風險觀念史：從命運到機率

分開「現代」與「過去」的，未必是科學、資本主義或民主——早在基督誕生前，希臘人已繪星圖、教歐幾里得幾何。Bernstein 認為真正的分水嶺是對風險的掌握：未來不再只是諸神的反覆無常，而被轉化成可衡量、可選擇、可應對的東西。「risk」一詞源於早期義大利文 risicare，意為「敢」——在這層意義上，風險不是命運，而是選擇。這一頁把「從命運到機率」這句話，攤開成一部七百年的觀念史。

• 先要有數字，才可能有風險的科學。沒有數字就沒有賠率、沒有機率，面對風險的唯一方式只剩祈求神明與命運。西方的起點是 1202 年——Leonardo Pisano（即 Fibonacci）出版《Liber Abaci》，把印度-阿拉伯數字系統（含「零」）引進歐洲。但十三世紀的歐洲還沒準備好把數字加諸於風險，這份覺醒又等了兩百年。
• 機率論誕生於一場賭局爭論。1654 年，愛賭的貴族 Chevalier de Mere 把一道「未完成的賭局該如何分配賭金」的老問題丟給 Pascal；Pascal 與律師 Fermat 的通信，第一次用演繹（而非實驗）建立系統化方法，把「對信念的程度判斷」換成可計算的硬數字。人類首度能量化未來，而不是憑信念做決定。
• 從賭桌走進真實世界靠「大數法則」。Jacob Bernoulli 思考二十年，在身後出版的《Ars Conjectandi》(1713) 提出大數法則：抽樣越多，觀測比例偏離真實比例的機率越小——但永遠無法完全消除誤差。他區分了先驗（事前已知，如骰子六面）與後驗（必須從資料估計），並提醒真實世界幾乎總是後驗的。
• 不確定性被「馴服」成鐘形曲線。de Moivre 於 1733 年結合微積分與 Pascal 三角形，證明隨機抽樣結果會繞平均值呈對稱鐘形——即常態分配，並推導出標準差（約 68% 落在一個標準差內、95% 落在兩個內）。Gauss 在大地測量中重新發現這條「誤差法則」，Quetelet 再把它帶進社會科學，鑄出「平均人」。
• 用新資訊更新舊信念。牧師 Thomas Bayes 用撞球桌的比喻反轉問題：不是「要多少觀察才確定」，而是「給定這些觀察，真實機率落在某區間的機率為何」。貝氏定理的精髓，是在動態世界裡持續修正先驗——不確定下沒有單一答案，只有不斷更新的信念。
• 決策不只看事實，還看「效用」。1738 年 Daniel Bernoulli 指出：一物的價值不在其價格，而在其產生的效用；且財富每增加一分，帶來的效用遞減。由此引出「風險規避」——失去的痛苦大於同等獲得的快樂——以及聖彼得堡悖論。風險自此不再是必須承受的命運，而是一組可被選擇的機會。
• 均值回歸與它的界限。Galton 從豌豆與身高中發現「均值回歸」：極端值傾向拉回平均，樹長不到天上。但 Bernstein 警告三個陷阱——回歸太慢被新衝擊打斷、回歸太強越過均值來回擺盪、以及均值本身在移動（昨日的平均已非今日的平均）。把它當機械外推工具，它就成了迷信。

• 現代與過去的分界，是人類學會把未來從「諸神的反覆無常」變成可衡量、可選擇的對象。
• 這條線有清楚的接力：Fibonacci 的數字 → Pascal-Fermat 的機率 → Jacob Bernoulli 的大數法則 → de Moivre/Gauss 的常態分配 → Bayes 的信念更新 → Daniel Bernoulli 的效用 → Galton 的均值回歸。
• 但風險工具永遠只是工具：Knight 與 Keynes 在 1921 年劃出**風險（可量化）與不確定性（不可量化）**的界線——「我們就是不知道」，而正是這份不確定讓人自由。
• 讀任何用數字包裝的預測，都要問它建立在哪個前提上、那個前提是否仍成立——這正是在事件之下看節奏的另一面。