22 min read

如何提高决策的质量:隐藏在人生和预测市场背后的算法与锤子

Source: http://x.com/i/article/2030544394399719424

你每天大约要做 35,000 个决定。 吃什么。要不要现在回那封邮件,还是等会儿再说。走高速还是走小路。接受这份工作邀约还是再谈谈条件。持有这只股票还是卖掉.... 为什么大多数人都选错了?

写在前面:本文是翻译了 @

@zodchiii 的文章,并在他的基础上增加了一些预测市场的看法和逻辑。

原标题:潜藏在每个决定背后的数学法则:为什么大多数人都选错了?

原文出处: https://x.com/zodchiii/status/2030267008625873324 正文开始

我曾经花了 3 个月的时间决定是否搬到巴黎,凌晨 2 点在脑子里疯狂列优缺点清单。从没写下来过。全凭“直觉(vibes)”。搬过去了。不到一周就后悔了。

对于一些小事:午餐吃什么,看哪部 Netflix 剧,跟着直觉走挺好的。谁在乎呢。

但对于那些真正塑造你人生的决定呢?职业变动、投资、人际关系、健康?靠直觉简直是一场灾难。我能用数学证明这一点。

顺便说一句,这不是数学课。没有微积分。我保证。这关乎 6 个改变了我对所有事物看法的思维模型——一旦你了解了它们,你就再也无法忽视它们了。

预警:有些内容会让你感到不适。你会意识到自己多年来一直在做糟糕的决定。反正我就是这样。

Image

1. 期望值 (Expected Value) —— 支配一切的公式

好吧,这是重头戏。如果你从这篇文章里什么都没学到,至少要学会这个。

你做的任何决定都有可能出现不同的结果。每个结果都有一个发生概率(probability)和一个回报/代价(payoff)。把它们相乘,然后加起来,你就得到了期望值(EV)。

EV= Σ (probability × payoff)

期望值= Σ (概览 × 回报)

就这样。这就是公式。在过去 5 年的加密货币经历中,因为无数次错失良机(rekt),我开始思考这个问题。

你的朋友提议打个赌。抛硬币。正面,他付你 150 美元。反面,你付他 100 美元。

大多数人会犹豫。“我可能会输掉 100 美元!” 是的,你确实可能会。但是算算数学题:(假设这枚硬币没有猫腻)

$EV

= (50% * $150) + (50%* -$100)

$= $75 - $50

$= $25

每次你接受这个赌注,平均能赚 25 美元。如果有人向你提供 100 次这个机会,你拒绝的话简直是疯了。你大概能赚 2,500 美元。

但奇怪的是——在研究中,大多数人拒绝了这个赌局。即使数学在尖叫着说 YES。因为人类对损失的感受大约是同等收益的两倍。损失 100 美元的痛苦远远大于赢得 150 美元的快乐。心理学家称之为损失厌恶(loss aversion),它搞砸了你做出的几乎每一个决定。

现实世界的例子。你的老板给你两条路:

  • 选项 A: 留在目前的职位。保证 12 万美元的薪水。
  • 选项 B: 去一家初创公司承担一个风险更高的角色(仅举例)。有 60% 的几率成功,你在 2 年内赚到 40 万美元(股权+薪水)。有 40% 的几率失败,你在同期只赚到 7 万美元。

大多数人选 A。感觉很安全。让我们算一下:

  • EV (A) = 24 万美元(稳拿)(120k *2)
  • EV (B) = $(0.60 * $400 0K) + (0.40 * $70K) = $240K + $28K = $268K

选项 B 的价值高出 2.8 万美元。但因为有 40% 的几率“只能”拿到 7 万美元让人感到恐惧,所以人们不去选它。

我并不是说要盲目追逐每一个正期望值的机会。方差(Variance)很重要。如果输掉赌局意味着你交不起房租,那即使 EV 为正也别赌。但至少在决定之前你要知道 EV 是多少。大多数人甚至都不算一下。他们只是跟着直觉走,然后纳闷自己为什么停滞不前。

Image

在预测市场中,这个概念被具象化为合约价格。

在 Polymarket 上,如果一个事件发生,"Yes" 合约赔付 $1,否则归零。如果目前 Yes 的价格是 $0.60,这意味着市场的隐含概率(Implied Probability)是 60%。

