远见是一门可测量的技能

前两章讲的都是“回望”：把个案放回历史的分布，用相关系数把结果拉回均值。可投资终究是要“前瞻”的——你得对未来下判断。于是问题来了：人到底能不能预测未来？这一章的答案是一半坏消息、一半好消息，而好消息里藏着一个连莫布森自己都觉得意外的发现。它也为第三部收尾：把外部视角工程化，最后一步是把“预测”这件事本身，变成一门能打分、能训练的手艺。

先说坏消息。心理学家泰特洛克（Philip Tetlock）让 284 位专家在长达二十一年里做了两万七千多个政治、经济、社会预测——这些人资历过硬，多数有研究生训练，一半有博士学位。结果是，平均而言，专家的预测只比瞎猜略好；用泰特洛克那个著名的说法，大约和一只掷飞镖的黑猩猩差不多准。好消息是：在这堆平庸里，确实存在一小群人，能持续做出更优的预测。他们被叫作超预测者，而且这不是一时走运——约 70% 的超预测者，能在下一年继续留在精英行列，远高于随机所能解释的比例。远见是真实的，是可测量的，也是可以培养的。

不是想什么，是怎么想

超预测者靠的不是掌握了更多机密。泰特洛克的核心结论是：重要的不是专家想什么，而是他怎么想。他借以赛亚·伯林（Isaiah Berlin）的比喻分类：刺猬知道一件大事，用一个宏大理论解释一切；狐狸知道很多小事，东拼西凑、随时修正。表现好于掷飞镖黑猩猩的是狐狸，比黑猩猩还差的是刺猬。超预测者几乎都是狐狸。泰特洛克把他们的精神浓缩成一句可以贴在保险杠上的话——“信念是待检验的假设，不是待守护的珍宝。”（“Beliefs are hypotheses to be tested, not treasures to be guarded.”）

这里就撞上本章要处理的第一个反证，也是最刺眼的一条：名气与准确度是负相关的。名气最大的专家，预测记录最差。原因是一条清晰的因果链：刺猬擅长讲一个紧凑、简单、清晰、能牢牢抓住听众的故事，而这正是电视和媒体需要的；狐狸满口“一方面、另一方面、要看情况”，上不了镜。于是媒体的激励系统性地筛选、放大了最不可靠的那类人——他们常常错，却从不怀疑。这个机制对中文读者格外要紧：你在屏幕上看到的那位言之凿凿、金句频出的名嘴，恰恰是预测记录最不该信的那种人。越是斩钉截铁的宣告，越只说明此人在脑子里建了一个自洽的故事，而不说明这个故事为真。

远见可以打分

要说“某人预测更准”，先得能给预测打分，否则一切都是事后诸葛亮。工具是布莱尔分数（Brier score）：把预测的概率与实际结果（发生记 1、不发生记 0）之差平方。0 是完全准确，0.5 是随机瞎猜，2.0 是完全说反；超预测者大约在 0.20 到 0.25。有了这把尺，泰特洛克的“好判断计划”（Good Judgment Project）在美国情报界赞助的预测锦标赛里，第一年就比对照组好 60%、第二年好近 80%，好到主办方直接淘汰了其他四支队伍；据报道，这批业余志愿者比有权接触机密数据的情报人员平均还好约三成。

更实用的是，泰特洛克把“怎么把预测做得更好”拆成了可以排序的四件事，每件都标了增益幅度：找对人（按流体智力与开放心态筛选）+10% 到 15%；管理互动（团队协作或预测市场）+10% 到 20%；有效训练（认知去偏，约一小时）+10%；给精英预测者更大权重、并把估计适度极端化 +15% 到 30%。这张表的意义在于，它把“决策质量能不能被工程化”从口号变成了可验证的命题——答案是能。

