---
area: finance-wealth
category: stock-investment
companies_orgs: []
date: '2024-11-16'
draft: true
guest: ''
insight: ''
layout: post.njk
products_models: []
project: []
series: ''
source: https://www.youtube.com/watch?v=b6oY5XxFWOg
speaker: 一口新飯
status: evergreen
summary: 本文深入探讨了为何“等待市场信号明确再投资”是一种无效的策略。通过剖析错误的投资世界模型，揭示了市场波动并非正态分布，而是受复杂系统、幂律分布和黑天鹅事件影响。文章强调，在充满不确定性的市场中，持续留在市场并调整心态是获取成功的关键。
tags:
- financial-market
- market
- power
- technology
title: 投资的陷阱：为何等待市场信号明确再行动注定失败
---
### 常见的投资误区：等待明确信号

作为财经内容创作者，常在评论区看到类似疑问：“为什么非要在**熊市**（Bear Market: 指股价长期下跌的趋势）投资？”、“为什么不等降息了再投资？”、“**右侧交易**（Right-Side Trading: 指在趋势形成并得到确认后才进场交易的策略）不是更好吗？”、“为什么不等涨起来再买？”、“为什么不等标普500跌到1800点再买？”。还有人会问，如果相信特斯拉的**FSD**（Full Self-Driving: 特斯拉的全自动驾驶技术）会实现，为什么不在震荡的两年里等待财报反映特斯拉成为**AI公司**（Artificial Intelligence Company: 以人工智能技术为核心业务的公司）时再投资，何必执着于一只股票而错过其他机会。这些留言都反映了同一种投资策略：等待市场明朗、信号明确后再投资。然而，这种策略是完全无效的。

### 事实证明：等待信号策略的失效

首先，从事实上看，这种策略并不奏效。2022年12月，我曾发布视频表示会“无脑买入标普500”，当时标普500从最高点下跌了18%，前景十分不明朗。但从那时到现在，它已上涨超过50%。那么，请问到底在哪一刻信号明确了呢？2023年2月，我制作视频讲解为何“不要和**美联储**（Federal Reserve: 美国的中央银行系统）作对”是一个迷思，以及为什么不应该等降息了再投资。后来的市场表现大家都有目共睹，这里的“安全信号”又是什么呢？上个月，特斯拉在10月10日发布RoboTaxi后股价大跌，我随即做了视频讲解我的看法，并表示会考虑**加仓**（Adding to a Position: 增加已持有股票或资产的数量）。出乎意料的是，它很快就开始疯涨。因此，等待FSD在财报上体现后再投资真的来得及吗？长期投资一只股票就真的会让自己错过所谓的其他机会吗？

### 问题的本质：错误的投资世界模型

通常，人们不赞同这种“等信号明确后再投资”的策略，理由包括：第一，**股市不可预测**（Unpredictable Stock Market: 指股票市场的未来走势难以准确预测）；第二，股市代表对未来的预期，等安全了再投资就太晚了。这些说法都有道理，但我认为它们尚未触及问题的本质。否则，为什么有那么多人明明听过这些道理，却依然孜孜不倦地等待一切明朗后再投资呢？

问题的本质在于，很多人对投资抱有一个错误的**世界模型**（World Model: 个人对世界运作方式的认知框架）。这个错误的模型导致我们在投资市场中过度追求确定性，从而不断错过真正的机会。

### 正态分布：一个被误用的“世界模型”

许多人坚守“等信号明确了再投资”的策略，是因为他们以为投资的**世界模型**是**正态分布**（Normal Distribution: 一种常见的概率分布，形状呈钟形，数据多集中在平均值附近，两端较少），也称**高斯分布**（Gaussian Distribution: 正态分布的别称）或**常态分布**（Common Distribution: 正态分布的别称）。

