實力、運氣與成功（簡體書）

本書入選斯坦福、普林斯頓大學等28家名校的“模式思維”（model thinking）課程書目

為什么網球明星的成績很穩定，而足球隊的成績起伏很大？
為什么跳槽后的表現通常會不如從前？
為什么女模特炒股比專業經紀人更強？
為什么能力越強的人越重視運氣？
為什么有的歌曲比其他歌曲更流行？
為什么產品質量最好的公司會倒閉？
為什么高智商的人并不比普通人更容易成功？
為什么顛覆性創新總來源于小公司？
這個世界上幾乎所有事情的成敗都取決于實力和運氣兩種因素，但很多人經常把二者搞混或弄錯，更不清楚它們各自占多大比重。實際上實力就是確定性的部分，是運用技能解決問題的能力；而運氣則是不確定性的體現，是不可控的偶然因素。
邁克爾莫布森利用復雜性科學的理論和思維方式，教你用方程式來解讀實力和運氣對成功的影響，并將之量化為具體的數字，讓你在經濟決策中獲得清晰的參照，在不確定性的世界中最大程度地把握確定性。

[美]邁克爾莫布森（Michael J. Mauboussin），哥倫比亞商學院教授，圣塔菲研究所核心成員，研究領域橫跨心理學、競爭策略、金融、管理、復雜系統理論等，是當代復雜科學領域的領軍人物，曾獲得美國“商學院年度杰出教授”、“卓越教學獎”等獎項。
現任美盛資產管理公司首席投資策略師，曾任瑞士瑞信銀行董事總經理兼美國分行首席投資策略師，在金融服務業工作超過25年，曾入選“全美投資分析師”、《華爾街日報》“全明星分析師”、“華爾街最有影響力人物”。
文章常見于《時代》《福布斯》《華爾街日報》《哈佛商業評論》《財富》等，另著有《魔鬼投資學》《期望投資學》等暢銷書，作品被翻譯成14種語言出版，并入選《商業周刊》“年度十佳商業書”、“史上百大經典商業書”等。

這是全球第一本用科學方法計算和解釋實力、運氣對成功影響的圖書。這個世界上的所有事情都取決于實力和運氣兩種因素，本書用復雜科學、大數據教你如何計算實力和運氣，在這個時代，一切都可量化。

為什么聰明人常做糊涂事

在一定程度上，智力測試能測出人們的認知能力，卻不能測出反映認知能力的其他重要智力，比如說決策能力。多倫多大學的心理學教授基思斯坦諾維奇曾這樣區分過智商和理商（理性水平）。許多人以為智力和理智有關聯，實際上它們是兩種截然不同的能力，這就是為什么我們常能見到聰明人做糊涂事。提高認知能力，正確的方法是提高理商。但是問題是，我們現在還沒有科學的方法來測理商。
斯坦諾維奇教授說，理商包括“適應能力、公正決策能力、自律能力、任務輕重緩急辨識力、論據篩選力等”。22他說許多人智商很高，卻不能理性地思考、理性地做事。信息處理過程的復雜、所知信息的局限就造成了智商和理商的差距。
我們舉個例子證明一下人們處理信息的復雜程度：杰克看著安妮，安妮看著喬治。杰克已婚，喬治未婚。請問一個已婚之人正在看一個未婚之人嗎？
A．是
B．否　
C．不確定
大家細想下回答。
正確答案為A，但是80%多的人選擇了C。選C的人覺得安妮的婚姻狀態未知，所以杰克在看安妮不一定就是已婚之人看未婚之人，安妮看喬治也未必是已婚之人看未婚之人，最后的結論就是答案不確定。正確解決這道題的方法就是考慮到所有的可能因素——假設安妮未婚，得出一個結果，假設安妮已婚，又得出一個結果。安妮未婚，那么可知杰克看著安妮是已婚之人在看未婚之人；安妮已婚，那么可知安妮看著杰克是已婚之人在看未婚之人。兩種情況下的答案都是A。
解決這道題時，人們的認知過程是：不想計算，不想太多思考，脫口而出一個結果，而不是集中精力仔細思考，然后計算出一個結果。用斯坦諾維奇教授的話說，我們都是“認知吝嗇者 ”。23“認知吝嗇者”的另一個特征是喜歡從以自我為中心的角度分析問題。可以想見，這一偏見使得人們和理性體系背道而馳。脫離理性思維的“認知吝嗇者”其智商只能發揮20%～30%的作用。所以再聰明絕頂的人也會犯糊涂犯錯誤，再愚笨的人也能做出明智的決定。24
理商低也可能由于所知信息較為局限。絕大多數人都應該學習一下如何科學地計算概率問題、統計數字以及驗證假設。先舉個關于概率的問題，大家看看下面的題目：

