《黑天鵝》讀書筆記：做好應對，而不是預測

2021年以來，市場出現了大幅波動。在塔勒布的思維體系中，真正的風險是看不到的風險，而這些小概率事件在金融市場發生是一種大概率事件。大家總認為世界是平均主義，事實上卻是極端主義，風險管理是投資中最重要的事情。夏普比率描述的是過去，但並沒有告訴你真正隱含的風險多大（比如感恩節的火雞故事）。今天分享一篇來自好友吳廷華的讀書筆記，希望給大家帶來幫助！

引言：

愛因斯坦說：“複利是世界第八大奇跡”，巴菲特的兩條投資標準“第一，不要虧錢。第二，永遠不要忘記第一條”。持續、穩定的複利增長能夠帶給持有人更好的持有體驗，也是大多數資產管理人追求的目標。

資產管理的核心是風險管理，持續穩定的收益是風險管理的結果，要獲得理想的結果不是靠緊盯著記分牌，而是要時刻關注過程是不是正確執行。

風險管理所面對的是世界的種種不確定性，黑天鵝事件似乎越來越多，影響越來越大，可預測性越來越弱，但是儘管如此，卻可以做好事前的預案。納西姆·尼古拉斯·塔勒布的《黑天鵝》關於隨機性和風險的論述堪稱一部不朽之作，其中的很多思想，為我們投資提供了極佳的借鑒。

金融市場是極端世界，重大事件的影響超乎想像。本篇讀書筆記聚焦於總結書中分析的我們對於世界的認知和未來的預測是如何犯錯的，包括證實謬誤、敘述謬誤、缺乏非線性認識、樣本偏差、遊戲謬誤，通過理解這些犯錯的方式，有助於我們在投研工作中盡力避免這些錯誤，並且能夠盡可能全面的考慮更多的可能性，提前做好應對，從而使得我們投研工作中的問題清單更為完備，盡可能的減少犯錯，並且把犯錯的代價控制的盡可能小一些。

一、平均世界VS極端世界

認清我們所處的環境，是平均的，還是極端的，對於資產管理人來說，是極其重要的。金融市場是極端世界，而不是平均世界。

在塔勒布關於隨機性的認知中，他將世界分為平均世界和極端世界。在平均世界中，個體對整體的影響微不足道；而在極端世界中，個體對整體可以產生不成比例的影響。

在平均世界中，個體的單獨影響很小，只有群體影響才大。當樣本量足夠大的時候，任何個體都不會對整體產生重大影響。最大的觀察值雖然單獨觀察起來令人驚訝，但是對整體而言則微不足道。我們假設某一天上海的某個商業中心中有1萬人，如果我們把這些人的身高作為觀察樣本，那麼即便姚明在場也不可能對平均或者總體身高產生多大影響。

在極端世界中，則和平均世界完全不同，個體能夠對整體產生不成比例的影響。同樣還是在上面的場景中，我們只需要把觀察樣本從身高變為財富，就會使情況產生根本性的變化，如果碰巧這1萬人中有一個是“我對錢從來都沒有興趣”的馬雲爸爸或者“設定一個小目標，能不能先掙他一個億”的思聰他爸的時候，單獨個體的財富可能超越其他個體的總和，大大提升樣本的總值和平均值。除了財富之外，類似的例子還有“名人”知名度、網路搜索量、地震造成的損失、戰爭的死亡人數、公司規模等。

在平均世界中，隨著樣本規模的增加，觀測到的平均值就越來越穩定，高斯曲線的分佈就越來越集中，越來越窄。也就是說，在平均世界之中，不確定性在平均化之下消失，大數定律行之有效。在平均世界，小概率事件可以被忽略，因為這些事件不會對結果產生翻天覆地的影響。這意味著，如果我們在平均世界之中，追求大概率的事情，隨著拉長時間，那麼我們就能夠取得大數定律所帶來的結果。比如，在一個難有破壞性創新從而導致變化的市場，如果一家公司致力於打造更便宜、更優質、更能夠代表身份品味、更有粘性的產品，能夠擁有更廣闊的管道，那麼他從極大概率上來看，能夠持續取得較為理想的市場份額，甚至持續擴大其份額。這就是一種相對較強的確定性。

