1702328303
几年前，我在纽约参加了一个晚宴，其中也包括曼德布洛特。我来晚了，发现只有两个座位是空的。不久以后，曼德布洛特来了，他解释说，自己迟到是因为一个不称职的司机，这个人已经被他解雇了。然后，曼德布洛特俯下身来问我：“你愿意载我回家吗？”
1702328304
1702328305
在接下来的晚餐时间，我一直心绪不宁，琢磨着在去郊区的一小时车程中可能会跟这位比自己年长40岁的非凡人物说些什么。当他坐到乘客座位上以后，我决定向他询问一些有关金融业还原偏见历史的问题。他非常亲切，尽管因为既定体制尚未接受他的观点而有些失意。他说，虽然市场狂热的随机性是大家有目共睹的，但是，经济学家之所以坚持适度的随机性，很大程度上是因为它简化了世界，使数学问题变得更容易处理。曼德布洛特强调，虽然他不知道未来会发生怎样的极端事件，但他确信，经济学家所提出的简单模型将无法预见这一点。
1702328306
1702328307
是的，这并不需要很长时间。2007～2009年的金融危机包含很多变化的成分，但其核心问题可以通过一个鲜为人知的公式解答，该公式是由统计学家和数学家李祥林提出的。这个方程式可以处理一个棘手的挑战，即测量违约和资产之间的相关性（该公式被称为“高斯联结相依函数”）。
1702328308
1702328309
在将投资组合多元化的过程中，相关性是至关重要的，因而在管理风险的过程中也是如此。例如，考虑两种潜在的投资：保护伞公司和野餐篮公司。如果天气恶劣，保护伞公司的股票就会上升，而野餐篮公司的股票则会下跌。当然，好天气会产生相反的市场反应。因为股票的绩效是不相关的，所以，如果你同时拥有两种股票的话，那么无论天气怎样，你都会实现投资组合的多元化。但是，如果股票变得具有相关性——不论出于何种原因，两种股票同时上涨或下跌——你承受的风险将会比想象中更多。
1702328310
1702328311
李祥林的方程式给人们的希望是，单凭一个数字，该公式就能够测量出一个投资组合内的两种或多种资产同时出现违约的可能性。这就为新产品打开了闸门，因为金融工程师有一种方法，可以量化捆绑大量资产的抵押品所具有的安全性或风险性。例如，投资银行可能会把公司债券捆绑成共同资金，即众所周知的债务担保证券，然后借助李祥林的方程式来总结违约相关性，而不是担心一些细节，即共同资金中的每张企业债券会如何表现。
1702328312
1702328313
尽管市场参与者认为这个公式“完美、简单而且易于处理”，但它仍然有一个致命的缺陷，因为相关性会发生改变。与还原偏见相一致，这个方程式是以一个简单而稳定的世界为基础的，却是在一个复杂的动态世界中得到应用的。在通常情况下，当经济遇到棘手问题时，违约相关性就会增强。
1702328314
1702328315
长期资本管理公司的失败解释了不断变化的相关性如何能够造成严重破坏。据长期资本管理公司观察，在前五年里，其多样化投资之间的相关性小于10%。为了对其投资组合进行压力测试，长期资本管理公司假设相关性可能上升到30%，远远超过历史数据所显示的任何水平。但是，当金融危机在1998年爆发时，相关性却飙升到70%。多样化付诸东流，基金蒙受了致命的损失。“任何依赖于相关性的东西都带有欺骗色彩。”塔勒布嗤之以鼻地说。换句话说，我听交易商说过，“在熊市里，相关性是唯一上升的东西。”19
1702328316
1702328317
在处理相变的过程中，最后的错误是相信预测。我们所知道的唯一世界，就是我们自己的世界。但是，如果我们回到过去重播录音的话，询问结果是否不同就会变得有趣。20
1702328318
1702328319
进化仍然会产生树木、狗和人类吗？如果人们采纳意见和创新理念的模式可以表明意外事件的重要作用，那么，我们如何能够知道可能已经发生了什么？或者将会发生什么？
1702328320
1702328321
一般来说，我们所看到的结果的必然性是没有办法测试的。然而，哥伦比亚大学的三名研究人员在社会学家邓肯·瓦茨的带领下展开了一项研究，从本质上讲，该研究塑造了多个世界，观察人们在不同的社会环境中是如何行动的。我们可能无法重演我们世界的历史，但是，科学家们有效地创建了选择性世界。21瓦茨和他同事的发现能使所有“预言大师”踌躇不前。
1702328322
1702328323
他们创建了一个名为“音乐实验室”的网站，并邀请受试者来参与一项有关音乐品味的研究。该网站要求受试者听48首由未知乐队演奏的歌曲，并对它们作出评价，他们可以选择下载自己喜欢的歌曲。有一万四千多人前来参加，主要是居住在美国的年轻人。
1702328324
