Barron's | HPE stock | 10% gain after DELL 30% gain on earnings | SMCI joins SP500

Here is the article on Barron's. 

The stock market’s search for new plays on artificial intelligence hardware has led investors to rediscover HPE. 

Back in 2015, when the old Hewlett Packard split into two companies, HP Inc.—the other HP—took the personal-computer and printer business. HP Enterprise, meanwhile, sells an assortment of hardware and software to corporate buyers, including servers and networking gear, as well as supercomputers. In 2019, the company bought Cray, long the global leader in that esoteric field.

But what has given the stock new appeal is its growing backlog of orders for AI servers based on NVIDIA graphics processing units. HP Enterprise shares were up nearly 10% on Monday.

HP Enterprise, which in 2022 shifted its headquarters to Houston from Silicon Valley, has been a modest grower at best in recent quarters. Last week, the company reported revenue for its January quarter of $6.8 billion, down 14%. Revenue was below both the range of $6.9 billion to $7.3 billion management had said to expect and the consensus call of $7.1 billion among analysts tracked by FactSet. 

The company blamed the shortfall in part on softness in its networking business.

For the October 2024 fiscal year, HP Enterprise sees revenue ranging from flat to up 2%.

HP Enterprise shares have come under pressure this year, at least until the past couple of trading days, from investor skepticism about the company's pending $14 billion acquisition of Juniper Networks. When that deal was disclosed, HP Enterprise positioned the transaction partly as a bet on the growing need for networking technologies in cloud- computing sites focused on generative AI, but the market initially gave the purchase a big thumbs down.

Although the market’s initial take on HP Enterprise’s latest earnings was unenthusiastic, this year’s surge in shares of Super Micro Coputer SMCI —combined with enthusiasm about Dell Technologies following its results for the January quarter—has triggered a rethinking. Adding to the case for the shares is that they are among the cheapest of tech stocks on both a price-to-earnings and price-to-sales basis. Even after a recent surge, the stock trades for just nine times estimated earnings for the current year profits, and only 0.7 times estimated sales.

CEO Antonio Neri told Barron’s last week that the company is seeing “significant momentum” in AI-related servers. He said HP Enterprise has had $4 billion in AI-related server orders since the start of fiscal 2023, bringing its backlog to $3 billion, up $500 million in the latest quarter. He said that 25% of the company’s server revenue is now tied to AI.

Neri added that revenue in the latest quarter could have been higher if it had more GPUs. Neri said the company expects “an acceleration” in conversions of backlogged orders to sales, with higher revenue, in the second half of the company’s October 2024 fiscal year.

“Our competitive position in AI is resonating well with investors,” a spokesperson for HP Enterprise said in response to a query from Barron’s. “They also seem to appreciate that Juniper will be a key inflection point in our HPE story.”

读书笔记之《随机漫步的傻瓜》

Here is the article.  

作者简介

纳西姆·尼古拉斯·塔勒布，1960 年出生，是安皮里卡资本公司的创办人，也是纽约大学库朗数学研究所的研究员。他曾在纽约和伦敦交易多种衍生性金融商品，也曾在芝加哥当过营业厅的独立交易员，在2001年2月正式成为衍生性金融商品交易战略名人堂的一员。塔勒布获得沃顿商学院MBA学位和巴黎第九大学的博士学位，是当前最令人敬畏的风险管理理论学者。塔勒布的主要研究兴趣在于“随机性”“不确定性”“稀有事件”（黑天鹅事件）等问题，以《黑天鹅效应》一书闻名于世。诺贝尔经济学奖得主丹尼尔·卡内曼称其“改变了世界对于‘不确定性’的想法”。他著有《随机骗局》《黑天鹅效应》《反脆弱》等书，合称“不确定性三部曲”。

作品简介

《随机漫步的傻瓜》以深刻独到的投资市场视角介绍这个随机世界的规律和运行方式。全书是散文体裁，因而主要用举例论证。你的成功不见得是因为比其他人高明，而很可能是运气的结果。但你的运气可以有多少次？随机现象比比皆是，大起大落常常发生在须臾之间。但我们天生倾向于忽视低概率事件的可能性，无论这些事件会引发多大的灾难。虽然随机性无法避免，但我们可以学着接受它。就像在投资市场上，如果一个小概率事件可以带来巨额回报，为什么不在这个事件上持续下注呢？换一种思维方式，做“随机漫步的傻瓜”，我们对人生的了解无疑将大为增进。与其预测，不如做好准备。黑天鹅（稀有事件）终有一天会出现，如果能做好准备，我们将是黑天鹅事件的幸存者甚至获利者，而非牺牲者。