圖：平均世界服從高斯曲線

在極端世界，事情就完全不同了。即便樣本持續增加，一次黑天鵝事件的出現，就可能完全改變之前的結果。這和資產管理有什麼關係？大家還記得大明湖畔的長期資本管理公司嗎？一次小概率事件，讓諾獎獲得者雲集，久負盛名的常勝將軍在瞬間轟然倒塌。2007年5月，Legg Mason基金公司的首席策略分析師做了一個研究，收集了標普500指數30年來的每日價格變化，共有7300個樣本數據，30年間指數複合年收益率為9.5%。如果去掉50個業績最壞的交易日（不到樣本總數的7‰），年複合收益率將暴漲到18.2%，比歷史平均水準要高8.7%。如果除去50個業績最好的交易日，年複合收益率將大幅降低到1%以下，比歷史平均要低接近9%。類似的例子，在過去50年中，金融市場最極端的10天代表了一半的收益。

從上面的例子可以得到一個極其重要的結論：資產管理者所處的世界是極端世界，50個負面黑天鵝的日子和50個正面和天鵝的日子雖然數量極少，但是足以對整體結果產生超乎異常的影響。另外，依靠擇時來做投資似乎不是一個勝率較高的方法。A股市場，上市以來至今上漲超過10倍的股票有215個，占全部A股數量的6.41%。在美股選擇出最佳交易日期的概率比在A股選出市場的10倍股更低，前者的收益率可能還不如後者，並且這還沒有考慮方法是否具有可複製性。

平均世界和極端世界的差異極大。平均世界中的事件是沒有突破性的，換句話說平均世界中不會產生黑天鵝事件，整體不會受到個體的影響，容易通過觀察到的東西做出預測並且推廣至沒有觀察到的部分。極端世界中的事件是具有突破性的，黑天鵝會從中產生，整體受到少數極端事件的影響很大，很難通過對過去的觀察中來做出預測。

均值決定了方向，極值決定了能否留在遊戲中，所以要往大概率做投資，往小概率防風險。巴菲特說：“永遠不要忘記，一個身高六尺的人，可能會淹死在平均五尺深的小河裏”。金融市場裏，往小概率防風險並不是什麼風險都不承擔，而是要避免那些一旦犯錯就無法承擔後果的失敗，比如左輪槍裏只有一顆子彈，對自己開一槍不死就能拿1000萬，這本質上和大幅加杠杆All in某看好的公司沒有區別（可能最終股價也如期上漲，但是因為在時間的約束下無法承擔波動，最終只能遺憾出局）。

圖：極端世界vs平均世界對比

二、對事物背後原因理解的局限性，導致我們出現認知錯誤

證實謬誤、敘述謬誤、線性外推、樣本偏差、遊戲謬誤都會導致我們對於世界的錯誤理解或者對不確定性估計不足，從而導致我們無力預測黑天鵝事件。

證實謬誤：我們只關注從已觀察到的事物中預先挑選出來的一部分，從而推及未觀察到的部分。

敘述謬誤：我們渴求規律，力圖簡化，從而“牽強附會”來欺騙自己。

缺乏非線性認識：我們認為世界是線性的，缺乏對於非線性的認識。

樣本偏差：我們所看到的並不一定是全部，歷史把黑天鵝現象隱藏起來，使我們對於這些事件發生的概率產生錯誤的觀念，造成認知扭曲。

遊戲謬誤：我們認為世界和設定的遊戲一樣，有明確的概率分部，而現實世界充滿著不確定性。

1. 證實謬誤

不能僅依靠過去的經驗進行扭曲的判斷。

一只每天有人餵食的雞，每次餵食都會讓它相信人類對它是很好的，隨時間的推移，會讓他更加相信人類是處於友善的目的來餵養它。某個人觀察了這只雞前1000天的生活，然後說：“沒有證據表明會發生大事（即黑天鵝事件）”。但是如果不仔細考慮，那麼可能會把上面的說法理解為“證據表明黑天鵝事件不會發生”。顯然前一種說法是對過去經驗的總結，是正確的；但是後一種表述是將過去無限延伸至未來的判斷，完全是不同的意思。這就是一種證實謬誤。