假设你经过深度调研,认为该事件发生的真实概率是 75%。你该不该买?算一下 EV:

  • 买入成本: $0.60
  • 潜在利润: $1.00 - $0.60 = $0.40
  • 你的胜率预期: 75%
  • 你的败率预期: 25%
  • 单份合约 EV: (0.75 * $0.40) + (0.25 * -$0.60) = $0.30 - $0.15 = $0.15

这就是正期望值(+EV)。在预测市场里,找到你的预期概率与市场隐含概率之间的“错位(Delta)”,才是你扣动扳机的理由,而不是凭着“我讨厌这个候选人”去下注,这纯粹是在给数学机器送钱。

2. 基础概率忽视 (Base Rate Neglect) —— 为什么你犯错的次数比想象的要多

这个错误非常常见,因为它非常反直觉。

假设有一种疾病的感染率是 1/1,000。你做了一个准确率为 99% 的测试。结果呈阳性。 你真正患病的概率是多少?

如果你的答案是 99%……你错了。不过你不要太担心——大多数医生也会答错。 让我们想想看。在 1,000 个人中:

  • 1 个人真的患病。测试抓住了他(99%准确率)。这就是 1 个真阳性。
  • 999 个人没有患病。但测试有 1% 的假阳性率。这就是大约 10 个假阳性。

所以总共有 11 个阳性结果。只有一个是真的。

P(actuallysick∣positivetest)=1/11≈9percent

不是 99%。是 9%。基础概率(1/1,000)极其重要,但人们每次都会忽视它。

这如何毁掉现实生活中的决定:

  • “我的创业想法太棒了 - 看看 Uber 做得多好!” 创业成功的基础概率:约 6%。成为独角兽的基础概率:0.00006%。我从 2017 年开始尝试自己创业。我的大部分朋友也是(他们父母比我有钱多了)。我以为我是个例外。我不是。
  • “这项投资去年回报率高达 40%,我应该多买点。” 任何基金连续 3 年跑赢大盘的基础概率:约 15%。去年的表现几乎不能说明明年的情况。
  • “Twitter 上这家伙预测到了崩盘,他一定是个天才。” 基础概率:如果 10,000 个人随机做预测,大约会有 100 个人完全猜中。他们不是天才。他们只是大样本下的幸存者。

每当有人向你讲述某个具体的成功故事时,问问自己:基础概率是多少?这类事情实际成功的频率有多高?如果答案是“很少”——无论故事听起来多么有说服力,都要保持高度怀疑。

在预测市场中,当一个新合约(比如“某协议今年能否上Binance”)刚刚设立时,自动做市商(AMM)的初始资金池就是根据基础概率来设定的。

如果你看到CZ发了一条推文夸这个项目,你可能会激动地去买 Yes。但理性的交易员会先看基础概率:历史上同等规模TGE协议在现阶段上币的概率只有 4%。即使有了CZ的推文(新证据),概率也顶多上升到 8%。如果市场价格因为散户的狂热被推高到了 0.30(30%隐含概率),那就是你做空(买 "No")的绝佳时机。

3. 沉没成本谬误 (Sunk Cost Fallacy) —— 把好钱扔进无底洞(不只是钱)

你花 15 美元买了一张电影票。看了 30 分钟,发现这就是部烂片。 你走还是留?

在经济学上,答案很明显:走。这 15 美元无论如何都回不来了——留下来也拿不回这笔钱。唯一的问题是:“接下来的 90 分钟,是花在看这部烂片上更好,还是做任何其他事情更好?”

但几乎所有人都会留下来。“我已经付了钱了。” 这就是沉没成本谬误。它毁掉人们生活的方式远比看烂片要糟糕得多。

  • 在一份没有前途的工作中多待 3 年,因为“我已经在这里投入了 5 年。” 那 5 年已经过去了。唯一的问题是:接下来的 3 年,怎样才是最好的利用方式?
  • 死扛一只亏损的股票或任何山寨币/土狗币,因为“已经跌了 50% 了,我现在不能卖。” 股票不知道你的买入价。市场不在乎你花了多少钱。唯一的问题是:如果你现在手头有现金,你会以今天的价格买入这只股票吗?
  • 留在一段关系中因为“我们已经在一起 6 年了。” 那 6 年已经发生了。唯一的问题是接下来的 6 年是否会美好。

解决方法极其简单粗暴:在做任何决定时,假装你现在是从零开始。忽略你已经付出的一切——时间、金钱、情感。只向前看。知道你现在所知道的,你今天还会选择这条路吗?

