第十七章 洛克的疯子――在错误的地方出现的钟形曲线（第2 / 3页）

我在第十一章提到过，有些人以伪前提作为“正式思考”游戏的开始，从而制造“严格的”理论，比如默顿的导师保罗·萨缪尔森和英国的约翰·希克斯（John Hicks）。这两个人破坏了凯恩斯的思想，并试图把它形式化。（凯恩斯对不确定性感兴趣，不喜欢各种模型产生的封闭型思维的确定性。）其他喜欢正式思考的人包括肯尼思·阿罗（Kenneth Arrow）和杰勒德·德布鲁（Gerard Debreu）。这4个人都是诺贝尔奖获得者，都处于一种数学导致的幻想状态，迪厄多内（Dieudonné）认为这些模型过于抽象，超过了必要的程度，这使它们完全无用，但最终他自己被孤立了，这是反对者通常的下场。^{<a id="note5" href="#note5n">[5]</a>}

后来者的背叛

如果你对他们的研究提出质疑，就像我质疑小默顿一样，他们会要你提供“严格的证据”。所以他们制定了游戏规则，你得按他们的规则行事。我是一个实践者，我的工作是从事复杂但从经验主义角度可以接受的数学，所以我无法接受假装的科学，也不接受追求确定性的失败科学。这些新古典模型的建立者是不是在做着更糟糕的事情？他们有没有可能编造确定性的假象？

去掉过去50年中美国股市单日涨幅最大的10天，我们会看到市场收益的巨大差异，而传统金融学仅仅把这些单日大幅上涨当作异常。（这只是这类例子中的一个。虽然对于随意的阅读来说，它很具有说服力，但还有许多从数学的角度看更具说服力的例子，比如10西格玛事件的发生率。）

我们来看一看。

小默顿是新古典经济学的代表人物，我们在长期资本管理公司的例子中已经看到，新古典经济学最有力地体现出了柏拉图化知识的危险。^{<a id="note4" href="#note4n">[4]</a>}从他的方法中我看出如下模式。他以僵硬的柏拉图化的假设为起点，完全不具现实性，比如高斯概率分布以及许多同样令人厌烦的分布。然后他提出“定理”和“证明”，数学逻辑严谨而漂亮。定理与现代投资组合理论的其他定理也相符，后者又与别的定理相符，一整套关于人们如何消费、储蓄、面对不确定性、花钱和预测未来的理论体系因此建立了起来。他假设我们知道事情发生的概率。可恶的“均衡”一词总是会出现，但这整套理论就像一个完全封闭的游戏，一种规则齐全的垄断。

可以说瑞典银行和诺贝尔委员会在很大程度上推动了高斯现代投资组合理论的应用。软件销售商能够把这种“斩获诺贝尔奖”的方法卖出几百万美元。用它怎么可能有错呢？奇怪的是，业内每个人一开始就知道这一理论是错的，但人们习惯了这种方法。据说美联储主席格林斯潘曾说：“我宁愿听一个交易员的意见，也不愿听数学家的意见。”同时，现代投资组合理论开始传播。我要反复说下面的话，直到声音嘶哑：社会科学理论的命运取决于其传染性，而不是其正确性。

运用这种方法的学者就像洛克（Locke）定义的疯子：一个“从错误的前提进行正确推理的人”。

现在简单看一下“诺贝尔”经济学奖，它是瑞典银行为纪念阿尔弗雷德·诺贝尔设立的，根据希望撤销该奖的诺贝尔家人的说法，诺贝尔现在或许正恶心得在坟墓里翻滚。一位激进的家族成员把这一奖项称为经济学家为了把经济学推到高于应有的地位而进行的公关骗局。确实，该奖曾颁给一些有价值的思想家，比如经验心理学家丹尼尔·卡尼曼和思想经济学家弗里德里克·哈耶克。但评奖委员会也已经习惯于把诺贝尔奖发给那些用伪科学和伪数学为经济学“带来严谨性”的人。在股市崩盘之后，他们授奖给两名理论学家哈里·马克威茨和威廉·夏普：他们以高斯方法为基础，建立了漂亮的柏拉图化模型，对所谓的现代投资组合理论做出贡献。很简单，假如你去掉他们的高斯假设，把价格当作突破性变量，你能找到的就只剩下吹牛。诺贝尔委员会可能验证过夏普和马克威茨的模型，其作用就像网上出售的江湖偏方，但斯德哥尔摩似乎没人考虑这一点。委员会也没有征求我们这些实践者的意见；相反，它依赖于某种学术审查，而在有些学科，这种审查可能已经腐败到骨子里了。这次颁奖之后，我做了一个预测：“在这两个人能够获得诺贝尔奖的世界里，任何事都有可能发生。任何人都可能成为总统。”

