極端不確定性:為不可知的未來做決策 | 被動收入的投資秘訣 - 2024年8月
![](https://www.books.com.tw/img/001/087/67/0010876724.jpg)
極端不確定性:為不可知的未來做決策
在充滿不確定性的時代,
如何預測?如何決策?
★本書入選2020年《金融時報》與麥肯錫最佳商業書★
※如果能預測未來趨勢,是否就能做出精準決策?
比爾蓋茲曾警告傳染病的威脅,無人理會;
2020年COVID-19爆發,全球決策圈大混亂。
數名基金經理人預見次貸風暴,市場依舊樂觀;
2007-08年危機來襲,多家金融機構倒閉,造成經濟衰退。
儘管統計數字顯示全球平均餘命延長,
我們還是不知如何規劃自己的保險、投資與退休金。
※面對不確定性來襲,我們擔心一步錯,便滿盤皆輸。
好決策通常建立在對未知與風險的認識上,但現代決策者愈來愈常以機率表達他們的評估結果,但在充滿不確定性的時代,機率與統計數字更容易使決策者誤判。本書中對各類決策進行全面分析:從國家經濟決策到個人財務規劃;從賈伯斯開發新產品,到歐巴馬下令狙擊賓拉登。
決策實際運作中,我們永遠無法獲得最完善的資訊。
在這種不完善的基礎上,我們建立最龐大的組織、制定最重要的政策,
並在不斷變化的情況下建立執行體系。
本書作者約翰‧凱與莫文‧金恩是知名經濟學家,前者擔任多家上市公司的董事,後者曾任英國央行總裁,同時深耕學術與實務。他們是研究「不確定性」的佼佼者,並在本書提出更精確的「極端不確定性」概念,更加清楚地分析我們在面對未知的未來時,可能犯下的錯誤與避免的方法,書中提到傳統經濟學針對風險與不確定性的不同定義,並且分析決策者受到機率思考的誘惑,反而導致自己做出錯誤判斷,他們指出,「極端不確定性」充滿於這個世界,而且因為各種突發情況愈演愈烈,已經到了不容忽視的地步。
《極端不確定性》源引傳記、歷史、數學、經濟學、哲學,以凸顯出我們因應不可知的未來時,最成功與最短視的方法。最後,作者在這本論述嚴謹及發人深省的書中主張,我們習慣以機率來思考問題是不夠的,那會使我們誤以為自己的預測力還不錯,因而造成當今許多的問題。與其瞎掰數字自圓其說,我們應該採取「敘事思維」因應其他可能未來及不可預測事件的商業、政治,與個人策略。
各界好評推薦
在這本深入又實用的好書中,凱與金恩探討一個顯而易見的事實:在某些重大領域,我們不知道、不會知道、也無法知道會發生什麼事,但他們也教我們如何維持運作。——保羅‧羅莫(Paul Romer)|諾貝爾經濟學獎得主
許多書可增廣讀者的見聞,或者讓讀者變得更聰明,而這本《極端不確定性》則是少數能讓讀者變得更睿智的好書。一旦將作者所傳達的重大知識融會貫通,你的生活將有所不同、更加美好。——勞倫斯‧桑默斯(Lawrence H. Summers)|前美國財政部長、前哈佛大學校長
約翰‧凱與莫文‧金恩希望更多人了解風險與不確定性之間的區別,新生代的經濟學家已經遺忘了這種存在已久的差異。——尼爾‧弗格森(Niall Ferguson)|哈佛大學歷史系與商學院經濟史學家
如果你對判斷與決策感興趣,這本書引人入勝。如果決策就是你的工作,這本書更是非讀不可。——艾德‧史密斯(Ed Smith)|泰唔士報專欄作家
這本令人著迷、書寫流暢的好書所引發的共鳴,將擴展到經濟領域之外。這是一本值得各界一起閱讀的傑作。——邁克‧布瑞利(Mike Brearley)|英國前板球選手
很少有書的出版時間能與《極端不確定性》同樣適時。——《華爾街日報》
在不確定性的時代,《極端不確定性》是一本優雅且謹慎的指南,出版時機無可挑惕。——《紐約時報》
作者簡介
約翰‧凱(John Kay)
牛津大學聖約翰學院院士,曾在牛津大學、倫敦商學院、倫敦政經學院擔任教授,現任數家上市公司的董事,多年來為《金融時報》撰寫每週專欄,主持英國政府對股市的評估,該評估於二○一二年提出重大的改革建議。著作繁多,包括《玩別人的錢》、《市場的真相》、《總而言之》、《迂迴的力量》。
莫文‧金恩(Mervyn King)
曾任英國央行總裁,現為紐約大學的經濟學與法學教授以及倫敦政經學院的經濟學教授。二○一三年榮獲英國女王冊封為終身貴族,二○一四年獲頒英國最高榮譽嘉德騎士勛章,著有《金融煉金術的終結》。
譯者簡介
洪慧芳
國立台灣大學國際企業學系畢業,美國伊利諾大學香檳分校MBA。曾任職於西門子公司與花旗銀行,目前為專職譯者。
前言
PARTⅠ 找出不確定性
01 不可知的未來
決策者也不確定
誰來承擔風險?