過去的經驗不一定靠譜。對應到資本市場，比如某行業或者某公司過去的估值沒有低於過40倍市盈率，因此未來也應該在這個區間；某個公司過去兩年的增速是30%（儘管這門生意的ROE只有10%並且沒有發生變化），因此公司未來N年都可以保持30%的增長；這些和前面那只雞的想法好像是一樣的。

如果連過去都沒有好好總結，那結果自然是更差了。在資本市場，對過去的經驗都未好好總結，就開始對未來做出臆想的例子屢見不鮮。比如一個公司開始了一個新業務的佈局，需要融資了，開始給資本市場描繪宏大的未來，然後投資者基於美好的預期紛紛買入，股價飆升，皆大歡喜。而實際上，有可能這是一家生在一個好行業但是主業一直沒有起色的公司，這可能是歷史上第八次轉型，前面七次全部以失敗告終。

我們可以通過負面例子而不是正面證據接近事實的真相。知道某件事情是錯的，比知道某事是正確的有更大的信心。如果我們反過來想，能夠證偽一些事情，那就可以避免一些錯誤，雖然很多時候要證偽也不容易，尤其是對於沒有做過實業的金融市場參與者，更容易出現想像無力的情況，但這至少是一種思考問題的方法。

芒格說：“如果我知道我會死在哪兒，那我一輩子都不會去那裏”。

2. 敘述謬誤

我們渴求規律、力圖簡化，使得我們無法在不編造理由或者強加一種邏輯關係的情況下觀察事實，我們想達到的目的是讓自己舒服，而不是理解事實的真相，從而造成了牽強附會。

我們喜歡故事、總結、簡化，減少事情的影響因素。作為靈長類中的人類，我們渴求規律，因為我們需要把事物簡化，從而便於我們所以為的理解。這種事情總在發生，媒體提出一個原因，好讓一條新聞變得容易接受，因為事情看起來更具體了。

兩個例子，從概率的角度而言，哪種情況更容易發生？

1、 小明表面上快樂的結婚了。他殺死了他的妻子。

2、 小明表面上快樂的結婚了。他為了得到妻子的遺產而殺死了她。

第二種情形更為具象化，更容易讓人覺得順理成章，但是從概率的角度，顯然它只是前一種情況的子集，前者的概率要大得多。看起來更像和實際的事實可能存在比較大的出入。

事後的合理化解釋聽起來似乎頭頭是道，好像也很難證偽，當然大多數人忽略了這種事後解釋其實很難證實，但是他起到的作用是讓我們聽起來更容易信服，而不是像他實際那樣。比如哪天股價大跌，我們就會從各方去尋求各種理由，而且必須找到說服自己的合理理由才能甘休。短期影響股價的因素有無數，很難每次都正確歸因，如果要正確歸因，那只能說賣的量比買的量多，至於其他的原因，更大的作用可能不過是安慰劑而已。

