黑天鹅读后感

《黑天鹅读后感》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、黑天鹅读书笔记塔嘞布将极少发生而一旦发生，就会有颠覆性影响的事件为黑天鹅事件。黑天鹅事件有四个特征：发生非常罕见、影响却非常巨大，尽管时候有万般解释，事前却根本无法预测，但是可以事先做好预防。巴菲特分析，认识黑天鹅事件的错误是：“只关注历史经验，而没有关注风险暴露。”历史经验是指观察过去基于历史事件的发生情况来预测未来再次发生的可能性和后果。风险暴露与之相反，是考虑一种事件在历史上，尤其是近期历史上未能揭示出而确实隐藏着的再次发生的可能性和影响程度。黑天鹅事件无法预测，却能预防。应用于股市投资上，一是不打无把握之仗，有送命或亏光老本的风险，再赚钱也不干；二是善战者立于不败之地，决

2、不做超出风险承受能力的投资。无论是人生，还是投资，我们可以死于无常，但不能死于无知。黑天鹅的逻辑是，你不知道的事比你知道的事更有意义，因为许多黑天鹅事件正是由于它们不被预期而发生和加剧的。既然黑天鹅事件是不可预测的，我们就需要适应它们的存在。所有人都知道预防比治疗重要，但预防只得到很少的奖赏。几乎所有关心事态发展的人似乎都确信自己明白正在发生什么。每一天都发生着完全出乎他们预料的事情，但他们就是认识不到自己没有预测到这些事。在理想的平均斯坦，特定事件的单独影响很小，只有群体影响才大。可以这样陈述平均斯坦的最高法则：当你的样本量足够大时，任何个例不会对整体产生重大影响。最大的观察值

3、虽然令人吃惊，但对整体而言最终微不足道。在极端斯坦，不平均即是指个体能够对整体产生不成比例的影响。个体能够轻易地以不成比例的方式影响整体。看看黑天鹅事件的影响。极端斯坦能够制造黑天鹅现象，也确实制造了因为少数事件已经对历史产生了巨大影响。这是本书的主要观点。平均斯坦与极端斯坦之间的差别还有另一种说法：在平均斯坦，我们受到集体事件、常规事件、已知事件和已预测到的事件统治；在极端斯坦，我们受到单个事件、意外事件、未知事件和未预测到的事件的统治。极端斯坦并不全是黑天鹅现象。有些事件很少发生，很有影响，但某种程度上是可以预测的，尤其是对那些有准备并且有方法去理解它们的人。这些事件很稀少，

4、却在预测范围内。错误地把对过去的一次天真观察当成某种确定的东西或者代表未来的东西，是我们无法把握黑天鹅现象的唯一原因。正面的黑天鹅事件需要事件来显现它们的影响，而负面的黑天鹅事件发生得非常迅速——毁灭比缔造要容易和迅速得多。没有证据表明会发生大事，即黑天鹅事件。但是，你会把这一说法理解为证据表明黑天鹅事件不会发生。一系列证实性事实未必是证据。看见白天鹅不能证明黑天鹅的不存在。我们可以通过负面例子而不是正面证据接近真相！对观察到的事实制定通用法则是具有误导性的。现代世界是极端斯坦，被不经常发生及非常不经常发生的事件左右。它会在无数白天鹅之后抛出一只黑天鹅。作为灵长类的人类，我们十分

5、渴求规律，因为我们需要把事物简化，好让它们进入我们的头脑，或者说好把它们挤进我们的头脑。信息越具有随机性，事物就越复杂，因而越难以概括。你越概括，让事物越有条理，随机性就越低。因此，正是我们的简化行为使我们以为世界的随机性比实际上小。而黑天鹅现象是我们不去简化的事物。我们不断根据事件发生之后我们觉得有道理的逻辑重新叙述过去的事件。我们从重复中学习，但忽略了从未发生过的事件。不可重复的事件在发生之前是被忽视的，在发生之后则被过度估计。稳定和没有危机的情况刺激了冒险和自大，降低了对可能发生的问题的认识。然后危机发生了，使人们感到震惊并害怕投资。捷径：系统1：经验模式，是不费力的、易出

6、错的。它就是所谓的“直觉”，以很快的速度发挥着强大的作用。毫无疑问，这些捷径是有效的，但有时，它们会导致我们犯严重的错误。系统2：认知模式，是费力的。它犯的错误比经验模式少，因为你知道结果是如何得来的，你能够返回你的思考步骤，对它们进行适应性修正。许多人在生活中忙忙碌碌，相信自己在做的正确的事，但很长事件都无法拿出实实在在的成绩。他们需要一种不时获得满足感的能力，才能不断受到周围人的残酷打击的情况下不失去勇气。历史既向我们隐藏了黑天鹅现象，又隐藏了它制造黑天鹅现象的能力。不要根据获胜的赌徒的优势计算概率，而要根据所有一开始进入赌局的人计算。那些我们没有看到的结果通常更有意义。你的

7、生命曾遭受严重威胁，但你幸存下来，于是你在事后会低估情况的实际危险性。实际上，许多冒险家自以为是命运的宠儿，这只是因为冒险家很多，而我们没有听到那些背运的冒险家的故事。这些“专家”具有偏向性：当他们正确的时候，他们将之归功于他们的洞察力和专业能力；当他们错误的时候，他们要么怪具体形势超出常规，要么根本不知道自己错了，还继续编故事。他们很难承认自己的知识有限。但我们的所有行为都有这种特点：我们体内有一种维护自我评价的东西。人类在对随机事件的认识上容易犯不对称的错误。我们把成功归因于