凸性效应

共学《反脆弱》

——第19章 炼金石与反炼金石

1、 如何理解如果⼀个⼈是脆弱的，平均数对TA⽽⾔是没有意义的？举例说明。

如果一个人的反应越是非线性，平均数的相关性就越低, 围绕平均值保持稳定的重要性就越高。平均数——也就是一阶效应。

通过举例如何失去祖母例子来说明：

如果祖母所在地方的平均温度非常宜人，约为21摄氏度。第一印象就会认为21摄氏度对老人来说是最适宜的温度。会对这个信息非常满意。让祖母在哪里生活。

但还有第二组数据。祖母第一个小时处于零下8摄氏度的环境下，而在第二个小时处于60摄氏度的环境下，平均温度则是非常理想的地中海温度，也就是21摄氏度。当温度偏离21摄氏度越远，伤害就越大。第二组数据，也就是有关温度变化的信息，要比第一组数据更重要。如果一个人在变化面前是脆弱的，那么平均数的概念就是没有意义的，温度的偏差远比平均温度重要。祖母对温度的变化和天气的波动是脆弱的。第二组数据称为二阶效应，或者更确切地说，叫作凸性效应。

所以，祖母的健康在温度变化面前的脆弱性，我们只关注平均值21度是没有意义的，更要关注第二组数据，二阶效应。

在我们的日常工作生活中，不要只是简单地关注表面现象，更要关注发生事件背后的原因及客观规律。

2、⾮线性更容易受到极端事件的影响（负⾯⿊天鹅），后果⾮常严重，但为什么⼈们对其漠不关⼼？

    脆弱性直接源于非线性和负凸性效应，错误和脆弱性相关，结果产生负凸性效应。

非线性更容易受到极端事件的影响——没有人对极端事件感兴趣，因为他们普遍对其有抵触心理。

负面黑天鹅的出现是因为人们都有抵触心理，对波动性厌恶，都会有损失厌恶。往往会蔑视一看就懂的东西，如果把简单易懂的想法用复杂深奥的数学方式来表达，反而会非常重视。通过举例房利美破产事件来说明。

3、 对你的启发是什么？

启发：

平均数的概念可以是良好的简化信息，也可以是削足适履的典型。

我们要注意避免出现塞入普罗卡拉斯提斯之床的信息，要根据具体的信息，不要只是停留在一阶效应，要多分析，判断优缺点，不能本末倒置，出现削足适履的现象，不要选择错误的变量进行更改，或者作为判断依据。

由于非线性，某个变量的函数与某个变量的行为会有很大差别。

1) 非线性越大，变量的函数与变量本身的行为差异就越大。

2) 变量越不稳定，即不确定性越强，则函数与变量本身的区别就越大。

3) 如果该函数呈现凸性(反脆弱性)，那么变量函数的平均值将比变量平均值的函数要高。

4、 印象深刻的⼀句话是哪句话？

“正当我以为自己可以置身事外时, 他们却把我拉了回来。”

“你可以愚蠢，但只要具有反脆弱性，表现仍然会很好。”

“如果你拥有有利的不对称性，或正凸性（选择权是特例），从长远来看，你会做得相当不错，在不确定的情况下表现优于平均数。不确定性越强，可选择性的作用越大，你的表现就越好。这个属性对人生来说非常重要。”