2017年初，A白酒公司發佈一季報，在此之前wind一致預期A公司小兩位數增長，實際情況是A公司增速比一致預期差了3個百分點，結果第二天A公司股價直接跌停。有媒體報導分析A公司的季報有水分；也有人說前面漲多了有人浮贏兌現；與此同時，A公司所處行業的其他很多公司也在當天出現了較大的跌幅，就有人出來解讀說市場風格變了。粗聽之下，好像每個理由或者說故事都合情合理，好像事實就是那麼回事。但是細想之下，其實不靠譜的占大多數。比如媒體報導的所謂季報的水分，後來直接被更為專業的賣方分析師打臉，實際原因是春節因素導致的打款時點變化所致。比如業績不達預期，食品公司B和白酒公司C，均與A公司同一天發佈業績，B公司業績大幅度低於預期，但是第二天只跌了5%；C公司業績大超市場預期居然也跌了2%。再比如有人兌現浮贏，別人賣跟公司的經營趨勢不一定有關，15年那麼多加杠杆買入的也不是都賺錢，這些很難證實或者證偽，關鍵是跟未來的股價也沒什麼關係；最後比如市場風格，那就更難在短時間內證實證偽了，連資深的策略分析師估計也難說對市場風格的是否變化有多少信心，所以意識到這些東西超越能力圈最終對投資可能更有幫助。

當然，不是說重倉股大跌的時候什麼都不用做，對於基於基本面的投資者來說，及時的跟蹤基本面是必須的；對於技術派來說，重新分析K線也是必須的。但是，問題的核心是真正理解背後的因素，而不是讓自己沉迷於安慰劑。

實際上，站在當時時點，白酒行業趨勢很好，A公司競爭力也很強，業務在持續改善，估值也還非常便宜，後來業績和股價都創出了歷史新高。對於篤信基本面的筆者而言，不願意花時間去解釋這些在自己能力圈以外的事情，更希望好好研究和跟蹤好公司的基本面，然後根據估值是否合理來進行投資決策。

避免敘述謬誤的辦法是注重事實、體驗、客觀知識，而非故事和理論。人的推理行為大致分為兩種思維模式，第一種是快速簡單的經驗模式，即直覺，受到情緒化影響，非常快速，但是可能犯嚴重的錯誤；第二種是認知模式，即思考，是緩慢而有條理的，犯錯的概率要比經驗模式低。對於我們投資而言就是多看年報，多分析數據，多進行競爭對手對比、上下游驗證；少打聽小道消息，少聽故事。

人際交往中，少一點套路，多一點真誠；研究投資中，少一點事後解釋，多一點研究和跟蹤。

3. 缺乏非線性認識

我們認為世界是線性的，缺乏對於非線性的認識。曾經有段子說，研究報告表明公司的發展將一馬平川，穩健向上，而實際情況是公司的股價跌宕坎坷。

我們的直覺是為線性因果關係設計的。比如，如果每天學習，會預期學到的東西與學習行為或者時間成比例增加，一旦感到什麼進步也沒有，那麼從情感上就會喪失士氣。然而真實的現實卻是，我們很少獲得線性的正面進展。比如有些問題，我們可能一開始沒有答案，持續思考了幾個月也仍然沒有答案；又比如，我們進行某項樂器的學習，可能在中間面臨一段時間的瓶頸期，感覺好像沒有任何進步；再比如，我們在進行投研工作的時候，也會有迷茫期，覺得不知道自己這一段時間的進步在哪里；這些的根源都在於我們始終認為或者直覺上認為世界是線性的，而實際線性只是美好的希望。

金融市場價格的非線性就更加殘酷了。習慣了環境較為寬容的A股的投資者，總覺得一旦出錯以後，有的是韭菜接盤，甚至似乎總有人認為自己可以憑藉資訊優勢提前跑路，所以似乎總有辦法用一些看似較小的代價去做一些心存僥倖的博弈。但是如果看一下美股和港股市場，那些發生黑天鵝的公司，或者被發現有重大問題的公司，一天可以把過去幾年的漲幅跌掉，如果相信未來的A股市場會逐步向成熟市場靠近，那麼這種價格的非線性變化可能遲早會發生在A股市場。如果我們對這種價格的非線性保持敬畏，一直用投資美股和港股的心態和執行來對待我們在A股的投資，我們很大概率可以規避掉一些原本不必要的風險，雖然這同時意味著我們會放棄一些機會。

