拿到个案的人，从不觉得需要统计

第二部结束在一个悬着的问题上：技能可以从运气里分离，越努力运气越响，评价决策要看过程，而过程好不好又归结到一件事——你有没有把手里这个案例，放回它所属的那一大类里去看。这件事有个名字，叫外部视角，它的实现工具叫基础率。可基础率恰恰是最难拿到的东西。这一部就讲莫布森怎么把它一次性造出来。

先看这一章的题目，它是卡尼曼（Daniel Kahneman）的一句话，也是莫布森 2016 年那本《基础率手册》（The Base Rate Book）的卷首题记：“拥有个案信息的人，很少觉得自己还需要知道这一类别的统计。”（“People who have information about an individual case rarely feel the need to know the statistics of the class.”）这句话诊断的是一种普遍的心理惰性：一旦你手里握着一家具体公司的故事——它的产品、它的管理层、它的路线图，你就觉得自己已经懂得够多，那个“同类公司历史上都怎么样了”的问题，显得多余。莫布森整本手册要对付的，就是这句题记里的病。

少有人用外部视角，不是因为不认同

外部视角（outside view）与内部视角（inside view）的区分，来自卡尼曼与特沃斯基（Amos Tversky）1970 年代的工作，莫布森从不把它算成自己的发明。内部视角聚焦本案的独特性——它天然乐观，因为你在讲一个只属于这家公司的故事；外部视角聚焦相似性，它问的是“别人处在这个位置时，后来发生了什么”。卡尼曼的结论是，最准的预测是两者深思熟虑的混合，而多数人只用前者。

莫布森的贡献不在重述这个区分，而在于他追问了一个更实际的问题：既然大家都听过外部视角，为什么还是没人用？他给的答案很朴素，也很少有人点破——“即便我们想纳入外部视角，我们也没有数据可用。”（“even if we want to incorporate the outside view we do not have the data to do so.”）外部视角要求你知道参照类的统计分布，可这个分布散落在几十年的数据里，从来没有人替投资者整理成一本能查的书。于是外部视角停留在口号层面：人人赞同，无人执行。莫布森和丹·卡拉汉（Dan Callahan）、达里乌斯·马杰德（Darius Majd）三人署名、并与瑞信 HOLT 团队深度协作，用一百五十多页把这件功课做完了，他给它的定位是“公司经营结果基础率的第一部综合库”（the first comprehensive repository for base rates of corporate results）。这是骨架线里最稀缺的那类资产——不是转述别人的洞见，而是自建的原始测算，写作时必须点出它是团队作品，不是一个人的天才。

这本书的结构值得说清楚：它由六类经营指标（销售增长、毛利润率、经营杠杆、营业利润率、盈利增长、CFROI）加两类股价事件（暴跌后、暴涨后）构成，多数序列回溯到 1950 年，取全球市值最大的一千家公司，而且——这一点关键——包含已经死亡的公司。绝大多数“历史回报有多好”的研究都只统计活到今天的公司，于是系统性地高估了成功率。把死掉的公司放回样本，基础率才诚实。

过度自信，才是要治的病

为什么非得费这么大劲去造一本基础率的书？因为它要治的病——过度自信——是投资里最普遍、也最昂贵的一种。莫布森在书里堆了三组证据。其一，公司的首席财务官被要求给出一年后股市涨跌的 80% 置信区间，也就是“我有八成把握它落在这个范围内”，可实际落进区间的只有约三分之一——他们以为的八成把握，兑现出来只有三成。其二，近五千人回答五十道是非题并自评信心，平均信心 70%，实际正确率只有 60%，而且信心最高的时候误差最大。其三，创业者调查里，新企业五年的实际存活率约五成，可八成以上的创业者自评成功概率不低于七成，三分之一的人完全不给失败留任何概率。

这种过度自信在预测里留下一个清晰的指纹：预测的分布，比现实的分布窄得多。分析师对三年销售复合增速的预测，分布的标准差是 8.3%，而 1950 年以来实际的分布标准差是 18.7%——预测区间窄了一倍多。人不是不会预测，人是把不确定性系统性地低估了。基础率的作用，正是把那个被你压扁的分布，重新摊开在你面前。

一个数字，就能把内外视角接起来

外部视角要落地，你得回答一个操作问题：内部视角给了一个漂亮的预测，外部视角给了一个平淡的分布，两者该怎么加权？莫布森给了一条罕见的、可以直接嵌进 Excel 的公式：

