今天上班隐轩，只背了一個(gè)小時(shí)單詞窗慎。但關(guān)于人生未來(lái)規(guī)劃方面的收獲很大图云，經(jīng)過一天的學(xué)習(xí)和思考惯悠，我終于徹底想清楚了，如何平衡風(fēng)險(xiǎn)大收益高的考研和風(fēng)險(xiǎn)小收益低的工作之間的取舍問題竣况。

之前的我一直陷入了一個(gè)思維誤區(qū)——即總覺得這是一個(gè)非此即彼的抉擇克婶，所以總是因?yàn)榭佳蟹艞壛嗽趩挝坏陌l(fā)展機(jī)會(huì)，另一方面又會(huì)因?yàn)樯习喽绊懙娇佳械膹?fù)習(xí)進(jìn)度丹泉。到最后情萤，兩方面都沒有顯著的進(jìn)展與收獲，我卻浪費(fèi)了太多的時(shí)間在糾結(jié)苦惱中摹恨，致使工作后人生中最寶貴的五年時(shí)間筋岛，都在反復(fù)地做無(wú)用功！

今天突然想到了投資中的一個(gè)組合投資理論晒哄，該理論通俗地說就是——不要把所有雞蛋都放在一個(gè)籃子里睁宰！關(guān)于這一點(diǎn)，吳軍老師在他的得到專欄中介紹了一個(gè)幫助我們?cè)跊]找到確定答案前如何做決定的理論——“最大熵原理”寝凌，其含義如下：

“最大熵原理”這個(gè)詞聽起來(lái)有點(diǎn)唬人柒傻，但是它的原理并不難理解，我舉兩個(gè)例子你就明白了较木。
第一個(gè)例子是我在博士畢業(yè)找工作時(shí)红符，給別人做報(bào)告時(shí)舉的。通常在美國(guó)，博士生要找一個(gè)研究型的職位违孝，需要在應(yīng)聘的研究機(jī)構(gòu)做一個(gè)學(xué)術(shù)報(bào)告刹前，展示自己的學(xué)術(shù)水平。
我做的研究就是最大熵模型的算法雌桑，這個(gè)算法背后是一大堆數(shù)學(xué)公式喇喉。如果直接推導(dǎo)數(shù)學(xué)公式，聽眾就走光了校坑。因此為了給大家講明白這個(gè)道理拣技，我每次去做報(bào)告的時(shí)候，會(huì)隨身帶兩個(gè)骰子耍目。
在做報(bào)告時(shí)膏斤，我會(huì)先拿出第一個(gè)骰子擲一下，問聽眾五點(diǎn)那個(gè)面朝上的概率是多少邪驮？所有人都說是1/6莫辨，因?yàn)楦鱾€(gè)面朝上的概率是相等的。這種猜測(cè)當(dāng)然是對(duì)的毅访。
我隨后又問聽眾們?yōu)槭裁床?/6沮榜，而不是1/2或者1/10？大家都回答說喻粹，因?yàn)閷?duì)這個(gè)骰子一無(wú)所知蟆融，只好假定它每一個(gè)面朝上的概率是均等的。
接下來(lái)我拿出另外一個(gè)被我做了手腳的骰子守呜，我把幾個(gè)角給磨圓了型酥，然后給大家看，問大家五點(diǎn)朝上的概率是多少查乒？這時(shí)沒有人再猜1/6了弥喉，因?yàn)樗麄兛吹竭@個(gè)骰子并不均勻，他們有人猜是1/3侣颂，有人猜1/2档桃，總之不再是1/6，說明大家在得到新的信息后憔晒，會(huì)自動(dòng)考慮到“現(xiàn)在5點(diǎn)朝上的概率應(yīng)該變化”這個(gè)事實(shí)藻肄。
當(dāng)然，具體到那個(gè)骰子拒担，5點(diǎn)朝上的概率大約是2/5嘹屯，這是我經(jīng)過實(shí)驗(yàn)驗(yàn)證過的，而在5點(diǎn)對(duì)面的2點(diǎn)从撼，朝上的概率近乎是零州弟。
于是钧栖，我又把這個(gè)事實(shí)告訴大家，接下來(lái)我再問聽眾婆翔，那么剩下的四個(gè)面朝上的概率分別是多少呢拯杠？大家通常會(huì)猜是3/20。因?yàn)檎J(rèn)為除去五點(diǎn)和兩點(diǎn)的概率總和2/5啃奴，剩下的3/5概率要由四個(gè)面均分潭陪，于是平均來(lái)講就是3/20了。