这四条里最反直觉的是团队。第一年随机分组时，团队平均就比个人准 23%；第二年把超预测者编成小队（每队约十来人、全程不见面、只靠论坛沟通），他们的准确度又提高了约 50%，比预测市场还好 15% 到 30%。但团队不是人多就好——起初这些超预测者过于客气、怕批评别人，反而拖了产出的后腿；真正有效的是“建设性对抗”的氛围，冲突太多会散架，太和谐又滋生虚假共识。至于怎么把一个吓人的大问题拆成能预测的小问题，泰特洛克教的是费米式拆解：芝加哥有多少钢琴调音师？从城市人口推到家庭数、每户钢琴数、调音频率、单次耗时，一路估下来，答案约两三百人——把一个没法直接回答的问题，拆成一串你其实答得出的小问题。

有意思的是，超预测者不是天才。普通预测者的智商约 108 到 110，超预测者约 112 到 114，都高于常人，但普通人群与普通预测者之间的差距，远大于普通预测者与超预测者之间的差距。决定性的不是智商。莫布森反复援引斯坦诺维奇（Keith Stanovich）的区分：智商 IQ 与理性商数 RQ 是两回事，二者相关只有 0.20 到 0.35，而 RQ 是可以培养的。超预测者赢在方法：他们像蜻蜓——蜻蜓每只眼睛有多达三万个朝向略有不同的小透镜，汇总成极敏锐的视觉——从多个角度看同一个问题；他们用更细的刻度报概率，不是“会/不会/也许”三档，而是 70、75、80，甚至 70、71、72，而且这种精细不是做样子，颗粒度更细的预测确实更准；他们更频繁地更新自己的看法。

说到更新，这里有一条对投资者极重要的发现：更新信念的频率，是预测准确度的最强单一行为预测指标。但更新既可能不足、也可能过度。不足有三个原因：太忙以致新信息溜走；把原问题偷偷换成一个更好答的问题；以及信念固守——明明证据变了，还护着旧结论。过度有两个原因：把无关信息也纳进来乱动；以及缺乏承诺——研究清楚才买的基金，第一次颠簸就割肉。泰特洛克把超预测者那种“永远在改进、永远没定稿”的状态叫“永久 beta”（perpetual beta），它由德韦克（Carol Dweck）的成长型心态和达克沃斯（Angela Duckworth）的坚毅合成。一句话对照：超预测者处在永久学习模式，而上镜的名嘴处在永久行动模式。这一条呼应了那句保险杠标语——把信念当假设的人一直在更新，把信念当珍宝的人一直在护盘。

真正的发现：噪声比偏差更该治

以上都是 2015 年那本《超预测》的内容。真正让莫布森写第二篇的，是几年后泰特洛克团队的统计学家做的一件事：他们把“超预测者到底好在哪”这个问题，做了一次方差分解，得出一个出人意料的答案。这就是 BIN 模型——预测误差有三个来源：偏差（Bias）、信息（Information）、噪声（Noise）。

偏差是系统性的偏移（比如一贯乐观）；信息是你掌握的信号相对完整信息的多寡；而噪声，是判断本身的随机变异性。方差分解的结论是全篇的全部价值所在，我照原话转述：“减少噪声的效果，大约是减少偏差或增加信息的两倍。”（“reducing noise is roughly twice as effective as reducing bias or increasing information.”）归因大致是——噪声占一半，偏差和信息各占四分之一。这与行为金融学在中文世界被讲烂了的“偏差”叙事截然不同：我们花了太多精力去纠正各种认知偏差，却几乎没人去治那个影响大一倍的噪声。莫布森引卡尼曼的话点题——“哪里有判断，哪里就有噪声，而且通常比你以为的多。”