如果答案是否定的,那就退出来。无论如何,过去是回不来的。

在预测市场和金融交易中,克服沉没成本的数学武器叫作盯市计算(Mark-to-Market)。

假设你以 $0.40 的价格买入了某政客胜选的 Yes 合约,投入了 $1000。几周后,丑闻爆出,价格暴跌至 $0.15。账面亏损 62.5%。

大多数交易过现货和合约散户可能会选择“死扛”:“我已经亏了这么多,不能现在卖。”

但你要知道,预测是一个要嘛归零,要嘛归一的二元局。不存在死扛之后能回来的局面。

现在的盘面价格是 $0.15。唯一影响决策的问题是:如果我现在手头有 $375(当前的残值现金),面对当前的局势,我会选择以 $0.15 的价格买入这个合约吗?

如果答案是“绝对不会”,那就立刻平仓。市场不在乎你的买入价是多少。

4. 贝叶斯思维 (Bayesian Thinking) —— 如何像科学家那样更新信念(而不是政客)

大多数人形成一个观点,然后永远捍卫它。有了新证据?不重要——他们已经做出了决定。 这与你应该思考的方式恰恰相反。

贝叶斯定理为你提供了一种数学上正确的改变主意的方法:

P(belief ∣ newevidence)=P(evidence ∣ belief) × P(belief) / P(evidence)

P(理论假设∣新证据)=P(新证据 ∣ 理论假设 )×P(理论假设) /P(新证据)

看起来很吓人。其实不然。让我把它翻译成大白话: 更新后的理论假设 = (证据与你的理论的契合度 × 你的理论在之前的可能性) ÷ 证据在一般情况下的普遍程度。

举个例子。你认为你的同事打算辞职。在没有任何证据之前,你可能会说有 10% 的可能性(大多数人在任何一个月都不会辞职)。这是你的先验概率(prior)。

然后你注意到她更新了 LinkedIn 个人资料。嗯。

  • 如果她确实打算辞职,她更新 LinkedIn 的概率是多少?相当高——假设是 70%。
  • 如果她不打算辞职,她更新 LinkedIn 的概率是多少?人们经常随机更新——假设是 15%。

P(离职 | LinkedIn 更新) = (0.70 × 0.10) / ((0.70 × 0.10) + (0.15 × 0.90))

= 0.07 / (0.07 + 0.135)

= 0.07 / 0.205

≈ 34%

一个证据让你从 10% 移动到了 34%。不是 90%——那是反应过度。也不是停留在 10%——那是无视证据。34% 是数学上理性的更新。

现在她也开始在办公室外面接电话了。又一次更新。也许上升到 55%。她突然对长期项目含糊其辞。70%。 每一个证据都在推动概率。渐进地。按比例地。没有戏剧性。没有在“绝对是”和“绝对不是”之间突然反转。

Image

这正是预测市场的工作原理。事件合约的价格就是贝叶斯后验概率——随着新信息的流入不断更新。( 后验概率 = 似然度 × 先验概率 ÷ 边缘概率)

这就是为什么 Polymarket 能在 CNN 之前预测到伊朗的袭击。因为成千上万的人将微小的证据碎片喂给价格。每个人把价格往这边推 0.5%,或者往那边推 2%。汇总起来的结果准得惊人。

  • 先验概率 P(H):冲突爆发的可能性为 10%(价格 $0.10)。
  • 新证据 E:有人拍到驻阿联酋的美军基地内的驻军人员正在吃龙虾。
  • 贝叶斯更新:每个交易员评估这个证据的权重。有人算出来概率上升到了 18%,他们就会买入,将市场价格推高到 0.18。接着又出现了“边境军队调动”的新证据,价格继续平滑更新到 $0.35。