為什么大家要平均分配剩下來(lái)的概率最蕾，而不會(huì)覺得1點(diǎn)朝上的概率比6點(diǎn)朝上的概率來(lái)得大呢依溯？因?yàn)檫@樣對(duì)大家來(lái)講風(fēng)險(xiǎn)最小。
聽我報(bào)告的人每次在作判斷時(shí)瘟则，其實(shí)就是基于簡(jiǎn)單的算術(shù)加上直覺黎炉。而人作出這種基于直覺的預(yù)測(cè)，背后的依據(jù)是讓風(fēng)險(xiǎn)最小醋拧，平均分配概率符合這一點(diǎn)要求慷嗜。所幸的是，讓風(fēng)險(xiǎn)最小的直覺碰巧符合了信息論中最大熵原理趁仙，因此它作出的判斷是基本正確的洪添。
接下來(lái)我們就說說最大熵原理，它的含義是這樣的雀费。當(dāng)我們需要對(duì)一個(gè)隨機(jī)事件的概率分布進(jìn)行預(yù)測(cè)時(shí)，我們的預(yù)測(cè)應(yīng)當(dāng)滿足全部已知的條件痊焊，而對(duì)未知的情況不要作任何主觀假設(shè)盏袄。
我們?cè)诘谝粋€(gè)骰子的問題上，得不到任何已知條件薄啥，因此我們不能有任何主觀假設(shè)辕羽，猜每一個(gè)面朝上的概率是1/6就可以了。
但是垄惧，當(dāng)我給大家看了做過手腳的骰子刁愿，大家就得到了部分信息，所以在第二次作預(yù)測(cè)時(shí)到逊，大家首先要保證預(yù)測(cè)符合已知的信息铣口，也就是說5點(diǎn)和它所對(duì)應(yīng)的2點(diǎn)朝上的概率應(yīng)該分別是2/5和0。
但是對(duì)于任何的未知觉壶，依然不能作任何主觀的假設(shè)脑题，于是大家在其他四個(gè)面朝上的概率上，均勻分配剩下的概率铜靶，猜3/20就可以了叔遂。
如果我們按照上述的方法，去建立一個(gè)概率的模型，可以證明這樣的概率模型會(huì)使得熵已艰，也就是不確定性痊末，達(dá)到最大值，因此這種模型被稱為“最大熵模型”哩掺，而相應(yīng)的凿叠，建立模型的原則就被稱為最大熵原理。
最大熵原理也可以用老子的智慧從另一個(gè)角度詮釋一下疮丛，那就是“過猶不及”幔嫂。我們學(xué)了信息論，知道信息是用來(lái)消除信息熵誊薄，也就是不確定性的履恩。
在上面的例子，大家在猜骰子哪面朝上時(shí)呢蔫，已經(jīng)利用了所有已知信息切心，將信息熵減少了，該確定的已經(jīng)確定了片吊，我們不可能進(jìn)一步減少信息熵了绽昏。于是剩下的信息熵就達(dá)到了最大，這就是把信息使用地剛剛好俏脊。
如果我們自作主張地想進(jìn)一步降低信息熵全谤，作了很多主觀的假設(shè)，作出來(lái)的預(yù)測(cè)反而不準(zhǔn)確了爷贫，我們?cè)谇懊鎸W(xué)了认然，不準(zhǔn)確的預(yù)測(cè)風(fēng)險(xiǎn)是極大的。因此這就是老子所說的“過猶不及”了漫萄。
那么這個(gè)最大熵模型在技術(shù)上有什么好處卷员，或者相對(duì)其它技術(shù)有什么優(yōu)勢(shì)呢？
首先腾务，它顯然和我們所有已知的信息相符合毕骡，因?yàn)槲覀兊哪Ｐ途褪怯靡阎畔⒋罱ㄆ饋?lái)的。
其次岩瘦，這樣的模型最光滑未巫。光滑在數(shù)學(xué)上是一個(gè)什么概念？你可以理解為它不會(huì)遇到黑天鵝事件担钮，方方面面都考慮得很周全橱赠。最大熵模型光滑的原因，在于我們對(duì)于未知的信息箫津，沒有作任何的主觀猜測(cè)狭姨，就可以保證結(jié)果能覆蓋所有的可能性宰啦，不會(huì)有所遺漏。
我們還是以那個(gè)做了手腳的骰子為例來(lái)說明饼拍。我們只知道兩件事赡模，五點(diǎn)朝上的概率大約是2/5，兩點(diǎn)朝上的概率大約是零师抄，對(duì)于另外四個(gè)面的概率不知道漓柑。
