風(fēng)險越大昔善,收益越大--純屬扯淡,成功來自于堅持做大概率能成的事

“風(fēng)險越大畔乙,收益越大”這句話流傳甚廣君仆,很多朋友面臨選擇的時候都會拿來給自己壓壓驚鼓鼓勁,憧憬著搏一搏啸澡,單車變摩托袖订。你是否也認(rèn)同這個大家口口相傳的理念呢?


多年前一堂經(jīng)濟學(xué)課上嗅虏,我回答老師的問題洛姑,曾說過這樣的話:投資創(chuàng)業(yè),本金少的時候皮服,應(yīng)當(dāng)激進(jìn)些楞艾,多冒些風(fēng)險,快速把雪球滾大龄广;規(guī)模起來以后硫眯,則應(yīng)當(dāng)采取穩(wěn)健保守的策略≡裢看起來似乎沒有什么問題两入,好多理財師也都是這樣建議,年輕的時候風(fēng)險承受能力強敲才,多配置股票裹纳、基金等強進(jìn)攻型理財產(chǎn)品择葡,隨著年齡增長,增加債券剃氧、保險等防守型產(chǎn)品的配置敏储。

其實我們只需重溫一下中學(xué)數(shù)學(xué)學(xué)的概率論,就會發(fā)現(xiàn)朋鞍,收益與風(fēng)險無關(guān)已添,只與概率有關(guān)。比如你有兩個選擇:A滥酥、直接拿走300元錢更舞,B、放棄A恨狈,但有50%的機會拿到1000元疏哗,選B的期望是500元,明顯大于A禾怠,不管你主觀上怎么看,選B都是理性的贝搁;而兩個選擇如果變成:A吗氏、直接拿走300元錢,B雷逆、放棄A弦讽,但20%的機會拿到1000元,如果這時依然選高風(fēng)險的B膀哲,則只能說是賭博往产。

無論資金量大小,你都應(yīng)該朝著贏面概率最大的方向下注某宪,而不是以資金量小家底薄為借口仿村,報著“舍得一身剮,敢把皇帝拉下馬”的大無畏精神魯莽行事兴喂。一旦領(lǐng)悟了這一點蔼囊,起碼在投資上,基本就能夠不再神化“韓信將兵衣迷,多多益善”了畏鼓,你會發(fā)現(xiàn)大資金和小資金的操作理念應(yīng)該是一致的。


有沒有辦法增贏面的概率呢壶谒?面對相同的問題云矫,不同的人之所以做出不同的選擇,是因為大家掌握的信息不對稱汗菜。掌握的信息越全面让禀,對問題分析的越透徹挑社,越有利于做出收益最大化的選擇

我喜歡打撲克牌堆缘,但水平較差滔灶,純靠運氣,而我的好朋友X君則擅長記牌并精準(zhǔn)分析牌面概率吼肥,所以一副爛牌在他手里也可以被打得有聲有色录平。

股票、債券投資都是如此缀皱,股票的風(fēng)險不必然大于債券斗这,風(fēng)險大小還是取決于概率。比如一家評級很差的企業(yè)債券啤斗,通過全面的信息搜集和數(shù)據(jù)分析表箭,你可能會發(fā)現(xiàn)這家企業(yè)的償債能力其實并不像輿論認(rèn)為的那么差,企業(yè)如期還債是大概率事件钮莲,基于這種判斷免钻,就可以大膽買入等待超額收益。所以崔拥,掌握的信息越多极舔,越有利于精準(zhǔn)計算概率,下注要根據(jù)概率的大小來決定链瓦,而不是風(fēng)險的大小拆魏。


人類知識的積累來自于對具體事物的抽象,牛人們善于把現(xiàn)實世界的具體問題抽象成概率問題慈俯,堅持做大概率正確的事渤刃。

舉個例子,不少大牛公司校招通常直接把一些不太知名高校的畢業(yè)生直接篩掉贴膘,不是這些學(xué)校沒有厲害的學(xué)生卖子,而是概率要遠(yuǎn)遠(yuǎn)小于一流高校,這種簡單粗暴的篩選方式節(jié)省了公司HR部門同事大量的時間精力步鉴。

聰明人知道讀書學(xué)習(xí)可以增加成功的概率揪胃,所以他們押寶讀書學(xué)習(xí),持續(xù)不斷地學(xué)習(xí)新知識新技能氛琢,雖然學(xué)到的東西未必能夠立竿見影地奏效喊递,但是技不壓身,多學(xué)一點阳似,將來成功的概率就大一些骚勘。有些人對學(xué)習(xí)嗤之以鼻,跟你討論中學(xué)學(xué)的牛頓三大定律沒什么用,比爾蓋茨輟學(xué)成為世界首富俏讹,清華北大畢業(yè)照樣給小學(xué)沒畢業(yè)的企業(yè)家打工......這種人明顯不知道什么叫概率当宴,不懂得持續(xù)地押注大概率,人生大概率是不會成功的泽疆。

