第一节 系统思考
1.预料中和预料外的结果
《伊索寓言》曾经讲了这样一个小故事 : 有个寡妇养了一只母鸡，母鸡每天下一个大蛋。一天， 这个寡妇自言自语道 :“ 如果每天给鸡喂双倍的大麦，它不 就能下 两个蛋吗?” 于是，她每天喂鸡的大麦量增加了一倍，结果母鸡越长越肥，也越来越懒，最后甚至连一个蛋也不下了。
每个行为都会产生结果。不管计划如何缜密周详，总是不能预料到所有的事情。我们经常忽略某个行为产生的预期结果之外的其他后果。政治、药品、福利方案、技术、军事行动以及法律等都会产生意想不到的结果。不管我们做什么 (抑或是不做什么)，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。交通工程师在一项研究中发现， 增加一条新通道( 比如说更直接的通道) 却可能会造成交通进一步滞缓。 合流时汽车一个紧挨着另一个，在此过程中车流也开始放缓。此外，对行车安全的研究还表明，佩戴安全带恰恰会让司机放松警惕，导致车速更快或者开车更粗心。
为了解决一个问题，可能会导致另外的问题，有时甚至是更为严重的问题。
校园里老鼠肆虐成灾，为彻底解决这一问题，学生上交一只死老鼠就会得到 1 美元的奖励。奏效了! 但新问题来了，学生为了赚钱开始私下里饲养老鼠。
行动产生结果，而结果可能引发一连串的效果。查 理·芒格给我们举了一个发生在医疗保险业的例子 : 所有保险精算师都认为这项成本为 X，但结果却往往高 于 10X......他们并没有考虑连环效应的因素...... 没有全面地考虑改变规则后带来的的诱因效果。在他们创建的这个系统中，实际补偿的资金已经超过了成本，即成本基础附加了其他的费用。这个系统一成立，医院和医生就千方百计说服病人使用患者能够得到补偿的医疗服务......这对医院有利，对 医生也有利，但对病人和纳税人却不利。
好的动机能够抹去不良的后果吗? 当然不能。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。正如 塞缪尔·约翰逊说的 :“通往地狱的道路都是由好意铺设 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。 问问自己 :我们试图改善什么? 预期将会发生什么? 实际结果是积极还是消极的?（好心办坏事）
好的思考方法要优于好的动机。18世纪法国国民大会代表皮埃尔·杜邦(Pierre S.du Pont)说 :“糟糕的逻辑学家 不自觉间犯下的罪行要多于坏蛋有意犯下的。”
好的动机可能会产生不良后果。 查理·芒格举例说 : 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＂近期彻底崩盘，尽管公司管理人智商平均达到 160，但聪明和勤奋的人 也不能避免盲目自信带来的职业灾难。因为自以为能力高人一等、方法胜人一筹，常常在自己选择的更为艰险的海域中搁浅。 当然， 过分细致和缜密的思考 并不总能行得通，还会导致额外误差 或者溢出误差(extra error)，这的确让人心生烦恼。 大多数好事都附带着让人不快的副作用，思维也不例外
所以避免被意料外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，应该考虑某一行动给整个系统带来的影响。
2.整个系统
销量下滑后，约翰建议 :“ 为什么不降价?这个方法肯定能赢得消费者和推动销售在价格上的损失可以用销量来弥补，最后就能提高市场份额，而利润也必然增加。”
“我们哪里出错了?市场份额在下滑。利润和股价双双缩水。”
“创思公司的利润为什么没有增加? ” 因为忘了从影响结果的所有可能因素出发。他们并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。创思公司当时满心希望能够以降价促销量，但降价后一些情况也相应发生了变化。比如说，销量的增加影响了成本、运转情况和投资营业资本的需要。此外，由于技术局限性导致了产出问题，又或者降价并不足以吸引顾客赢得竞争。
系统的表现将取决于所有内部的组成因素(人或其他因素)，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。拿一家企业来说，各个部分组合成了一个完整的系统。它包括这些变量 : 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。
创思公司裁员 200 人以削减成本。
有时候，我们寄望于把某个组成部分最优化，忽略了整个 系统( 即我们最终希望得到的结果) 因此而产生的变化。 创思公司没有意识到一个小变化会影响整个大系统。削减成本并不会自动转化为更高的价值。创思公司裁员的决定将会造成生产和发货环节上的问题，从而导致产品生产的延期，这显然将会失去部分客户，还会影响公司的声誉。最终的结果反而是更低的利润。
为什么要降价?其目的何在?创思公司的终极目标是什么?