二十五標準差事件
美國總統的決定
你的退休計劃
智識失靈
本書三大命題
02 謎題與疑團
謎題vs. 疑團
解決「未知的未知」問題
邱吉爾知道答案嗎?
等待下一個大爆點
從「未知的未知」到「已知的未知」
03 極端不確定性隨處可見
機率推理的範圍
發現黑天鵝
對著鏡子觀看,模糊不清
解釋不確定性
實際的決策
加州的建立
PARTⅡ 機率的誘惑
04 用機率思考
生命表與壽險
機率作為頻率
點數問題
貝氏定理值得一試
無差異原則
診療室裡的貝氏定理
05 一個遭到遺忘的爭論
主觀機率的勝利
世貿雙塔遭到攻擊的可能性
第二個孩子的性別?
你從來不需要被迫揮棒
06 模棱兩可與含糊不清
哈里斯堡、還是費城?
無意詩
數學的濫用
表達不確定性
含糊不清與模棱兩可
降雨機率vs. 經濟預測
07 機率與最適化
期望值的問題
美國學派的勝利
從「期望值」到「期望效用」
教室裡的貝葉斯錶盤
白宮的貝葉斯錶盤
風險與參考敘事
保險的動機
風險規避
預期風險
PARTⅢ 理解不確定性
08 大世界的理性
理性行為
推理風格
看不見的大猩猩
脈絡中的偏誤
助推
有限理性
09 演化與決策
演化比經濟學家更聰明
利他主義、親屬關係、相互關係
演化選擇的多層次
損失厭惡
信心與樂觀
雙系統
人類智慧 vs. 人工智慧
10 敘事典範
策略週末
診斷
歷史敘事
人類學
互惠與交易
獨特事件與多種解釋
11 不確定性、機率與法律
克拉克與辛普森
法律推理
複合機率
檢察官的謬論
機率推理vs. 法律推理
統計推理的限制
最佳解釋
12 好故事/壞故事
對敘事的強烈需求
目的不是要預測未來
文本之外,別無他物
敘事與情感
敘事與金融市場
13 用數字說故事
冪次律
為什麼民調無效
虛假的故事與偽造的統計數字
14 透過模型講故事
真假難辨
不是只有瑕疵品
有關方法論的唯一文章
數字不是政策
15 理性與溝通
運氣
推理和溝通
行動不是解釋,解釋不是行動
溝通型理性
人類智慧是集體智慧
16 質疑敘事
如何產生好決策?