正态分布描述了这样一个现象：在大量数据中，大多数结果集中在平均值附近，形成中间高、两边低的钟形曲线。这种现象可以用著名的**高尔顿板**（Galton Board: 一种演示正态分布的物理装置）来演示：当释放小球时，它们似乎随机落下，但随着小球数量增加，大多数会落在中间位置，只有少数落到两端。

自18世纪提出以来，正态分布被发现能很好地描述自然界的许多现象，例如身高（中间是大多数人，两端是矮个子和高个子）、**智商测试**（IQ Test: 衡量智力水平的标准化测试）成绩、体重、血压等。这种广泛的适用性使人们认为正态分布是描述世界的通用模型，能够概括许多事物，并且它符合我们对世界的主观感受：大多数情况下世界是正常、可预测的，极端事件发生的概率很小。因此，人们对正态分布的信任逐渐达到了信仰的层面，以至于当一组数据不符合正态分布时，往往会被认为“没有道理”。

例如，我在加拿大上学时做**助教**（Teaching Assistant: 协助教师进行教学工作的学生或研究人员），负责统计分数。学校规定班级成绩分布要符合正态分布，高分和不及格的人都应是少数，否则说明试卷难度或教学质量有问题。然而，统计时常发现分数并不符合正态分布。这时，老师们就会“动手脚”：如果不及格的人太多，就适当加上课堂表现或答题步骤的分数；反之，如果高分的人太多，也会想办法减分。这正是对正态分布的典型迷信。因为正态分布只适用于**大样本数据**（Large Sample Data: 统计学中指样本数量足够大，能有效代表总体的数据集），而一个班甚至整个学校的学生数量都算不上大样本。我们必须知道，世界上有很多现象其实并不符合正态分布，而人们对正态分布的迷信有时会让我们承担严重的后果。

### 股票市场的错误认知：股价波动并非正态分布

这与投资有什么关系呢？这是因为很多人错误地认为股价的波动也符合正态分布。1900年，法国数学家**巴舍利耶**（Bachelier: 法国数学家，首次用数学模型研究股票价格波动）撰写博士论文研究股票价格波动，他发现这些波动在短期内无法预测，就像水面上漂浮的微小颗粒在做**随机运动**（Random Walk: 一种数学模型，描述不可预测的随机路径）。他创建了一套数学模型来描述这种波动，并用它研究**股票期权**（Stock Option: 赋予持有人在特定价格买卖股票权利的金融合约）的定价。在论文中，他预测由于是随机运动，如果数据足够多，股票价格的波动应该符合正态分布。

然而，他的论文当时并未得到投资界的任何关注。实际上，投资界很长时间都对**学术界**（Academia: 大学和研究机构组成的知识领域）的理论不屑一顾，而学术界研究股票市场也主要是因为那里有大量数据。这是一段非常有趣的历史，有机会以后再聊。后来，随着越来越多的投资者开始重视并使用学术理论，许多数学、统计、概率和经济学者逐渐成为**华尔街**（Wall Street: 纽约市的金融中心，代指美国金融界）的座上宾，我们也逐渐有了那些耳熟能详的投资理论。例如，很多人都听说过**股票随机漫步理论**（Random Walk Theory: 认为股票价格的未来变动是随机的、不可预测的理论），意思是股价是随机波动的，不可预测的。

既然是随机的，很多人就像最早的巴舍利耶一样，认为股价波动符合正态分布。这种假设带来了一些好处：首先，它让很多东西变得可预测和可计算，例如可以计算出股市崩盘等极端事件的概率很低，绝大多数情况下股价都会围绕着一定范围内波动。有了这些计算做基础，便可以进一步制作更复杂的模型来进行各种投资，相信做**量化交易**（Quantitative Trading: 利用数学模型和计算机程序进行交易的策略）的朋友对此更有心得。这里推荐一本书叫做《**计量交易员**》（The Quants: 一本书名，讲述利用数学模型在金融市场进行交易的故事），讲述的就是这些利用数学公式撼动投资市场的故事。