系统将根据反馈的信息作调整。正反馈将会放大效果，而负反馈将会抑制效果。以股票作为正反馈一例来说，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。反面的例子就是股市泡沫。恒温调节器可以视为负反馈的典型例子。
试着完善和优化整个系统，而不仅仅是组成系统的某一个部分。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。
问问自己 : 影响系统结果的关键因素是哪些，它们之间如何互动? 一个行为的结果可能会使得其他因素发生什么变化? 考虑到所有影响和隶属于系统的相关因素，该行动将会对系统产生哪些可能性( 包括有利和不利的)结果? 最终结果是我们想要的吗? 比如说，一位经理人试着问自己 : 考虑到影响企业价值的所有重要因素，企业的价值将发生哪些变化?
全盘考虑，包括考虑其他人的反应。
3.他人的反应
博弈论是研究对手之间如何利用才智和谋略进行较量的学问。
——威廉·庞德斯通 (William Poundstone，摘自《囚徒困境》)
创思公司采取降价手段后销量却下滑。
究竟发生了什么? 因为创思公司的对手同样采取了降价措施。竞争对手不仅会跟进减价，还可能会把价格杀得更低，维持、争抢，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其他人的做法。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。正如我们之前所了解到的，人类的行为并不总是理性的。
博弈论研究个人或群体为达到彼此目的与他人互动的行为。在第一章中，我们通过＂囚徒困境” 这一实例了解到了博弈论。它也适用于谈判。决定谈判最终结果的因素包括 :
(1) 参与者的数量 ;
(2) 未来是否有再次对弈的机会 ;
(3) 再次对弈的时间 ;
(4) 身份隐匿性和双方了解程度;
(5) 我方相对的优势，包括其他选择、后备方案和达成一致的意愿强度。
赢者的诅咒
我给俱乐部发了一封电报 :“请同意我辞职。我不想加入一个愿意收我这种人为会员的俱乐部。”
——格罗奇·马克斯(Groucho Marx)
几家矿业公司正在竞标银矿开采权，包括创思公司旗下的矿业公司。
没有一家公司目前能准确地预知银矿的多少和它们真正的内在价值。每个竞标公司都从专家那里得到了 关于开采权价值的估价，从概念上来说，专家的估价会出现很大出入，有些估价太高，有些则太低，有些企业的专家可能会作出接近的预测，但他们没有中标。赢家是创思公司旗下的矿业公司。因为他们聘请的专家对价值作出了最乐观的预期(出价最高者得标) 。但开采的银矿量最终证明低于专家的猜想，而价值也低于矿业公司赢得开采权的价格。 这就是赢者的诅 咒，因为竞价高于其内在价值。之后还证明矿业公司同样低估了产出成本。
最早对“赢者的诅咒”这一概念进行研究的是大西洋富田公司(Atlantic Richfield) 的三位工程师，卡彭、克拉普和坎贝尔，他们 通过对企业竞买油田开采权的研究，得出了这样一个基本观点《石油技术杂志》，1971 年 6 月 :“ 夺标者大多是对土地储备潜力过分乐观者。”
假设目前创思公司 10 个部门都各自有一个项目，由于时间和资金有限，只能选择一个项目。哪个项目最有可能入选? 当然是看起来最有吸引力的一个。但公司各部门经理人必然会竭尽全力让各自的项目充满吸引力，所以创思公司面临过分高估项目价值的风险，最终将以失望结束。
“太好了，我们赢得了拍卖。”。 约翰说。“你们‘赢得’ 的不过是高于其他人预期价格的‘购买权’。”玛丽说。
竞拍赢家也暗示了谁的预期最乐观。在竞买房屋、企业、工程或买卖洽谈过程中，买方对赢得竞拍行为的意义一无所知。有时买方会高估标的价值，导致出价过高。
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，则竞标方越多，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。这就是说，如果手中拥有的信息相对其他竞争者较少，而且对其潜在价值确定性较低，我们的出价也要偏低。 所以 在参与竞拍的时候，对标的物的真正价值要了然于胸。
在与第二方谈判中，如果对方是卖方，它将拥有信息优势。它有可能在最不利于我方的条件下接受我方报价，特别是在双方只有一次交往或对方身份处于隐秘的情况下。
不妨从卖方角度来考虑。问问自己 : 对方出售的动机是什么? 换作我是他，会考虑什么? 同那些拥有完全信息的人相比，我能比他们作出更好的决策吗?