要想持續的獲得理想的結果，正確的過程是唯一的途徑，但是結果的呈現並非總是線性。偶爾，倒拿球杆也會打出好球，但這只是偶爾，沒有可複製性或者可持續性。如果我們追求持續的成效，只要我們不對上面的種種暫時的徒勞無功的狀況感到失望，從而放棄，而是持續堅持做正確的事情，那麼某種成果可能會在“突然之間”冒出來。類似的，股價在長期終將是稱重機，終將反映企業的內在價值，但是結果的呈現方式並不一定是線性的，否則，一個估值合理每年增長25%的公司，每個交易日的漲幅應該是0.1%，可是現實中這樣的股票是不存在的。

4. 樣本偏差

我們所看到的並不一定是全部，歷史把黑天鵝現象隱藏起來，使我們對於這些事件發生的概率產生錯誤的觀念，造成認知扭曲。

人們渴望成功，所以把精力花在研究成功，而不是研究避免失敗，而那些我們沒有看到或者忽視的結果，可能更有意義。我們很喜歡那些成功的故事，也有人靠成功學發財，不過《基業長青》中有一句非常經典的話：“如果我們分析那些偉大的公司，會發現他們的辦公室裏面都有椅子，但是並不是有椅子就能保證公司成為偉大的公司”。飛機機翼的例子更是耳熟能詳了，我們在分析問題的時候機翼和椅子可能就是一回事，只是我們有時候並沒有能力意識到這一點。中學數學教我們充分條件和必要條件不是一回事，可是我們可能太希望成功了，所以總是在研究成功的公司，有時候我們可能只是在研究拋硬幣比賽中最後剩下的那只猩猩，比如某種偶然暴富的機會，比如在15年加杠杆買入某個善於講故事的公司的股票。

我們衷心希望能有一本“失敗學”來指導我們如何避免犯錯，而塞思卡拉曼則提出說“價值投資是一種教人避免失敗的方法”，芒格說要學會使用問題清單，其實已經給我們指明了通往成功的光明大道。在菜市場買菜，貨比三家並不總能幫我們找到最物美價廉的菜品，但是大概率可以幫我們避開明顯的高價敲詐行為；在A股的研究和投資中也是類似，貨比三家，競爭對手之間的比較和評價，上下游的評價，大概率可以給我們提供更多的關於行業公司更為真實的畫像，不斷修正我們的臆想。鼓吹“看，我為你做了什麼推薦”比“看，我幫助你避免了哪些風險”在情感上更容易接受，但是後者往往做了更有價值的工作，而我們往往也更容易忽視後者的價值（也許我們在對研究員的評估中，需要專門加入風險規避提示這一項，作為我們考核體系的重要問題清單）。

5. 遊戲謬誤

我們認為世界和設定的遊戲一樣，有明確的概率分佈，而現實世界充滿著不確定性。

我們有時候會以為金融資產的價格好像和設定的遊戲一樣，有嚴格的因果關係，很多條件都可以簡單的進行推導，甚至可能可以歸因，但是現實中短期金融資產價格的決定因素如此之多，簡單推理不一定都能得到設定的結果。

比如A公司提價，增厚盈利，因此股價會漲，而事實上除了A公司提價之外，還有很多因素可能都能主導短期股價。即便我們再簡化的分析這個單一因素，我們也會發現，世界存在著多種可能性，比如提價之後可能意味著市場份額的喪失（參考12年禁酒令之後的某高端酒以及17年提價的廚電公司），又比如提價之後可能已經是週期品的高點不能持續，越是漲價意味著未來的潛在供給將越來越大，週期將拐頭向下。從這些因素或者角度去分析，最終都可能得到和最初的簡單推導完全不同的結果。

