勝算:賭的科學與決策智慧 | 被動收入的投資秘訣 - 2024年9月
![](https://www.books.com.tw/img/001/079/99/0010799985.jpg)
勝算:賭的科學與決策智慧
從「賽局理論」約翰・馮紐曼到《他是賭神,更是股神》愛德華.索普,
博奕的魔力吸引了古往今來各領域的頂尖腦袋,
他們的研究成果,對於理解運氣和決策有何啟發?
又點出我們解讀事物的哪些常見盲點?
———《數學大觀念》作者亞瑟‧班傑明口碑推薦!———
長久以來,各領域的頂尖頭腦都深受博奕吸引,他們不斷挑戰預測的極限,探究秩序與混沌的界限,以揭曉「機會」背後的學問。從賽局理論、混沌理論、統計學、心理學、物理學、經濟學乃至人工智慧,都因「賭」而拓展了探索的疆界。
我們常用「運氣」和「技巧」截然劃分事情的成因,問題是兩者的界線沒有那麼分明。了解賭的科學,你將學會洞察普遍存在的判斷盲點,更睿智地權衡風險與報酬,從而做出優質決策,控制運氣的影響。
●懂博奕,你會更洞察盲點
○輪盤贏錢策略的演進,反映出機率科學近一世紀來的發展……
○賭場改用多達六副牌擾亂算牌客,為何效果適得其反?
○研究放射性衰變與大腦神經元活動的「卜瓦松過程」與足球比賽何干?
○為何有些投注公司反其道而行,樂於吸引精明賭客來投注?
○投注業者改變賠率不是為了符合結果的真實機率,那是為啥?
●懂博奕,你會更了解投資
○為何股票市場「大變化後面往往還會出現大變化」,反之亦然?
○交易機器人崛起後,金融市場的哪些現象你尤其該審慎解讀?
○教人拿捏投資資金比例的「凱利準則」,用於賽馬時有何弱點?
○購買不同產業多家公司的股票,投資組合多樣性為何仍然不夠?
○投資領域的「基本分析法」,要注意什麼盲點?
○購買擔保債券憑證時,要避免什麼錯誤假設?
●懂博奕,你會更善於決策
○機會賽局中常見的「馬可夫鏈」,如何有助於尋找隱含資訊?
○撲克牌是許多生活實際狀況的完美縮影,因為它試圖處理缺漏的資訊。
○賽局未達到最佳結果時,參與者的決定不會趨向平衡,而會大幅震盪。
○參與者易失誤或得在賽局中學習時,賽局理論不是找出最佳策略的好方法……
●懂博奕,你會更過好人生
○為什麼選擇最簡單的解釋,往往反而明智?
○為何最快的解決方法,有時像在走回頭路?
○人性偏誤會導致我們誤判賽事的哪些方面?
○優秀的機器人程式不能只有蠻力,還要懂心理學才行。
〔各章內容簡介可以參見目錄的引文〕
好評推薦
●庫拉斯基以風趣的寫作,介紹必勝投注法的歷史和最新進展,讓我們了解數學和電腦如何成為強大的博奕、運動比賽、虛張聲勢和投資的輔助工具。——《數學大觀念》作者亞瑟‧班傑明
●這本書闡述博奕、科學與數學間的交互作用,寫得趣味橫生……記敘輕鬆連貫,而且將背後的原理寫得淺顯易懂。——英國《展望》雜誌
●賭客和數學迷都會喜歡本書探討真實世界問題的切入角度。——《柯克斯書評》
●作者將博奕如何影響科學、科學又如何影響博奕的故事,寫得相當成功。本書淺顯易讀,但同時具備深厚的學術底蘊。——牛津大學教授J・杜恩‧法馬
●這本書用許許多多的故事,敘述這些鬼才如何運用數學、統計學和科學嘗試超越機率。讀過這本書後,我開始有那麼點想賭兩把了。——劍橋大學教授大衛‧史匹格赫爾特
作者簡介
亞當・庫查司基(Adam Kucharski)
為倫敦衛生與熱帶學院數學建模助理教授及科普作家,畢業於英國華威大學,於劍橋大學取得數學博士學位,曾經獲得2012年惠康科普著作獎,現居倫敦。
譯者簡介
甘錫安
專職譯者。曾擔任Discovery頻道與資訊雜誌編譯,現仍為《科學人》及《BBC知識》等雜誌翻譯。書籍譯作包括《決斷的演算:預測、分析與好決定的十一堂邏輯課》、《品嚐的科學》(合譯)、《愛因斯坦1905》、《現代主義烹調》、《獵光聖經》等,熱愛吸收各類知識,正努力朝「全方位譯人」的目標邁進。
0. 前言 Introduction