這時(shí)候你可以賭，比如賭三點(diǎn)朝上的概率為1/3叨吮，四點(diǎn)朝上的概率為零辆布。你或許會(huì)賭對(duì)，又或許會(huì)賭錯(cuò)茶鉴，但是長(zhǎng)期看下來(lái)锋玲，這樣賭的風(fēng)險(xiǎn)很大，因?yàn)椴环细怕噬系挠?jì)算結(jié)果涵叮。
因此惭蹂，我們可以認(rèn)為，一個(gè)光滑的模型割粮，可以讓預(yù)測(cè)的風(fēng)險(xiǎn)最小盾碗。而最大熵原則恰好滿足這一點(diǎn)。
我們?cè)谕顿Y時(shí)常常說這樣一句話舀瓢，不要把所有的雞蛋放在一個(gè)籃子里廷雅，其實(shí)就是最大熵原理的一個(gè)樸素的說法，因?yàn)楫?dāng)我們遇到不確定性時(shí)京髓，就要保留各種可能性榜轿，而不要隨便作主觀的假設(shè)。
最后朵锣，如果你得到的信息是矛盾的怎么辦？其實(shí)很多時(shí)候甸私，我們之所以難以決策诚些，就是因?yàn)樗鼈兿嗷ッ埽覀兂３Ｔ凇叭绻@樣……”可是“又會(huì)那樣……”的兩難境地皇型。
最大熵模型用數(shù)學(xué)推理的辦法解決了整個(gè)問題诬烹，它無(wú)法同時(shí)滿足兩個(gè)矛盾的先決條件，會(huì)自動(dòng)地在這兩個(gè)條件中找到一個(gè)中間點(diǎn)弃鸦，保證信息的損失最小绞吁。可以講唬格，最大熵模型在形式上是最漂亮家破、最完美的統(tǒng)計(jì)模型颜说，在效果上也是最好、最安全的模型汰聋。
了解了最大熵模型的這么多好處门粪，很多人會(huì)想，那我們就在各種場(chǎng)合使用它吧烹困！
凡事有一利就有一弊玄妈，最大熵模型雖然有很多好處，但它最明顯的弊端是計(jì)算量太大髓梅，直到21世紀(jì)之后拟蜻，由于計(jì)算機(jī)速度的提升以及訓(xùn)練算法的改進(jìn)，很多復(fù)雜的問題才開始采用最大熵模型來(lái)解決枯饿，比如自然語(yǔ)言處理酝锅。
這個(gè)問題一解決，就馬上被用在了新技術(shù)上鸭你。當(dāng)然屈张，和錢緊密聯(lián)系的行業(yè)總是喜歡最先采用新技術(shù)，因此美國(guó)的不少對(duì)沖基金袱巨，包括著名的文藝復(fù)興技術(shù)公司阁谆，都是最大熵模型的最早使用者，它們也因此取得了很好的收益愉老。
我在約翰·霍普金斯大學(xué)期間改進(jìn)了這個(gè)模型的訓(xùn)練算法场绿，然后寫了一個(gè)簡(jiǎn)單的編程工具，后來(lái)有人把我論文中的算法做成了開源的代碼嫉入，今天你如果需要使用這個(gè)模型焰盗，并不需要從頭開始，只需要使用開源軟件即可咒林。
對(duì)大部分人而言熬拒，最大熵重要的是原理，而不是公式模型垫竞，畢竟模型使用的人會(huì)非常少澎粟。對(duì)于最大熵的原理，每一個(gè)人都應(yīng)該記住以下三個(gè)結(jié)論：
1.如果你獲得了全部的信息欢瞪，事情就是確定的了活烙，就不要用概率模型進(jìn)行預(yù)測(cè)了。所以遣鼓，最大熵模型的應(yīng)用場(chǎng)景是你獲得了一部分確信的信息啸盏，但是沒有獲得全部的時(shí)候。這時(shí)你要保證所建立的模型滿足所有的經(jīng)驗(yàn)骑祟，同時(shí)對(duì)不確定的因素有一個(gè)相對(duì)準(zhǔn)確的估計(jì)回懦。
2.在沒有得到信息之前气笙，不要作任何主觀假設(shè)。這一點(diǎn)對(duì)投資非常重要粉怕。很多人覺得股市連續(xù)漲了半年就一定會(huì)下跌健民，或者下跌了半年就一定會(huì)漲，這些都是主觀的假設(shè)贫贝。
