查理芒格100个思维模型(四)——系统思维模型(下)

查理芒格100个思维模型(一)——通用思维模型
查理芒格100个思维模型(二)——数理思维模型
查理芒格100个思维模型(三)——系统思维模型(上)

• 格雷欣法则 (Gresham’s Law)：

  • 定义：原是金融学中的定律：在通货混用的系统里，“劣币驱逐良币” 。例如铸币时代，含金量低的劣币由于面值相同更容易被使用，而含金量高的好币被人私藏起来，逐渐退出流通。广义上，该法则指在缺乏监管的体系中，不良品质往往会挤压良好品质。
  • 意义：格雷欣法则体现了一种负向选择的机制。如果系统奖励或至少不惩罚不良行为，那么逐利的人会选择不良手段，从而逼得老实人也跟随，否则吃亏，最终整体风气变坏。这一模型警示我们制度设计要防范劣质替代良质的倾向，需要设置门槛或惩罚机制保护“良币”。芒格举过会计行业例子：如果不惩罚造假，一些公司会采用虚假会计手段粉饰业绩，逼得其他公司也不得不跟进以免在市值上吃亏。
  • 例子：网络平台上，如果不抑制虚假消息，谣言和博眼球的劣质内容可能获得更多关注流量，而严谨可信的内容因不敌噱头而被埋没。又如考试评分曲线下，部分学生作弊得高分会抬高平均，迫使其他同学也考虑作弊，最后风气败坏人人作弊，真正学到知识的人反而吃亏。职场中，如果企业文化纵容拍马屁而非实干，久而久之真才实学者被埋没，善于逢迎者占上风。
  • 适用场景：在制度和文化建设中，务必要防止奖励劣质行为的机制出现。例如，货币金融上通过法律规定法定货币，防止劣币泛滥；职场上强调绩效和诚信文化，及时惩戒弄虚作假，保护实干精神。市场监管也是，政府必须打击劣质产品和欺诈，否则劣品低价会挤占市场，使良品厂商无法生存。总体来说，格雷欣法则告诉我们：没有规制的环境下，低标准可能会把高标准淘汰，因此领导者要设法扭转这一点。

• 算法 (Algorithm)：

  • 定义：算法是为解决某类问题而制定的一系列明确步骤或规则，可以被系统地执行。广为人知的是计算机算法，但广义上生活和生物中也存在算法（如基因指导生物发育的过程可视为自然算法）。
  • 意义：算法思想强调流程化、规则化地处理问题，减少随意性和错误。例如，采用算法的思维可以将复杂任务拆解为可执行的具体步骤，使之可重复、可传授。对投资和管理，芒格也建议建立清晰的决策检查清单（算法化决策流程），以免因情绪或忽略关键步骤导致决策失误。算法模型还提醒我们自动化潜力：凡是流程明确的问题，都有可能设计算法由机器完成，提高效率。
  • 例子：菜谱就是烹饪问题的算法——按照指定顺序和计量加入食材、调味并烹调，可复现出一道菜。公司里的标准作业流程（SOP）也是算法，将经验转化为统一步骤。投资中“魔术公式”等选股规则，则试图把选股决策算法化。生物里DNA其实编码了一套建造和维持生命的算法：细胞按照DNA指令生产蛋白，发育出器官。
  • 适用场景：计算机领域自不必说，各种问题求解都需设计算法。在业务流程管理中，可通过流程图和操作手册将企业经验算法化，便于新人学习和减少错误。个人工作中也可以编写自己的任务清单/决策清单，形成办事算法，提高可靠性。总之，当我们希望稳定、可重复地产出结果时，算法思维非常有用；反过来遇到很难算法描述的问题，往往表示它需要创造性和灵活性解决。