4.预测
不要让我作任何预言，如果我知道明天有什么新的发现，我早就抢先一步发表出来了。
——亨利·庞加莱 (法国数学家和科学家，1854-1912 年)
有人问 查理·芒格，企业应该对社会问题担负什么样的责任，他回答说 : 我完全赞成解决社会问题，也赞成对穷人施以慷慨之手，同时还赞成只要证据充分，就做那些利大于弊的事情...... 但我反对的是过分自信和感觉良好，认为自己的一些干预行为必定会利大于弊。 因为 你面对的是一些复杂的系统，系统内部每个因素都相互影响相互作用
古希腊哲学家赫拉克利特说 :“惟有变化才是永恒的。” 世界复杂多变，行为结果难以预料。也许 一家企业能够预料到需求下滑、竞争白热化等前景，但有些事情，诸如它们的时间表、程度或结果却难以预期。
马克·吐温说 :“ 预知未来是一门艰深的艺术。” 如果 我们无法(或不能)预知或者理解整个系统的工作原理、各个重要变量以及它们的特征、相互影响和作用，即使我们知 道关键性变量，也无法预估它们的价值。因为价值的决定依赖于不同的情况，还可能一直在变化。而且它们在系统内的互动过程也难以考量。
可以说，系统的组成部分越多，互动的途径越广，发生的事件也越多，从而对单个行为带来的结果也就越难以决定。
根据 杰拉尔德·埃德尔曼的说法，大脑就是一个复杂的系统 : 一个复杂的系统是由许多不同且相互独立的部分组成 的， 而各部分又衍生出更小的组成部分，这些次级组成部分彼此连动，它们的功能整合一体，在这些高级整合中，又催生出更多的新功能。这也是人类大脑的状况。
变量的数目增加后，相互间作用的途径以飞快的速度增加， 假设有两个子系统 A 和 B 组成一个大系统，每个子系统 又囊括了 5 个部分。如果我们计算各个部分间的互动方式， 可以得到 A 系统组成部分有 10 种互动方式，B 系统同样有 10 种，A 和 B 两个系统间的组成部分有 25 种互动方式。这表明决定系统一个行为的要素有 55 种(A 系统 5 个部分 +B 系统 5 个部分 +A 系统 10 种互动 +B 系统 10 种互动 + AB 间 25 种 互动)。 所有的决定要素中有 18% 来自于 A 系统和 B 系统的 组成部分(10 55)，有82%(45 55) 来自于互动的结果。现在假设一个系统中的组成部分 A 和 B 各自又有 100 个子部分， 那决定要素为 20,100 个(100+100+4,950+4,950+10,000)， A 和 B 之间的互动为 19,900 个，这意味着系统决定因素中有99% (19,900 20,100) 中来自于互动的结果。
我们常常对变量间的互动关注不够，拿经济领域来说，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。这些因素互相联系，很难区分哪个最重要。此外，人类的行动变化莫测。我们是情感动物，偏好会变化，会针对他人的实际决定或预期决定作出反应。一个预测可能会让我们改变期望和行为，让预期或多或少地成为现实。
查理·芒格说 :“ 我们试着预测什么样的个人投资才能在大潮里如鱼得水。之后，虽然大潮的效果没有显现出来，但我们却受到了它们的影响。”
“如果有人能够成功地预测 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?”
