第六章：偏態與不對稱#

章節概要#

本章深入探討偏態（skewness）——為什麼頻率和幅度是完全不同的事，以及為什麼「大多數時候是對的」可能比「大多數時候是錯的」更危險。

中位數不是訊息#

平均值 vs. 中位數#

• 在偏態分布中，平均值和中位數可以相差甚遠
• 例如：一位作家可能有 99.99% 的機率在一年內只賺 10 萬美元，但有 0.01% 的機率賺到 50 億（寫出超級暢銷書）
• 這位作家的中位數收入是 10 萬，但平均值遠高於此
• 傳統統計學的許多工具假設「正態分布」，但現實世界充滿偏態

在偏態世界中，頻率（你多常是對的）和期望值（你平均能賺多少）是完全不同的衡量標準。

多頭、空頭與稀有事件#

牛熊動物學#

Taleb 認為傳統的「多頭 vs. 空頭」分類毫無意義，真正重要的是：

• 一個交易員可以對市場看空（認為下跌機率 > 50%），但同時做多——因為如果上漲發生，幅度會遠大於下跌
• 機率和報酬是不同維度的事

稀有事件策略#

• Taleb 自己的策略：大多數時候虧小錢，但在稀有事件發生時賺大錢
• 這需要極大的心理韌性——你可能連續數月甚至數年虧損
• 但只要一次大事件發生，所有的虧損都能在一夕之間收回

稀有事件的謬誤#

• 人們傾向於忽略稀有事件，因為它們在可觀察的時間範圍內很少發生
• 但「很少發生」不等於「不重要」——一次就夠了
• 統計學家有時也會犯這個錯誤：因為看到長期的穩定表現就推斷策略是安全的

定態性問題（Stationarity）#

• 所有統計推斷都假設過去的規律會延續到未來
• 但市場的結構可能會改變——過去適用的規律未來不一定適用
• 1998 年的危機打破了許多人認為「安全」的關聯性假設
• 一個在過去 20 年表現優異的模型，可能因為世界改變了而在第 21 年徹底失敗

不對稱性是理解隨機性的關鍵。不要問「我對的頻率有多高？」而要問「當我對的時候能賺多少，當我錯的時候會賠多少？」