今天和女神约会? - 先学学时间风险管理

今天女神终于答应和我约会了,今晚七点,我是开车去还是地铁去, 几点出发?

对于这样一个重要的约会,既要选择交通工具,还要决定几点出发,这些决策都要面临一个非常大不确定性,就是交通状况,如果是在大城市,比如“首堵”北京,那就是个大问题了。

有不确定性的地方就有风险管理,那我们就用风险管理的思路来分析一下这个问题,风险管理有四个主要的步骤:

  • 风险识别
  • 风险度量
  • 风险决策
  • 风险处置

这里名词有点多,还是围绕眼前的问题来具体说说。

风险识别

风险识别是风险管理的基础,先看看开车和坐地铁都会出现什么样的意外情况:

  • 开车: 沿途有交通事故,沿途有大型活动,车坏了,路上着急不小心撞了别人,...;
  • 地铁: 车晚点,机车出问题停运,人太多一直挤不上去,目的地站有管制甩站通过,...

上面列举了很多风险点,不同的风险点有不同的特点,每种风险点都有两个属性,就是出现的概率耽误时间的长短,要应付这些风险点,就要先估计不同风险点属性,估计过程下面要说的风险度量。

风险度量

下面我们用一张图来说明开车和坐地铁的风险点属性的分布:

图中蓝色是地铁,橙色是开车,横轴是从你家到约会地点所用的时间,纵轴是不同情况的概率分布,上面说的那些风险点都汇总到这张图中。

从所用时间的均值来看,开车会快一点,而坐地铁要慢一点,从这个角度来说,你的决策应该是开车,用的时间少一点。

但除了均值,还有一点需要注意,就是时间的分布,从图中可以看出,地铁的时间比较集中,主要散布在均值两边不远的距离,意思就是说:地铁一般会早到也不会晚到,晚点的概率很小,象机车有问题停运这种事情,虽然影响很大,但是出现的概率非常小。

回过头来看看开车的时间分布,这个差别就大了,各种交通事故造成的拥堵,会让你耽误一两个小时不等,所以看到开车的时间分布拖着一条长长的尾巴,这里面就是各种小意外,小情况,在北京这样的城市里,这种情况出现的概率很高。

这两种情况的不同均值和分布也决定了接下来的风险决策的不同。

风险决策

要做决策,就要有个决策的目标,先对比两个备选方案的目标值,再来决定选择哪个方案。在今天的问题里有两个方面需要考虑,一个是所花的时间,另一个是迟到做造成的后果。

如果是个不那么重要的约会,早一点晚一点没有太大关系,那你可以开车去,平均来说花的时间会少些。

但是今天是个大日子,第一次和你的女神见面,迟到了,给女神的印象不好,可要影响后半辈子的幸福啊,可不能迟到啊,或者我们用个比较定量化的说法,就是今天一定保证99%的可能不能迟到,要这样的话那就要提前出发,在这种情况下,两种方案所花的时间就不一样了,变成了下图的样子:

为了保障不迟到,坐地铁需要提前一点时间,开车就要提前很长时间了,从图中也可以看出,很大机会你会早到,到了只能在哪儿等,但是为了严格保证不要迟到,就要付出更多的时间成本。

开车不确定性更大,带来的成本更高,所以这时候你可能就会选择坐地铁过去,同样准时的情况下,地铁的时间反而花的比较少。

在这种情况下,如果能够降低开车的不确定性,是不是可以得到更好的决策呢?答案是肯定的。

想想你是怎么得到开车的时间分布的,是你过去开车经验的总和,是你脑子模糊估计的结果,如果现在有一个比较准的实时加预测交通路况告诉你,走这条路线现在不赌,而且未来一个小时内也不堵,如上面的图所示,开车时间的散布也很小,同时又比地铁快一点,你就可能选择开车了。

在这个决策场景中,更准确的预测模型,帮助你减少了不确定性,也帮你得到了更好决策。

风险处置

任何决策在执行后都有可能有风险损害,当风险发生时,就要最小化风险产生的损失,就是风险处置。

在今天的问题里有两个风险点,一个就是最终还是迟到了,比如地铁中途停运这种事故,虽然概率很小,但是还是有可能发生;另外一个就是到早了,要浪费时间多等几个小时。

处理这两种风险,可以借鉴芒格的做法,芒格约会基本不迟到,因为他都是提前一个小时来到约会地点,如果迟到了,即是对方是年轻后辈也会非常诚挚的道歉,事后人们会记住他的诚恳,而不太在意这次迟到;如果早到了,他就拿出一本事先准备好的书,有书在身边,时间就不会浪费了,你看,无论怎样,他都把损失降到了最小。

生活中处处都有不确定性,处处有风险,风险没法回避,但是如果能有一些估计,度量,处置风险的思维,就能做出更加明智的决策。

各位女神节日快乐,各位男神 Good Luck!

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,194评论 6 490
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,058评论 2 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 156,780评论 0 346
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,388评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,430评论 5 384
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,764评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,907评论 3 406
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,679评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,122评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,459评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,605评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,270评论 4 329
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,867评论 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,734评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,961评论 1 265
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,297评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,472评论 2 348

推荐阅读更多精彩内容