越是多考慮公司是不是值這麼多錢，而不是考慮股價能不能漲，就距離犯錯越遠一些。

三、如果無法預測，那麼我們怎麼應對

下列方法和建議可能能夠幫助我們降低犯錯的概率。

1、 越容易變化的事情，越難以預測，聚集那些很難變化的事情。

2、 假設的條件越多，越容易出錯，聚焦那些相對簡單的事情。

3、 一旦形成一個觀點，就很難改變，所以推遲形成觀點更有利。

4、 在正確的方向犯傻。

5、 考慮多種可能性，而不只是線性外推。

6、 對所有的可能做好準備，應對比預測重要。

複雜性的增強使得預測極為困難，第二部分提到的種種思想的誤區都可能導致我們對未來的預測面目全非，比如青黴素的發現本身並不是為了找到他，但是金融資產價格的變化會使得人們對於自己預測的能力產生錯誤的幻覺，這個時候地圖好像成了世界本身的樣子，股價好像變成了基本面本來的樣子。

我們以為我們比實際知道的多一點，這一點時不時的會招致麻煩，因為我們低估了不確定性的影響，事件發生的可能性越低，估計錯誤就越嚴重。即使是我們生活在大事件很少發生的平均世界，我們仍然會低估極端事件的影響，至於極端世界，我們的預測就更不靠譜了。

越容易變化的事情，越難以預測。“從零到一”變化帶來的巨大機會讓人如此如醉，但是這樣的行業變數極大，具有極高的不確定性，非常難以預測。如果我們不是選擇性的只記住我們預測正確的結果的話，會發現在這些領域預測錯誤的概率極高，知名的風投會有極高回報率的輝煌案例讓人銘記，只是更多的失敗的血本無歸的例子被選擇性忽略了。“從零到一”可能能夠帶給人短期1-2倍的回報，但是背後是極其高的不確定性，風險收益比可能很差；中國是一個14億人口的超級大市場，隨著競爭力的提升，未來可能是面對全球60億人口的市場，因此如果選擇“從一到十”，勝而後求戰，那正確的概率會呈幾何級數提高，並且潛在的回報率可能不是1-2倍，而是幾十上百倍，只是這需要更長的時間，更多的跟蹤，更大的耐心，而我們大多數人不願意慢慢變富。

這種押注於“從零到一”的思想本質還是以收益為導向，背後更為深層次的因素可能是為了尋求新鮮行業帶來的刺激，而不是為了穩穩賺錢。電影《賭俠1999》裏面，張家輝飾演的化骨龍跟著劉德華飾演的阿King哥賭馬，在經歷了幾個禮拜反復看馬之後，著急的問：“King哥，老是看馬太無聊了，為什麼不直接下注，那多刺激？”，阿King反問說：“你是想無聊的贏錢，還是想很刺激的輸錢？”前者是投資行為，後者是消費行為。作為資產管理從業者，拿持有人的錢去尋求刺激可不是一件負責任的事情。

聚集那些很難變化的事情。如果反過來以規避風險為導向，那我們的行為模式可能會發生比較大的變化。如果我們聚焦於那些很難變化的事情，那麼我們所需要的預測就會減少很多，即便我們始終無法擺脫預測，但是可能更多的是在平均世界中進行預測，而不需要面臨極端世界的預測，不需要承擔那些一旦錯誤就無法翻身的後果。巴菲特曾經評價箭牌口香糖說：“這是一門我們能夠理解的生意，不管互聯網怎麼變化，不會改變人們嚼口香糖的方式”。國內有一位投資界的前輩說過：“投資要買紅燒肉一樣的生意，老祖宗傳下來的，幾千年都不會過時”。難變化的事情，才會有很長的雪坡，否則可能沒滾多久雪球就掉坑裏了。