我們?cè)谇懊娼榻B投資時(shí)講過秉犹，要想獲得投資最大的收益，就需要將錢長(zhǎng)期放在一個(gè)健康的股市中稚晚。事實(shí)上時(shí)機(jī)你是把握不住的崇堵，而時(shí)間是你的朋友。很多人對(duì)所謂時(shí)機(jī)的判斷客燕，都是主觀的鸳劳，其實(shí)是一種投機(jī)行為。
3.不要把雞蛋放在一個(gè)籃子里也搓，而要讓凡事變得“平滑”赏廓，因?yàn)榘凑兆畲箪氐脑恚@樣做風(fēng)險(xiǎn)最小傍妒。
此外幔摸，透過最大熵模型，我還想表述一個(gè)事實(shí)颤练，那就是形式上簡(jiǎn)單的東西既忆，獲得它未必容易，在數(shù)學(xué)上漂亮嗦玖，形式簡(jiǎn)單患雇，但是實(shí)現(xiàn)起來(lái)反而難度很大。
我上節(jié)課講到奧卡姆剃刀法則時(shí)說簡(jiǎn)單的方法常常最有效宇挫，可能會(huì)有人將簡(jiǎn)單和初級(jí)苛吱、低水平劃等號(hào)。形式上簡(jiǎn)單的東西未必初級(jí)器瘪，相反又谋，要把道理總結(jié)得簡(jiǎn)單易懂，自己需要有深刻的理解娱局，在科學(xué)上，要得到形式簡(jiǎn)單的規(guī)律咧七，反而要做更多的工作衰齐。

看完了吳軍老師的講解，我終于明白了自己之前的決定是多么的愚蠢继阻，在沒能確定哪條路更適合我之前耻涛，就把所有的時(shí)間和精力投資在一個(gè)方向上废酷，就像羅胖老師在羅輯思維節(jié)目中提到的如何找到那個(gè)選擇題的最佳方案一樣：

假設(shè)你現(xiàn)在面對(duì)兩個(gè)按鈕：如果你按下第一個(gè)按鈕，直接給你一百萬(wàn)美元抹缕；如果按下第二個(gè)按鈕澈蟆，你有一半的機(jī)會(huì)拿到一億美元，當(dāng)然還有一半機(jī)會(huì)就什么都沒有卓研。這兩個(gè)按鈕只能選一個(gè)趴俘，你選哪個(gè)？
我拿這道題在辦公室里同事當(dāng)中測(cè)試了一下奏赘，大部分人都選擇直接拿一百萬(wàn)美元走人寥闪。因?yàn)檫@本來(lái)就是飛來(lái)橫財(cái)，拿了入袋為安磨淌。而另一個(gè)選項(xiàng)一億美元疲憋，萬(wàn)一按下去，什么都拿不到呢梁只？我的小心臟啊缚柳，根本承受不了這個(gè)損失。這么選的人搪锣，風(fēng)險(xiǎn)偏好比較小秋忙。
當(dāng)然，也有人選擇按第二個(gè)按鈕的淤翔，這種人風(fēng)險(xiǎn)偏好比較大翰绊。他們的理由也很簡(jiǎn)單，反正是飛來(lái)橫財(cái)旁壮，那不如賭一把监嗜。那我就繼續(xù)追問，你這么選的話抡谐，如果正好落在那不幸的50%上裁奇，什么都拿不到，你會(huì)特別懊悔和心疼嗎麦撵？他們想想說刽肠，好像也有點(diǎn)，連一百萬(wàn)美元那只煮熟的鴨子也飛了啊免胃。
那正確答案是什么呢音五？
當(dāng)然是選有50%的機(jī)會(huì)拿到一億美元。但是羔沙，我給出的理由不一樣躺涝。
一個(gè)熟知現(xiàn)代社會(huì)規(guī)則的人，會(huì)這么處理扼雏。第二個(gè)按鈕坚嗜，如果按下去有50%的機(jī)會(huì)拿到一億美元夯膀，那么按照概率，這個(gè)按鈕的選擇權(quán)價(jià)值就是5000萬(wàn)美元苍蔬。我承受不了這個(gè)損失诱建，那好，我把這價(jià)值5000萬(wàn)的機(jī)會(huì)賣給一個(gè)有能力去賭的人碟绑，比如說用2000萬(wàn)美元跟他成交俺猿。那對(duì)于買的人來(lái)說，用2000萬(wàn)美元買一個(gè)價(jià)值5000萬(wàn)美元的概率權(quán)蜈敢，在賬面上是非常劃算的辜荠。而你現(xiàn)在有2000萬(wàn)美元了，是不是比選第一個(gè)100萬(wàn)美元強(qiáng)得多抓狭？
