南宫读书会第七十二期反脆弱可变性

Hi~大家好，我是南宫敏羚，这期将开始本书的下半部分了，没看过上半部分的读者可以看看之前发布的内容，话不多说，现在就开始我们这期的内容吧！

第一部分：大石头和小石头

犹太文学中有一则故事，可能源自早年近东口口相传的民间故事，说的是一位王国对他的儿子大发雷霆，发誓要用大石头压死儿子。可冷静后，他意识到了自己遇到了麻烦，国王一言九鼎，食言未免有损权威。于是，国王的智囊团想出一个解决方案。他们把大石头碎成小石子，随后就用这些石子投向国王顽固的儿子。

块小石子和同等重量的大石头之间的区别，是说明脆弱性源于非线性效应的一个有力例证。

“非线性”是指反应无法直接估计的、不呈直线分布的效应，所以如果你将药量加倍，药效可能大大高于或低于两倍。

举个例子，如果我朝一个人的头上扔了一块重达10磅的石头，它造成的伤害要比一块5磅重的石头所造成伤害的两倍更严重，比一块2磅重的石头所造成伤害的5倍严重的多。道理很简单：如果你画一个坐标，纵轴表示伤害的大小，横轴表示石块的大小，那么这跟线一定是曲线，而不是直线。

这就是不对称性的表现。

对于脆弱的事物来说，冲击带来的伤害会随着冲击强度的增加而以最快的速度增长（直到达到某一水平）。

不对称性必然是非线性的，它带来的弊远大于利：原因很简单，其强度增加所带来的伤害远大于比强度等量减少带来的益处要大。

对于一个尚未受到损害的事物（或存活的生物）而言，一块巨石产生的伤害要远大于块小石子，以及一件罕见的严重事件的影响将远超过较小冲击的累积影响。

对于脆弱的物体而言，温和冲击的累积效应应低于等量的单一严重冲击所造成的单一影响。

对于反脆弱性物体来说，在一定限度内，冲击越强，带来的益处越大（相应的，伤害也更小）。

现在，只要注意这条简单的曲线所涉及的范围就可以了：它对我们看得见的几乎所有东西都会产生影响，包括医疗错误、政府规模，以及创新等任何与不确定性有关的东西。

非线性分为两种：凸性效应（曲线向下凸，就像水洼一样），或者相反的凹性效应（曲线向上凹，就像山峰一样）。当然，也有混合情况，即兼具凸性效应和凹性效应。

（南宫评注：我一次了解这个概念的时候，也是比较懵，在我的观念中，向上是凸，向下是凹，在书中，你需要把概念反过来看。）

有一种看待凸性效应的直观方式：考虑规模扩大的特性。

如果遭遇某事的风险加倍，那么它导致的伤害是否会大于两倍？如果是的话，那么一定是脆弱性的情况。否则，你就是强韧的。

苏联——哈佛派的美国卫生部告诉我们，每天要吃定量的营养物质，还就每个种类都给出了建议摄入量。

这相当于否认毒物兴奋效应，即使偶尔缺乏某些营养，可以产生轻微的压力。很长一段时间以来，没有人尝试探索膳食摄取在时间分布上的可变性是否与长期的膳食构成同样重要。

小的可能是丑陋的，但肯定不那么脆弱。

接下来我们来讨论一下如何忍痛。当一个人别无选择，不得不采取一些行动，而且是不计成本地采取行动时，忍痛行为就发生了。

忍痛会因为规模加大而恶化。规模大的东西，面对某些错误容易受到伤害，特别是在可怕的忍痛情绪下。随着规模进一步增大，其代价会非线性地增加。

要了解规模大小是如何成为一个障碍，只要想想为什么人们不会养一头大象当宠物就知道了，无论你对这种动物有什么的感情。

如果你真的买了一头大象放在你的后院，一旦发生水荒，忍痛效应就产生了，因为你没有别的选择，只有掏出钱来买水，没多买一加仑的水，你就要为这一加仑支付更高的价格。这是十分脆弱的情况，是规模过大导致负凸性效应的例子。

尽管我们在商学院都学过“规模经济”的概念，但是在有压力的情况下，规模却会让你受伤害；在艰难的情况下，规模大并非好事。

与把大象当宠物饲养的想法一样，大公司必须忍痛承担昂贵的成本。规模带来的收益是可见的，但风险是隐蔽的，而一些隐蔽的风险似乎给公司带来了脆弱性。

重要的是项目各部分的规模，而不是整个项目有一些项目可以进行分割，有些项目却不行。

就像桥梁与隧道工程进行整体规划，因为他们不能被分割成小部分；它们的成本超支比率会随着工程规模扩大而显著增加。

道路修建则不同，它可以分割成小段工程同步进行，没有严重的规模效应，因为项目经理不会犯大错，即使犯错也有调整的机会。

让我们再举个例子：想象一下，人们是如何逃出电影院的。

一个人在电影院喊“起火了！”你马上就会发现，可能有十个人在和你争夺一个逃生出口。所以，剧院的脆弱性与大小有关，因为每增加一个人逃生，就会带来更多创伤。人在一分钟内逃出的电影与同样人数在半小时内离场是不一样的。

