你能不能故意输

第一部回答了“投资是什么”。从这一部开始，往下挖一层地基——因为前面所有的框架都预设了一件事：你真的有比对手强的技能。可技能到底是什么？怎么衡量？它又和运气如何纠缠？不把这层地基打实，前面的框架就是空中楼阁。

莫布森 2010 年写过一篇《解开技能与运气》，两年后把它扩成一整本书《成功方程式》。他开篇讲一个西班牙圣诞彩票的笑话：某人执意要买尾数是 48 的彩票，中了大奖；被问为什么，他说“我连续七个晚上梦见数字 7，而 7 乘 7 等于 48”。这个人当然不会算术，但他“赢”了。莫布森用它点题：多数人都承认技能与运气都在起作用，却对两者的相对贡献毫无概念。而这一章要给你一套工具，把“运气占多少”从一句含糊的感叹，变成一个可以算的数。

先把两个词定死

他先把定义钉死，因为大部分混乱都出在定义含糊上。技能，是有效而娴熟地运用知识去执行，可以理解成一个过程。运气，是技能之外、对个体有利或不利的事件与情境，可以看成一个均值为零的分布——正因为均值为零，它是暂时性的，长期会被磨平。

这个定义很干净，也很不留情。它意味着，那些听起来很励志的说法其实都不合格。“你自己创造运气”“运气是准备遇上机会”——这些话把运气和技能焊在一起，恰恰违反了定义。莫布森引作家爱泼斯坦一句带刺的话点这种自我安慰：“我们宁愿输得聪明，也不愿赢得糊涂——这样想让人很受用。”（It is gratifying to rationalize that we would rather lose intelligently than win ignorantly.）问题是，市场不发“输得聪明奖”，它只按结果结算；而要长期赢，你必须先诚实地把自己那份运气从技能里减出去，否则你连自己站在哪都不知道。运气就是运气，是你控制不了、长期均值为零的那部分；把它和技能搅在一起，你就永远算不清自己到底几斤几两。他自己的入行故事就是标本：一次面试，六个人投票反对，因为聊起华盛顿红皮队而被录用——那是纯粹的运气。他不美化它。类似的还有 2005 年那次强力球开奖，二等奖本该开出三四个，结果开出了 110 个，因为一家幸运饼干厂在字条上印了同一组号码，害得彩票公司多赔了 1900 万美元——纯运气，与那 110 个人的任何技能无关。承认运气，是算清技能的前提。

一个优雅的检验

怎么判断一项活动里到底有没有技能？他给了一个漂亮的一句话检验：你能不能故意输？

如果你能轻易地故意输——下棋故意走臭棋、打球故意打飞——那说明技能在起决定作用，因为你得有技能才能精准地控制“输”。如果你没法故意输，或者很难，比如轮盘赌，你押什么、怎么押都改变不了长期的结果，那这项活动就多半由运气主导。这个检验的妙处在于它不需要任何数据，一句话就能把一项活动大致定位到“技能—运气”这条连续谱上。轮盘在最纯运气的一端，国际象棋在最纯技能的一端，投资在中间偏运气的位置——而正是“在中间”这件事，让它成了这本书要处理的全部难题的来源。

均值回归是运气留下的指纹

技能与运气的比例，会在结果里留下一个可观测的指纹，叫均值回归。任何混合了技能与运气的活动，其结果都会向均值回归，而回归的速度，反映了二者的比例——运气成分越大，回归越快。反过来，你可以通过分析过去的回归模式，反推出技能与运气各占多少。这条线索是本书第十章的主题，这里先埋下。

判断技能还有一个常被搞错的关键：重要的不是时间，是试验次数。一个高换手的策略可以比一个低换手的集中组合快得多地被评估，因为它在同样的时间里跑了多得多的样本。莫布森引一个测算：12 场 NFL 比赛、36 场 NHL 比赛、69 场 MLB 比赛，揭示出等量的技能——因为每种运动里运气的比重不同，你需要不同的样本量才能看清技能。极端的另一头是跳棋世界冠军廷斯利（Marion Tinsley）：他称霸四十年，45 年职业生涯只输过 7 局，其中 2 局还是输给电脑程序——这是接近纯技能的样子，几乎不回归。