好伯病，你可能會(huì)說，我找不到愿意賭那么大的人否过。那我們優(yōu)化一下上面的方案午笛，你找一個(gè)比你有錢的人，你說：“我把這個(gè)選擇權(quán)賣給你苗桂，但是首付100萬(wàn)美元药磺，如果你中了一個(gè)億，我要求再分成一半煤伟，你覺得怎么樣癌佩？”
對(duì)你來(lái)說，100萬(wàn)美元他作為首付給你便锨，已經(jīng)落袋為安了围辙，剩下就讓他去賭個(gè)運(yùn)氣，反正也比第一個(gè)選擇強(qiáng)放案。而對(duì)買家來(lái)說呢姚建，他是拿100萬(wàn)美元的成本去賭5000萬(wàn)美元的一半概率，這個(gè)買賣他也非常劃算吱殉，他會(huì)干的掸冤。
接著往下想，這個(gè)方案還有沒有更近一步優(yōu)化的空間呢友雳？
還有稿湿，當(dāng)然那就更復(fù)雜了。比如押赊，把這個(gè)選擇權(quán)切碎了發(fā)行彩票缎罢，這樣就更是穩(wěn)賺不賠，當(dāng)然這個(gè)普通人就干不了了，得有政府授權(quán)策精。
聽到這里，你可能會(huì)覺得有點(diǎn)奇怪崇棠。開始的時(shí)候咽袜，我面對(duì)的選擇，明明一個(gè)是確定的枕稀，一個(gè)是不確定的询刹。可是這不確定的最后怎么就變得確定了呢萎坷？而且收益要高得多呢凹联？
對(duì)啊，這個(gè)例子里面哆档，藏了這個(gè)世界的一個(gè)絕大的秘密蔽挠，就是窮人思維和富人思維的區(qū)別。請(qǐng)注意瓜浸，我這里說的是窮人思維和富人思維澳淑，而不是指窮人和富人。
我們?nèi)松谑啦宸穑瑫r(shí)時(shí)刻刻都面對(duì)各種各樣的選擇杠巡。每一個(gè)選擇背后，都有成和敗的概率雇寇。
窮人思維氢拥，就傾向于拿到確定的東西，他不要概率權(quán)锨侯。而富人思維正好相反嫩海，每次選擇的時(shí)候都愿意根據(jù)成功的概率來(lái)下注，不管每一次的成敗识腿、輸贏出革，他一直都堅(jiān)持這么下注袱结。
請(qǐng)注意贡茅，珍視概率權(quán)，不是讓你去賭辅鲸，而是跳出自己的直覺本能成箫，用概率的思維去思考自己的每一個(gè)選擇展箱。
如果概率權(quán)算得過賬來(lái)，那就勇敢去下注蹬昌，比如說用100萬(wàn)美元的價(jià)格去試試50%的機(jī)會(huì)拿到一億美元的概率權(quán)混驰。從直覺上來(lái)看，雖然有風(fēng)險(xiǎn)，但是在概率思維看來(lái)栖榨，這已經(jīng)是劃算得不能再劃算的買賣了昆汹。
窮人不珍視概率權(quán)，不是不去賭婴栽，他們反而更容易去賭一些極小概率的事情满粗。比如花錢買彩票，兩塊錢兩塊錢地買愚争，想博一個(gè)發(fā)財(cái)夢(mèng)映皆。
但是明白彩票原理的人都知道，這成功的可能性幾乎為零轰枝。而組織銷售彩票的人捅彻，他是按照概率思維來(lái)設(shè)計(jì)這個(gè)機(jī)制和游戲的，他們反而是穩(wěn)賺不賠的鞍陨。所以你看步淹，就彩票這件事來(lái)說，是窮人在補(bǔ)貼富人湾戳。
舉個(gè)例子贤旷，你看富人是怎么想的。扎克伯格砾脑，F(xiàn)acebook的老板幼驶，他當(dāng)年剛創(chuàng)立Facebook公司4個(gè)月，就有人出價(jià)1000萬(wàn)美元要收購(gòu)他的公司韧衣，兩年后盅藻，雅虎公司出價(jià)10億美元收購(gòu)。其間當(dāng)然還有很多次機(jī)會(huì)畅铭，谷歌氏淑、新聞集團(tuán)等等都曾經(jīng)有過收購(gòu)意向，每次出價(jià)對(duì)于當(dāng)時(shí)的扎克伯格來(lái)說硕噩，都是一次大發(fā)橫財(cái)假残，從此余生可以花天酒地的機(jī)會(huì)，但是每一次扎克伯格都拒絕了炉擅。