估计真实技能 ＝ 总体均值 ＋ 收缩因子 ×（观测均值 − 总体均值）

收缩因子等于 0，就是完全回归到总体均值，你手里的观测值一点都不算数；等于 1.0，就是完全不回归，观测值就是最好的估计。而收缩因子的一个良好代理，就是相关系数 r——这个把统计学里的经验贝叶斯思想（Efron 与 Morris 的收缩估计）接进投资的做法，是莫布森的转译。举个他书里的例子：某只基金一年的风险调整超额收益是 12%，同类均值是 8%，而一年期的相关系数只有约 0.10——那么对它真实技能的估计不是 12%，而是 8% ＋ 0.10 ×（12% − 8%）＝ 8.4%。这只基金看着比同类高出四个百分点，但一年的成绩里运气占了压倒性的比重，所以你应该把估计几乎完全拉回到均值。

这条公式，把“权重怎么分”这件玄乎的事，还原成一个可测的数。而 r 该取多少，取决于这项活动在技能—运气连续谱上的位置。莫布森的规则我用他自己的话转述：如果技能主导结果，你可以更多依赖内部视角；如果运气作用很大，你就该给外部视角更大权重。基础率不是要取代你的判断，它是给你的判断标定一个可信度。

还要提防一个更隐蔽的坑：相关系数 r 本身也是估出来的，它自己也带着波动。莫布森在分板块的回归速度表里专门印了一列“r 的标准差”，就是提醒你——你用来收缩的那个 r，到底可靠不可靠。必需消费品的 r 常年稳定在 0.7 上下、标准差只有零点零几，你可以放心用；能源的 r 均值约 0.35、标准差却有 0.12，意味着约三分之二的年份它落在 0.23 到 0.47 之间——拿这样一个飘忽的 r 去收缩，你连“该收多少”这件事本身都带着不小的误差。工具越往深处用，越要知道它的公差在哪里。

44 个格子，一张能查的表

《基础率手册》里最有名的一件工具，是销售增长与盈利增长各一套的“44 格查表”。它的两个维度是这样搭的：按公司的销售规模分十个档，再加上市值超过 250 亿和超过 500 亿两个巨型档，一共十一档；按预测期限分一年、三年、五年、十年四列；十一乘四，就是四十四个参照类。每一个格子里，装着“这个增速区间在这个规模档、这个期限里，历史上出现的频率”。用法很简单：你先做完自下而上的内部视角模型，得到一个增长预测，然后回表里查——这个数在它该在的格子里，历史发生率是多少。

这张表最著名的一次应用，是特斯拉。2015 年 2 月，马斯克说希望在大约六十亿美元的销售基数上，未来十年每年增长 50%。莫布森团队去查了 45 到 70 亿美元销售档、十年期那一栏：增速在 45% 以上的那一行，历史发生率是 0.0%——在这个规模上，历史上没有一家公司做到过。一路往下推，要到 30% 到 35% 的增速档才第一次出现观测值，而且只有约 0.2%。这不是说特斯拉一定做不到，这一章后面会专门处理“零发生率不等于不可能”这层意思；它说的是，当你的内部视角落在一个历史发生率为零的格子里，你至少得知道自己站在多远的地方。作为对照，超过 500 亿美元销售档的三年销售增速中位数只有 1.5%——公司越大，增长的均值、中位数、离散度三者同时下降，这是全书最稳的一条规律。

这里必须插一句给中文读者的口径提醒，莫布森自己也在书里点了出来：这套基础率里所有的增长率，都经过通胀调整，折算成 2015 年美元。而绝大多数分析师的预测是名义值。拿一个名义预测直接去比这套实际值的基础率，会系统性地高估——你以为自己落在第八十百分位，其实剔除通胀后可能在更靠后的位置。用别人造好的表，先问清楚它的口径，这是纪律。

这套表的样本厚得惊人：光是三年期销售增长就有五万三千多个“公司—年”观测，十年期也有四万一千多个，正因为够厚，它才敢按十一个规模档去切。规模为什么能主宰增长？有一个可查的锚：1950 到 2015 年美国实际 GDP 年均增长 3.2%，而全球千家公司销售中位增速与它的相关系数达 0.66——公司增速之所以普遍高于 GDP，靠的是三件事：高增长公司更倾向上市（选择偏差）、合同制造商被重复计入、海外增长不进美国 GDP。把这三层剥掉，一家已经很大的公司想显著跑赢经济体本身，就得从越来越薄的概率里去要。这也是为什么 2016 年 9 月那本书定稿时，分析师对全球千家公司三年销售增速的预期中位数只有 1.7%，对十家最大公司里的五家干脆预期负增长——大到一定程度，增长的基础率会自己把预期往下压。

巴菲特打过的那个赌，被复刻了一遍

盈利增长那一章里，有一段传播力极强的实证。巴菲特在 2000 年致股东信里说，CEO 预测自家增长率既是欺骗也是危险，他打了个赌：2000 年最赚钱的两百家公司里，未来二十年能实现每股收益年增 15% 的，“不到十家”。莫布森团队把这个检验照着做了一遍。他们取 1990 年净利润最高的两百家公司，到 2000 年只剩下 162 家（其余多数被并购）；这 162 家里，1990 到 1999 年净利润年增达到或超过 15% 的，只有 14 家，不到 9%；更狠的是，这 14 家在截至 2009 年的下一个十年里，没有一家能把 15% 以上的增速延续下去。