假設有一種很危險的遙控器病毒，患病率為1/1000。有種檢測儀器能百分之百檢測出攜帶這種病毒的人，但是正常人被檢測出此種病毒的誤差率為5%。現在我們隨機選一人來做檢測，事前檢測人的病史一概不知。檢測的結果是此人攜帶遙控器病毒。請問檢測人實際攜帶遙控器病毒的概率為多少？25

正確答案為近2%，但是大多數人的答案為95%。將所有可能的情況列出，分別求概率太過復雜。答案錯的人很可能忽略了問題的第一個條件：患病率為1/1000。你可以用貝葉斯定理 計算，但是人們習慣將所有的概率轉化為實際的數字。26
正確的計算步驟是這樣的：1000人中有1人患病，這個人被檢測出患病的概率為100%。假設其他的999人也接受檢測，那么大概有50人（999×5%）會被檢測出患病。所以說，1000人接受檢測，可能會有51人被檢測出患病，而真正患病的只有1人。所以隨機選一人做檢測，并被檢測出患病，他實際上真正患病的概率約為2%（1/51）。不過，很少有人按這種方法計算。斯坦諾維奇教授估算，能否解決實際問題，智商因素只占約25%～35%，再次證明了高智商并不能代表高理商。
由于目前還沒有方法能測量理商，我們也就無法得知理商隨時間的變化情況。但我們知道，上了年紀的人習慣憑經驗做事，這就暗示著能反映理商高低的認知能力隨著年齡在慢慢衰退。科學家估測過不同年齡段人的認知反映情況（認知反映能調節人的認知模式）。一個研究組發現，人的認知反映隨著年齡日漸衰退。27 75～97歲的老人要比25～45歲的青年表現得差很多。這一結果和其他認知任務的表現變化一致。但是科學家還需制定其他測定理商的實驗，才能得出理商隨時間變化的曲線圖。

聰明女人都嫁給了笨男人

這本書的其中一個主題是由于我們在任何情況下，都急于去尋找因果關系，我們很難理清技術及運氣在一項活動中各自的重要性。均值回歸是統計學中的一個統計假象，我們的大腦總是迫不及待地想去探究這個理論。如果一個人的實力水平不變，那么回歸均值則是因為活動自身存在的隨機性（從個人的角度來看，就是運氣不好）造成的。沒有特別的原因，因此也不需要去做任何解釋。
為了說明這一點，丹尼爾卡尼曼分享了一個故事。他建議，要想開始一段有趣的對話，你可以讓人們發表一下對如下這句話的看法：

高智商的女人往往會嫁給那些沒自己聰明的男士。

他指出，看到這句話后，人們的第一反應往往是去闡釋這句話背后的原因。人們常常會絞盡腦汁地去思考一個女人為什么會愿意或需要嫁給一個不如自己聰明的男人。人們還可能會在腦海里搜尋自己身邊是否有哪對夫婦符合這句話描述的情況，在找到某對符合這一情況的夫婦后，便努力地去解釋他們之所以能步入婚姻殿堂的原因。緊接著，卡尼曼又向大家介紹了第二句話，內容如下：

