第49章

    第49章 (第1/3页)

在正面不对称性的情况下，也就是在反脆弱性的情况下，“看不见的”事物是正面的。因此，“经验证据”往往会忽略正面事件和低估总收益。这也是一个问题。

    至于经典的“火鸡”问题，规则如下：

    在负面不对称的脆弱情况（“火鸡”问题）下，样本记录往往会低估长期的平均值，它会隐藏其缺陷，而展示其优点。

    这样的结果让生活变得更简单。但是，因为标准方法并不考虑不对称性，使得研究了常规统计数据但却对这一主题没有深入研究的人（只是在社会科学中提出理论或教导学生）会错误地理解“火鸡”问题。我发现了一个简单的规律，即在哈佛大学任教的人对这一问题的理解往往不如出租车司机或不懂得机械式推导方法的人（这是一个简单的启发法，可能是错的，但却有效；我是在哈佛商学院聘用脆弱推手罗伯特·默顿为教师的时候注意到的）。

    因此，让我们来看看有多少哈佛商学院教授配得上这个称号。在第一个案例中（忽视正面不对称性的错误），一位叫加里·皮萨诺的哈佛商学院教授写了一本有关生物技术潜能的书，在书中他就犯下了初级的反“火鸡”错误，他没有意识到，在一个损失有限而潜在利益无限的正业中（与银行恰好相反），你看不到的东西可能很重要，但其踪迹却被掩埋在历史数据之中。皮萨诺写道：“尽管一些生物技术公司取得了商业上的成功，整个行业也实现了惊人的增长，但大多数生物技术公司根本没有任何利润。”这可能是正确的，但是据此进行的推断却是错误的，甚至可能是落后的，原因有二，而且由于其后果的严重性，重申一下我的逻辑是有帮助的。首先，在极端斯坦下，“大多数公司”都没有利润——罕见事件占据主导地位，少数公司创造了全部利润。不管他是什么意思，由于存在我们在图12–3中所见的不对称性和可选择性，现在下结论可能为时过早，所以他最好去写另一个主题，伤害较少而且可能让哈佛商学院的学生更感兴趣，比如怎么写一个有说服力的PPT演示文稿，以及日本和法国之间的管理文化的差异。再说一遍，他那有关生物技术投资的潜在回报微薄的判断可能是正确的，但不能基于他所展示的那些数据来推断。

    为什么皮萨诺教授这类人的想法会有危险呢？重要的并非它会阻碍生物技术的研究，而是这种错误遏制了经济生活中具有反脆弱性特征（以技术术语来说，“右偏”）的一切事物，因偏好“肯定正确”的事情而变得脆弱。

    值得注意的是，另一位哈佛大学教授肯尼斯·福鲁特犯了同样的错误，但是所犯错误完全在相反的方向上，也就是负面不对称性。在观察再保险公司（对灾难性事件提供保险保障的公司）时，福鲁特认为他发现了偏差。相比再保险公司承担的风险，它们赚了太多的利润，因为灾难发生的频率往往少于模型中所反映的频率。但他忽略了一点，即灾难只会给它们带来负面的影响，而且往往淹没在历史数据中（再次说明，它们极为罕见）。记住“火鸡”问题。要知道

    （本章未完，请点击下一页继续阅读）