这段之所以重要，不只是因为它验证了巴菲特对基础率的直觉是准的，而是因为它演示了外部视角最反直觉的一面：高增长不仅罕见，而且不粘手。一家公司这十年长得快，几乎不能推断它下个十年还长得快——盈利增长的自相关是负的（三年期约 −0.23，五年期约 −0.24），而销售增长的自相关是正的（三年约 0.19）。这引出全书一个可以贯穿始终的对照：销售增长可预测但赔付小，盈利增长不可预测但赔付大。盈利增长与股东总回报的相关（五年约 0.40）显著高于销售增长与总回报的相关（五年约 0.28），可它偏偏最难外推。这解释了为什么市场把全部注意力压在盈利上，也解释了为什么多数人在盈利预测上下的功夫是白费的。

基础率不是一个固定的事实

现在处理这一章必须面对的第一个反证，它针对的是“把基础率当铁律”的懒惰用法。基础率不是刻在石头上的常数，它是一个动态的分布，会随经济结构漂移。

最好的例子来自营业利润率那一章。1950 年到 1980 年代初，全球化制造业竞争压低了整体利润率；1980 年代中期之后利润率持续上升，可这个上升几乎全部由最高的那一个五分位贡献——最高五分位的营业利润率从 1985 年的 21% 升到 2015 年的 31%，而最低的三个五分位基本持平。也就是说，“平均利润率”这个基础率背后，藏着一个正在变形的分布：头部越来越肥，中下段纹丝不动。同一时期，能源、材料、工业三个板块占美国前一千五百家公司市值的比重从 50% 掉到 19%，医疗和科技从 18% 升到 34%。销售增长的分布也在因为无形投资的兴起而尾部变厚——今天一家轻资产公司的增长路径，不能拿 1970 年代重工业的分布去套。所以查表之外，你永远要问一句：这个参照类的分布，本身是不是正在移动？

第二个反证更根本，它来自巴菲特本人的一处自我节制——莫布森极欣赏这个区分：经验（experience）与暴露（exposure）不是一回事。经验是历史上发生过的事，它体现在基础率里；暴露是那些从未发生、但结构上完全可能发生的事。巴菲特讲保险时说，保险公司对某种规模的巨灾可能没有任何经验（历史上没赔过这么大的），但它有暴露（这种巨灾在物理上完全可能来）。用到基础率上，这是对“零发生率”最重要的一句限定：特斯拉那个 50% 增长的历史发生率是 0.0%，但发生率为零不等于概率为零。莫布森自己的诚实说法是——可能吗？当然可能，只是审慎的概率极低。基础率给你一个起点和一把标尺，它不替你排除尾部；把它当成“历史没发生过所以绝不会发生”，就又犯了另一种错误。

选对参照类，因此既是科学也是艺术。参照类要大到有统计意义，又要窄到与本案相关，这两个要求彼此拉扯。莫布森引过一个私募股权投资人的实验说明外部视角的力量：让他们估计当前项目的预期回报，均值接近 30%，估计可比历史项目的回报，均值约 20%，而且每一位受试者给当前项目的估计都不低于可比项目——人人都觉得“我这个不一样”。被提示考虑外部视角之后，超过 80% 的高估者下调了预测。这就是基础率的作用：它不保证你对，它把你系统性的乐观往回拉一点。顺带给一个可以随手用的锚——并购的外部视角基准是，大约 60% 的交易没能为收购方创造价值；下次听到“这笔收购会创造巨大协同”，先把它放进这个分布里看。

把基础率做成一张清单，用在最难的时刻

基础率最该用、也最难用的地方，是股价剧烈波动、情绪最高的那一刻。莫布森借医生阿图·葛文德（Atul Gawande）《清单革命》里的区分讲这件事：清单有两种，一种是“边做边确认”（DO-CONFIRM），适合日常例行；另一种是“照读照做”（READ-DO），适合时间紧、负荷高、脑子不听使唤的时候——飞机应急处置用的就是后者。他的判断很干脆：情绪状态与决策能力，像坐在跷跷板的两端，一头高另一头必低；所以高情绪时刻，你需要的不是更多分析，而是一张能照着读的清单。

