读过《反脆弱》和一些关于预测的著作后，我意识到一件事：预测本质上是很难的，也许是不可能的。
历史经验的局限性
历史经验看起来有用，但很难真正指导未来。单个事件的发生概率确实可能是 50%——我们无法预知。但统计结果表明某事件发生概率是 99% 或 1% 时，问题出现了。
在做决策时，我们不能只看概率。一个 1% 的事件，如果真的发生，在这个单一的世界里，对你的影响是 100%。所以很多时候，历史经验有可能有用，有可能没用。
复杂性的悖论
我回测过很多模型。一个规律是：简单的模型未必会被复杂的模型击败，但复杂的模型更容易出问题。
当你把一维的东西变成二维，把二维变成三维，把简单变成复杂时，需要考虑的因素成倍增加。任何一个维度出错，整体效果就可能很差。这就是为什么系统性的视角很重要——你要考虑的不只是单个变量，而是它们之间的相互作用。
直觉 vs 模型
杨振宁说过，学东西最高的境界是形成直觉。但这个直觉怎么来？很难量化。
人脑在思考时考虑的因素是难以估量的，但现有的模型无法完全模拟人脑的思维方式。而且，每个人的思维方式都不同。所以用一个通用的复杂模型去指导所有人的决策，本身就有问题。
这也是为什么《Superforecasting》讲的那些预测高手的方法很难完全教会别人——他们依靠的是多年经验形成的直觉和对不确定性的独特理解。但这种东西本质上是个性化的。
市场中的噪音
市场有人操作吗？也许吧。但这不重要。
重要的是，市场中充满了信息——利好、利空、各种消息。但对于个人投资者来说，噪信比很高。大部分消息对决策帮助不大，反而容易被带走。
机构能通过大量数据和算力去过滤信号，识别真正有价值的信息。但散户没有这样的能力。所以散户更容易被市场的波动影响，不知不觉就被带走了。
决策中的不确定性
你不能因为某事件发生概率是 50% 就随意做决策，也不能因为概率很低就完全放弃。
统计概率未必反映真实的情况。你需要有正念——意识到自己的无知。但这不意味着什么都不做。
问题是，没有完全的最优决策。在很多情况下，不存在最优解。你只能在不确定中做出相对更好的选择。
评价决策的标准
评价一个策略的好坏，我们看回撤率、夏普指数这些指标。但最终的成果，是由一个又一个决策累积而成的。
没有任何策略是完美的。最终的结果已经不是完美的。
实力与运气
普通人拿到好结果，很多时候要靠运气。但实力有没有？有。
实力决定了你在不同概率事件中的表现下限，但上限很大程度取决于运气。
实力可能体现在你对回撤的控制、对风险的敏感度、心理的稳定性上。这些能保证你不会特别差。但你最终能拿到多大的结果，很多时候还是运气。
反过来，回撤本身也有运气成分。所以两个方向都既有运气也有努力的因素。
最后的悖论
做决策这件事没有最优解。
如果你去追求最优解，有时候会陷入某个细节的陷阱里，过度优化反而造成问题。
有时候，承认不确定性，保持简单，反而是更好的选择。
在一个充满不确定性的世界里，与其追求完美的预测和决策，不如培养对风险的敏感和承受挫折的能力。