你是馬上就拿到10個(gè)億辉懒，還是以百分之幾的可能性，也就是概率谍失，在數(shù)年之后拿到1000個(gè)億眶俩？這是一個(gè)選擇，你看快鱼，扎克伯格面對(duì)的這個(gè)選擇颠印，跟我們今天剛開始舉的那兩個(gè)按鈕的例子是不是很像纲岭？
幾年之后，另一家創(chuàng)業(yè)公司Snapchat用類似的方式拒絕了扎克伯格的30億美元收購(gòu)的邀請(qǐng)线罕。
這就是硅谷的精神之一止潮，它可不僅僅是發(fā)財(cái)夢(mèng)，它是一種財(cái)富觀钞楼，是一種雄心壯志沽翔，是一種對(duì)概率權(quán)的把握。
我創(chuàng)業(yè)幾年窿凤，說實(shí)話剛開始也是不太理解那些風(fēng)險(xiǎn)投資人的邏輯。一個(gè)創(chuàng)業(yè)項(xiàng)目跨蟹，看起來(lái)不是很靠譜雳殊，沒有任何確定性，投資人居然就敢成百萬(wàn)窗轩、上千萬(wàn)夯秃、上億的錢白給創(chuàng)業(yè)者花，而且還只占很少的股份痢艺。按照直覺思維來(lái)看仓洼，這些投資人不是瘋了嗎？
但其實(shí)堤舒，這是因?yàn)槿思绎L(fēng)險(xiǎn)投資人看世界色建，和我們普通人的角度不一樣。
他們是看概率權(quán)的舌缤。
一個(gè)創(chuàng)業(yè)公司箕戳，剛開始可能都沒有盈利，但是投資人已經(jīng)把這個(gè)行業(yè)的前途国撵，這個(gè)創(chuàng)業(yè)者陵吸、創(chuàng)業(yè)團(tuán)隊(duì)的素質(zhì)和未來(lái)的市場(chǎng)風(fēng)險(xiǎn)等等都用概率思維給算過了，給出了一個(gè)估值介牙。這個(gè)估值雖然是紙面財(cái)富壮虫，但是它包含了一系列概率的算計(jì)，它是真實(shí)的市場(chǎng)定價(jià)环础。風(fēng)險(xiǎn)投資人他就這么一直下注囚似，一直下注，下了很多次之后喳整，只要有一次大賺谆构，就全部回來(lái)了。
所以框都，風(fēng)險(xiǎn)投資不是外面看起來(lái)的那樣搬素，是賭博呵晨，是猜鋼镚，它是有一個(gè)精密算法的財(cái)富游戲熬尺。
那怎么擺脫窮人思維摸屠，把握概率權(quán)呢？
我剛才提到的那篇文章中就說到粱哼，我們普通人最最缺乏的季二，其實(shí)不是錢，而是有一個(gè)老爸隨時(shí)隨地告訴我揭措，你很牛胯舷。
那為什么書香門第或者財(cái)富世家會(huì)出一大串的牛人，除了基因绊含、資源這方面的原因桑嘶，可能還有以下幾個(gè)原因：
第一，你從小就有足夠高的參照點(diǎn)躬充，不會(huì)被小利益勾走逃顶，更能承受風(fēng)險(xiǎn)（其實(shí)是低概率的），從而捕獲高回報(bào)充甚。就像最開始的例子以政，如果你家里已經(jīng)有了1000萬(wàn)美元，你對(duì)那白來(lái)的100萬(wàn)美元就沒有那么饑渴伴找，你受到的誘惑就沒有那么大盈蛮；
第二，身邊一群人的示范效應(yīng)疆瑰，你老爸眉反、叔叔、伯伯會(huì)不斷告訴你要往前看穆役，你行的寸五，你是很牛的，你的出息絕不僅僅是現(xiàn)在這些耿币；
第三梳杏，在這樣的環(huán)境里長(zhǎng)大，你內(nèi)心的理想淹接、激情有更大的機(jī)會(huì)被點(diǎn)燃十性。
可惜，我們絕大多數(shù)人不會(huì)出生在書香門第或者是財(cái)富世家塑悼，那怎么辦劲适？
對(duì)，這就是這個(gè)世界留給每一個(gè)人的一道后門厢蒜。你可以通過學(xué)習(xí)霞势，通過認(rèn)知升級(jí)烹植，通過改變自己的大腦，通過克服自己與生俱來(lái)的本能愕贡，認(rèn)識(shí)概率權(quán)草雕，掌握概率權(quán)。
