查理·芒格:以物理学和数学原理思考复杂性系统

2019-06-17 18:29阅读:
查理·芒格:以物理学和数学原理思考复杂性系统
文/姚斌
查理·芒格先生认为,基于物理学和数学中的一些基本原理来分析导致误判和错误的原因,将会获得非凡的洞见。
每个行为都会产生后果,不管计划如何缜密周密,总是不能预料到所有的事情。我们经常会忽略某个行为产生的预期结果之外的其他后果。不管我们做什么或者不做什么,都会产生一系列的结果,而且它们可能并非是我们预期中的结果。比如,增加一条新通道,却可能会造成交通进一步的滞缓。但为了解决一个问题,可能会导致另外问题,甚至更为严重的问题。比如,校园里老鼠肆虐成灾,为了彻底解决这一问题,学生上交一只死老鼠就会得到一美元奖励。但新问题来了,学生为了赚钱,开始私下里饲养老鼠。
好的动机不能抹去不良的结果。结果并不由意愿决定,但意愿定义上是与“预期结果”相联系的。与其花时间研究理由的成立与否,还不如花精力去研究结果的好坏。好的思考方法要优于好的动机,好的动机可能会产生不良后果。查理·芒格先生说,过分相信专家会让你在灾难面前措手不及,恰恰是因为周密部署的程序可能会导致盲目自信的结果。对冲基金长期资本管理公司管理者的智商平均达到160,但是并没有阻止它的彻底崩溃。自以为能力高人一等、方法高人一筹,常常在自己选择的更为艰险的海域中搁浅。
所以,避免被意外后的后果弄得措手不及的方法之一,就是不要仅仅停留在单一因素上,相反,应该考虑某个行动给整个系统带来的影响。一家公司的利润没有增加,是因为忘了从影响结果的所有可能因素出发。他们没有对降价
后的结果作出预测,没有考虑到影响公司价值的其他因素和情况。
系统的表现将取决于所有内部的组成因素,(人和其他因素),各个因素都会影响系统。系统是部分的整合,也是作用的整合。一家公司各个部分组成一个完整系统。它把这些变量:供应商、职员、客户、需求、竞争等。它有采购、制造、仓储、物流和分配等活动。它的经营还需要技术系统和设备。这些部分都共同工作。
有时,寄希望于某个组成部分最优化,会忽略了整个系统因此而产生的变化。一个小变化会影响整个大系统。个体行为聚集后会引发复杂的行为,而且这种复杂的行为难于预测,这是复杂性系统的基本特征。比如,削减成本并不会自动转化为最高价值。裁员的决定将造成生产和发货环节上的问题,导致产品生产的延期,从而失去部分客户,影响公司的声誉,最终的结果反而是更低的利润。
系统将根据反馈的信息做调整。正反馈将会放大效果,而负反馈将会抑制效果。在股市中,股市下滑将会引发抛售,从而可能引发更多的抛售和股价的进一步下滑等连锁反应。因此,必须试着完善和优化整个系统,而不仅仅是组成部分的某一部分。在改变系统的单个因素后,全面考虑其他变量相应发生的变化。试着对短期和长期的结果进行量化,并研究预期行动的效果,考察最终结果与我们最终目标是否相符。
一家公司的产品降价后,其对手也可能同时跟进,还可能把价格杀得更低,甚至增加市场份额。在思考结果时,要考虑其他人可能的做法。因为我们的利益可能会与其他人冲突,所以决策的最终结果常常依赖于他人的做法。而他人的做法可能又建立在他们对我们未来行动的猜测之上,还依赖于他们可选择性的方案、利益和思维方式,包括错误判断。人类的行为并不总是理性的。
赢者的诅咒最早被发现广泛存在于石油天然气钻探权拍卖市场中。1971年,卡彭等人第一次正式讨论了“赢者的诅咒”。他们发现在墨西哥湾油田拍卖之后,赢者最终在财务上亏损或者实际收益严重低于预期的现象,这还在石油名义价格从3美元涨到35美元的背景下发生的。调查表明,假设目前标的物有限,各方出价者拥有相同的信息,则竟标方越多,对标的物价值越不肯定,从而出价过高的可能性越大。相反,如果我们的目标是创造价值,竞标方越多,我们的出价越要力求保守。在参与竞拍的时候,对标的物的真正价值必须了然于心。
系统的组成部分越多,互动的途径越广,发生的事情也越多,从而对单个行为带来的结果也就越难以决定。变量的数目在增加后,相互间作用的途径会以飞快的速度增加。但是,我们常常对变量间的互动关注不够。在经济领域,有许多因素值得考虑,包括利率、汇率、国际贸易差数据、失业率、消费信心、政治因素、股市、经济周期和偏差等,这些因素相互作用,很难区分哪个最重要。此外,人类的行为变化莫测。一个预测可能会让我们改变期望和行为预期,或多或少地成为现实。
“如果有人能够成功的预测股市波动,何必通过100美元一本的杂志来推销他们的观点呢?”彼得·林奇在《彼得·林奇的成功投资》一书中说:“美国有6万多名经济师,许多人做着全职工作,试着预测经济运行周期和利率变化,如果他们能够连续成功两次,现在就是百万富翁了……但据我所知,他们大多数人目前还是靠工作的收入生活,这似乎也能暗示我们点什么。”
未来的事情无法预料,预料外的事情也常常不期而至。因此,不要相信有人能够预测到无法预见的变量。没有人能预测到利率或者汇率、GDP、经济拐点或股市等,即使利用神通的信息、先进的计算机或者神奇的数学公式也不能。巴菲特早就指出:“我们认为这种预测的精确性完全是幻想,事实上,这些模型只能给决策者营造出一种虚假的安全感,而且将提高犯下严重错误的几率。”