假設的條件越多，越容易出錯，聚焦那些相對簡單的事情。我們在對於行業和公司的未來做判斷的時候，會提出很多的假設，當假設條件很多的時候，只要一個條件變化，我們最終的結論可能就難以成立，這是概率論中的比較基本的問題，但是我們在運用的時候，要麼就是忘了這一點，要麼就總是高估我們的預測能力。同一個產業鏈的航空和機場，前者需要對需求、供給、油價、匯率這幾個難以預判並且變化很頻繁的因素做出假設並且保持跟蹤，中間有很多擾動都可能使得判斷出現偏差，影響投資決策，造成虧損；而後者幾乎只需要對需求和政策定價（極度低頻）保持跟蹤，判斷的因素要少很多，把握起來要容易得多，剩下的就是靜待時間之花綻放，就投資者付出的時間精力而言，後者的投入產出比可能遠超前者。投資中難的不是加大行業和公司的覆蓋面，而是在試圖努力擴大能力圈的過程中，能夠明確知道自己的能力圈是否真正擴大，以及擴大到什麼地步，一個知道自己能力圈的人，會比那些能力圈大兩倍但是並不真正知道其能力圈大小的人，承擔更低的投資風險，長期來看也更容易取得更好的投資業績。巴菲特和芒格總是說，找那些能夠理解的簡單的生意，不要去跨七尺的欄杆，而要盡可能找那些一尺的欄杆。二老的跨欄技術是劉翔級別的，但是即便如此，他們也不去挑戰那些太高的欄杆。我們這些後輩不論是認知、經驗、能力都要差很多，為什麼還要去挑戰那些難的事情？

一旦形成一個觀點，就很難改變，所以推遲形成觀點更有利。對於研究的每一個標的，市場上泛泛的、碎片的、貼標籤式的研究都實在太多，而這些對把握一個行業和公司長期的趨勢基本沒有什麼作用，對於投資活動的支撐也實在有限。進行深度研究、對比競爭對手財報和產業內評價、上下游調研、持續跟蹤，是避免出現錯誤的最好方法，尤其是對於包裝打扮一新、亦或沒有其他對標公司的次新股，尤為重要。瞄準的過程做得越好，扣動扳機的時候信心越足；訓練的品質越高，比賽時候的狀態越有保障；基礎研究做的越充分，面對股價波動（尤其是向下波動）的時候越是從容。

在正確的方向犯傻。模糊的正確比精確的錯誤要好。避免可能損害未來的大主題，在小事上當傻瓜。聚焦在觀點可能造成的損害，而不是根據好聽的程度來辨別，始終關注風險，而不是盯著最完美的預期。如果能夠避免錯誤的大方向，比如在汽車發明之後還立志當一名優秀的馬夫，那麼大概率不會獲得太差的結果。

考慮多種可能性，而不只是線性外推。如果用線性的方式解釋過去，那麼只能朝一個趨勢繼續，但未來對過去的偏離有無數種可能。如果一個人明天還活著，這可能意味著可能長生不老，或者更接近死亡。這兩個結論依賴於完全相同的數據。這需要我們對於事物的本質有著更為深刻的認知，所以有時候常識或者說智慧，比對數據的敏感性更重要，但是這些常識的建立需要不斷的學習和積累。

對所有的可能做好準備，應對比預測重要。芒格所說的“想像無力”是一種知識和經驗的欠缺，當投資的標的發生了事前完全沒有預料到的事情的時候，可能會使人手足無措，或者思考和判斷的時間不充分，最終匆匆決策，或者錯過最好的決策時間。如果能夠避免這種錯誤，考慮到儘量多的可能性，並且做好預案，那麼應對的時候則要從容得多。筆者自己在入行時間尚短的時候，每一次講報告，都感覺聽的人好像總在有意挑刺，但是隨著經驗的積累，才慢慢理解，其實這都是老司機在盡可能的避免“想像無力”，儘量把風險估計的充分一些，才能夠防範於未然。

越是多思考如何避免犯錯，而不是考慮如何獲得成功，就距離收穫更近一些。

最後，讓我們再梳理一下，如果我們把我們的主要精力放在那些容易變化難以預測的事情，對盡可能多的條件進行假設，並且在論證尚不充分的情況下就假設自己都是對的，意識不到世界的發展有多種可能，從而絲毫不考慮其他的可能性，更不要說對種種可能性做好預案和對策，這樣的話我們就能夠成為一名完美的韭菜。