均值回归这条指纹，还能直接接进投资的操作。莫布森给过一个三步法：先判断这项活动里技能与运气的组合（运气主导则回归的拉力最强）；再判断当前结果相对某个平均值有多极端（比如通胀调整后长期 6% 到 7% 的股市回报）；最后——这一步最关键——去考察资产价格里已经隐含了什么预期。把这三步接起来就是一条可操作的纪律：回避那些表现很好、且价格里已经算进了乐观预期的资产，拥抱那些表现很差、且价格里已经算进了低预期的资产。你看，第一部那个“价格里算进了什么”，在这里和技能—运气的连续谱接上了头——均值回归会把极端结果拉回来，而你要赚的，是那些“回归尚未被价格计入”的落差。

双瓮模型：把运气算出来

光有定性还不够。莫布森的核心工具是一个“双瓮模型”：想象两个瓮，一个装技能、一个装运气，每张卡片上写着服从某种分布的数字，其中运气瓮的均值永远是零。每个参与者从两瓮各抽一张相加，数大者胜。纯技能活动，就是运气瓮的均值和标准差都为零；纯运气活动，就是技能瓮的均值和标准差都为零；连续谱上的任何一点，都可以用两个瓮的均值与标准差来表达。

有了这个模型，“运气占多少”就能真算出来。他用棒球统计学家汤姆·唐戈（Tom Tango）的四步法：方差（技能）= 方差（观测）− 方差（运气）。以某个 NBA 赛季为例，取 30 支球队的胜率，算出胜率的方差（观测方差），再用二项模型算出如果纯靠运气该有多大的方差（运气方差），两者一减，就是技能方差。算下来，NBA 里运气对胜负的贡献约 11%——技能主导。同样的方法用到 NFL，因为一个赛季只有 16 场，样本太小，运气的贡献超过 50%。赛季长度是关键变量：场次越多，技能越能显形；场次越少，运气越说了算。这套算法可以搬到任何有明确胜负、固定试验次数的活动上，是把“运气占多少”从感叹变成数字的最短路径。

连胜：技能的右尾遇上运气的右尾

双瓮模型还能解释一个人人爱谈、却几乎人人误读的现象——连胜。

古尔德（Stephen Jay Gould）有一句关于连胜的判断，莫布森引过很多次：长连胜是、也必然是，加在伟大技能之上的非凡运气。用双瓮的话说：连胜发生在技能分布的右尾与运气分布的右尾相遇之时，单靠任何一个都铸不成一段长连胜。这给出一个可检验的具体预测——最长的连胜纪录，应该由最有技能的参与者保持。事实正是如此：篮球生涯命中率排历史前列的张伯伦，保持着连续 18 次投篮命中的纪录；连续得分场次的纪录属于格雷茨基。技能不够的人，运气再好也撑不出一段长连胜。

但反过来读同样重要。有人重算过迪马乔（Joe DiMaggio）那著名的 56 场连续安打：用真实数据加模拟，棒球史上出现“某位球员创下迪马乔式连胜”的概率，其实有两三成到五成；更意外的是，迪马乔本人勉强才排进最可能创下此纪录的前 50 名球员之内——按概率，西斯勒、科布、甚至铃木一朗都比他更“该”创下这个纪录。换句话说，纪录归了迪马乔，一半是技能，一半是他恰好站在了运气右尾那个位置。这就是为什么要有“零模型”：1000 个人猜硬币，约 3% 会连对五次；莫布森在约 400 人的课堂上做过，有两名学生连对七次。所以我们真正要找的，从来不是“有没有连胜”，而是“这段连胜的频率或时长，是不是超出了纯运气所允许的范围”。