把股价波动视为符合正态分布的第二个好处是，它带来了安全感和确定性，让投资市场符合我们大脑对世界的认知——一个相对线性、有规律的世界，大多数时候都在正常范围内。这就是为什么很多人会采用“等市场明朗、信号明确了再投资”的策略。

### “黑天鹅”与“厚尾”：市场真实的模样

然而，假如投资市场的波动真的符合正态分布就好了。**纳西姆·塔勒布**（Nassim Taleb: 黎巴嫩裔美国学者，提出“黑天鹅”理论）在他的名著《黑天鹅》中说，正态分布是历史上最大的**智力诈骗**（Intellectual Fraud: 指通过误导性理论或模型欺骗公众的行为）。所谓的**黑天鹅**（Black Swan: 指那些极不可能发生、却一旦发生就影响巨大的事件）事件，就是那些极端的、超出正常范围的事件，例如突如其来的股市崩盘、大规模的金融危机，或者科技行业的爆发式增长。实际上，曾经人们认为黑天鹅根本不存在，直到后来在澳大利亚发现了黑天鹅，而且数量还不算少。

塔勒布的黑天鹅理论代表了一种对市场截然不同的理解。他认为市场不是一个平稳可预测的系统，而是充满混乱的世界。极端事件不仅存在，发生的概率要比我们想象的要高。这些频繁出现的极端事件，在他的理论中被称为“**厚尾**”（Fat Tails: 在概率分布中，指极端事件发生的概率比正态分布预测的要高，导致分布两端“尾巴”更厚）。这怎么理解呢？在正态分布的中心曲线上，它的两端非常窄，代表极端事件的概率很低。而根据塔勒布的观察，极端事件发生的概率并不低，所以这两边的尾巴应该再厚一些才对。这个“厚尾”就意味着，市场中的黑天鹅事件其实是我们必须要面对的一部分。

其实，不用深入抽象的数学模型，我们自身的经历也能理解塔勒布的观点。从2019年至今，我们经历了不少黑天鹅事件，例如突如其来的疫情、美联储救市、通货膨胀失控、美联储又频繁加息、俄乌冲突、各种局部冲突，而这次美国大选也带来一系列不可预测的事件。这些事件每一个都给市场带来巨大冲击，打破了我们对正常波动的预期。

### 市场遵循：复杂系统与幂律分布

那么，如果市场不符合正态分布的**世界模型**，我们应该怎么理解它呢？这又对我们的投资决策有什么影响呢？

首先，我们要认识到股市是一个**复杂系统**（Complex System: 由大量相互作用的组分构成，表现出涌现行为且难以预测的系统）。所谓复杂系统，指的是其中有许多相互关联的因素，小小的变化可能引发巨大的波动，就好像一小块石头投入水中，涟漪不断放大，最终形成影响整体的浪潮。复杂系统的特点是：因素多、交互强、不稳定、难预测、变化快、充满随机性。在这样的一个系统里，极端事件并不少见，而且随着系统内部的因素相互互动越来越紧密，极端事件出现的概率也就不断增加。

其次，市场遵循的是**幂律分布**（Power Law Distribution: 一种统计分布，描述了少数事件贡献了大部分结果的现象，如“二八原则”），也就是所谓的**二八原则**（Pareto Principle / 80/20 Rule: 指在许多事件中，约80%的结果由20%的原因造成）。市场的大部分收益和损失，往往由少数的极端事件决定，而非大多数的正常事件。

以**标普500**（S&P 500: 标准普尔500指数，代表美国500家大型上市公司股票的市场指数）为例，很多人认为长期投资标普500的**年回报率**（Annualized Return: 投资在一年内的平均收益率）大概是10%左右。但这个10%并不是一个平稳的回报，因为标普500的收益往往由少数几天的“大涨”贡献。例如，从1994年到2023年，假如你错过了回报最高的10天，收益率会减少54%；错过最好的20天，回报会减少73%；错过最好的30天，收益率就直接减少83%。而这些回报最佳的天数中，78%发生在熊市和牛市启动的前两个月。熊市的特点就是什么都显得那么不确定，所以你无法等到所谓的信号明确了再投资。而那些所谓“信号明确”的投资，往往不是好的投资。