1702328325
进入这个网站之后，研究人员将20%的受试者安排在一个独立的区域，并在另外八个区域内分别安排了10%的人，在这八个区域里，人们可以看到别人在做什么（见图7–3）。在独立的区域内，受试者可以听歌曲，对它们作出评价，还可以免费下载它们，但不知道其他人在做什么。而在其他区域内，受试者也在听歌曲和评价歌曲，但社会影响开始起作用，因为他们可以看到其他人下载每一首歌曲的次数。研究人员进行了几次变体实验，但在所有的情境中，歌曲最开始的下载量都是零。
1702328326
1702328327
该研究的设置允许对社会影响做一次非常明确的测试。独立团体中的受试者不受别人观点的影响，从而提供了一个有关歌曲质量的合理指标。如果社会影响无关紧要，您就会希望歌曲排名——以及下载次数——在所有的九个区域内都具有相似性。另一方面，如果社会影响很重要，那么在社会区域内，初始下载模式中的微小差异将会导致截然不同的排名。累积优势将会超越内在质量的影响。
1702328328
1702328329
1702328330
1702328331
1702328332
图7-3 “音乐实验室”如何创建替代性区域
1702328333
1702328334
该研究表明，歌曲质量确实在排名中发挥了作用。如果一首歌曲在独立区域中排在前五名，那么在一个社会影响的区域中，它大约有50%的概率最终成为前五名。而且，最糟糕的歌曲很少在排行榜上占据领先位置。但是，在社会的影响下，一首普通歌曲能否表现突出？你认为别人的观点会对你的品味造成影响吗？
1702328335
1702328336
科学家们发现，社会影响力在成功和失败中起到了举足轻重的作用。有一首歌曲，即由52大都市乐队演奏的《锁定》，在独立区域中排名第26，实际上很普通。然而，它在其中一个社会影响区域中排名第一，而在另一个社会区域中却排在了第40名。社会影响力可以将一首普通的歌曲在一个区域内推向巅峰——临界点——却使它在另一个区域内陷入低谷。可以把这种现象称做“锁定”的教训。
1702328337
1702328338
在这八个社会区域中，受试者在实验初期下载的歌曲对他们后来下载的歌曲产生了巨大影响。因为每个社会区域的下载模式不同，所以结果也就不一样。
1702328339
1702328340
波利亚罐子程序能让我们更深刻地理解这些结果。22想象一个大罐子里面装有两个球，一个是红色，一是个蓝色。你把手伸进去，随机选择一个球。假设你选择的是蓝色球。然后，你再找来一个蓝色的球，并把两个球都放回罐子里（罐子里面现在有一个红色球和两个蓝色球）。你重复这个过程，随机选择一个球，找一个与之相匹配的球，然后把球放回罐子里，直到罐子装满为止。然后，你计算一下红色球和蓝色球的比率。图7-4显示了我所模拟的六个探索性试验，在每个试验中，把球拿出来再放回去的动作重复了100次。
1702328341
1702328342
1702328343
1702328344
1702328345
图7-4 在波利亚罐子程序中，结果差别很大
1702328346
1702328347
罐子程序的特性和“音乐实验室”的结果非常一致。首先，就任何个别探索性试验来讲，你都没有办法提前知道结果。比率有可能向红色球或蓝色球倾斜，多次试验则会产生不同的比率。因此，预测获胜者确实是件很难的事。在现实世界中，虽然质量更好的产品获得成功的概率真的更大，但是，商业成功和质量之间并不存在确定的联系。进一步讲，社会影响力往往会加剧产品的成功和失败，从而导致极端现象。在“音乐实验室”实验中，与独立区域相比，社会区域中结果的不平等性在本质上更加明显。
1702328348
1702328349
第二，灵活性会随着时间的推移而减少。一旦你选择了一个蓝色球，那么，你选择另一个蓝色球的概率就会急剧增加。如果你碰巧选择了一两次蓝色球，那么，红色球很快就变得几乎不可能占主导地位了——这一切都归于纯粹的统计原因。在“音乐实验室”实验中，尽管最终结果在实验初期尚不清楚，可是，一旦在那里确立下来，结果就会比较稳定。对社会区域而言，在大约1/3的受试者参与实验之后，结果就会稳定下来。就像罐子程序一样，初次取出球的运气会起到关键作用。
1702328350
1702328351
最后，有一种记忆效应。人们所选择的第一个球的颜色会对结果产生重大影响。同样，第一个下载歌曲的人会影响人们后来的下载模式。我们的世界代表了许多可能存在的世界之一，因而，初始条件下的微小变化会使结果呈现出很大差别。仔细观察一下各种社会影响区域中的排名差异，就可以证明这一点。
1702328352