我们最容易在哪儿被骗

理清技能与运气，还有一个用处：知道自己最可能在哪里被误导。莫布森点了两个最常见的陷阱。

第一个是特沃斯基与卡尼曼说的“小数定律信念”——我们习惯把小样本当成总体的代表，而运气对技能的比值越高，这个错误的量级就越大。棒球里有个估算：100 次打击里，运气决定了打击率的约 80%。可我们看一个打者连着几场打得好，就忍不住说他“手感来了”“进入状态了”，其实那多半是小样本里的运气波动。放到投资上，一个经理连着两三个季度跑赢，我们就想给他贴“有技能”的标签，而这恰恰是运气最容易冒充技能的地方。

第二个是控制幻觉——当我们自认为掌控着局面时，会高估成功的概率。有实验发现，人想掷出大数时会用力扔骰子，想掷出小数时会轻轻扔，仿佛使多大劲能改变骰子的点数。这个幻觉在投资里无处不在：越是频繁操作、越是觉得自己“在做事”，就越容易高估自己对结果的掌控，而结果里真正由你掌控的那部分，可能小得多。

反证一：“大多是运气”和“全是运气”差得远

现在讲反证，因为莫布森处理这个题目最见功力的地方，全在他给自己的框架设的三道限制。

第一道，针对一种常见的偷懒。很多人一旦发现某项活动“运气占大头”，就直接把它当成“纯运气”来对待，觉得研究技能没意义。莫布森不同意：即便在接近纯运气的那一端，“大多是运气”和“全是运气”之间，也有巨大的差别。只要往模型里引入一个标准差很小的技能分布，整个心态就变了——因为哪怕微弱的技能，在足够多的试验里，也会系统性地把结果往一个方向推。轮盘的庄家优势只有一点点，可就是这一点点，让赌场稳赚不赔。所以“运气主导”绝不等于“躺平”，它只是告诉你需要更大的样本、更长的耐心，才能让那点技能显形。

反证二：运气不总是正态

第二道限制更深刻，也是这一章对投资者最要紧的一段。前面双瓮模型里，运气瓮默认是个钟形分布。但莫布森指出：当运气由社会过程驱动时，它往往不是钟形，而是幂律。

人们判断一个想法好不好、一本书值不值得读、一部电影该不该看，很大程度上是看别人的选择。这种相互观看，会让分布严重偏斜——绝大多数产品无人问津，极少数爆火。最有名的证据是萨尔加尼克等人 2006 年发在《科学》上的“音乐实验室”：请人听并评价 48 首无名乐队的歌，可以下载。两成受试者被分到“独立世界”，看不到别人的行为；其余八成被分到 8 个“社会影响世界”，能看到每首歌被下载了多少次；所有世界的歌都从零下载起步。结果，质量确实有作用——独立世界里最好的歌进社会影响世界前五的概率约五成；但社会影响的作用巨大：一支叫 52metro 的乐队的歌《Lockdown》，在独立世界排第 26 名（基本是平均水平），却在一个社会影响世界里排第 1 名，在另一个里排第 40 名——同一首歌，同一类听众，结果相差 39 名。

莫布森的引申是这一章的钥匙：这种由社会过程制造的随机性，此时运气对大多数产品几乎不起作用，却对少数几个是巨大的放大器；而这，正是市场无效率的首要来源，是技能型投资者必须去利用的东西。第三章讲群体智慧崩塌、第四章讲行为性无效，机制都在这里——当人们不再独立判断、开始相互模仿，钟形就塌成了幂律，价格就与价值脱钩。运气不总是正态，而它不正态的地方，恰恰是钱所在的地方。