之前发生过很多次的事情并不代表未来仍会继续发生,而过去从未发生过的事情并不代表未来不会发生。初始条件的不确定性以及模型的错误给我们带来了难度。一个变量的初始值的小小数据错误可能会逐步演变,从而导致预测错误。初始数据还可能出现偏差,即使我们能完美地掌握初始状况,我们用来分析的模型也并不理想。物理学和数字上微小的模型错误可能逐步变化,最终导致截然不同的情况。很显然,所有的预测天生都带有不确定性,所以我们有责任提醒别人预测的不确定性和过去的错误率。
尺寸的变化和时间的变化将会影响性状、功能和行为。如果事物的尺寸增大或缩小,它的作用方式也会向更好或更糟的方向变化。比如,有机体的尺寸发生变化后,其力量、表面积、复杂度、新陈代谢、寿命和运动速度均会发生相应变化。
生命体的形成受限于基本的数学原理。重量取决于体积和力量,力量的增长率并不与重量或体积相同。如果让一个生物体的尺寸持续增加,迟早它的力量不能支撑起身体的重量。把一只小恐龙的尺寸增加两倍,重量增长8倍,它的脖颈需要强壮8倍才能支撑其增长了8倍的体重。但脖子的重量与其横切面面积成比例只增长了4倍。最终,脖颈必将不堪重负而折断。
尺寸的概念同样可以适用于时间——事物是如何在长时间内发生变化的,或者事物重复发生的时间。约翰需要招聘一名新助手,于是问老板:“你同意吗?在总工资表中增加2万美元也没什么大不了的。”巴菲特对此的答复是:“这个建议应该被视为一个300万美元的决定,考虑到一个人一生中的加薪、福利和其他支出等,增加一名员工也就意味着增加这么多成本。”微小和缓慢的变化在日积月累后却可能产生重大的结果。
在一定尺寸下,一个系统达到临界质量或极限后,系统行为将发生天翻地覆的变化。它可能会朝着更好或更坏的方向发展,也可能停止工作或者性质发生改变。微小的作用久而久之会积累成为临界状态——不稳定性也在增加。小事件可以引发剧烈的变动,比如地震。但在到达临界值前,小变化可能对系统没有任何影响。当系统的属性突然从一种状态跳到另一种状态,这预示着系统可能发生了质变。
一家企业在达到某个临界点后,将会在经验、采购、营销、制造、管理、调研、物流、配送各方面享受规模优势。举例说,大规模产量能够分摊支出,降低平均成本。这些优势能够推动企业的专业化,在某个领域做精做强。
规模很重要。巴菲特曾就旗下的耐特捷私人飞机公司发表如下看法:“由于耐特捷在产业中的领导地位,使得我们及客户受益良多。目前我们拥有遍布全美的300家飞机,让客户在很短时间内就能得到想要的服务,这种特性让我们可以大幅减少飞机停留在地面上的成本,而小型公司却免不了这些成本。我们拥有的规模经济等优点让耐特捷在面临竞争时拥有强大的优势。”
查理·芒格先生同样也提到另一种规模优势:一个企业的本质是通过阶梯式前进逐步爬到垄断的顶层。最明显的就是日报。在美国,除了一些超级大城市外,基本上每个城市都只有一家日报。这个道理同样与规模概念有关。如果有大的发行量也就意味着大量的广告。一旦广告和发行量都尽收囊中,哪个读者还愿意看那些信息量相对较少的报纸?所以,这就是阶梯式的“赢家通吃”。
但是,万事万物都存在规模极限——最小能小到哪里,最大能大到哪里。英特尔公司创始人之一戈登·摩尔于1965年预期集成电路可容纳的晶体管数每隔18月便会增加一倍。1955年,他把“每年翻一番”修正为“每两年翻一番”。但最终,在到达物理学、工程学和经济学上的极限后,它将可能放缓进程。
统计学显示,一些事件的发生频率与其强弱的特性成反比。大事件或小事件均会发生,但大事件或极端事件的发生频率较小。比如,小地震屡见不鲜,但大地震很罕见。世界上百万富翁有很多,但亿万富翁并不多。
维弗雷多·帕累托研究发现,80%的黄豆是从20%的豆荚里出来的;意大利20%的人口拥有80%的财产。由此可见,一小部分事物常常能够产生绝大部分的效果。比如,一个问题的解决取决于内部仅有的几个缺陷或几个主要责任人。而几个罪犯就可以犯下滔天罪行。约5%的电影能够赢得整个电影产业总利润的80~90%。
巴菲特说:“要达到非同寻常的结果,不一定要做非同寻常的事情。”几个产品或几个客户就可能产生大多数利润,或者几个销售人员就可以贡献总销量的大部分份额。在许多企业活动中,有限的几件事就可能产生巨大的价值。
只优化某一个变量,可能会导致整个系统的效率下滑,因为大多数系统和表现将受困于其最薄弱环节。一个变量就可以限制整个系统能否达到目标的最佳表现。产量的提高可能受一台机器的产能限制。如果一条生产线上的一台机器能生产100个货量,而另一台为90个,产出将受限于第二台机器。
为此,在试图提高系统的绩效时,首先找出系统的关键变量——可能是物理学因素——以及系统内部的因果关系。如果限制我们成长的因素是因为错误的假设,我们可以对它进行修正,然后试着“巩固”或者改变最薄弱的环节。警惕结果产生其他的效应——有利或有害的效应。所以,要常常从整个系统的宏观蓝图出发。