不熟悉这种概念的人可能会天真地优化一个地方的规模，但却忽略了在正常情况下顺利运行与在压力情况下混乱运行的区别。

现在经济追求优越的生活，促使我们修建规模越来越大的剧院，但安全出口的修建却极小。

瓶颈是所有忍痛的源头。

第二部分：预测

因为旅行时间不会真的为负值，因此不确定性往往会造成延误，导致飞行时间的增加，而几乎从来不会减少。或者，有时可能会提前几分钟到达，但延误的时间却有可能是几个小时，两者明显不对称。任何意外、任何冲击、任何波动都更有可能延长飞行时间。

在某种程度上也解释了时间的不可逆性，如果你认为混乱的程度往往会随时间的推移而增加的话。

当项目中增加了不确定性，那么竣工的成本往往会更高，时间也会更长。

随着复杂性的增强、各部分之间相互依存程度的增加、全球化的推进，以及所谓“效率”这种让人违背规律行事的野蛮概念出现，“黑天鹅”效应势必增加。

世界变得越来越难以预测，我们越来越多地依赖于错误的高科技技术，这些技术的相互影响很难估计，更不用说预测了。

讨论“规划谬论”的心理学家很少真正认识到这从本质上说并非一种心理问题，或人为错误的问题；而是项目的非线性结构所造成的问题。

据估计，第一次世界大战实际上只持续了几个月的时间，但待它结束时，已使得法国和英国负债累累；撇开所有的恐怖、痛苦和破坏不谈，它产生的财务成本至少是初始估计金额的10倍。

军队的规模越大，成本超支的情况将大到不成比例。

事实上，政府根本不需要战争就能将我们拖入赤字困境——低估项目成本是造成当代98%的项目超支痼疾。政府总是在完成项目后告诉我们开支超过了预算。

我们可以很容易看到脆弱性导致的成本膨胀，甚至凭肉眼可见。经济可能变得越来越“高效”，但脆弱性导致错误的成本更高。

如今的证券交易所是过去的“公开喊价”演变而来的，当时疯狂的交易员们在一个露天市场面对面地用叫喊和咆哮来报价，闭市后则一起去喝酒。

而现在的证券交易所用电脑替换了交易员，这带来的看得见的好处微乎其微，却招致了极大的风险。

如果说交易员造成的错误还是可控和分散的，那么计算机系统造成的错误则如脱缰野马——年8月，一台电脑的错误导致了整个市场的崩溃。

天真的成本效益分析会带来伤害，这种效应当然也会随着规模的增长而膨胀。

再举个规模化造成伤害的例子。

我们知道化石燃料是以非线性的方式产生危害的，而且这汇总危害是凹性的。少量的化石燃料没有什么危害，但是大量燃烧化石燃料却会对气候产生破坏性影响。

简单地说，就像对待规模问题一样分散污染源。10个不同来源所造成污染的总危害比一耳光污染源带来的等量污染危害要小。

请注意，全球化促进了集中化趋势的蔓延，就好像整个世界成了只有一耳光狭窄出口的巨大房间，所有人都争相涌入一个出口，导致伤害加剧。

财富意味着更多，由于非线性效应，更多将带来巨大的差异。财富更多会导致我们更容易犯严重的错误，正如投资上亿美元的项目要比投资万美元的项目更加不可预测，也更可能超支，日渐富裕的世界也因更多的不可预测性和脆弱性饱受困苦。

不管在什么领域，从陶瓷杯子到组织，到政治制度，再到公司的规模，或机场的延误，脆弱性总是隐藏在非线性中。

第三部分：可以预测的事情

接下来，我们就来讨论一个更加深入的问题——有上限的收益。

某个经济变量的上升将导致巨大的损失，而其下降则带来少量的利润。该变量如果进一步上升将导致更大的额外损失，如果进一步下降带来的利润也将更小。

危害的加剧是显而易见的——事实上是很可怕的。它的风险显示出严重的凹性效应，损失随着一个经济变量的偏离而加剧。

最关键的是，非线性更容易受到极端事件的影响——没有人对极端事件感兴趣，因为他们普遍对其有抵触心理。

搞清楚我们的错误计算或错误预测总的来说是否弊大于利，以及伤害加剧会导致什么后果。就像国王和他儿子的故事一样，一个10磅重的石头所造成的伤害是5磅重的两倍还多。这种伤害加剧的趋势意味着一块大石头最终将砸死人。同样的，大的市场偏差最终也会毁灭一家或多家公司。