要知道固以，這是我們腦子里發(fā)生的事情墩虹，雖然它千難萬(wàn)難，但是畢竟我們不需要任何額外的資源憨琳，沒有任何人能夠阻止它發(fā)生诫钓。
所以我不應(yīng)該貿(mào)然的選擇其中的一條路，然后一根筋地往前走篙螟，直到撞到南墻后才回頭尖坤。而應(yīng)該多條路同時(shí)進(jìn)行，然后直到得到了更加確切的信息闲擦，明白往哪條路走收益更大，再做出下一步的決定场梆！
而在沒有更多的信息之前墅冷，我應(yīng)該少進(jìn)行主觀判斷，避免“過猶不及”或油，失去了另一條路上的機(jī)會(huì)寞忿！

下面分享下我的今日收獲吧：

1.吳軍老師的投資智慧：

我們假定一期基金有1億美元可以用來(lái)進(jìn)行風(fēng)險(xiǎn)投資，怎樣投資效果最好顶岸？我們列出三個(gè)做法：
平均地投入到100個(gè)初創(chuàng)公司腔彰。
利用我們的眼光投入到一家最可能的公司中。
利用哈夫曼編碼原理投資辖佣。
我們還假設(shè)如果投資的公司最后能上市霹抛，將獲得50倍的回報(bào)；如果上不了市卷谈，只是在下一輪融資被收購(gòu)杯拐，將獲得3～5倍的回報(bào)。在硅谷地區(qū)世蔗，獲得投資的公司最終能上市的概率大約是1%端逼，大家不要覺得這個(gè)比例低，它已經(jīng)比世界其他地區(qū)污淋，包括美國(guó)硅谷以外的地區(qū)和中國(guó)顶滩，高很多了。至于被收購(gòu)的概率寸爆，在硅谷地區(qū)大約是20%礁鲁，比中國(guó)要高很多盐欺。
如果使用第一種方法，基本上是拿到一個(gè)市場(chǎng)的平均回報(bào)救氯，也就是一輪基金下來(lái)大約是31%到71%的回報(bào)找田，如果扣除管理費(fèi)和基金本身拿走的分紅，出資人大約能得到20%～50%左右的回報(bào)着憨。通常一期風(fēng)險(xiǎn)投資基金投資的時(shí)間是2～5年（持續(xù)的時(shí)間可以長(zhǎng)達(dá)7～10年）墩衙，這樣年化回報(bào)大約是5%～20%之間。
這是硅谷風(fēng)險(xiǎn)投資的平均水平甲抖，大家不要覺得風(fēng)險(xiǎn)投資一定能掙錢漆改，在中國(guó)，大部分風(fēng)險(xiǎn)投資基金是賠錢的准谚，而在硅谷賠錢的基金的比例也高達(dá)40%挫剑。
第二種方法，只投一家柱衔，這其實(shí)是賭博樊破，如果碰上這家公司上市，有50倍的回報(bào)唆铐，碰上被收購(gòu)的有2～5倍的回報(bào)哲戚，但是絕大多數(shù)情況則血本無(wú)歸。
如果所有的基金都玩這樣的賭博艾岂，雖然平均回報(bào)率和第一種情況相似顺少，但是投資風(fēng)險(xiǎn)高達(dá)500%。根據(jù)投資領(lǐng)域普遍采用的夏普比率（請(qǐng)回到《硅谷來(lái)信》查看第145—148封信）來(lái)衡量王浴，這是極為糟糕的投資方式脆炎。
第三種方法是按照哈夫曼編碼的原理，可以先把錢分成幾部分逐步投入下去氓辣，每一次投資的公司呈指數(shù)減少秒裕，而金額倍增。具體操作方法如下：
第一輪钞啸，選擇100家公司簇爆，每家投入25萬(wàn)美元，這樣用掉2500萬(wàn)美元爽撒。
第二輪入蛆，假定有1/3的公司即33家表現(xiàn)較好，每家再投入75萬(wàn)美元左右硕勿，也用掉2500萬(wàn)美元哨毁。至于剩下了的2/3已經(jīng)死掉或者不死不活的公司，千萬(wàn)不要救它們源武，更不要覺得便宜去抄底扼褪。
第三輪想幻，假定1/10的公司，即10家表現(xiàn)較好话浇，每家投入250萬(wàn)美元脏毯，再用掉2500萬(wàn)美元。
