风险与决策，一个实践者的选择——与谢志刚先生交流

郑坚平 汇智国际金融控股有限公司

谢志刚先生题为《风险与决策，究竟什么关系？》的文章，主要针对格尔德·吉仁泽（Gerd Gigerenzer）教授的Risk Savvy进行了评论，也介绍了他自己的一些观点。

由于我对格尔德·吉仁泽教授的研究不熟悉，因此先找到他在youtube上的一个视频来看，那是他在加州大学就《Risk Savvy》这本书的内容做的讲座（Gerd Gigerenzer,Risk Savvy,UCTV presentation,2015），连同问答，视频时长约一个半小时。之后，我又翻阅了吉仁泽的若干书籍，作了笔记若干，在此稍作整理，分享一下自己的读后感和若干思考。

一、吉仁泽及其研究

吉仁泽是位心理学家，1977年在慕尼黑大学完成博士学业并长期在大学和研究机构从事与心理学及应用的相关研究，素材积累丰厚，也是个多产的作者。他的书籍，引用案例丰富有趣，文笔流畅，可读性颇强。

吉仁泽研究方向的一个聚焦点是对于直觉（gut feeling）、感悟（heuristic）或经验法则（rule of thumb）的效果和方法的深入探索，其代表作品之一是Gut Feelings(c)。在诺贝尔经济学奖获得者卡尼曼（Daniel Kahneman）的研究体系里，依靠直觉的决策体系被称为是系统I（D.Kahneman,Thinking Fast and Slow,2013），这个体系进化于人类大脑发展的早期，相比于依赖事实和逻辑做决策的系统II，往往被视为更感性、粗略和有失精准。吉仁泽多年来试图以很大的努力去拆解这个系统I的判断过程，并提出通过对环境相适应的方式去优化直觉判断（Gerd Gigerenzer,Adaptive Thinking -Rationality in the Real World,2000），试图说服人们出自直觉和感性的结论和判断并不弱，甚至常常能以简胜繁。

他的另一个专注方向是对概率论科普（Gerd Gigerenzer,Calculated Risks-How to Know When Numbers Deceive You,2002；Gerd Gigerenzer,Reckoning with Risk-Learn to Live with Uncertainty,2002）。他注意到现实应用中，包括在诸如法律诉讼、医疗和商业等重大领域，都存在令人惊讶的概率概念和结论的错用、滥用乃至有意误导的现象，这和塔勒布观察到的人类思维普遍存在 概 率 选 择 盲 点（option blind）（Nassim Taleb,Fooled by Randomness:The Hidden Role of Chance in Life and in the Markets,2001）是一致的。由此产生巨大需求，包括正确理解概率知识，用准确易懂的语言和方式向大众解释这些结论，识别利用概率论扭曲事实的现象，结合心理学家的能力，在这个领域可以取得显著成效。

《风险与决策》（英文原版Risk Savvy）是吉仁泽于2015年试图将上述两方面研究综合于一体的努力，之前他曾于2008年著有Rationality for Mortals，也是类似的综合书籍，两者的差异，在于后者面向比较普遍的大众，而前者增加了他为企业和金融机构做咨询的经验，结合了对于商业和金融领域的更多案例和体验。

二、火鸡幻觉及其他，对吉仁泽的研究的看法

吉仁泽所做工作有两个方向，首先科普和大众教育这点无可厚非，也确实找对了概率理论应用的痛点。作为一个心理学家和表达力很强的学者，他找到了很好的突破点，以通俗和实用的语言和模式，将抽象概率理论与推理和实践联系到一起，充分发挥了自己的长项。他提倡通过教育等手段提高全人类对于概率理论应用的认知水准，并做了大量推广工作，值得肯定和赞许。

而吉仁泽的另一个研究方向，却令他花费很大努力去争辩人类大脑的系统I优于系统II。尽管存在某些应用场景，比如体育比赛等需要即时作出反应的场合，系统I的直觉可能带来更佳结果，但要试图去证实系统I总在大多数情形下都优于系统II却实在勉为其难。尤其当应用于商业乃至金融领域，这个断言在当今数字经济日趋发达的时代是否成立，本质上存在着很大的疑问。

为了给其直觉的适应领域开拓空间，吉仁泽在Risk Savvy一书中分拆出狭义风险（risk）和不确定性（uncertainty）两个概念（如图1），将这两者的总和作为确定性的反面，我们姑且称之广义风险（和书名中的Risk对应，而作者在书中也交替使用risk和Risk这两个表达方式来指代狭义风险和广义风险，反映了语言体系还存在一点混乱）。他试图将完全可以归于概率推算的事件划入狭义风险，并将所有“其他”广义风险划入一个被称为不确定性的研究空间，并将之归为他所推崇的靠直觉和经验体系可以做出较优决策的适用范畴。