持續(xù)站在大概率的一側(cè)户矢,即使偶爾點背,人生的曲線大概率是曲折向上的殉疼;而選擇站在大概率的對立面梯浪,即使僥幸成功,也難逃大幅回撤的人生曲線瓢娜。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末挂洛,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子眠砾,更是在濱河造成了極大的恐慌虏劲,老刑警劉巖,帶你破解...
    沈念sama閱讀 216,997評論 6 502
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件褒颈,死亡現(xiàn)場離奇詭異柒巫,居然都是意外死亡,警方通過查閱死者的電腦和手機谷丸,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,603評論 3 392
  • 文/潘曉璐 我一進(jìn)店門吻育,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人淤井,你說我怎么就攤上這事√海” “怎么了币狠?”我有些...
    開封第一講書人閱讀 163,359評論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長砾层。 經(jīng)常有香客問我漩绵,道長,這世上最難降的妖魔是什么肛炮? 我笑而不...
    開封第一講書人閱讀 58,309評論 1 292
  • 正文 為了忘掉前任止吐,我火速辦了婚禮,結(jié)果婚禮上侨糟,老公的妹妹穿的比我還像新娘碍扔。我一直安慰自己,他們只是感情好秕重,可當(dāng)我...
    茶點故事閱讀 67,346評論 6 390
  • 文/花漫 我一把揭開白布不同。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪二拐。 梳的紋絲不亂的頭發(fā)上服鹅,一...
    開封第一講書人閱讀 51,258評論 1 300
  • 那天,我揣著相機與錄音百新,去河邊找鬼企软。 笑死,一個胖子當(dāng)著我的面吹牛饭望,可吹牛的內(nèi)容都是我干的仗哨。 我是一名探鬼主播,決...
    沈念sama閱讀 40,122評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼杰妓,長吁一口氣:“原來是場噩夢啊……” “哼藻治!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起巷挥,我...
    開封第一講書人閱讀 38,970評論 0 275
  • 序言:老撾萬榮一對情侶失蹤桩卵,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后倍宾,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體雏节,經(jīng)...
    沈念sama閱讀 45,403評論 1 313
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,596評論 3 334
  • 正文 我和宋清朗相戀三年高职,在試婚紗的時候發(fā)現(xiàn)自己被綠了钩乍。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 39,769評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡怔锌,死狀恐怖寥粹,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情埃元,我是刑警寧澤涝涤,帶...
    沈念sama閱讀 35,464評論 5 344
  • 正文 年R本政府宣布,位于F島的核電站岛杀,受9級特大地震影響阔拳,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜类嗤,卻給世界環(huán)境...
    茶點故事閱讀 41,075評論 3 327
  • 文/蒙蒙 一糊肠、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧遗锣,春花似錦货裹、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,705評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春墓阀,著一層夾襖步出監(jiān)牢的瞬間毡惜,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,848評論 1 269
  • 我被黑心中介騙來泰國打工斯撮, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留经伙,地道東北人。 一個月前我還...
    沈念sama閱讀 47,831評論 2 370
  • 正文 我出身青樓勿锅,卻偏偏與公主長得像帕膜,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子溢十,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,678評論 2 354

推薦閱讀更多精彩內(nèi)容

  • 這個品種風(fēng)險太高垮刹,完全不適合剛?cè)腴T的理財小白,只適有比較長的投資經(jīng)驗和比較全面的投資知識的理財達(dá)人玩张弛。對理財小白而...
    朱進(jìn)偉西農(nóng)閱讀 3,560評論 7 20
  • 你的數(shù)學(xué)直覺怎么樣荒典?你能憑借直覺,迅速地判斷出誰的概率大吞鸭,誰的概率小嗎寺董?下面就是 26 個這樣的問題。如果你感興趣...
    cnnjzc閱讀 6,884評論 0 12
  • 今天在開部門會時刻剥,幸喜的發(fā)現(xiàn)我好像真的成長了…… 因為過往聽到夥伴們遮咖,尤其是男夥伴好像覺得自己做的很不堪,很不夠的...
    好彩妹閱讀 145評論 0 0
  • Approximate Integration 近似積分 黎曼求和造虏,我們把對應(yīng)的[a, b]分成n份御吞,每份大概為 ...
    dodo_lihao閱讀 728評論 0 2