没有任何突兀的反转。每一个微小的新闻切片,都会被立刻折算成概率的数学增量。这教给我们最重要的一课:观点要轻拿轻放,随时按证据的强度成比例地更新。

大多数人要么完全忽视证据,要么反应过激。这两种做法都是错的。

哪有这多内幕交易,都是对证据的收集、推演和理解。

5. 幸存者偏差 (Survivorship Bias) —— 你只看到了赢家

你读到一个大学辍学生建立了一家市值十亿美元的公司的故事。很鼓舞人心,对吧?也许上大学是在浪费时间? 但你从未听说过另外 10,000 个破产的辍学生。他们上不了杂志封面。也接受不了播客采访。他们只是在默默挣扎,而那一个幸存者却吸引了所有的注意力。

这就是幸存者偏差。你只看到了赢家,所以你极大地高估了获胜的概率。 它无处不在:

  • 加密货币推特 (Crypto Twitter)。

每个人都在晒收益。没人发亏损。把 500 美元变成 5 万美元的家伙获得了 20 万个赞。把 500 美元亏成 0 的 500 个人注销了账号。你的信息流让你觉得所有人都在赢。其实不是。87% 的 Polymarket 钱包都在亏钱。你只是从未看到他们发帖谈论这件事。

  • 餐饮业建议。 “只要追随你的热情去开家餐厅!” 60% 的餐厅在第一年倒闭。80% 在五年内关门。那些活下来的成了你最喜欢去的地方。死掉的那些则是隐形的。如果你无视那片墓地,追随热情是个好建议。
  • 音乐产业。 “只要把歌传到 Spotify 上,然后等它病毒式传播!” 每天有 90,000 首曲目上传到 Spotify。中位数曲目的总播放量只有 30 次。你听说了那些爆红的歌曲,因为……它们爆红了。另外 89,990 首都是寂静。

解决方法:每当有人向你展示一个成功故事作为某事行得通的证明时,寻找分母。有多少人尝试过?成功率是多少?如果你找不到分母,就假设成功率非常低。因为这个世界只向你展示分子。

6. 凯利公式 (The Kelly Criterion) —— 当你确实有优势时,该押多少

好吧,假设你已经完成了上述所有步骤。你计算了 EV。检查了基础概率。用贝叶斯更新了你的信念。考虑了幸存者偏差。并且你发现了一个真正的好机会。 你应该押多少?

大多数人有两种模式:太多或太少。要么因为“fomo”而直接梭哈yolo,要么因为害怕taco而只投入极少的金额。

两者都错了,有一个公式可以算出极其精确的合适金额。

f = (p × b - q) / b

p = 获胜概率(合理的估计)

q = 失败概率(= 1 - p)

b = 每冒险 1 美元能赢多少(赔率)

举个例子。你找到一个赌局,你认为自己有 60% 的胜率。如果你赢了,资金翻倍(b = 1)。

f = (0.60 × 1 - 0.40) / 1 = 0.20

凯利公式说:押注你总资金的 20%。

但这是 50 年现实世界应用教给我们的教训:满仓凯利(full Kelly)对人类来说过于激进了。

早在数学定律让你赚钱之前,其波动性就会在情感上摧毁你。我研究过的每一个职业赌徒和交易员都使用“四分之一凯利”到“半凯利”。

所以,不要押 20%,押 5-10%。这没那么刺激。你肯定不会明天暴富,但这可以保证你下周也不会爆仓。

顺便说一句,这适用于所有事情。不只是钱:

  • 职业: 不要辞掉工作全职投入到副业中。缩减到每周工作 4 天,花 1 天在副业上。这大约是“四分之一凯利”。
  • 学习: 不要试图同时学习 5 种新技能。选择 EV 最高的那个,深入钻研。
  • 人际关系: 不要把精力分散在 20 个肤浅的友谊上。在 4-5 个真正重要的人身上深度投资。

原则:当你有优势(edge)时,集中投入。但不要过度。要冗余。留出犯错的余地。

Image

这 6 个数学算法如何相互联系(以及为什么预测市场是终极训练场)

这些不是随机的数学把戏。它们是一个让你清晰思考的完整系统:

  • EV (期望值) 告诉你是否要行动
  • 基础概率 让你的估计扎根于现实
  • 沉没成本 告诉你应该忽略什么
  • 贝叶斯 告诉你如何更新观点
  • 幸存者偏差 告诉你画面中缺少了什么
  • 凯利公式 告诉你该投入多少

