上一讲，我把风险分成四阶，一阶风险是对可能损失的预期，二阶风险指的是对预期的偏离，三阶风险是那些我们无法形成预期的风险，四阶是我们连其存在都不知道的风险。我会一阶一阶细讲。

这一讲，先讲统计思维怎样帮助我们处理一阶风险。

一阶风险就是我们日常理解的那种风险。告诉我会死在哪里，我就不去那里；投资时人太多的地方不要去；看不清楚搞不明白的时候，要先跑掉再思考；等等等等。

我们的语言库里留下了无穷无尽关于风险的格言，是无数鲜血凝结而成的教训。每个人关于风险都有朴素的认知。

从给风险定性到定量

但是，之所以说我们对风险的认知是朴素的，是因为即便对一阶风险的理解，我们都是远远不足的。我们发现风险的能力还可以，但度量风险的能力就很差。定性还凑合，定量基本不行。

大多数人在大多数时候的行为，就是在外部刺激下作本能反应，不思而应。心理学家、诺贝尔经济学奖得主卡尼曼称之为系统1，速度快，几乎不动用大脑内存和运算资源。

相比之下，思而后应的时候非常之少。所谓思，在这里不是什么深邃思考，其实就是统计思维，收集和处理数据，根据概率决策。卡尼曼称之为系统2。它慢，耗费大脑资源。我们不轻易用它。

不思而应与统计思维之间的区别，首先就是颗粒度不同。

在小朋友心智成长的关键阶段，看电影总会缠着大人问谁是好人谁是坏人。心智初开，只能分黑白、进退、对错、好坏、阴阳。“易有太极，是生两仪”，指的就是这阶段。大多数人在大多数事件面前，思维就永远停留在两仪这个颗粒度水平上：“告诉我谁是坏人，我打他！”

二分法本质上是个开关，本来有很强的演化合理性。在大草原上，羚羊要是看见树丛一动，它可没时间精细化思考树丛后有只猎豹的概率。它得马上逃跑，要不然就来不及。跑错了不过虚惊一场，不跑有可能死无葬身之地。演化给人埋下了同样的开关算法，关键时刻用来救命。

但开关算法太过粗糙，社会中越来越复杂的风险事件，它处理不了。太极生两仪，还得再往下走，两仪生四象，四象生八卦，八卦再组六十四卦。停下来，算一算，一件事的吉凶能分出64种层次。要是不停下来算，那你一辈子就是个开关。

《易经》颗粒度很精细了，但它还有个问题，它其实是64种定性分析，还不是定量分析。古人用来把握世界的模型没有统计思维的帮助，但今天我们有了，我们应该做到更好。

第一，量化风险。

量化首先就是给出数字。语言不精确，往往是各有各的理解。我曾经与父亲争执不休，他认为一百多这三个字指的是一百上下，我认为指的是一百多一点。谁也说服不了谁。

原来以为就是我们父子较劲，后来在《超预测》一书里看到，中央情报局也有类似的问题，他们曾经把预测强度分成四级：几乎不可能、有可能、很可能、基本确定。后来才发现，原来对每个情报分析师来说，这些词儿对应的概率区间都不一样，有人认为很可能是80%可能，有人认为很可能是60%可能。我才明白，原来大家都是稀里糊涂。

找默认值

第二，凡事先找默认值。

无论面对什么，要强制性地刻意地形成第一反应：这件事，这个风险的基准水平（base rate）是什么？

基准水平就是默认值，它是关于一件事一种风险己有的可靠统计数据。它是两层意义上的平均值：在人群中的平均值和在不同时间段之间的平均值。

举个例子，生病看医生，医生让你拍X光胸片或者CT胸片。你拍片还是不拍片？拍的话，拍哪种片？

绝大多数人都在定性的意义上知道，射线扫瞄对身体有害，但不能为有害的程度定量。相当多的人在定性的意义上知道CT扫瞄对身体的伤害比X光大，但具体大多少也无法定量。如果你要把医疗决策拿在自己的手中，你得知道下面这些基准数据：

每次X光胸片给身体造成3.7个毫拉德（MRADs）的辐射量，每次CT胸片造成780个毫拉德的辐射量。毫拉德是辐射计量单位，数值越高，人体所受辐射量越大，致癌率越高。

具体是多高呢？人体每受100个毫拉德的辐射，一生中得白血病的概率上升1/10000000、肺癌的可能性上升1/6000000、淋巴癌的概率上升1/20000000。

这组数据是在各个时间段和各个人群中的平均值，它表达了医疗射线致病风险的基准水平，构成了我们在自己面临这类风险时的预期，是我们应该从之出发的默认值。决策时再加入自己的个体因素。