反证三：没有最好的球队

第三道限制，针对“谁最好”这个问题本身。在小样本加上缺乏传递性的活动里，“谁最好”可能根本没有意义。

传递性是说，A 胜 B、B 胜 C，那么 A 应该胜 C。可斯科特·佩奇构造过一个反例：四支球队，总技能都是 100 分，只是在进攻、防守、特勤三个维度上分配不同——结果 A 胜 B、B 胜 C、C 却胜 A，而所有队都能赢最弱的 D。在这样的结构里，锦标赛的赢家是谁？是最先碰到 D 的那支队。莫布森把这句话说得很干脆：没有最好的球队，只有先打到 D 的球队。再加上运气——MLB 里最差的球队在五局三胜制里，也有约 15% 的概率击败最强的球队。所以在一个技能与运气混合、又缺乏传递性的领域里，冠军的名字里写着大量的运气；把冠军的做法当成“成功之道”去模仿，是把运气误当成了技能。

这一刀，砍掉的是大半个成功学，而且他有数字。一大批研究的套路是：先观察到一批卓越业绩，再给它贴上属性（伟大的管理层、强健的文化），再把这些属性当成成功之道兜售。可如果那些卓越业绩本身来自运气，这类研究就完全无效。有人真去核了一遍——在 11 本最流行的成功学著作里被列为“卓越”的 228 家公司中，只有 30 家真正超出了概率所能解释的范围，其余不到六分之一是名副其实。同样，另有对两万多家公司、几十万个公司—年 ROA 观测的大样本研究，虽然确认“持续卓越者的数量一贯多于幸运随机游走所能解释的数量”（技能确实存在），但作者也警告：被随机性愚弄太容易了，基于五年或十年窗口被认定为持续卓越的公司里，很可能有一些其实是随机游走者。技能存在，但比人们以为的稀薄；而分辨真伪，靠的正是这一章的连续谱与零模型。

那商业和投资里，到底有没有技能

砍完成功学，会有人反过来问：既然结果里掺了这么多运气，那商业和投资是不是干脆就没技能了？莫布森的回答是否定的，而且他用一个统计量把它量了出来。

管理学者鲍威尔（Thomas Powell）用基尼系数度量绩效的离散度：20 多个美国行业的平均基尼系数是 0.60、标准差 0.24；而一批非商业领域——棒球、网球、冰球、篮球、板球、高尔夫、橄榄球，加上国际象棋、斯诺克、桥牌——平均基尼系数是 0.56、标准差恰好也是 0.24。商业里的绩效分布，在统计上和这些领域的分布无法区分。而在这些领域里，技能确实在起作用（没人会说国际象棋是纯运气），那么按同样的逻辑，技能——也就是竞争优势——同样在塑造商业结果。所以正确的结论不是“投资没技能”，而是“投资里有技能，但它被大量运气包裹着，你需要正确的工具才能把它从运气里剥出来”。这一章讲的，就是那套剥离的工具。

一道作业

这一章给你的是一副校准器。它不告诉你怎么赢，它告诉你，在评价任何一个结果之前，先做一件事：判断这个结果所在的活动，落在技能—运气连续谱的哪个位置。

莫布森的收束很克制，他引一句自己写的话：“不是所有重要的东西都能被测量，也不是所有能被测量的东西都重要。”（Not everything that matters can be measured, and not everything that can be measured matters.）短期能被你测到的（某只股票涨了没有、某位经理今年跑赢没有），恰恰可能不是长期真正重要的（他的过程好不好）；而长期真正重要的，短期又测不到。所以评估一个投资者，看他最近选股好不好，远不如看他做这份工作的过程好不好。这就把整个第二部的主题带了出来——如果结果因为掺了运气而不可靠，那你唯一能抓的，就是过程。

作业是这样的：挑一个你正打算据以下判断的“业绩”——某只基金的三年回报、某个策略的近期胜率、某位分析师的推荐记录。先别急着相信它。问三个问题：这项活动在连续谱上偏技能还是偏运气？这个样本的试验次数够不够多，多到足以让技能盖过运气？如果它偏运气、样本又小，那么这份漂亮的业绩里，有多大可能只是那 110 张幸运饼干里的一张？答完这三问，你对“业绩”的信任，就会回到它该在的位置。