美国富达基金的前经理人彼得·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”
预测仅仅是把过去运行曲线投射至当前趋势的过程。因为预测的指向是未来，而我们立足点是在现在，这也很正常。所以我们预想中的未来或多或少是现在的复写，但未来的事情无法预料，预料外的事情也常常不期而至，比如说，谁能在 1900 年预测到一次大战和二次大战的发生、1929 年的股 市崩盘、“切尔诺贝利(Chernobyl)” 核泄漏事件，或者像电视机、激光、电脑、英特网或 DVD 等新科技?许多重要的发明是准确判断和偶然因素的结果。比如说，1867 年 诺贝尔在偶然一次机会中发现硝酸甘油漏进硅藻土(海底动物的小遗骸石化形成的矿物质) 里后，会形成一种像生面团似的东西，这比使用液体硝酸甘油来引爆要安全多了。他称之 为“炸药”。
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。沃 伦·巴菲特说现代人似乎对计算机模型和它的预测精确性过分依赖 :“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。”
经济学与物理学不同。没有一个可靠或者精确的公式可以让我们用来计算各种经济要素的价值，轻松地完成任务。 查理·芒格说 :“经济学包含的系统太复杂...... 经济学应该努力培养物理学的学科气质，但在经济学中 如果一味追求物理公式的精确度是不对的。”凯恩斯也说 :“ 把一个模型转化为可以量化的公式就是毁坏了它作为思维工具的有效性。”
财经作家罗杰·罗文斯坦在其 著作《天才的殒落》(When Genius Failed) 中说 :“ 这一 次有个罗伯特·默顿（因提出用于衡量 风险管理的数学公式而获得 1997 年诺贝尔奖) 提出了一个 管理风险和预测几率的简练模型，下一次 就会发明出一种有着完美记忆、并能够准确量化未来风险的计算机，但投资者的做法显然应该是相反的。”
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。拿灾难性事件来说，谁能预测到 2001 年 9 月 11 日 世界贸易中心发生的恐怖袭击? 同时劫持多架民航飞机攻击美国这是无法想象的事情，但事情却实实在在地发生了。
现代史教授理查德·伊文斯在 著作《捍卫历史》(Defence of History)中表示:“ 一次又一次，历史被证明了并不是未来事件精确的预测器。这是因为历史从不重复自己，而人类社会没有任何东西...... 能在同样的情况或方式下连续复制自己。”
有时候，我们能够预料到必然发生的事情，但对它们具体发生的时间却无法预测。
从现在开始，雨会一直下两个星期吗?
有些事在短期内可以预测，但长期内却不能。假以时日，小变化也能产生大效果。就拿长期天气预报来说。许多因素决定天气状况，而这些因素在事先并不能做到准确测量。气温和对海洋压力的微小变化就有可能导致未来暴风雨系统形成的巨大变化。 所以，距离预测的时间越长，长期天气预报的准确率越低。
初始条件的不确定性以及模型错误给我们带来了难度。比如说，一个变量的初始值的小小的数据错误可能会逐步演变，从而导致预测错误。初始数据还可能会出现偏差，但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完美。物理学或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。比如说，并不是所有的大气过程都被我们理解。此外，所有的天气模型都是以有限的差分网格 1 和有限的区域为基础，被研究地区在10-100公里的区间操作这意味着利用数值来解决和表示的方法作用有限，因为许多影响天气状况的物理过程和特征小于网格距尺度的运动，无法在模型中确切地反映出来2 。比方说，能量在表面的转化、不明显的大气过程 ( 比如说局部风暴 )、地形测量、湖泊、植被等都包含着次网格过程。模型必须用参数化的方法来考虑这些次网格过程的效果，而参数化过程就是简化和取近似值的过程，从而导致了许多模型错误。可见，即使在我们了解了天气生成的所有原理和影响天气的所有因素后，根本的局限性使得我们很难作出准确的预测。
许多气象学家知道他们无法作出万无一失的预报，所以对未来的天气情况不做是或否的绝对性预报。他们换了一种方法，试图在天气预报中把未来走势不明的状况进行量化 (“本周六降雨的可能性为 20%” )。这种不确定性在短期内较小，而长期内较高。此外，它也随天气状况、预测的地理位置和地区范围的不同而变化。如果气象学家试图对两周后的天气状况进行预测，他们会参考过去降雨的气象频率。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。爱因斯坦 1954 年 3 月 14 日的一封信中写道 :“探索真理的权利也意味着一个义务 : 任何人都不应掩盖他所认识的任何真理。”
1.数值天气预报以网格点数值形式发布——2.这种过程叫做次网格过程——一一一一一