商業敘事
林肯與柴契爾
艾森豪與麥克阿瑟
保護參考敘事
麥納馬拉和他的懺悔
PARTⅣ 經濟學與不確定性
17 金融界
風險的意義與風險規避
大世界中的小世界模型
金融監管
退休金模式
更多金融敘事
傑克森霍爾的全球央行年會
金融理論的局限
18 保險、投資與極端不確定性
保險共擔
退休年金
確定性不是安全感
懷疑的金融經濟學家
波動是投資者的朋友
19 了解/誤解總體經濟學
總體經濟中的「風洞」模型
理性預期革命
完整與大拍賣
在小世界裡制定政策
預測失靈
管理經濟
工程vs.經濟
20 模型的使用與誤用
運輸模型
風險價值
把數學套用到漁業上
移民的錯誤資訊
濫用模型
NASA與WHO的建模
適當使用模型
PARTⅤ 接納不確定性
21 實用知識
經濟學作為實用知識
模型是工具
經濟學需要資料
地圖不是領土
經濟學作為導航
經濟學家與極端不確定性
22 適應極端不確定性
非平穩性
人是社群動物
敘事的重要
質疑敘事
集體智慧和溝通型理性
23 擁抱不確定性
風險與不確定性
穩健性與韌性
頂尖強國
不確定性與演化
冒險進取精神
重回博羅金諾
附錄 不確定下的選擇公理
參考書目
延伸閱讀
謝辭
前言
追求效益最大化的神話
四十年前,我們寫了一本廣受好評的書,名為《英國稅制》(The British Tax System),書中描述英國稅制在知識與實務上的失敗。我們既不是從零開始發明稅制的學術文人,也不是沉浸雞毛蒜皮細節的稅務會計師。當時我們只是年輕的學者,試圖探究英國稅制在實務上是如何運作的,然後再根據少數幾個深思熟慮的原則來設計改進方案。四十年後我們各自發現,經濟學本身也面臨類似的挑戰,需要重新檢視。因此我們決定再度攜手合作,而這本《極端不確定性》就是我們合作的成果。
《英國稅制》的銷量很好,改版好幾次,在那次合作之後,我們的職涯朝向不同的方向發展。約翰・凱(John Kay)成為英國財政研究機構(Institute for Fiscal Studies)的所長,創立了一家著重商業經濟的顧問公司,出任牛津大學賽德商學院的首任院長,並為《金融時報》撰寫專欄長達二十年。莫文・金恩(Mervyn King)先在英美多所大學擔任教授,後來加入英國央行擔任首席經濟學家,並於二○○三年到二○一三年間成為英國央行總裁。
在這四十年間,我們看到經濟學變成一種解決實務問題的方法,也目睹其局限性。身為研究者,我們採用了傳統的方法,透過傳統假設(家庭、企業,乃至於政府採取行動時,是為了追求最佳結果)去了解經濟行為。我們學到,想要解決經濟問題,應該要先問理性的個人正在追求什麼的最大化。企業在追求股東價值的最大化,政策制定者在追求社會福利的最大化,家庭則在追求幸福或「效用」的最大化。如果企業沒在追求股東價值的最大化,我們便可推斷,它們肯定是在追求其他東西的最大化,例如企業成長或高階管理者的薪酬。
他們最佳化的能力畢竟有限,從一些限制可以看得出來,例如:企業的限制是投入與產出之間的關係,政府的限制是不同政策的可行性,家庭的限制則是預算多寡。由於社會學運用的數學技巧愈來愈多,這種行為的「最佳化」很適合套用在社會學上。如果企業、政府、家庭面臨的問題可以用定義明確的模型來表示,那麼只要評估問題的「最佳」解方,就能預測他們的行為。
儘管以這種方式來思考可以學到很多東西,但實務經驗顯示,這些經濟行為者根本沒有在追求任何東西的最大化。這不是因為他們笨(雖然有時他們確實很蠢),也不是因為他們不理性(雖然有時他們確實不理性),而是因為下令追求股東價值、社會福利或家庭效用的最大化,並不是合理的行動指示。商務人士、政策制定者、家庭甚至無法想像應該具備哪些必要資訊,才能決定該採用哪些行動來追求股東價值、社會福利或家庭效用的最大化。他們也不會知道,採取那些行動後,是否真的能達到最大化。所以有相當多誠實又能幹的高管與政治人物,是在做他們認為能改善事業或世界的漸進決策。所謂幸福的家庭,是指家庭成員共同努力確保明天至少跟今天一樣美好。