數學家理查・愛普斯坦說:「賭徒可說是機率理論的乾爹。」其實不只是機率,長久以來,各領域的頂尖頭腦都深受博奕吸引,他們不斷挑戰預測的極限,探究秩序與混沌的界限,以揭曉「機會」背後的學問。從賽局理論、混沌理論、統計學、心理學、物理學、經濟學乃至人工智慧,都因「賭」而拓展了探索的疆界。了解賭的科學,你能學會洞察普遍存在的判斷盲點,更睿智地權衡風險與報酬,從而做出優質決策,控制運氣的影響。
第1章 三種程度的無知 The Three Degrees of Ignorance
輪盤的小球最終落在哪一格,是隨機的嗎?數學家亨利・龐卡赫認為,這類事件看似隨機,是因為我們不知道成因;他建議我們依照對問題的無知程度來分類問題。龐卡赫還主張,簡單的物理過程可以簡化到表面看來像是隨機——這個想法構成七十年後混沌理論的重要部分。卡爾・皮爾森仰賴統計學,藉由找出數據的重覆型態,來預測球會落在哪。資訊理論先驅克勞德・夏農與後來成為「計量金融之父」的愛德華.索普則發明史上第一具穿戴式電腦,帶到賭場蒐集資料、即時預測小球的落點。輪盤贏錢策略的演進,反映出機率科學近一世紀來的發展……
第2章 靠蠻力賺錢的事業 A Brute Force Business
怎麼做才能讓某樣東西分布得既隨機又均衡?創立現代統計學的隆納德‧費雪研究怎麼在廣大農地上灑農藥時,面臨這個問題。今日的彩券業者設法限制中獎彩券的數量,以及避免中獎彩券過度集中時,也面臨類似挑戰。包牌買彩券要贏錢,前提是什麼?投注彩券時,你的競爭對手除了莊家,還有誰?麻省理工學院的投注團隊,比競爭對手多了解了什麼,而抱得大獎歸?這一章介紹賭徒們怎麼破解美國歷來的各種彩券,以及彩券要仰賴多大的「蠻力」……
第3章 從洛沙拉摩斯國家實驗室,到蒙地卡羅賭場 From Los Alamos to Monte Carlo
愛德華.索普靠著算牌狂贏「廿一點」,賭場改成用六副牌擾亂算牌客,為何效果適得其反?賭場最後索性見到專業算牌客便擋在門外,但賭香港賽馬可不用露臉。在這裡你會認識冷門偏誤、迴歸分析,了解用分析過的賽事數據來檢驗預測,其實不是好方法。奧坎剃刀原理則教你,為何選擇最簡單的解釋反而明智(想建立某真實過程的模型,就該排除不必要特徵)。研究氫彈的數學家,對於預測賭馬結果有何啟發?投資領域的「基本分析法」要注意什麼盲點?機會賽局中常見的「馬可夫鏈」,如何有助於尋找隱含資訊?為何一味求進展往往找不出最佳解決方法,最快的解方有時會像在走回頭路?教人拿捏投資資金比例的「凱利準則」,用於賽馬時又有什麼弱點?
第4章 博士評論員 Pundits with PhDs
用來預測洪水、地震、森林大火和保險損失的「極值理論」,如何跨進運動賽事?研究放射性衰變與大腦神經元活動的「卜瓦松過程」,在預測足球比賽時能起什麼作用?人性偏誤會導致我們誤判賽事的哪些方面?為何有些投注公司反其道而行,樂於吸引精明賭客來投注?投注業者改變賠率不是為了符合結果的真實機率,那是為了啥?購買不同產業多家公司的股票,投資組合多樣性為何仍不夠?購買擔保債券憑證,你要避免什麼錯誤假設?買賣股票時若持股時間不長,常被比做賭博而非投資,然而已有研究指出,運動投注可達成與投資股市相仿的風險與報酬平衡。網際網路如何改變博奕活動的面貌?博奕合法化又有哪些有別於道德面的思考角度?
第5章 機器人興起 Rise of the Robots
人需要時間處理資訊、會猶豫,而且很難同時做很多事情——這正是機器人的機會。現在有許多機器人程式四處尋找失誤賠率,藉以套利;另一些機器人功能相反,會盡可能掩蓋這些資料。另外就如《快閃大對決》一書所述,有的大券商為了比競爭對手提早幾毫秒得知新事件,甚至大費周章炸山鋪路,好鋪設自己的電纜以攔截資訊。只是機器人雖然「能人所不能」,麻煩的是它的行動未必總符合人類主人的利益。騎士資產管理公司由於更新高速交易軟體時出錯,程式自顧自不斷買進與賣出股票,鉅額損失導致該公司當年底就被收購。2013年駭客假造新聞,稱歐巴馬因爆炸而受傷,金融市場反應速度似乎並非出自人類交易員之手,這是好是壞?機器人崛起後,傳統金融理論已經遠遠不足,我們應該把投注或金融市場視為生態系,而非固定不變的經濟法則,那麼我們對生態系的理解,哪些正確、哪些有誤呢?
