按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
作者：management之神 提交日期：2004…9…29 15：24：00
我们试图像费马和帕斯卡那样思维，但他们从未听说过现代投资理论。—查理·蒙格
下载在沃伦·巴菲特还是一个孩童的时候就已经对数字颇为着迷。我们已经知道他年纪轻轻就已进行普通股投资。但沃伦与数字的关系之深之广，且大大超出资产负债表和损益表的范围却是鲜为人知的。当他没有在思考股市时，年轻的巴菲特总是在着手解决数学难题。曾有一次他决定计算教堂赞美诗的作曲者是否比常人活得更长。他的结论是，具有音乐天赋的人不一定比正常人有更高的长寿概率。
今天巴菲特被数字包围了，而且包围他的不仅仅是股市数字。伯克谢尔的保险业务是所有业务中最具数学挑战的业务，也是统计学和概率论中必讲的一课，当巴菲特没有在想他的保
险业务也没有在想他的证券业务时，他在思考他的最大业余爱好—桥牌。巴菲特自大学时代起就热衷于打桥牌，现在仍每周打几个小时。如果他不能与人面对面地打牌，他就会在网上
与全国各地的桥牌爱好者切磋牌艺。巴菲特认为，桥牌游戏与股市投资有许多共同点。他解释说：“他们都是有百万种推论的游戏。你有许多赖以推论的依据—已打出的和未打出的牌。所有这些推论都会告诉你概率发生的可能性。它是对智力最好的锻炼。每隔1 0分钟，局势都会发生变化。桥牌是关于盈亏权重的比率问题。”巴菲特说： “你每时每刻都在进行计算。”每一个与巴菲特打过交道的人都会告诉你巴菲特具有超凡的快速计算能力。伯克谢尔·海舍威公司长时期的股民，纽约券商克里斯·斯塔夫罗（Chris Stavrou） 回忆起他第一次与巴菲特约见的情景。
“我问他是否曾使用过计算器。”巴菲特回答说：“我从未有过计算器，也不知怎样使用它。”
斯塔夫罗紧追不舍地问：“那么你如何进行繁杂的计算呢？难道你有天赋吗？”
巴菲特说：“没有，没有，我只是与数字打交道的时间太长了，我有些数字感觉而已。”
“你能否为我示范一下？比如9 9×9 9得多少？”巴菲特立刻回答：“9 801 。”
斯坦夫罗问巴菲特他是如何知道的。巴菲特回答说他阅读了费因曼的自传。理查德·费因曼（Richard Feynman） 是诺贝尔物理学奖项得主，也是美国原子弹研究项目的成员。在他的题名为《费因曼先生，你不是在开玩笑吧！》这部自传体书中，他介绍了如何在脑中计算复杂数学的方法。由此我们得出结论：沃伦·巴菲特要么记住了他阅读的所有资料；要么他能在脑中做神速计算。
斯塔夫罗又追问了另一个问题：“如果一幅油画的价格在第6章证券投资中的数学问题1 0 0年内从2 5 0美元涨到5 000万美元，年收益率是多少？”几乎又是在同一时间，巴菲特回答道：“1 3％。”斯塔夫罗惊讶地问道：“你又是怎么做的呢？”
巴菲特回答说任何复利表都会显示出答案。（由此我们是否可以推理他是一个活利率表？可能是吧。） 巴菲特说还有另一个计算这个问题的方法“就是通过它加倍的次数来计算（ 2 5 0
美元加倍1 7 。 6次就得出5 000万美元，每隔5 。 7年就加倍一次，或者说每年增长1 3％）。”他好像在说，这还不简单。尽管巴菲特很谦虚，但他显然是有数学天赋的。基于这个原因，很多怀疑家们声称巴菲特的投资战略之所以有效是因为他有这个能力，而对那些没有这种数学能力的人，这个战略就无效。巴菲特和查理·蒙格说这是不对的。实施巴菲特的投资
战略并不需要投资者学习高深的数学。在一次由《杰出投资家文摘》报道的，在南加州大学所做的演讲中，蒙格解释道：“这是简单的代数问题，学起来并不难。难的是在你的日常生
活中几乎每天都应用它。费马/帕斯卡定理与世界的运转方式是完全谐调的。它是基本的事实，所以我们必须掌握这一技巧。”
概率论