▶图1 从确定到风险，再到不确定

不得不说，吉仁泽的这个努力有点牵强，存在大量他所纳入不确定性范畴的决策，实践证明依靠更为细致的大数据和逻辑分析能够得到更佳结果。此外，如果一定要将广义风险分解，很多复杂的金融和商业决策往往同时需要用到常识（部分和直觉关联）和数据分析两个部分的知识和能力，既要有效处理和消化大量历史事实和数据，也要通过人类智慧和经验填补单凭过往信息所不及的空缺，而并不能非黑即白只倚重于其中的一类。

吉仁泽明显感觉到了以贝叶斯概率论和机器学习为基础的现代人工智能的快速发展对其“直觉更优”的结论的威胁，因此在他的演讲中试图挑战这些方法论的泛用性（有趣的是，他在书中似乎没有急于作出这些结论）。他所采用的典型例子是塔勒布提及的火鸡幻觉（Nassim Taleb,The Black Swan:The Impact of Highly Improbable,2007）：火鸡每天都得到喂食，由此对喂食者的信任逐渐强化，直至感恩节黑天鹅到来的那天。他由此要得出结论：贝叶斯概率论靠累积事件不断迫近正确概率的做法有时候不适用。

问题在于，排除迷信等非理性因素，人类对于这个世界的真实认知也唯有基于所有过往经验，若遇到过往从未出现过的黑天鹅事件，人类的判断也未见得比火鸡高明多少。客观而言，一只火鸡在感恩节这个断点出现推断失误，正确的归因应在于其所获样本的不足，而如果存在一个火鸡之神能不断收集到大量不同时期火鸡与人类关系的样本，她的结论也就必然趋于合理。因此，现代基于贝叶斯概率论的数学模型和人工智能的发展方向，或许还存在可以探讨之处，但至少还不会因为这个例子而被颠覆。

三、风险与决策，实践者的选择

理论研究上如何“精确”地去量化风险，由此作出恰如其分的决策，尤其是方法论的取舍，产生不同的观点和争辩，或许有一定的学术意义，作为实践者，我们乐见各种观点的分享，有时也可从中加深自身对问题的理解，但也没必要耗费过多精力去参与这些争议。

从务实的立场出发，我比较欣赏的观点和做法来自巴菲特和芒格。他们把风险界定为发生永久损失的可能，然后，以实践者的态度，芒格指出把现实事件分类，将能够把握的内容放入其能力圈（circle of competence），把难以完全认识的内容放入“太难”类（“too hard pile”）并果断放弃对其的研究。对能力圈内的机会，巴菲特和芒格又充分运用了投资领域教父级人物格雷厄姆提出的安全边际（margin of safety）的概念，根据价值和价格的关系做出其取舍的判断，由此有效掌控住风险。他们数十年以来的骄人投资成绩，就是这个方法论应用的最佳验证。

这样的做法充斥着实用主义的态度。首先，承认人类的渺小和有限认知，对于缺乏有效手段把握和评估的事件敢于扔入“太难”这个筐里，而不像研究理论的学者试图大包大揽去解决所有难题。其次，他们站在单边的立场，通过安全边际为自己的决策留足出现偏差的余地，而不像学者的研究，总是试图找到对利益的两边都公平的某个平衡点。这样的选择，使得他们决策成功的概率大大提升。对商业决策者、资本市场投资者、金融产品设计者等实践者，这样的做法作用非常明显。

这个方法的应用当然也存在若干问题，其中一点是随着市场竞争的激烈和科技手段的发展，明显地，桶中打鱼（shooting fish in a barrel）的安全边际巨大的机会变得更为稀少，因此需要更加敏锐的判断力和等待这类机会出现的更好耐心。另一点是存在一类需要确定资产“公平价值”的专业人士，比如评估养老金的精算师或是评估资产价值的审计和会计人士，他们的工作是对被评估的标的物做出一个对各方都公平的结论，因此不能仅限于采纳做出单边有利的判断。

需要作出“公平价值”结论的专业存在着专业规范和标准，至少使得这些结论性报告能够做得很体面。但是人们必须记得，所有这些努力最终都是为人所用，因此，要真正有助于报告的阅读者和使用者，更为重要的是应该比较详实地提供做出结论的假设和依据，以及若干关键和必要的敏感性分析，这使得单边利益的读者，能够基于其自身利益和立场做必要调整，得出可用的判断。

此外，同样重要的是意识到“公平价值”的结论或判断本身存在局限。越来越多的传统企业将其养老金计划从确定给付制（Defined Benefit Plan）改为确定缴费制（Defined Contribution Plan），反映的是人们对于这个问题的认识提升，无论如何优化养老金“公平价值”的测算和判断，要完美匹配近期投入和未来负债之间的关系都存在手段和能力的显著局限。因此，最佳的应对措施不是无休止地去完善人类的认知手段，期待能找到无懈可击的答案，而是干脆放弃这项努力，由每个个体而不是机构去根据未来所得量入为出管理其生活所需，由此取得早年结余的投入和晚年负债承担之间的更为合理的平衡。

未来存在不确定性，由此带来风险。对于实践者而言，运用直觉、常识或数学方法，都使得人们的“工具箱”更为丰富，具体场合如何用，用哪个工具，则是实践者须采取务实的态度，并通过大量实践取得合理的妥协。