配偶之間在智商上的相關關系一點也不密切。

雖然第二句話說的是大實話，但聽起來卻乏味無趣。實際上，卡尼曼介紹的這兩句話所要表達的意思是一樣的，但是第一句話會促使你去思考這一現象背后的原因，而第二句話卻顯得有些生硬刻板、索然無味。當人們試圖為某個特定的均值回歸現象尋找理由時，一個并不真實存在的因果關系也就隨之產生了。因為在現實生活中，人們會發現自己所堅持的因果關系其實根本不存在所謂的相關性。4
如果你對有些事情是沒有確定的因果關系這一點仍然抱有異議，那么你可以這么想，無論如何，均值回歸規律一直在發揮著作用。那些個頭高大的父親所生的兒子可能也很高大，但是孩子的身高會更接近于所有孩子的平均身高。同樣，那些個頭高大的孩子的父親可能也身材高大，然而，父親的身高更接近于所有父親的平均身高。自然，眾所周知，兒子個頭高大不是造成父親身材矮小的原因。然而，均值回歸理論告訴我們，無論如何，兒子個頭高大不構成父親身材矮小的原因是正確的。這一事實擺在那里，不需要某個特定的原因來解釋。
說到均值回歸，人們還有第二個錯誤認識，與反饋相關。人們往往認為，在出現第一個結果后，自己提供的反饋信息或采取的行為調整策略促成了隨后的積極變化。事實上，人們沒有認識到，均值回歸規律在發揮作用，并促成了結果的變化。我們可以舉一個簡單的例子來說明這一點。你的兒子帶著考得一塌糊涂的數學成績單回到家里，你嚴厲地批評了他，恐嚇說成績再考得一團糟，就不允許他以后再玩自己最喜歡的那款電子游戲了，并命令他以后要用功讀書。這種情況下，他下次考試成績會如何呢？均值回歸規律指出，總體來講，不管你說什么，在以后的考試中，他的成績一定會更好。然而，在現實生活中，人們會誤以為孩子的成績之所以能提高，都是批評教育的功勞。
我們可以總結一下這個觀點。如果你的孩子取得了好成績，你夸獎了他，那么平均來說，你會發現，他的成績會下降，而不是提高。你可能會因為這個現象而得出這個結論——夸獎鼓勵是不好的，因為孩子會變得驕傲自滿，松懈懶散。然而，均值回歸規律指出，不管你說過什么，孩子的成績終究是要回歸均值的。正如我們剛說過的，你可能會誤以為是自己的夸獎鼓勵導致了孩子成績下滑。在這種情況下，你很可能會認為，既然鼓勵夸獎不行，那么消極的反饋一定會改善孩子的成績。事實上，均值回歸理論對孩子成績變動這一現象的解釋簡單明了。這個事情給我們的啟示是，對活動結果中那些原本在人們可控范圍的部分要予以重點關注，并要注意總結這部分的經驗和教訓，而不要去管其他無法掌控的部分。
對反饋的錯誤認識常常會使醫生犯迷糊。在臨床實踐中，醫生常常會測量患者的體重、膽固醇濃度及血壓，并從測量數據中判定患者是否有某種疾病或有患某種疾病的潛在危險。如果這三項檢測中的任何一項數據是一個極值——比如血壓高，那么醫生很可能會根據具體情況做相關的治療。就拿高血壓來說吧，為了使你的血壓達到正常水平，他們會給你開一劑降血壓的藥物。不可忽視的一個事實是，一般來說，不管治療與否，在第一次就診時，血壓測量數據偏高的人群在第二次就診時，血壓總是趨向正常水平。受測量誤差及個體的生物學差異的影響，同一個人在兩次血壓測試中的測試結果之間的相關關系不是很緊密。因此，不管采取什么治療方案，均值回歸都是必然的結果。然而，人們常常以為，個體的血壓趨向正常水平都是做針對性治療的結果，在某些情況下，針對性治療確實對降低血壓有一定的作用。問題是，對反饋的錯誤認識會使人們以為——針對性治療是原因，血壓降低是效果。