在我那个2023年指数基金的视频下，有一个留言我印象特别深刻，他说他会无脑购买**GIC**（Guaranteed Investment Certificate: 担保投资证，一种在加拿大常见的定期存款产品，提供固定利率）定期存款5年，确定的利息，确定的信号。我们需要明白的是，当我们选择了明确的信号时，我们是在选择**确定性**（Certainty: 事情明确、可预测的状态）。但无论是在投资还是个人事业里，那些巨大的收益往往来自**不确定性**（Uncertainty: 事情不明确、难以预测的状态），那些少数的、不可预测的黑天鹅。在当代社会，选择确定性往往意味着你会付出很大的代价。

这种二八原则在个股上就更加明显了。就拿我投资的特斯拉来说，过去的三年如果从远处看，特斯拉似乎在原地打转。很多人认为在自动驾驶和机器人出现在财报之前，特斯拉会继续震荡甚至“阴跌”。然而从11月开始，它就突然疯狂上涨。就在这次大涨的前几天，它也曾经一天暴涨接近20%。这些极端情况完全不可预测。如果你等信号明确再投资，那就会错过这些意料之外的上涨。当你看到它涨起来再追入时，不仅不会得到超额回报，还很容易因为**FOMO**（Fear of Missing Out: 害怕错过机会的心理）的心态而盲目跟风。

### 分形几何：理解市场波动的形象模型

刚才这些更像是对股票市场的抽象解释。那么，我们应该用什么样的图像模型来形象地描述市场波动呢？很多人认为**分形几何**（Fractal Geometry: 一种研究具有自相似性图案的几何学分支）能更贴切地帮助我们理解市场的复杂性。

所谓的分形几何，就是指一个图案无论是整体还是从局部来看，形状都特别相似，就像俄罗斯套娃一样，一层套上一层。这种特性被称为**自相似性**（Self-Similarity: 物体或图案的局部与整体在形状上相似的特性）。我们举个例子，想象一棵树：树的整体是一个主干，分出许多树枝；每个树枝上又分出小枝；每个小枝上又有更小的分叉。无论视线拉近还是拉远，你都能看到类似的分枝形状，这就是分形几何的自相似性。这种现象在自然界中随处可见，例如雪花的形状、海岸线等等。

股票价格的波动也非常符合分形几何的特性。如果你放大或缩小来看一段股票曲线，无论是小时级别、日级别还是年度级别，都会发现类似的波动模式：各级别都有混乱的波动，并且伴有大量的极端波动。这正印证了我们之前的描述。

这里不得不提一个有趣的现象，就是你可能会见过一些**技术分析**（Technical Analysis: 通过研究历史价格和交易量数据来预测未来市场走势的方法）分析师将某段时间的股票波动和历史上的一段波动做对比，做出神乎其神的预测。如果你仔细观察的话，他们常常用不同时间跨度的曲线做对比，比如几天的波动对比几周的波动。这就是在利用分形的自相似性。当然，这只是个玩笑，不是投资建议。这不只是因为我无法对你的投资负责，更因为虽然分形几何能够帮助我们理解市场波动的特性，但它并不能精确地预测未来。这里的相似性仅代表混乱波动的相似，而非规律性的重现。

### 新市场模型下的投资策略：持续留在市场中

总结一下，**复杂系统**、**幂律分布**和**分形几何**模型共同构建了一个与正态分布截然不同的市场世界模型。如果你理解了这个模型，就从本质上理解了为何市场波动难以预测、为何极端事件才是真正赚钱的关键，以及为什么“等市场明朗了再投资”不是一个好的策略。

那么，在这个新的市场模型下，我们应该怎么做呢？很简单，唯一的胜利方式就是**Stay in the game**（留在市场里: 指持续进行投资，不轻易退出市场），只有保持投资，留在市场里，你才能保证不错过那些能够帮你赚钱的黑天鹅。