第6章 虛張聲勢闖天下 Life consists of Bluffing
賽局理論用在資訊全部已知的賽局上效果最好,那麼若是運用在複雜到難以理解的情境時,會出現什麼狀況?西洋棋與許多種撲克牌玩法非常複雜,不論是人類或電腦都還找不出最佳策略。金融市場也有類似問題——許多重要資訊雖已隨手可得,但有更多交互作用的影響因子難以掌握。賽局沒有達到最佳結果時,參與者的決定不會趨向平衡,反而會大幅震盪,混亂難解的決策變得更加常見,就如同碎形理論之父本華・曼德博所發現違反一般直覺的現象:股票市場「大變化後面往往還會出現大變化,小變化之後往往會接連出現小變化」。在玩家容易失誤或必須在賽局中學習時,賽局理論也不是找出最佳策略的好方法……
第7章 機器對手 The Model Opponent
繼電腦「深藍」於1997年打敗西洋棋王卡斯帕洛夫之後,2004年IBM又設計了「華生」參加機智問答節目,照樣電慘人類對手。不過深藍只需用電腦的方式下棋——運用大量運算能力審視接下來的可能棋步,評估可用策略。卡斯帕洛夫指出這種「蠻力」具備的智慧不多:「它不是擁有人類的創意和直覺,能以人類的方式思考和下棋的電腦。」同樣的「華生」不需假扮人類也能取勝。電腦科學家達斯・畢靈斯說:「西洋棋不夠看,那我們來試試撲克牌好了。」電腦打撲克牌時,其實是在解決一個我們十分熟悉的問題:如何處理缺漏的資訊。生活中有許多狀況都是不完全資訊賽局,撲克牌是這類狀況的完美縮影。電腦打撲克牌時不僅搜尋勝利策略困難得多,為了取勝還必須觀察對手,評估大量選擇——電腦需要有顆大腦才行……
第8章 超越算牌 Beyond Card Counting
經營撲克牌館的迪克里斯提納被判經營非法賭場後,請來經濟學家藍道爾・希柏擔任專家證人,要務是說服法官撲克是技巧賽局,因此不是非法賭博。希柏認為最重要的問題是:技巧對牌局的影響,需要多久才能超越機率?我們很容易把賽局分成「運氣」(賭博)和「技巧」(投資)兩類,問題是兩者的界線沒有我們想的那麼分明。我們以為是隨機的過程,通常很不隨機;如果選擇正確,我們容易歸因於技巧,選擇失敗的話則偏向說運氣不好。關於成功投注的報導普遍從數學角度切入,「決定」被簡化成基本機率,但以撲克為例,賭客還要解讀對手的行為。馮紐曼發展出賽局理論來解決這問題時,發現採用虛張聲勢等詐騙策略其實是最佳方案——賭客一直都作對了,只是不知道原因。有時人性因素是影響事態的主要因素,優秀的機器人程式單單知道機率仍不夠,還要結合數學與心理學。
〈第1章 三種程度的無知〉節錄 倫敦麗池飯店的地下樓有一處以奢華著稱的高注賭場,稱為麗池俱樂部。豪華的賭桌由身著黑制服的荷官主持,牆上掛著文藝復興時期的繪畫,分散四處的燈具照亮金碧輝煌的裝潢。但對偶爾玩玩的賭客而言有點可惜的是,麗池俱樂部也以嚴格過濾賭客自豪。要踏進這座賭場,必須是會員或是飯店住客,當然還要有滿滿的荷包。 2004年3月一天晚上,兩位身著高級西裝的男性陪同一位金髮美女走進麗池俱樂部,打算來玩輪盤。他們跟其他高注賭客有點不同,多次拒絕了賭場經常提供給高額賭客的免費補貼。他們的專注果然有回報,一個晚上下來,他們總共贏到十萬英鎊。這筆錢當然不少,但以麗池的標準而言不算少見。第二天晚上,他們又來到賭場,又選了一具輪盤。這次他們贏到的錢多得多,最後他們把籌碼換成現金,總共帶走一百二十萬英鎊。 賭場員工開始起疑。他們離開後,保全人員檢視閉路電視錄影,看過之後立刻報警,很快就在麗池附近的旅館逮到了他們。這名女性來自匈牙利,兩位同夥來自西伯利亞,全都依詐欺罪遭到起訴。根據媒體初步報導,他們用雷射掃描器分析輪盤桌,把測量數據送進藏在身上的小電腦,算出小球最後可能落在哪裡。這次事件裡有高科技又有俊男美女,當然是很吸睛的故事,但各方報導都忽略了一個重要細節。沒有人能完整解釋他們究竟是怎麼紀錄輪盤小球的運動,並計算出準確的預測。輪盤應該是隨機的,不是嗎? *** 研究輪盤隨機性的方法有兩種,亨利‧龐卡赫(Henri Poincaré)對這兩種方法都有興趣。他的興趣很多,這是其中之一:二十世紀初,龐卡赫的研究對許多數學主題貢獻良多。他是史上最後一個真正的通才,後來沒有一位數學家有能力像他一樣在各個領域間自在悠遊,提出許多重要關聯。