最后补一个他反复强调的区分，因为它决定了你该在自己身上练什么。智商（IQ）和“理商”（RQ，rationality quotient）是两回事——衡量聪明的智商，和衡量决策质量的理商，相关系数只有约 0.2 到 0.35，重叠比多数人以为的低得多。更要紧的是，理商可以培养。分辨技能与运气、给结果做正确的归因、抵抗小数定律和控制幻觉，这些恰恰是理商的内容，而不是智商测验测得出的东西。这也是莫布森这套方法最乐观的一点：你未必能变得更聪明，但你可以变得更理性。至于凭什么说技能真的存在、又该如何在技能普遍变强的时代里保住优势——这是下一章“技能悖论”的问题。

本章依据

• 主证据·技能与运气连续谱、双瓮模型、Tango 四步法：《解开技能与运气：如何思考结果——过去、现在与未来》（research/michael-mauboussin/digest/shard-05.md，comp-003-044，2010-07-15，Legg Mason，《The Success Equation》直接前身 · C06 · P0）。技能/运气定义、“你能不能故意输”检验、均值回归反映比例、“关键不是时间而是试验次数”（12 NFL/36 NHL/69 MLB）、Tinsley 45 年输 7 局、双瓮模型、Tango 四步法（方差(技能)＝方差(观测)−方差(运气)、NBA≈11%/NFL>50%）、Music Lab 实验（《Lockdown》独立世界第 26、社会影响世界第 1 与第 40）、传递性缺失（Scott Page 四队构造、“没有最好的球队，只有先打到 D 的球队”、MLB 最差队五局三胜约 15% 胜最强队），均出自此篇。证据等级 A1。归属：连胜“是加在伟大技能之上的非凡运气”＝Stephen Jay Gould；Music Lab＝Salganik-Dodds-Watts (Science 2006)；传递性反例＝Scott Page；均值为零暂时性分布的运气定义＝Mauboussin。
• P1 补强·成书原典与自述：《The Success Equation》引言节选（shard-17.md，comp-004-007，2012 · C12 · P1）——“我的职业是被一个垃圾桶启动的”、Powerball 幸运饼干（110 个二等奖、多赔 1900 万）、Tinsley、Kahneman 三类预测信息、“Not everything that matters can be measured, and not everything that can be measured matters.”（Mauboussin）、Epstein 引语。证据等级 A1（本人著作原典），引语忠实原文。
• 连胜、小数定律、控制幻觉、成功学破产、Powell 基尼系数：均出自 comp-003-044（shard-05.md）。DiMaggio 56 场重算（约 20–50% 概率、勉强排前 50）、张伯伦/格雷茨基纪录、零模型（1000 人猜硬币约 3% 连对五次）、小数定律信念（棒球运气决定约 80% 打击率）、控制幻觉、228 家“卓越公司”仅 30 家超出概率解释、Powell 基尼系数（商业 0.60/0.24 vs 体育等 0.56/0.24 统计不可区分），A1。归属：连胜＝Gould；基尼系数比较＝Thomas Powell；小数定律＝Tversky & Kahneman。
• IQ vs RQ：《IQ versus RQ：区分聪明与决策技能》（shard-13.md，cs-012，2015 · C07 · P1）——IQ 与 RQ 相关仅 0.20–0.35、RQ 可培养。证据等级 A1。归属：RQ＝Keith Stanovich。
• 反证处理：三处均为本人对自身框架的限制——“大多是运气≠全是运气”、运气的幂律形态（社会过程驱动，为市场无效之源）、传递性缺失使“谁最好”失去意义。均出自 comp-003-044，A1。
• 纪律说明：本章用体育/彩票/音乐案例，不涉及任何公司交易或买卖结论，严守不管钱纪律。均值回归的建模方法留待第十章，技能悖论留待第六章。

本站正文为基于公开材料的独立编辑与研究归纳，不替代原始资料，也不构成投资建议。