噪声到底有多大？《钱》杂志请 50 位会计师给同一个收入 13.2 万美元的四口之家算应缴税额——同一部税法、常用同一套软件、同样的事实，算出来的结果从 9,806 美元一直铺到 21,216 美元。这不是能力问题，是噪声：可互换的专业人士，面对同一组事实，给出彼此矛盾的判断。而且噪声不只在人与人之间，也在一个人身上：病理学家对同一批活检切片在两个时点的判断，平均相关只有 0.63；品酒评委给同一款酒短期内的评分，平均相关只有 0.50。噪声有两个关键性质，正是它能被单独分离出来的原因：它非系统性（你没法预知某次判断会往哪偏），而且不需要知道正确答案就能计算（算偏差必须先知道答案，算噪声不用）。

把论点拆成路标

知道噪声该治，怎么治？莫布森给的最实用的一件工具叫路标（signpost）。它同时对付噪声和偏差，尤其适合投资这种反馈又慢又吵的行当。

先看它治偏差的一面。假设一位分析师预测一家年销售一百亿美元的公司未来五年销售年增 20%，还有一个详尽的模型撑着——这是内部视角。外部视角只问一句：这个规模的公司，历史上有多少家实现过这个增速？答案是 3.5%。莫布森的反问很不留情：“如果基础率显示频率只有 3.5%，你还愿意维持一个假设 20% 增长有 50% 概率的基准情形吗？”这正是第九章那张表的用法——莫布森自己也说，学习基础率是受训预测者准确度提升里最大的贡献项，而且考虑基础率同时降低了噪声和偏差。

再看它治噪声的一面。投资的终极反馈是风险调整后的组合回报，可股价短期噪声极大，市场的反馈根本不可靠——你今天买对了，可能三个月里它照样跌，你分不清是自己错了还是只是噪声。路标法的对策，是把你的变异认知蒸馏成与市场共识的具体分歧，并赋予一个数值概率。好路标有三个特征：结果可以客观地达成一致、有明确的日期、对整体论点重要。比如：“这家公司今年售出 110 件或以上的概率是 80%。”它把一次长周期、高噪声的下注，拆成了多次短周期、可打分的小检验。这里还牵出一段情报史，是“必须用数字、不用词”最锋利的例证：1951 年美国情报界一份报告说苏联入侵南斯拉夫是“严重的可能性”（serious possibility），耶鲁教授、时任中情局的谢尔曼·肯特（Sherman Kent）追问团队这词到底什么意思——一位说 80%，另一位说 20%，而他们都同意在报告里用这个含糊的词。含糊的措辞，会让学习的循环慢下来。

治噪声还有一条来自卡尼曼的漂亮原则，叫有纪律的直觉：先用一套系统化的、循证的流程（甚至算法）把问题处理到底，最后再允许你的判断在决策里占那么一点分量。证据显示，留这一点余地反而提升了整体质量——纯算法让人抵触，纯直觉又太吵，把结构放在前、直觉放在最后一小步，是两者的最优折中。

什么样的路标算坏路标？2010 年 11 月，近二十位经济学家、投资人与评论人联名致信美联储主席，主张量化宽松应被“重新考虑并停止”，警告会招致“货币贬值与通胀”。四年后有记者回访，所有回应的签署人都坚称信里的内容没错——问题是，这封信既没有时限、也没有客观的评分方式，于是根本无法记分，一个永远无法被证伪的预测，也就永远学不到东西。好路标的反面就是它：一句听起来很有分量、却永远不必兑现的断言。

最后补一个能随手自查的小工具，莫布森叫它证据的“强度”与“权重”之分，用抛硬币讲最清楚：强度是正反面的比例，权重是样本量。强度高、权重低时，人会过度自信——抛十次里有七次正面，就断言这硬币有偏，可一枚公平硬币出现这种情况的概率有八分之一，凭这点样本下结论太急了。强度低、权重高时，人又信心不足——抛一万次里有五千一百次正面，多数人只当它公平，可公平硬币出现这种偏离的概率只有约五十分之一，这其实是相当强的证据。小样本里抢眼的故事让人激动，大样本里平淡的信号被人忽视——这一条错觉，几乎解释了投资里一半的过度反应与反应不足。