• 脆弱性-稳健性-反脆弱 (Fragility – Robustness – Antifragility)：

  • 定义：这是塔勒布提出的概念谱系：脆弱系统在波动中受损，稳健系统能够抵御冲击保持不变，反脆弱系统则在波动中受益变得更强 。
  • 意义：这一模型提供了一种看待不确定性的视角。我们可以评估任何人或组织面对变化的响应类型：若是脆弱，就应尽量减少波动或增加保护；若能稳健，说明有一定缓冲可以承受冲击；而最高级的是反脆弱，能把危机当“养料”成长。芒格本人在投资中追求稳健性（Margin of Safety 也是相关理念），而反脆弱概念出现于塔勒布后期著作，未必是芒格原话，但精神契合芒格倡导的避免愚蠢错误、留有余地等思想。
  • 例子：一只玻璃杯摔在地上很可能碎裂，说明它脆弱；而一个橡胶球摔下会弹起不破，算稳健；反脆弱的例子是人体的肌肉，你给它适度负重训练（应激），肌肉会超量恢复变得更强壮。投资组合方面，把所有鸡蛋放一篮子是脆弱的（一次打翻全损），多元分散有所稳健，但真正的反脆弱策略可能是运用期权等在波动中获益的金融工具。
  • 适用场景：风险管理和组织建设中，尽量降低脆弱性，提升稳健性，追求反脆弱性。如果无法成为反脆弱，至少确保有韧性而非一击即溃。比如企业财务留有现金缓冲，产品线多样化来抵御单一产品失败。个人职业生涯也类似，培养多种技能以在行业变化中不至失业（稳健甚至反脆弱）。制定政策时，评估社会系统遇到冲击（金融危机、疫情）的反应：能否通过冲击淘汰弱者、激发创新（反脆弱）？抑或整个系统会崩溃（脆弱）？据此改进制度设计。

• 冗余备份 (Redundancy / Backup Systems)：

  • 定义：工程中一项重要原则：为系统的关键部分提供备份装置或多余容量，以防止单点故障导致系统失效。冗余就是蓄意引入“重复”，牺牲一定效率换取可靠性。
  • 意义：冗余是应对不确定性和脆弱性的直接手段。正如好的工程师决不假设所有零件永不失灵，而是设计备用方案。这种思维也适用于生活和商业决策——凡重要环节不要依赖唯一方案。虽然冗余在平稳时期看似浪费资源，但当危机来临时价值巨大。芒格和巴菲特在公司管理中亦非常注重有“Plan B”，例如伯克希尔公司持有巨额现金就是一种财务冗余，以备随时应对风险或抓投资良机。
  • 例子：飞机有多套独立的飞行控制系统，其中一套失效时其他可以顶上，这是为了避免单点故障酿成空难。数据中心对重要数据进行异地备份，哪怕主服务器损坏还有备份数据可用。同样，个人电脑勤备份文件也是应用冗余原则，防止硬盘损坏导致工作成果全失。企业供应链设置双供应商，也是在供应中增加冗余，应对一家供应商出问题时不会断货。
  • 适用场景：任何需要高可靠性的系统都应设计冗余，包括IT系统（备份服务器、容错系统）、生产线（关键零件多库存）、国家基础设施（多套应急预案）。在个人层面，买保险就是一种财务冗余安排，有备用金应急也是。尤其在高风险高代价的情境，如航天、核电、安全生产，冗余更是不可或缺。

• 安全边际 (Margin of Safety)：

  • 定义：原是工程学概念，指设计承载能力时预留一定富余量，以确保安全 。在投资中，芒格和巴菲特借用该概念，指以显著低于内在价值的价格买入资产，从而留出容错空间。
  • 意义：安全边际体现了保守稳健的思想。由于现实不确定，预测可能出错，所以引入安全边际保障即使状况不如预期也不会酿成灾难 。在工程中，这避免结构接近极限而失灵；在投资中，这避免轻微判断错误就导致亏损。芒格将这一原则看作投资成功的基石：哪怕估值有误差，低买入价提供了下降缓冲，使投资更安全。总体而言，安全边际模型强调不要把系统推到极限运转，而要留有余地应对意外。
  • 例子：桥梁设计能承受的最大载重通常是预计最大荷载的数倍 。比如预计最大车流量10吨，桥可能按30吨承重建造，这就是安全边际，以防材料疲劳或超载。投资中，如果一家公司内在价值估计为每股50美元，价值投资者可能在股价跌到30美元以下才买入，这样即便估值高估或公司遇到逆风，也有下跌空间而不至亏损严重。
  • 适用场景：土木、机械等工程设计必定使用安全系数（安全边际）确保可靠。投资理财应坚持安全边际，不以过高价格追涨。产品开发留时间缓冲，避免赶工期压缩测试导致质量隐患，也是留安全边际。谈判或者决策中也可有心理安全边际——为最坏情况预留承受空间。凡是追求稳健可靠的场合，设定安全边际都是明智的策略。