第四輪幔崖，假定3%的公司食店，即3家表現(xiàn)較好，每家投入800萬(wàn)美元左右赏寇，用掉最后的2500萬(wàn)美元吉嫩。
這樣通常不會(huì)錯(cuò)失上市的那一家，而且還能投中很多被收購(gòu)的企業(yè)嗅定。由于大部分資金集中到了最后能夠被收購(gòu)和上市的企業(yè)中自娩，占股份的比例較高，這種投資的回報(bào)要遠(yuǎn)遠(yuǎn)高于前兩種渠退，大家可以估算一下忙迁，大約有3～10倍的回報(bào)。
當(dāng)然碎乃，這還達(dá)不到凱鵬華盈40倍的回報(bào)动漾，但是已經(jīng)非常好了。你也可以認(rèn)為荠锭，一個(gè)系統(tǒng)的方法和堅(jiān)守紀(jì)律能夠帶來(lái)3～10倍的回報(bào)，而對(duì)于凱鵬華盈來(lái)講晨川，投資人的經(jīng)驗(yàn)和人脈证九，帶來(lái)的是剩下的那幾倍回報(bào)。
當(dāng)然大部分人不會(huì)去參與風(fēng)險(xiǎn)投資共虑，但是這種分配資源的原則在哪兒都適用愧怜。我在之前《Google方法論》中介紹Google和Facebook等公司的管理方法時(shí)講到，它們內(nèi)部其實(shí)是一個(gè)大風(fēng)投妈拌，各個(gè)項(xiàng)目一開始都有獲得資源（主要是人力和財(cái)力）的可能性拥坛。
但是很快，通常是三個(gè)月到半年尘分，類似的項(xiàng)目就要開始整合猜惋，資源開始集中到更有希望的項(xiàng)目上去。最后能夠變成產(chǎn)品上市的培愁，是少數(shù)項(xiàng)目著摔，但是大量的資源投入在其中了。這樣既不會(huì)失去新的機(jī)會(huì)定续，也不會(huì)浪費(fèi)資源谍咆。
今天的華為養(yǎng)了一個(gè)擁有幾萬(wàn)人的龐大的預(yù)研部門禾锤，很多人覺得這是有了錢之后嘚瑟浪費(fèi)，但是你可以把它看成是一個(gè)內(nèi)部的大風(fēng)投摹察，每一個(gè)前期研究恩掷，都得到一定的發(fā)展機(jī)會(huì)，而投入的資源并不需要太多供嚎，最后能夠進(jìn)入到獲得巨大資源攻堅(jiān)階段的項(xiàng)目黄娘，終究是少數(shù)。
這個(gè)道理對(duì)個(gè)人來(lái)講也是適用的查坪。美國(guó)有名的私立學(xué)校哈克學(xué)校的前校長(zhǎng)尼克諾夫博士講寸宏，在孩子小時(shí)候，要讓他們嘗試各種興趣愛好偿曙，但是最終他們要在一個(gè)點(diǎn)上實(shí)現(xiàn)突破氮凝，他將這比做用圓規(guī)畫圓，一方面有一個(gè)扎得很深的中心望忆，另一方面有足夠廣的很淺的覆蓋面罩阵。

2.人生中最難的莫過于做選擇，而選擇中最難的莫過于不確定启摄。如果你在無(wú)法判定選擇的利弊時(shí)稿壁，則最好不要抱有賭一把的心態(tài)！因?yàn)橘€對(duì)了雖然可以讓你實(shí)現(xiàn)夢(mèng)想歉备，但萬(wàn)一賭錯(cuò)了也會(huì)讓你陷入萬(wàn)劫不復(fù)之地傅是。希望今天的分享能給大家一些新的啟發(fā)，讓你在今后的人生中蕾羊，面對(duì)無(wú)法判斷的選擇時(shí)喧笔，能多一分淡定與從容，少一分憂愁與苦惱龟再！

3.今天給大家分享的是范仲淹的《蘇幕遮（碧云天书闸，黃葉地）》：

碧云天，黃葉地利凑，秋色連波浆劲，波上寒煙翠。山映斜陽(yáng)天接水哀澈，芳草無(wú)情牌借，更在斜陽(yáng)外。
黯鄉(xiāng)魂割按，追旅思走哺。夜夜除非，好夢(mèng)留人睡。明月樓高休獨(dú)倚丙躏，酒入愁腸择示，化作相思淚。

以上就是本次分享的全部?jī)?nèi)容晒旅，非常感謝你的認(rèn)真閱讀栅盲，期待我們下次分享時(shí)再見！