如果我们说证券市场是一个无定律的世界，那么此话就过于简单了。在股票的世界里，有几百种甚至上千种力量在联合左右着价格，所有这些价格都在不停地运动，每支股票都可能
产生巨大的影响力，但又没有一支股票可以被肯定地预测。投资者的职责就是缩小范围，找出并排除那些最不了解的股票，
将注意力集中在最知情的股票上。这就是对概率论的应用。当我们对某一局面不太肯定但仍想表达看法时，我们经常在我们的言语里用上：“可能性是”，或者“可能”或者“不太
可能”。当我们再往前走一步并试图用数字来表达综合观点时，我们就在与概率论打交道了。概率论是不确定性的数学语言。一只猫生一只鸟的概率有多大？零。明天太阳升起的概率
有多大？由于这个事件几乎是肯定发生的，概率为1。任何事件其发生率既非肯定又非不可能时的概率为1 。 0到0之间。决定0 ~ 1 。 0之间的这个小数就是概率论所探讨的问题的全部。1 6 5 4年，布莱斯·帕斯卡（Blaise Pascal） 和皮埃尔·费马（Pierre de Fermat） 俩人互通了一系列信件，信上的内容就构成了当今概率论理论的基础。帕斯卡是一个具有数学和哲学天赋的神童。他受到哲学家兼赌徒舍瓦利埃·德梅瑞（Chevalier deMere） 的挑战，要他解决一个令许多数学家百思不得其解的谜题。德梅瑞想知道如果两位玩牌者不得不在本局牌结束前离开牌桌，他们的赌注应该怎样划分。帕斯卡针对德梅瑞的挑战找到了当时凭借自己的实力获取数学奇才称号的费马。彼得·伯恩斯坦在他那篇题为“对抗上帝”的关于风险的优秀论文中写道：“帕斯卡和费马在1 6 5 4年针对德梅瑞的挑战而交换的信函开创了数学历史和概率论历史的一个新纪元。”尽管俩人着手解决问题的方法有所不同（费马使用的是代数方法而帕斯卡转向几何的方法），但是他们建立了决定几种不同结果的概率论的体系。的确，帕斯卡的数学三角形解决了许多问题，包括你最喜欢的棒球队在已输一场的情况下获得世界系列循环赛胜利的概率有多大的问题。
帕斯卡与费马的工作开辟了决策理论的先河。决策理论是在对未来会发生的事情不肯定的情况下做出决策方案的过程。伯恩斯坦写道：“做出决策是风险管理的首要一步也是必要的
一步。”尽管帕斯卡和费马都为发展概率论立下了汗马功劳，但另一位数学家托马斯·贝叶斯（Thomas Bayes） 所写的文章为将他俩的理论付诸于实践奠定了基础。
贝叶斯1 7 0 1年出生于英国，比费马晚了整整1 0 0年，比帕斯卡晚了7 8年，他的一生并不辉煌。作为一名皇家协会的会员，他生前在数学领域并未发表任何文章。在他死后，他的论文“如何解决随机原理中某一问题的论述”发表了。当时，人们没有对此引起重视。然而，据彼得·伯恩斯坦说，贝叶斯的论述“是一篇极具创新思想的作品，它使贝叶斯在统计学家、经济学家和社会学家中占有不朽的地位。”他为投资者使用概率论的数学理论铺平了道路。
贝叶斯定理教给我们一种逻辑分析方法，即为什么在众多可能性中只有某一种结果会发生。从概念上讲这是一种简单的步骤。我们首先基于所掌握的证据为每一种结果分配一个概率。
当更多的证据出现时，我们对原有的概率进行调整以反映新的信息。
贝叶斯定理为我们提供了不断更新我们原有假设的数学程序（这源于贝叶斯所称的先验信息分布）以便产生一个后序信息分布图。换句话说，先验概率与新的信息相结合就产生了后序
概率，从而改变了我们相对的概率机遇。这一切都是如何操作的呢？假设你和你的朋友在某个下午正在玩你们最喜欢的掷骰子跳棋游戏，你们一边玩一边聊着，棋局已接近尾声。这时你朋友说的什么话触动了你想打赌的愿望，但只是友好性地赌注。在掷骰子跳棋游戏中，掷一次骰子直接获得6这一面的机会是1 / 6，即1 6％的概率。但这时假设你朋友投了骰子，但很快用手将骰子盖住并偷偷看了一眼，她说：“我可以告诉你，这是一个双数。”有了这条信息，你赌赢的机会就变成了1 / 3，即3 3％的概率。正当你在考虑是否改变赌注的时候，你的朋友又开玩笑地说：“这个数不是4。”有了这条信息你赌赢的机会再次改变，变成了1 / 2，即5 0％的概率。在这种简单的关系中，你已经实施了贝叶斯的分析方法。每一条新信息都会影响你原来的概率假设，这就是贝叶斯推理。