优雅的数学有这样一个特点：它完全正确，而不是99%正确。这一特点能够取悦不喜欢模糊状态的机械头脑。不过，你不得不在某些地方作弊，才能让世界符合完美的数学，你不得不在某些地方做无意义的假设。但我们在哈迪的话中已经看到，专业的、“纯粹的”数学家是尽可能诚实的。

最奇怪的是，商务人士在听我演讲或听我讲案例时通常同意我的观点，但当他们第二天走进办公室时，又会回归他们习惯的高斯方法。他们的思维具有领域依赖性，所以在会议上他们可以进行批判性思考，但在办公室却不行。而且，高斯方法可以给他们数字，这似乎“比什么都强”。对未来不确定性的计算结果满足了我们对简单化的内在需要，即使它把不能用如此简单的方式描述的事物压缩成一个数字。

怀疑经验主义者提倡相反的方法。我关心前提甚于关心理论，我希望把对理论的依赖降至最低，我希望脚踏实地、减少意外。我宁愿追求大体的正确，而不是因追求精确而犯错。理论的简洁通常意味着柏拉图化和缺陷，它诱使你为了简洁而简洁。理论就像药物：经常无用，有时必要，只考虑自我，偶尔致命。所以必须小心、谨慎地使用，并且要有成人的监督。

显然，任何需要大于6西格玛的数字来证明市场属于极端斯坦的人都应该去检查一下大脑。已有数十篇论文指出过高斯家族概率分布的缺陷以及市场的突破性。请注意，多年来，我自己已经对2000万条数据进行了反向与正向的统计研究，这使我鄙视任何以高斯分布描述市场的人，但人们就是无法接受这一点。

任何人都可能成为总统

所以令人感到疑惑的是，像默顿这样的人居然想当无懈可击的数学家，而不是专注于让模型符合现实。

我不知道的是，1987年并不是高斯方法第一次显露出欺骗性。曼德尔布罗特在1960年左右向经济学界提出突破性分布的观点，并向人们展示高斯曲线不能描述当时的市场价格。但在兴奋之后，人们意识到他们不得不重新学习。当时一位具有影响力的经济学家、已故的保罗·库特纳（Paul Cootner）写道：“就像之前的丘吉尔首相一样，曼德尔布罗特不是向我们许诺乌托邦，而是向我们许诺血、汗、苦役和眼泪。假如他是正确的，我们几乎全部的统计工具都是过时或毫无意义的。”我要对库特纳的话做两点更正。首先，我要把“几乎全部”替换为“全部”。其次，我不同意血和汗的说法。我认为曼德尔布罗特的随机理论比传统统计学易懂得多。假如你是新入行的，就不要依赖老的理论工具，也不要对确定性有很高的期望。

这就是你从军人和负责安全的人的思维中可以学到的东西。他们不在乎“完美”的游戏推理，他们想要的是具有现实意义的假设。最终，他们关心生命。

我以1987年的美国股市崩盘作为第一章的结尾，正是这次崩盘使我大举发展了我的黑天鹅思想。就在崩盘之后，我指出那些用西格玛（标准差）衡量风险和随机性大小的人都是骗子，所有人都同意我的观点。如果金融世界满足高斯分布，那么像这次崩盘的情况（为标准差的20多倍）需要宇宙寿命的几十亿倍时间才会发生一次（看看第十五章的身高例子）。鉴于1987年的情况，人们相信稀有事件会发生，并且是不确定性的主要来源。但他们就是不愿意放弃高斯方法这一主要测量工具——“嗨，我们没别的啦”。人们需要一个参照数字，但这两种方法是不相容的。