目录
一条河的平均水深为 4 英尺(约 1.22 米),一个成年人据此判断河水安全可以徒步涉水过河。但平均值掩盖了分布差异,河岸区域水很浅,河中心存在一处远高于平均的深坑。此人途经深坑时溺水身亡。作者借这个故事阐释核心主旨:只看平均值会忽略极端尾部风险,极端事件可以直接摧毁整体结果,哪怕极端情况发生概率很低。
现实世界大量领域存在平均‑尾部风险错位
作者把寓言投射到现实生活诸多领域。在统计学、政策制定、医学、个人理财、项目规划当中,人们习惯性依赖均值、期望、回归模型做决策。这些工具可以很好描述大多数普通情景,但是无法捕捉尾部极端事件。就算极端情景只占很小概率,一旦发生,后果具备毁灭性,足以抵消无数次普通情景下获得的全部收益。
文章列举多组现实案例。金融投资领域,很多交易策略绝大多数年份都盈利,仅仅一次罕见黑天鹅冲击就会彻底清空全部累积收益。公共卫生领域,流行病的平均传播参数看上去温和,但少数超级传播者可以驱动整个疫情走向。医学上,药物临床试验大多报告平均疗效;部分受试者可以获得巨大获益,另一小部分人会遭遇严重不良反应,只阅读平均数据会看不见少数人的灾难性结局。社会政策方面,社会指标的平均数掩盖个体极端坏结果,政策设计若只瞄准改善平均水平,不去管控最坏的尾部案例,依旧会发生严重灾难。
人们为什么会习惯性忽略尾部风险
作者分析心理与制度两方面成因。认知层面,人的直觉更容易想象典型、平均的场景,大脑很难具象化小概率、高破坏力事件。统计模型本身也存在缺陷,很多模型默认正态分布,现实世界大量现象是厚尾分布,极端事件出现的可能性比正态分布预测更高。
制度激励放大该问题。机构、项目考核常常看平均结果,很少为极低概率灾难承担问责。管理者会优先优化均值表现,牺牲尾部防护。例如评估新药优先看平均疗效,对罕见严重副作用投入的资源更少;商业基金考核年化平均收益,对极小概率的爆仓风险重视不足。
两种应对尾部风险的策略
作者区分两类处理思路。第一种思路,投入资源去精确计算极端事件发生的概率。但作者提示,厚尾现实下,极端事件样本稀少,我们很难算出准确概率,强行给出数字容易产生虚假确定感,反而造成过度自信。
第二种更务实的思路,不去执着精确算出灾难发生几率,而是直接构建容错系统,就算极端坏事真的发生,整体体系也不会彻底崩溃。也就是建立安全冗余、缓冲层、止损机制、灾难备份。举例:投资上设置最大亏损上限;公共卫生建设储备物资而不是只按常规流行规模规划;医疗系统预留重症冗余床位;个人层面不要把全部资源押注单一一条路径。
同时作者提醒,容错是有代价的。冗余、缓冲会牺牲一部分平均收益。为了换取灾难来临时不彻底崩盘,系统在绝大多数正常情况下的表现会不如追求最大化均值的方案。很多机构不愿意接受这种牺牲,因为正常时期的收益下降在考核中是清晰可见的,而避免一场从未实际发生的灾难很难拿来证明功绩。这就造成制度层面的阻力。
延伸:尾部风险与争论、公共辩论
文章进一步谈到公共辩论现象。辩论双方经常拿平均数据互相攻击。一方展示平均结果很好,另一方拿出个别灾难性案例。二者其实都没有撒谎。“平均表现优秀” 与 “存在毁灭性尾部坏结果” 完全可以同时成立。 优秀的分析需要同时看到两件事实,不能非黑即白。既不能因为大多数情况不错就无视少数人的毁灭性后果,也不能仅仅依靠个别极端案例全盘否定整体平均收益。
最后的总结启示
渡河寓言的真正教益不是说一切事情都充满可怕风险、应当彻底回避尝试。核心是做决策时,除了问 “大多数情况下会发生什么”,必须额外追问:最坏可能会发生什么?如果最坏情况成真,我能否承受这个后果? 平均值用来预判常态,而对尾部的容错设计用来保证生存。生存优先于最大化普通情景下的收益。
大脑 学习
2026.08.22