贝叶斯分析法试图将所有可得信息都融入推理或决策过程中从而对潜在本质情况进行判断。学院使用贝叶斯定理帮助他们的学生研究决策。在大学课堂里贝叶斯定理被广泛地称之为
决策三段论。三段论中的每一分支都代表新的信息，这些信息反过来会改变决策中的力量对比关系。查理·蒙格说：“在哈佛商学院，将第1年的学生捆绑在一起的数学课程就是被称做决策三段论的课程。他们所做的事情就是将高中所学的代数知识应用到现实问题中去。学生非常喜欢这门课。他们惊奇地发现高中代数在生活中发挥着功效。”
对概率的主观判断
正如查理所指出的，基础代数在计算概率时非常有用。但要把概率理论应用到实际投资当中去，还需要对数字计算的方法有更深刻的理解。特别是要注意频数这一概念。
掷硬币猜中头像一面的概率为1 / 2，这意味着什么呢？或者说掷骰子单数出现的概率为1 / 2，这又是什么意思呢？如果一个盒子里装有7 0个绿色大理石球， 3 0个蓝色大理石球，为什么蓝色大理石球被捡出的概率为3 / 1 0？上面所有的例子在概率发生事件中均被称为频率分析，它是基于平均数的法则。如果一件不确定事件被重复无数次，事件发生的频数就会
被反映在概率中。例如，如果我们掷硬币1 0万次，预计出现的头像次数是5万次。注意我没有使用它将等于5万次。按无限量大的原理只有当这个行为被重复无数次时，它的相对频数与概率才趋向于相等。从理论上讲，我们知道投掷硬币得到“头像”这一面的机会是1 / 2，但我们永远不能说两面出现的机会相等，除非硬币被掷无数次。
在我们解决任何不确定因素的问题时，很明显我们永远都不能给出绝对肯定的答案。但是如果这个问题界定得当，我们应该能够列出所有可能发生的结果。如果这个不确定事件被反
复重复，这些结果的频数应该能反映出不同结果的概率。但是当我们考虑的是只发生一次的事件时，问题就来了。
我们怎样预测明天科学考试通过的概率？或者是绿湾派克队重新夺取超级碗橄榄球冠军的概率？我们面临的问题是，这些事件都是独一无二的。我们可以回顾绿湾队比赛的整体配队
阵形，但我们还是没有准确的每个球员重复配合在相似条件下打球的一一对应资料。我们可以回顾过去科学考试的情况从而了解他们考试的状况，但每次考试的情况是不同的，对他们的了解也是不连贯的。
没有重复性的试验就无法产生频数分布，那么我们怎么来计算概率呢？我们没有办法计算，相反只能依赖对概率的主观判断。而且我们经常这样做。我们可以说派克队夺取大奖赛冠
军的机会是2∶1，或者学生通过那个难度很大的科学考试的机会是1 0∶1。这些是大概性的陈述；他们描述了事情可能发生的“可信度”。当某一事件不可能被重复多次以得出基于频数的概率判断时，我们只能依赖自己的感觉了。
你可能马上就意识到对上述两类事件的主观判断可能都是错误的。在主观概率中，一切都取决于你如何分析你的假设。你先停下来将局面全面想清楚。你得出1 0∶1的考试通过率的
假设是因为考题太难，学生没有充分复习还是因为过份的谦虚？你对派克队的一贯忠诚和信赖是否遮住了你的双眼使你对其他球队的超级力量视而不见？按照教科书里所传授的贝叶斯分析法，如果你的假设分析是理智的，那么将你的主观概率与频数概率等同起来是“完全可以接受的”。你所要做的工作就是筛除不理智、不符合逻辑的假设而保留理智的假设。如果你认为主观概率方法充其量不过是频数概率方法的延伸，这对你是很有帮助的。事实上，在很多情况下主观概率是有增值作用的，因为这种方