于是他把基础率本身做成了这样一张清单。《基础率手册》的第七、八章处理两个对称的时刻：一只股票单日相对大盘下跌 10% 以上（他叫“落水时刻”），和单日上涨 10% 以上（“登顶时刻”）。1990 年以来这样的事件各有数千次。他按四个维度把它们分格——是不是财报事件、事前动量强弱、估值贵贱、质量高低——每一格给出事件之后 30、60、90 个交易日的累计异常收益，还标着这一格的样本量。这张清单的设计哲学，不是替你下结论，而是“先给你一个天真的默认值，把讨论从情绪拉回证据”。它最有价值的一条结论，正好接上了第二部讲的频率与幅度：大跌之后、事前动量已经很弱的股票，是清晰的买入信号；而卖出决策最容易被情绪带偏，也恰恰最需要这张清单。

但莫布森在这里加了一句必须一起记住的克制话：清单里每一格给的都是均值，而各分布的中位数普遍低于均值、标准差高达三四成——“整洁的平均值背后，是一个丰富的分布”。基础率给你方向，分布提醒你谦卑。这两句要一起用，缺一个都会出事。

一道作业

这一章的作业，就是把这本书的用法走一遍，而且只走一遍就够你受用。

挑一个你正在关注的预测——可以是一家公司的销售增速，也可以是“这次困境反转会不会成功”。第一步，别急着为它辩护，先把它写成一个能归类的命题：这是多大规模的公司、多长的期限、多高的增速？第二步，去查（或者估）这个格子的历史发生率——你手里没有莫布森那张表，但你至少能问“这类事情，过去十次里成过几次”。第三步，看你的内部视角预测落在这个分布的第几百分位，然后按它在技能—运气连续谱上的位置，决定往均值收缩多少：越靠运气，收得越狠。最后一步，也是最容易忘的一步——检查口径：你查到的那个基础率，和你自己的预测，是不是同一种货币、同一种通胀口径、同一个含不含死亡样本的样本框？

做完这四步，你不会得到一个“该买还是该卖”的答案，莫布森也从来不给这种答案。你会得到一件别的东西：一个知道自己站在离历史多远的地方的预测。拿到个案的人从不觉得需要统计——而你，是那个觉得需要的人。

本章依据

• A1｜报告（本章主文本）：《基础率手册：整合过去以更好地预判未来》（The Base Rate Book: Integrating the Past to Better Anticipate the Future），2016-09-26，Credit Suisse Global Financial Strategies，Michael J. Mauboussin、Dan Callahan、Darius Majd 合著，并与 HOLT 团队（Bryant Matthews、David Holland、David Rones、Greg Williamson、Chris Morck、Sean Burns）深度协作（research/michael-mauboussin/digest/shard-05.md，cs-014 · P0）。Kahneman 卷首题记、“没有数据可用”的诊断、“公司经营结果基础率的第一部综合库”、收缩因子公式（8%＋0.10×4%＝8.4%）、r 即收缩因子、技能—运气连续谱定权重规则、44 格查表、特斯拉 45–70 亿档十年 45%＋增速历史发生率 0.0%、>500 亿档三年销售中位 1.5%、复刻巴菲特检验 14/162 且下一个十年 0 家延续、盈利增长自相关为负而与 TSR 相关更高、最高五分位营业利润率 1985 年 21%→2015 年 31%、私募股权投资人实验（30% vs 20%、80%+ 下调）、M&A 约 60% 未创造价值、过度自信三证据（CFO 80% 区间仅命中约 1/3、5,000 人 60% 正确/70% 信心、创业者 50% 实际存活/80%+ 自评）、预测分布过窄（销售 CAGR 预测标准差 8.3% vs 实际 18.7%）、READ-DO 事件后处置矩阵（落水/登顶时刻各数千次、四维分格、“天真默认值”、“整洁的平均值背后是丰富分布”），均出自此篇。证据等级 A1。归属提示：READ-DO vs DO-CONFIRM 清单区分＝Atul Gawande《The Checklist Manifesto》；落水/登顶两章的原始报告为 cs-009 与 comp-006-016，经 cs-014 收编。
• 反证处理：基础率是动态分布（营业利润率的头部集中、无形投资使尾部变厚、板块市值结构迁移）；巴菲特“经验 vs 暴露”对“零发生率”的限定；选参照类既是科学也是艺术——均据 cs-014 本人论述。
• 归属：外部视角/内部视角＝Kahneman-Tversky（1973）；收缩因子/经验贝叶斯＝Efron-Morris（Stein 估计）；“经验 vs 暴露”＝Buffett。基础率库的编纂、44 格查表、“技能—运气连续谱定内外视角权重”的可操作规则，归莫布森团队原创综合。
• 数字纪律说明：cs-014 全部增长率经通胀调整、折算 2015 年美元，与名义预测不可直接比（本章已在正文点出口径）；所引 0.0% / 1.5% / 14/162 等均取自报告正文数字，未使用任何 OCR 散架图表。
• 不管钱纪律说明：特斯拉、巴菲特两百家检验、私募股权项目均为莫布森分析的第三方案例或他人预测，非其本人交易或持仓；本章为基础率方法论，不含任何买卖结论。

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。