在有价格的世界里，BIN 会打折

现在处理本章的第二个反证，它是莫布森这篇里最有原创性的一节，也是给投资者的一句冷静话：BIN 三种误差对股市投资者的冲击，远小于对会计师或核保人的冲击。

做个思想实验：在一个价格完美反映信息的有效市场里，噪声、偏差、信息不足还重要吗？都不重要——因为股价本身就是正确答案。两位可互换的分析师即便给出迥异的估值，价格已经明晃晃地摆在那里。现实中市场并不完美，但大而流动的市场非常好，于是存在一个由投资者集体决定的价格基线，把 BIN 的冲击大幅吸收掉了。这一条是对“把行为偏差直接搬进投资”的重要节制：会计师面对一张白纸，投资者面对一个已经很聪明的价格，两者不能同日而语。

但 BIN 并没有失效，它退到三个具体的地方仍然咬人。其一，噪声交易者与仓位规模。行业把大量时间花在寻找“优势”上、几乎不花时间在“该下多重”上，而仓位规模的决策对许多基金经理而言很可能是有噪声的——研究发现，基金经理因为没按自己流程该有的仓位下注，白白把回报留在了桌上。其二，买卖不对称。一项覆盖 780 多个组合、440 万笔交易的研究给出一个刺痛人的发现：基金经理的买入决策创造价值，卖出决策却很糟——他们若从组合里随机卖掉一个仓位，效果都会好过他们实际卖出的那个，差距是每年 70 个基点。这条正好接上第九章那张“落水时刻”清单：卖出，恰恰是最需要基础率和清单来压制噪声的地方。其三，集体的收敛。多数重大市场错位，不是个体预测的随机偏差造成的，而是投资者一起向同一组信念收敛——这时群体智慧翻转成群体疯狂，机会巨大，但逆众而行的心理、职业与商业代价可能非常高。

两处诚实的保留

莫布森从不把一个框架吹到密不透风，他自己列了两处保留。

一处是卡尼曼的“范围不敏感”挑战。经典实验：你愿意付多少钱拯救 2,000 只候鸟？约 80 美元；20,000 只呢？78 美元；200,000 只呢？88 美元——金额几乎不随数量变，反映的是“对情境的感受”，不是逐只的成本效益。卡尼曼猜超预测者在时间跨度上也会范围不敏感。一检验：普通预测者对“阿萨德政权三个月内倒台”给 40%、“六个月内”给 41%——两倍的时长给了几乎相同的概率；超预测者是 15% 与 24%，不完美，但明显好得多。远见是真实的，可它也有天花板。

另一处是塔勒布的黑天鹅挑战：如果历史真由黑天鹅独自决定，那锦标赛就毫无价值。莫布森的反驳分两层：第一，如果我们已经知道某类极端事件分布的形状（地震、恐袭、电网故障都已被科学分类），那它是“灰天鹅”而非黑天鹅，是可建模的；第二，黑天鹅极其罕见，锦标赛的数据量根本不足以判断超预测者擅不擅长捕捉它们，哪怕跑几十年也难。但——三个人（泰特洛克、卡尼曼、塔勒布）在一点上完全一致：预测多年之后的事非常困难，可预测性存在严格的时间界限。这也是莫布森被问到语料终点之后的事时，会诚实说“这我就不知道”的底气所在。

一道作业

第三部到这里就打完了：基础率把外部视角工程化，均值回归是它的引擎，而预测技能——包括对噪声的治理——是把这套东西用在未来的最后一环。这一部的作业，是给你正在持有的一个论点，打造一根路标。

不要笼统地说“我看好这家公司”。把它蒸馏成一个可以打分的断言：一个能被客观判定的结果、一个明确的日期、一个对你整个论点真正重要的分歧点，再给它一个数字概率——不是“很可能”，是 75%。写下来，标上日期。到期那天，用布莱尔分数给自己打分。做上几十次，你就有了一件多数投资者一辈子都没有的东西：一份关于你自己预测能力的、可检验的记录。而这，正是把远见从玄学变成技能的唯一办法——预测、打分、修正，这是把眼睛擦亮的最可靠的路。至于那家公司到底该买还是该卖，莫布森不会告诉你；他只把打分的尺子交到你手里。