大多數經濟學家會欣然承認,沒有人真的在做經濟模型那種運算。然而,自美國經濟學泰斗保羅・薩繆森(Paul Samuelson)發表研究成果以來,經濟學家就堅稱,只要世人遵守「理性」的公理,他們就會在不知不覺中追求最佳化,就好像法國作家莫里哀(Molière)筆下的儒爾丹先生(M. Jourdain)不知不覺談論散文長達四十年一樣。而且,像薩繆森那樣把這種不證自明的公理套用在消費者行為時,成效比懷疑者預期的還要好。
但我們會在這本書中證明,把這種「理性」套用在企業、政府或家庭對不確定的未來所做的決策上,完全行不通。行不通的原因,並不在於這些經濟行為者不理性,而是因為他們的確算理性,而且他們大多不會假裝知道他們不知道、也不可能知道的東西。他們常常不知道將會發生什麼事,也說不準可能發生的事情範圍,更不可能知道各種可能事件的相對機率。
二○○七—二○○八年的金融危機讓大家明白,最適化模型無法掌握因面對不可知未來而導致的破壞性行為。但本書並不是要談論那場金融危機,也不是另一本經濟學著作,雖然這本書的確深受經濟學研究的影響。本書要談的是,一般人在極端不確定的世界中該如何做決策。畢竟,在極端不確定的情況下,考慮其他可能未來的發生機率毫無意義。
在撰寫此書並與朋友、同仁討論想法時,我們發現,普通讀者與專家的反應截然不同。很明顯,多數人覺得極端不確定性的概念很自然。對他們而言,挑戰並不在於接受極端不確定性的存在,而是找到因應它的方法。我們希望他們能在後面的章節中找到答案。相較之下,許多受過經濟學、統計學或決策理論訓練的人,反而很難接受極端不確定性的重要,就連那些從事電腦業以及研究人工智慧的人也是如此(有些人可能只是因為讀了許多這方面資訊,而對電腦擅長的推理方式感興趣)。
當我們試圖在說服這兩種不同的受眾相信極端不確定性的重要性時,一派可能會認為我們是在白費力氣,另一派可能會覺得我倆批評那些轉變我們經濟學、統計學、決策、人工智慧等思維的技巧,是在指桑罵槐。我們希望一般讀者依然喜歡看我們鞭辟入裡的見解,也希望專家至少能夠感受到,我們有些批評實則正中要害。
第2章 謎題與疑團在現實世界或政治世界中,難道任何事物真的都是隨機的嗎?愛因斯坦曾道:「上帝不擲骰子。」他相信這世界基本上已經注定了。而且,在某個難以想像的深度理解層面上,這可能是真的。但是,無論宇宙編劇的意圖是什麼,我們這些行動者(演員)都面臨著不確定性,那可能是因為我們的無知,不然便是因為根本的流程不斷地在改變。金融機構與情報機構的機率學家認為,那種極端不確定的情況非常罕見,他們自認多數重要偶發事件的機率都可以估計。十七世紀以來,以機率術語表達不確定性的情形日益普遍。二十世紀「機率派」加速崛起。在過去的二十年間,機率推理幾乎完全主導了不確定性下的決策描述與分析。其他作家也做過像倫斯斐那樣的區分,把未知分成「已知的」未知與「未知的」未知。歐巴馬總統任內的國家情報會議主席、美國情報界長年來的資深人物葛列格・屈佛頓(Greg Treverton)曾強調「謎題與疑團」(puzzles and mysteries)之間的區別。「謎題」有明確定義的規則以及唯一的答案,我們會知道自己何時找到了解答。謎題可以給人明確任務與正確答案的滿足感。就算你找不到正確的答案,你也知道答案一定存在。謎題是可以破解的、是有答案的,只是答案可能很難找到。經濟學家擅長解開複雜經濟模型的難題,正是因為他們所受的訓練就是為了解開定義明確又有答案的問題。諾貝爾獎就會頒給那些解開最難謎題的人。「疑團」則沒有如此清晰的定義,也沒有客觀正確的答案:它們充滿模稜兩可與不確定性。當我們想破解疑團時,問的是「究竟發生了什麼事?」而且我們知道,即便是事後,我們對疑團的了解可能也相當片面。疑團不會給人「答對」的放心感與愉悅感。哥倫布以為他登陸了亞洲。即便是今天,大家仍在激辯全球金融危機期間或賓拉登躲在巴基斯坦的期間「究竟發生了什麼事?」。中東的未來會怎麼樣?或者,行動運算或汽車業的未來發展會如何?我們熟知的銀行能生存下來嗎?資本主義或民主的未來會是什麼樣子?疑團無法像填字遊戲那樣解開;我們只能找出關鍵的因素,並應用這些因素、以過去互動的方式來估算現在或將來的互動。