奇怪的是,像 Polymarket 这样的预测市场是这 6 者的最佳训练场。每份事件合约都迫使你分配一个概率。市场价格向你展示了人群的概率。如果你不同意——并且你有理由——你就会交易。你的盈亏会告诉你你的思考是否正确。

这就像是你决策能力的健身房。只不过你做的不是举重次数,而是下注。 在这里,你的每一次认知偏差(忽略基础概率、沉没成本、反应过激)都会被市场毫不留情地转化为金钱的流失。反之,如果你能严格执行 EV 计算和贝叶斯更新,市场就会源源不断地把那些依靠“直觉”做交易的人的钱,转移到你的钱包里。

我分析过的 Polymarket 前 1.2% 的顶尖交易员?他们都是这样思考的。不是因为他们读了同样的书——而是因为市场将这些准则深深烙印在了他们脑海里。做一个糟糕的概率估计,亏钱,吸取教训。重复 500 次。这就是课程。

下次面临选择时,试着给每个选项分配一个概率,算一下期望值(EV)。

你会发现,数学比直觉有效得多。

令人不适的部分

当我第一次学到这些东西时,最让我困扰的是:

我意识到我在生活中几乎所有重要的事情上都做出了错误的决定。在一份工作里待得太久(沉没成本)。没有去协商薪水,因为“他们可能会拒绝”(损失厌恶 + 错误的 EV 计算)。跟随加密货币的大V,仅仅因为他们有过一次巨大的成功(幸存者偏差)。在某些事情上改变主意太快,在另一些事情上又太慢(糟糕的贝叶斯更新)。把自己的精力分散在太多项目上(反凯利原则)。

最糟糕的是什么?我一直以为自己很理性。我为每一个决定都有“理由”。只不过这些理由恰好是我的大脑为了证明我的直觉已经决定的事情而编造出来的错误理由。

这就是陷阱。当你不理性时,你感觉不到自己不理性。你感到的是确定。这种确定性就是个 Bug。

上述的 6 个模型并不能让你变得完美。没有什么是完美的。但它们为你提供了一种结构化的方式来检查你自己的想法。就像飞行员在执行起飞前检查清单一样——不是因为他们不知道如何飞行,而是因为即使是专家在纯粹依赖本能时也会遗漏一些东西。

开始使用它们。从其中一个开始。下次你面临真正的决定时——职业、金钱、感情,随便什么——暂停 5 分钟,跑一遍期望值 (EV) 的计算。就做这一件事。

你会惊讶地发现,算出来的答案与你的直觉告诉你的答案有多么不同。

书单推荐 按照它们改变我思维程度的顺序:

《思考,快与慢》(Thinking, Fast and Slow) - Daniel Kahneman。奉为圭臬之作。涵盖了本文中几乎所有的内容,以及 200 个你不知道自己有的偏见。

《超预测》(Superforecasting) - Philip Tetlock。世界上最好的预测者是如何思考的。可以直接应用于预测市场。

《信号与噪声》(The Signal and the Noise) - Nate Silver。如何发现真实的模式并忽略虚假的模式。

《随机漫步的傻瓜》(Fooled by Randomness) - Nassim Taleb。为什么大部分的“实力”都是伪装的运气。

《财富公式》(Fortune's Formula) - William Poundstone。凯利公式的疯狂历史。读起来像一部惊悚片。

《对赌》(Thinking in Bets) - Annie Duke。扑克玩家转行决策顾问的著作。非常实用。

最后还有一件事。 你能把这篇关于期望值和贝叶斯更新的文章读到最后,这说明你已经属于极少数人了。大多数人一看到带公式的内容就会滑走。你没有。

那就是你的优势。不是信息——每个人都可以获取相同的书籍和公式。优势在于你真正在乎,去学习并应用这些东西。

现在,去做一个比一小时前的你会做出的更好的决定吧。

后记

我最近也在写关于预测市场的文章,我在我的预测市场数学逻辑篇里:《预测市场哪有什么内幕消息?都是贝叶斯搞得鬼》,结果我今天就看到了这篇文,写的比我更好、更全、更容易理解,于是就选择直接翻译 + 做一些注解。