01 / 10
VOL.260418 WAYNE研究室 ISSUE 03
FOOLED BY RANDOMNESS · NASSIM TALEB

随机漫步的傻瓜Hidden Role of Chance in Life and in the Markets

"在市场上,你永远区分不了天才和好运儿——除非你能
看到那些没活下来的人。"

Issue 03 · Wayne 研究室 · 2026.04.18 · 第一部 Incerto
YOU? START MONTE CARLO PATHS · n=1000
"
你看到的成功者,
只是同一场赌局里
恰好没死的那一个。
墓地里的人,才掌握真相。
— Nassim Nicholas Taleb · 2001
10
CORE IDEAS · 核心观点

十个抗拒被
"运气"骗的工具

01
幸存者偏差
我们只看到活着的人,看不到等概率失败的"墓地"。所有"成功秘诀"几乎都是 survivorship 滤镜下的产物。
02
运气≠技能
短期内无法区分基金经理是好运还是真本事。需要看完整未实现路径,而不是单条历史。
03
蒙特卡罗思维
在脑中模拟"另一个世界":同样的决策在不同随机路径下会怎样?这是反 outcome bias 的解药。
04
路径依赖
同样一笔钱,赚到和保住完全是两回事。同样的累积分布,路径不同体验天差地别。
05
概率盲点
人脑无法直觉理解概率。基数、合取、连接谬误——我们天生不是统计动物。
06
可能性≠期望值
一件事很可能发生,但单次代价巨大,期望值仍可能为负。我们却被"高频"诱惑。
07
看不见才致命
能伤你的事永远是你"没看到"的事。你统计过的风险已经被市场定价了。
08
新闻噪音
高频信息让人过度反应。少看新闻、少看股票 App,反而做出更好的长期决策。
09
理论大于直觉
直觉(系统1)易被随机性骗,必须预先用理论(系统2)武装自己。
10
价格 ≠ 价值
股价上涨 5% 是好是坏取决于波动率。我们被价格本身catch,忘了它只是噪音里的一个采样。
04
MONTE CARLO · 一千个平行宇宙

同一笔投资,
1000 条命运曲线

同一策略 (μ=8%, σ=20%) 的 50 条蒙特卡罗路径 · 10 年
每一条灰线都是一个平行宇宙;红线是均值,绿线是 95% 分位,黄线是 5% 分位

关键观察:同样的策略、同样的预期收益,10 年后的最终结果可以从 0.3 倍 到 5 倍 不等。如果你只看到那条 5 倍的路径,就以为这个策略"被验证了"——这就是 outcome bias。真正的评估必须看分布,不看终点。

05
SURVIVORSHIP BIAS · 你看不到的那一半

硅谷传记 = 幸存者档案

VISIBLE · 你看到的
活下来的
10 个独角兽
≈ 1%
  • "创始人辍学创业"
  • "All in 一个想法"
  • "快速失败、迭代"
  • "找到了 PMF"
  • "团队顶级"
→ 媒体报道、传记、TED、播客
INVISIBLE · 你看不到的
死掉的
990 家公司
≈ 99%
  • "创始人辍学创业" — 一样
  • "All in 一个想法" — 一样
  • "快速失败、迭代" — 一样
  • "PMF 找了三年也没找到"
  • "团队也很顶级,但运气不在"
→ 没人写传记、没人开播客

Wayne 警觉:看到一篇"X 个亿万富翁的早起习惯",请问——同样早起的破产者有多少?

06
APPLICATIONS · 落地

CEO 视角:
反"运气盲"的工具箱

INVESTING / 选基金
不看 3 年业绩
Top 10% 基金在过去 3 年的业绩 ≈ 70% 来自运气。要看至少 10 年穿越周期、看夏普分布而不是均值。
CONTENT / 内容运营
不复制爆款
复制单个爆款=复制运气。要复制的是"创造爆款的过程",而不是结果本身的特征。
→ 千图网:投系统而非投单品
HIRING / 评估候选
拆运气 vs 能力
候选人的"成功经历"必须问到决策路径,而不是只看结果。问"如果重来一次,他还会做对吗"?
AI / 模型评估
单榜单分数=噪音
一个模型在一个 benchmark 上得分高,可能纯粹是 prompt 偶然。要看分布、看 perturbation 测试。
DAILY / 日常决策
少看股票 App
高频信息让你过度反应短期噪音。月看一次 vs 日看十次,决策质量差 10 倍。
STRATEGY / 千图战略
穿越周期设计
不要做"赌一把"的产品决策。要做"无论 AI 行业如何震荡,我们都还在场"的设计。
→ 反脆弱即穿越力
07
CONTROVERSY · 反方

这本书,
也被运气好的人骂过

争议警告 · 早期 Taleb,问题最多
① "成功 = 运气"被指过度。Cliff Asness (AQR 创始人) 反驳:Taleb 把"短期不可分"扩展到"长期不可分",抹杀了真正的 alpha 存在。30 年长期数据可以分辨技能与运气。
② 自相矛盾。书中嘲讽量化交易员,但 Taleb 自己就是量化交易员;后期他的 Universa 基金大量使用模型——他批模型,但住在模型里。
③ 写作风格傲慢。大量自我夸耀("我看穿了同行的傻"),让一些读者反感。被批"用文学伪装的自夸"。
④ 新闻有害论被认为绝对。"少看新闻"的建议在 2001 年成立,但在公共卫生事件、地缘冲突时,完全不看新闻可能反而更危险。
⑤ 与后期 Incerto 不一致。《随机漫步的傻瓜》→《黑天鹅》→《反脆弱》→《Skin in the Game》→《肥尾效应》,Taleb 的核心论点在演化,部分早期断言后来被他自己修正,但本书未更新。
10
FEYNMAN TEST · 真懂检测

10 道挑战题

■ 场景 ■ 辨析 ■ 费曼
01
场景
朋友离职创业,第一年赚 500 万,你想效仿。基于幸存者偏差,你应该问他哪 3 个问题?
02
辨析
"幸存者偏差"和"确认偏差"的区别是什么?
03
费曼
用一个超市买彩票的例子向小学生解释"蒙特卡罗模拟"是什么。
04
场景
千图网某设计师连续 3 个月销量 Top 1,你想升职加薪。在 Taleb 视角下,你还应该看哪些数据?
05
辨析
"运气是技能的一部分"——这个说法对吗?Taleb 会同意吗?
06
场景
AI 推荐算法 A/B 测试胜率 60%,是否说明它真的好?需要满足什么条件你才能信?
07
费曼
用一句话定义"路径依赖",并给一个生活例子。
08
辨析
"技能"和"运气"——Taleb 说短期不可分。那长期呢?多长是"长期"?
09
场景
看到一篇"巴菲特的 10 个秘诀"。基于本书思想,你为什么应警惕?至少 3 个理由。
10
费曼
下属说"这个项目肯定能成"。你怎么用 Taleb 的语言说服他重新评估?
— ONE THING TO TAKE AWAY —
下次看到任何成功故事,
默念三遍:
"墓地里有几个人,
做的是同样的事?"
WAYNE 研究室 · 260418 · FOOLED BY RANDOMNESS