本章依据

• A1｜报告（本章主文本之一）：《磨砺你的预测技能：远见是一种可测量、可培养的技能》（Sharpening Your Forecasting Skills），2015-09-28，Credit Suisse Global Financial Strategies，与 Dan Callahan 合著（research/michael-mauboussin/digest/shard-05.md，comp-006-013 · P0；系对 Tetlock & Gardner《Superforecasting》的深度解读）。284 位专家/27,000+ 预测/“掷飞镖的黑猩猩”、70% 持续性、狐狸 vs 刺猬、“信念是待检验的假设”、名气与准确度负相关、Brier 分数（0/0.5/2.0，超预测者 0.20–0.25）、GJP 胜对照 60%/80%、四驱动增益表（10–15%/10–20%/10%/15–30%）、IQ vs RQ（相关 0.20–0.35）、智商 108–110 vs 112–114、蜻蜓之眼、更细刻度确实更准、Sherman Kent“严重的可能性”（80% vs 20%）、候鸟实验（80/78/88 美元）与时间范围检验（40%/41% vs 15%/24%）、Taleb 黑天鹅两层反驳、“可预测性有严格时间界限”，均出自此篇。
• A1｜报告（本章主文本之二）：《BIN 有此事：如何减少预测误差的来源》（BIN There, Done That），2020-03-19，Morgan Stanley Counterpoint Global，与 Dan Callahan 合著（shard-05.md，ms-001 · P0）。BIN 三分解、“减少噪声约是减少偏差或增加信息的两倍”、噪声 50%/偏差 25%/信息 25%、Kahneman“哪里有判断哪里就有噪声”、50 位会计师 9,806–21,216 美元、病理学家 0.63/品酒师 0.50、20% 增长预期 vs 3.5% 基础率、路标三特征、有纪律的直觉、“有价格的世界”里 BIN 打折而在噪声交易/仓位规模/买卖不对称三处仍成立、780 组合 440 万笔交易（卖出不如随机卖出、每年 −70bp）、集体收敛，均出自此篇。证据等级 A1。
• 反证处理：名气与准确度负相关（媒体激励放大刺猬）；范围不敏感（超预测者接近但不完美）；Taleb 黑天鹅挑战（灰天鹅可建模 + 数据量不足两层反驳）；BIN 在有价格的世界里冲击大减、但三处仍成立——均据 comp-006-013 与 ms-001 本人论述。
• 归属：超预测者研究＝Philip Tetlock（Good Judgment Project）；狐狸/刺猬＝Isaiah Berlin；IQ vs RQ＝Keith Stanovich；噪声与“有纪律的直觉”＝Daniel Kahneman；BIN 方差分解＝Satopää–Salikhov–Tetlock–Mellers（2019 工作论文）；候鸟“范围不敏感”＝Kahneman；Sherman Kent“严重的可能性”＝CIA 情报史。把这套预测科学转译为投资场景（路标法、仓位噪声、卖出不对称、有价格世界的 BIN 打折）为莫布森团队的综合。
• 数字纪律说明：本章 Brier 区间、四驱动增益、BIN 归因、会计师/病理学家/品酒师噪声、440 万笔交易 −70bp、候鸟 80/78/88 美元均取自两篇报告正文；未使用任何 OCR 散架图表。
• 待补说明：蓝图列为 P1 补强的三届 Thought Leader Forum（comp-005-009/006-010/007-002）在现有 digest 分片中未见落盘，本章按 P0 两篇成稿，未强行引述未消化材料。
• 不管钱纪律说明：本章所有预测、交易研究均为莫布森分析的第三方证据，非其本人业绩或持仓；作业只交出打分方法，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。