这里有两个要点：

第一，X光、CT的辐射风险平均而言很小，跟它提升诊断准确性的好处相比，承受这点风险几乎总是合算的；

第二，哪怕风险概率急剧上升时，你也不必马上就惊恐。CT胸片的辐射量是X光胸片的200倍，其致癌风险大约也上升了200倍，但这并不意味着拍CT胸片很危险。极小概率风险显著上升后仍然很小，讲增长率不讲基数等于耍流氓。

根据风险的基准水平确定你对风险的预期，这个决策的质量取决于统计数据的质量。

我刚才讲的这些医疗检查辐射风险的数据来自手边一本英文书——Risk: A Practical Guide for Deciding What’s Really Safe and What’s Really Dangerous in the World Around You，两位作者David Ropeik和George Gray分别出身哈佛大学风险分析中心和哈佛大学公共健康学院，系统收集了美国人在日常生活里、常见环境中以及医疗决策时的，48大类主要常见风险的基准数据。

人生在世并非事事不可知，有许多已经有可靠数据定量分析。越多数量的人越多重复的行为，其风险基准就越稳定；社会越稳定成熟，其搜集统计的风险基准数据就越完备，也越易被公众获得。美国是全世界的典范，中国在这方面很偏科：消费行为大数据全球领先，其他数据差距太大。

问你个问题，哪种意外事件最危险，造成最多死亡的事件？在书里翻到答案时，我是很意外的。

摔倒。

以美国为例，全体人口当中，因摔倒致死的比例是十万分之六，稳居所有事故死亡率之首，平均一年有一万多美国人死于摔倒，远超中毒、溺水、火灾、枪击。

摔死很惨，没摔死也很惨：每年平均每三个美国老人中就有一个摔伤。老人摔伤骨折难以恢复，往往从此不能摆脱轮椅和护理，生活空间和质量就此塌缩。

我之所以用美国数据，是因为我没有中国数据。目测在中国这些数据只高不低。没有风险基准数据的统计和发布，间接导致社会普遍忽视这一风险，进一步导致几无相应防范安排。请问你家中有无老人？洗手间有没有安装防滑倒装置？房间里有没有实现无障碍通行？家里尚且如此，公共场合更从何说起！

完备统计常见风险的基准数据，并让公众易于获得，这件事上中国的差距实在太大了。所以我推荐你找这本书来看，当作家庭风险百科全书备查，里面提到的大多数风险都可参照。凡事不决查一查，立竿见影改善决策质量。

不同取舍偏好

第三，对风险的取舍是你自己的事。

上一讲中讲到《黑天鹅》作者塔勒布的操作，虽然预期市场会跌，但还是要买入。因为预期跌幅有限，如果市场反过来不跌反涨，则预期涨幅较大，这样统算下来买入的预期收益是正的。他的逻辑就是要高度重视损益较大的小概率事件，特别是超大损益的超小概率事件。这也是《黑天鹅》这本书的精髓所在。

伯乐做法则与他相反。伯乐是中国历史上相马第一人。他收徒弟，不喜欢的徒弟就教他相千里马，喜欢的徒弟就教他相驽马，就是普通马。为什么呢？因为千里马不常有，专相千里马的一年也上不了一次工，相驽马的就天天有活干。跟塔勒布相比，伯乐更重视把握大概率事件，哪怕单次收益小。

高损益小概率事件和低损益大概率事件，你重视哪一个？你的气质偏塔勒布还是偏伯乐？其实都可以。他们都是统计思维大师，你跟随哪条道路都可以。记住风险既不是概率也不是后果而是其乘积，你的选择就谈不上犯错，只是气质的取舍。

要形成对风险基准的合理态度，最难的还是承认自己绝大多数时候并不特殊。

大多数人在大多数事情上，都默认自己在平均水平以上。这认知偏差之所以会发生，是因为这世界上没有一个人是平均的。而每个人对自己的特殊性过于熟悉，所以对自认高于平均总有自认很合理的解释，同时每个人对他人的特殊性既陌生也不关心。结果是不懂得在大多数事情上，大多数人的特殊性相互抵消。

换句话说，重视风险基准水平，是外部思维，从整体看；困于自己的特殊性，则是内部思维，只看到自己的那点千千结。

摆脱内部思维对所有人都很难，可惜只有天才和幸运儿才无须摆脱内部思维，绝大多数人必须强制性地压抑内部思维，要将基准水平当作决策起点，而不要把自己的特殊性当起点。