• 临界点 (Criticality)：

  • 定义：当系统快要从一种状态跳变到另一种状态时，就处于临界状态。此时最后一点增量（临界质量）产生的效用远高于之前同等增量 。一旦超过临界点，系统性质发生质变。
  • 意义：很多变化不是线性的，而是在临界点附近骤然转变。临界模型让我们注意非线性跃迁：在转折点之前，投入产出效应成倍放大或减弱。认识临界性可以帮助捕捉重要关头——在那个关头小努力带来巨变，或小忽视酿成大祸。例如，公司成长到一定规模后，网络效应达到临界爆发点，会突然快速占领市场。反过来，环境问题往往有临界点，比如温度上升到某阈值，气候可能突然剧变。
  • 例子：水加热到100°C时沸腾变为气态，这是典型临界点现象 。再如核反应需要达到临界质量才能持续链式反应，少于这个质量就不会爆发核能量。社会运动中，有时参与人数达到某个比例后，运动声势突然变大（临界群众效应）。股票交易里，支撑位/阻力位被突破后，价格可能快速朝突破方向运动，也是市场的临界行为。
  • 适用场景：在战略规划中考虑临界点。例如新产品采用率达到临界用户数后会自发流行，所以初期投入要坚持到临界点。风险管理中也识别临界阈值，比如金融杠杆率超过某值可能触发连环违约。科研探索相变、突变现象则直接研究系统的临界行为。对于政策，像气候变化国际协议就是为了避免跨过不可逆转的临界点。总之，临界模型强调我们要预判临界、把握转折。

• 网络效应 (Network Effects)：

  • 定义：网络效应指产品或服务的价值随着用户数量增加而提高的现象 。也就是说，每增加一个用户，对整个网络中所有用户都有益。这导致“强者恒强”的市场格局。
  • 意义：网络效应是现代科技和平台型企业成功的关键动力之一。有网络效应的市场往往倾向于赢家通吃，因为用户越多的平台越有吸引力，新用户都会涌向已有大用户群的平台，形成正反馈。芒格在谈论伟大企业的护城河时，非常看重网络效应，因为它能建立起强大的进入壁垒。理解网络效应也能帮助投资者识别哪家公司有潜力占据垄断地位，或者帮助创业者设计产品时注重用户互动机制以催生网络效应。
  • 例子：电话是经典网络效应案例——最初一个人有电话没用，两个人互打才有用，电话用户越多，每个用户的通话对象越多，电话整体价值越大 。社交媒体亦如此，好友都在某个平台，你也更愿意加入，使得该平台用户更多。电商平台买家卖家互相吸引也是网络效应。反之，没有网络效应的产品，用户数对单用户价值影响不大，比如日用品。
  • 适用场景：分析商业模式时，看其是否存在网络效应。存在的话，就要知道市场一旦某公司领先会形成壁垒。政府监管上，网络效应行业容易形成垄断，或需要反垄断措施。创业公司如果不能迅速达到临界用户规模就很难撼动巨头。消费者选择平台时也倾向于头部平台，这是网络效应的功劳。总体而言，在信息、通信、社交、交易等连接人或连接系统的领域，网络效应是决定胜负的关键模型。

• 黑天鹅事件 (Black Swan)：

  • 定义：由塔勒布提出，指极其罕见且影响巨大的不可预测事件 。名称来源于发现黑天鹅之前，人们认定天鹅皆白，一旦发现黑天鹅则颠覆认知。这类事件在事前几乎无人预料，但事后常被赋予解释。
  • 意义：黑天鹅提醒我们谦卑面对未知。因为人类倾向于在看不到反例时武断认为某事绝无可能，黑天鹅证明这种想法很危险。芒格也常强调，历史会出现前所未见的事情，投资者和决策者应保持足够的安全边际和应变能力来应对黑天鹅。这个模型还告诉我们，不确定性中有无法量化的部分，不要过度迷信模型预测。塔勒布进一步指出，与其费力预测黑天鹅，不如提升系统反脆弱性，让其能经受意外冲击。
  • 例子：2008年金融危机对许多人来说是黑天鹅——次贷危机引发整个金融体系险些崩溃，此前大部分模型未曾料到房价会全美下跌。911恐怖袭击也是黑天鹅事件，之前从未有如此规模的恐怖攻击发生。新冠疫情在某种程度上也是黑天鹅，对全球经济和生活造成巨大冲击。
  • 适用场景：在风险管理和战略规划中考虑黑天鹅。具体做法包括：保持财务稳健、分散风险，避免把赌注下在某一确定性趋势上；建立应急预案，如国家准备战略物资库存应对未知危机。对于个人投资，要有心理准备迎接“万一”的发生。科技创新领域，黑天鹅也可能是正面的——一次颠覆性发明改变世界，所以企业也应关注可能彻底改变行业格局的新技术。关键是预见不可预见之事，以开放和弹性的姿态面对未来。

