交易活动中研究预测错误。数理专家掌握着大量经济和金融预测数据，从宏观经济变量的一般数据，到电视“专家”和“权威”的预测数据。这类数据的充足性以及我们用计算机处理它们的能力，使得这个问题对经验主义者毫无意义。假如我是一名记者或者一名历史学家，我评价起这些口头预测的有效性来就会困难得多。你无法用计算机处理口头评论，至少没那么容易。而且，许多经济学家会犯一种天真的错误，那就是针对许多变量提出许多预测，这使我们形成了一个关于经济学家和变量的数据库，让我们能够看出哪些经济学家比其他经济学家优秀（没有很大差别），或者是否存在一些他们能够较为准确地预测的变量（唉，可惜没有）。

对于近距离观察我们的预测能力，我处于一个近水楼台的位置。在我全职从事交易的日子里，我的电脑屏幕每周都会有一两次在早上8点半闪现美国商务部、财政部或其他体面的大机构公布的数字。我一直不明白这些数字是什么意思，也一直看不出花精力弄明白它们的必要。所以，我不会对它们有任何兴趣，只除了一点，那就是人们非常热衷于这些数字，他们热情地谈论它们的隐含意义、大做预测。这些数字包括消费者价格指数（CPI）、非农业从业人数（就业人数的变化）、先行经济指标指数（IndexofLeadingEconomicIndicators）、耐用品销量、国内生产总值（最重要的一个）以及许多其他依出现时机不同而制造不同兴奋水平的指标。

这些数据贩子让你能够了解“顶尖”经济学家的预测，他们是为J.P.摩根和摩根士丹利这类令人敬畏的大机构工作的（穿西装的）人。你会看到这些经济学家夸夸其谈、以一种雄辩而肯定的语气大谈理论。他们大部分人赚着7位数的收入，俨然一副明星的派头，他们背后则有成群的研究员处理数据和预测结果。但这些明星却很愚蠢，竟会在大庭广众之下大谈这些预测数字、让他们的子孙能够看到并评价他们的能力。

更糟糕的是，许多金融机构每到年底都会发行名为“20××年展望”的书、对来年做出预测。当然，他们不会检查他们之前的预测在事后的准确性。公众不进行下面这个简单的测试就购买这些预测则更为愚蠢——虽然这个测试很简单，但很少有人做过。这个简单的实证检验就是把这些明星经济学家与一个假想的出租车司机（就像第一章中的司机米哈伊尔）做比较：假想一个对比对象，他把最近公布的数字当作对未来的最佳预测，而他本人什么也不知道。接下来你只需要把明星经济学家的错误率与假想的对比对象做比较。问题在于，当你被各种故事弄得晕头转向时，你会忘记做这个测试的必要性。

重大事件出人意料

预测的问题更为微妙。它产生的原因主要在于我们生活在极端斯坦，而非平均斯坦。我们的预测者可能更善于预测常规事物，而不是非常规事物，这就是他们预测失败的原因。只要犯一次对长期趋势的预测错误，比如错误地预测利率从6%到1%的长期变化（2000~2001年的实际情况），那么接下来的预测都无法修正你的累积错误。重要的不是你预测正确的频率，而是你的累积错误有多大。