这里有一些可以使用的技术，是被作者称之为脆弱性和反脆弱性检测启发的一种简单启发法，工作原理如下：

一个小镇是否过度优化，如果通过观察车流量增加10万辆时，行车时间会延长10分钟。但是如果车流量继续增加10万辆，行车时间会延长30分钟，那么这种加剧恶化的行车时间显示，镇上车太多了，交通非常脆弱，必须减少车流量以缓解加剧恶化的情况。

同样的，政府赤字在经济情况的变化面前显示出尤为明显的凹性。比方说，失业率每增加一单位的偏差，都会让赤字增量恶化——你需要借更多钱以实现同样的效果。

脆弱公司的经营杠杆也一样，营业额增加10%带来的利润增加额，低于营业额下降10%带来的利润减少额。

当作者从事交易业务时，曾经犯过很多执行上的错误。比如，本来要买手某只股票，结果第二天发现，买了手某只股票。

如果股价上涨，那么会有可观的利润。否则，就会遭受巨大的损失。因此，从长远来看这些错误是中性的，因为它们会对你产生两个方面的影响。他们增加了变数，但不影响你的总体头寸走势。他们不能被片面地认定为好或坏。而且由于规模不大，这些错误仍可以控制——你进行了很多的小型交易，因此错误也都很小。

但我们建立的大多数东西却不是这样的，而且错误是和脆弱性事物相关，结果产生负凸性效应。

这一类结果都有一个单向的结果，也就是负的结果。比如航班往往会延迟到达，战争往往会变得更糟……

由于这种差错给人们带来的更多是伤害而不是益处，因此，上述内容的片面性会导致我们低估随机性及其带来的危害。

我们可以通过三个简单的区别来划分事物：喜欢干扰（或错误）的事物、对干扰（或错误）持中性态度的事物，以及厌恶干扰（或错误）的事物。

要知道哪些模型是脆弱的，哪些不是脆弱的。只需要对其假设进行一个小小的变更，然后看看影响有多大，以及这种影响是否会持续加剧。如果影响加剧，那么就意味着依赖于该模型的人会在“黑天鹅”效应影响下遭受毁灭之灾。

常言道：如果一条河的平均深度是4英尺，就千万不要过河。

你刚刚被告知，在接下来两个小时内，你祖母所在的地方平均温度非常宜人，约为21摄氏度。很棒，你想，21摄氏度对老人来说是最适宜的温度。

但我们还有第二组数据。事实证明，你的祖母第一个小时处于零下8摄氏度的环境下，而在第二个小时处于60摄氏度的环境下，平均温度则是非常理想的21摄氏度。

因此，这样看来你最后肯定会失去的你祖母。

正如你所看到的，第二组数据，也就是有关温度变化的信息，要比第一组数据更重要。如果一个人在变化面前是脆弱的，那么平均数的概念就是没有意义的——温度的偏差远比平均温度重要。

注意以下事物：

混为一谈问题的严重程度；

为什么任何具有可选择性的事物都具有长期优势——以及如何来衡量它；

以上两点合并：混为一谈和可选择性。

回想一下之前谈论的交通问题，第一个小时有9万辆汽车，后一个小时有11万辆汽车，虽然平均每个小时有10万辆车，但会造成可怕的交通拥堵。

另外，假设在两个小时内，每小时都有10万辆车通过，则交通将保持畅通，行车时间也不会很长。

汽车数量是某种东西，也是一个变量；交通时间是该变量的函数，而函数的行为与变量的行为并“不是一回事”。

非线性越大，变量的函数与变量本身的差异就越大。比如从9万辆车增加到11万辆，这与始终是10万辆车情况下交通时间不会有什么区别。

变量越不稳定，即不确定性强，则函数与变量本身的区别就越大。如果现有8万辆车，然后有12万辆车，那么将比现有9万辆车、后有11万辆车的交通情况更糟。

如果该函数呈现凸性（反脆弱性），那么变量函数的平均值将比变量平均值的函数要高。如果函数是凹性的（脆弱性），那么情况则相反。

脆弱性的隐性伤害是，你的预测需要比随机预测的结果好得多，你得知道你要往哪里去，才能抵消负面影响。

如果你拥有有利的不对称性，或者正凸性，从长远来看，你会做的相当不错，在不确定的情况下表现优于平均数。不确定性越强，可选择性的作用越大，你的表现就越好。这个属性对人生来说非常重要。

好了！本期的内容到这里就结束了，这期的内容相对于之前的要复杂一些，主要是加入了负面的不对称性，也就是说，你做再多，收益都是有顶的，一旦你放弃就会产生黑天鹅效应。而你要拥有有利的不对称性，当你放弃时，你的损失有底，当你做得越好，你得到的也会越多。

我是南宫敏羚，这里是南宫读书会，