• 负面之道 (Via Negativa，避害原则)：

  • 定义：源自拉丁文，意为“通过否定的途径”。应用在决策上，就是通过排除负面因素来改进，即“首先，不要做伤害的事”。现代医学的誓言“首先，不伤害”是其体现。
  • 意义：这一模型与反向思考相辅相成，强调减少错误比追求正确更有效。芒格也多次表示，避免愚蠢比获取天才更重要。通过停止做坏事（戒掉坏习惯、剔除错误选项），系统会自然改善。这原理在投资上体现为卖出恶劣业务、在经营上体现为纠正错误流程，而不是一味寻找“灵丹妙药”。避害原则还有助于精简决策——与其苦思冥想什么能成功，不如先确保不犯致命错误。
  • 例子：现代医学发现，与其过度用药，不如停止某些有害治疗，患者反而好转（这就是避害原则的胜利）。投资组合中，如果难以发现十拿九稳的好股，不犯错误的方法是剔除明显地雷股，留下相对稳健者。管理企业时，有时与其推出新举措，不如停掉显然无效甚至有害的项目，让员工专注于能产出的工作。
  • 适用场景：健康管理：不一定找到长生不老药，但先改掉吸烟酗酒等坏习惯健康就会改善。产品设计：不停加功能，不如把用户吐槽的bug和糟糕体验先消除，产品自然好用。投资理财：牢记“不要亏损”是第一位，先避免大亏才能谈盈利。几乎所有领域都适用此“减法思维”——通过删除负项提升净值往往比冒险新增正项更可控可靠。

• 林迪效应 (Lindy Effect)：

  • 定义：非易逝事物（如思想、技术）的寿命预期与其当前存续时间成正比——已经存在越久的事物，预期还会存在越久。例如某本经典名著流传500年，预计还能再流传500年。
  • 意义：林迪效应提示我们经受住时间考验的东西往往更可靠。对于文化、技术和企业而言，长寿本身是一种证明，说明它具备穿越变化环境的适应力或内在价值。因此芒格偏好研究历史经典著作，从中汲取长存的智慧，而不轻信新潮但未验证的理论。投资上也有类似思路：拥有百年历史的企业可能更值得信赖，因为它穿越过各种周期仍存续。林迪效应还说明我们在预测时要考虑生存偏差：没存活下来的东西我们看不到，而幸存者往往有其过人之处。
  • 例子：莎士比亚的戏剧已存世400多年，按照林迪效应，人们可以相信它至少还能再流传几个世纪。而当代的一本畅销小说若只红极一时，没有林迪效应加持，过些年可能就无人问津了。同理，一个品牌创立一两年就爆红，不一定能长久，但一个经营了百年的老字号品牌，可能再经营百年。科技上也体现：比如Unix操作系统已50多年历史，预计未来依然会有影子；而许多新创软件可能几年就被淘汰。
  • 适用场景：在选择学习内容、投资标的、遵循的原则时，不妨倾向那些历久弥新的东西。如阅读经典名著胜过泛读快销书；投资老牌稳健企业或指数基金，少追逐短期风口；信奉那些经过历史检验的道德准则而非社交媒体上的短暂潮流。当然，对于真正创新的新生事物也不能一概忽视，但林迪效应可以作为提醒，让我们辨别哪些是昙花一现，哪些是恒久价值。

• 复杂适应系统 (Complex Adaptive Systems)：

  • 定义：复杂适应系统指由众多互相作用的主体构成、能够根据自身和环境变化进行自我调整的复杂系统 。典型如社会、经济、生态系统，区别于纯物理复杂系统（如天气）。其特征是主体具备学习或适应能力，因此系统行为会因为参与者的认知改变而改变。
  • 意义：复杂适应系统难以用线性模型预测，因为系统会“思考”。例如股市中的投资者会观察他人的行为调整自己策略，使得任何固定模式都可能失效——这就是复杂适应性。理解这一点能让我们在政策和管理上更加谦虚，知道直接干预往往引发适应性反应，效果可能打折扣甚至适得其反。因此必须用演化视角看问题，通过试错和反馈不断适应，而非企图一次性设计出完美方案。芒格在投资中也利用人性适应性，如逆向投资（当大多数人贪婪或恐惧时，他适应性地反向操作）。
  • 例子：股票市场就是复杂适应系统——投资者相互影响，新闻和行情改变大家预期，市场走势因此不断变化，无法像天气那样用方程精确预测 。生态系统中物种会进化，捕食者和猎物数量相互影响，都属于复杂适应过程。互联网社群也是，用户会对平台规则和他人行为做出反应，平台生态不断演化。
  • 适用场景：在经济、管理、社会治理中要有复杂适应系统思维。制定政策需要预估民众和市场的反馈，并动态调整政策，而非一成不变。例如，打击犯罪的措施会导致犯罪者改变手法，因此执法也要不断演进。企业战略也是，竞争对手和客户在适应你的策略，所以企业必须持续创新，不断调整。金融监管亦然，限制一种风险行为，市场会开发新的工具，监管要与时俱进。对复杂适应系统，最好的方式是迭代试验、持续学习，而不是迷信静态方案。