有人可能会问，如果我能避开少数几次的大跌，收益岂不是更高？确实如此。例如，从1997年起的20年里，如果你成功地避开了最糟糕的20天，你的**年化收益率**（Annualized Rate of Return: 将一段时间内的收益率转换为年度收益率）可以达到13.8%，远超长期持有的7%。但问题是，你无法预测这些大跌何时会发生。而保持投资，则能确保你不会错过那些最好的天数。这就是为什么我们要持续投资。

### 如何做到“Stay in the game”？

那么，如何才能做到**Stay in the game**呢？

1.  **调整心态：** 当你的投资在一段时间内看似原地上下波动，没有明确信号时，不要假设它会一直这样持续下去，因为那些真正能够帮助你盈利的少数波动可能随时发生，不可预测。另外，不要过度担心所谓的机会成本。机会成本存在的前提是，你需要明确知道某个投资何时明朗或安全，但就像我们刚才说的，这种明确的信号并不存在。你可能今天觉得特斯拉前景不明，将资金转向英伟达，结果第二天特斯拉就涨了30%。所以这个机会成本怎么算？在我之前的视频中，我详细讲解了机会成本这个概念，强烈推荐大家去回顾一下。

2.  **确保自己有能力长期留在市场里：** 这就是我反复强调**安全边际**（Margin of Safety: 投资中指买入价格低于内在价值的程度，以应对潜在风险）的原因。没有足够的安全边际，很难经受市场的波动。我个人从不使用**杠杆**（Leverage: 借入资金进行投资，以期放大收益，但也放大风险），因为一旦用了杠杆，在黑天鹅事件当中就可能会被迫退出，而正如我们所讨论的，黑天鹅事件其实并不那么罕见。

3.  **对个人投资者来说，策略越简单越好，操作越少越好，投资组合越精简越好：** 复杂的策略和频繁的操作，不仅增加错误的几率，还会在市场的波动中耗费不必要的精力。

4.  **多读书、多学习、多重复：** 从根本上理解为什么采用这些投资策略，以及如何控制自己的行为。其实很多人对这些策略都是耳熟能详的，但是为什么就做不到呢？为什么明知道市场不可预测，还要期待等到一切都明朗的时候再投资呢？这是因为这些策略本质上是与我们的**本能**（Instinct: 生物天生具有的，不经学习就会的行为模式）在作对。我们天生渴望确定性，而投资市场恰恰是充满不确定性的。要做到控制本能，就需要从根本上理解自己，通过不断的思维练习，让这些**反人性**（Counter-intuitive / Against Human Nature: 与人类本能或直觉相悖的）的投资策略能成为新的**本能**（Second Nature: 经过反复练习后变得像本能一样的习惯或能力）。

查理·芒格在《**穷查理宝典**》（Poor Charlie's Almanack: 查理·芒格的语录和思想合集）当中，推崇用**思维模型**（Mental Models: 个人用来理解世界、做出决策的认知框架）做决策。我们的讨论其实很多也是思维模型，但芒格说这些模型不是看一遍你就能掌握的，你需要不断地重复复习，才能将其内化成为第二天性。我的方法就是不断地读书、重温思考和分享。只有这样，你才能够逐渐地摆脱对确定性的执念，在不确定性中找到生存之道。

实际上，我打算做一系列的视频来分享不确定性这个话题，本期视频就是这个系列的开端。此外，这期内容其实也来自于我在社群网站的一个说书节目。10月份，我录制了一期“新饭说书”的音频节目，为大家解读了《**不确定性解决方案**》（The Uncertainty Solution: 一本书名）。这次讲解总共时长超过7个小时，我按照书籍的脉络，结合读过的其他书籍以及自己的理解和例子，跟大家讨论了如何面对不确定性。坦白说，这个节目其实是为我自己做的，是我用来复习思维模型、学习和获得灵感的方式。