主要内容

一、赚钱的随机性

人们误以为自己的成功是依靠才能，但实际上只是因为尝试的人多了，总会成功几个。假设有一万个股票市场交易员，第一年亏损便淘汰了一大半，留下四千人，而后第二年继续“炸毁”一大半，继而第三年再随机亏损大半，如此剩下的几十位交易员便会成为众人眼中的“明星交易员”。但最终他们也不过“炸毁”于巨额亏损中，这些倒霉蛋在魁梧的警卫陪伴下走出交易所营业厅，结束自己的职业生涯。在输赢各半的游戏中，一定会有运气得来的结果。作者以两个操盘风格迥异的交易员——约翰与塔利波为例，来努力说明我们有时可以凭一个人的表现和个人财富判断其是否成功，但这个方法不见得永远行得通。更为特殊的偏差现象是，能力最差的企业人士反而借着运势赚足了钱。相比于谨慎求稳、经验丰富的塔利波，约翰无论学历、教养与体格都差得多，却乘着高收益市场的运势成为华尔街的高收益交易员，以至于让塔利波嫉妒，最终也不过“炸毁”出局。

运气的确可以使人一夜暴富，但转盘赌博的幸运又能持续多久。如果人生可以重复一万次，牙医在每次人生中都很有可能过上富裕的生活，而靠中彩票大奖过上富裕生活的流浪汉，却很难再中一次大奖。现实生活远比俄罗斯转盘邪恶。相比于左轮手枪的六发子弹，生活的弹夹有成百上千发，以至于几十次躲避风险后，我们便忘了生活随时可发生的风险而自以为安全。这些“黑天鹅问题”，永远会让赌徒、投资人和决策者以为，发生在别人身上的事不会重复于自己。

二、随机性的力量

大量散文式的写作，让人怀疑难道成功只是运气，随机才是永恒？或许作者只是想让人们意识到，永远不要忽视随机性的力量。书中的约翰在35岁时已积累了超过1600万美元的财富，同朋友用精密的数学技巧不断在市场中获得利润，以完美无瑕的信息处理躲避风险，最终几天内毁于计算中只有100万亿年才会发生一次的稀有事件。稀有事件总是出人意料地发生，在数学计算下它们出现的概率如此之小，但其代价往往过于沉重。

作者试图阐明在现实世界中，用数学中的概率评测风险或许很危险。文中以“风险测度者”为例，他们专精于以概率方法评估社会科学中的风险。但是现实生活并非如此，大自然并未制定明确的规则，不像赌博那般，可以依靠规则和赔率衡量风险。共同得到过诺贝尔经济学奖的马科维茨、默顿和斯科尔斯自以为能以科学的方法“测度”一个长期资本管理公司的风险，但1998年夏美国的金融体系差点被其拖累而崩溃。我们总是以模型或数据分析等试图找出最佳决策，但也必须为充满随机性的世界做好准备，以抓住可能或防止“炸毁”。正如书中所举出的众多交易员因稀有事件被扫地出门，但作者却通过稀有事件盈利。因为当稀有事件带来的回报足够丰富，长期下注也未尝不是一种策略。稳定的小损失或许可以搏来一次丰富的奖励。

三、有毒的信息

交易员这一行固然需要通过新闻获得他们所需要的信息，就像那些每日清晨睡眼惺忪的上班族正埋首阅读《华尔街日报》。但每天轰炸我们的信息中有价值的并不多，大多只是噪音。例如各类新闻报纸每天都要点评股市，试图为今天的涨跌说出个理由，但实际上没有什么理由，今天的股价只是随机波动，因为媒体总会想说点什么来证明他们有存在的价值。未经提炼的信息充斥着市场，这些随机噪声的供应者和新闻记者只关心哪些东西可以吸引民众的注意力，却不会将前人的信息以实时新闻的方式传递出来。

作者将这些噪音称为“有毒的信息”，因为信息的问题不在于令我们分心且一无是处，而是含有毒性。高频新闻只有引起人们的注意才能赚到钱，因此对于新闻记者而言，沉默可不是金。如同思想越陈越香，因为它已经历那么多荣衰循环而留存，其噪音已被过滤，而信息同样适用这般说辞。通过拉长时间尺度，去剔除历史中的噪声。作者宁愿每周六看《经济学人》周刊，也不愿每日早上去看《华尔街日报》，因为太密切关注这些噪音的人也会心理憔悴且痛苦不堪。他们会因市场的短期波动而情绪跌宕起伏，即便一年之后依然获利，但经常体验到的痛苦并不会抵消最终市场向好的愉悦。有所谓的聪明人或理性人会责怪作者可能因此“忽视”日报中的宝贵信息，但作者深知自己缺乏理性，面对新闻也难逃情绪上的起伏变化而丧失清醒，故分享自己的秘诀：远离信息。

四、非对称现象与幸存者偏差

Event A 

Probability 0.999

Result  1 US dollar

Expectation 0.999 US dollar

Event B 

Probability 0.001

Result  -10000 US dollar

Expectation -10 US dollar

 Total:  Expectation -9.001 US dollars

假设参加的赌博中1000次里有999次赚到1美元（事件A）,有一次赔10 000美元（事件B），那么结果如图所示。那么期望值是赔9美元左右，这是概率与结果之积。可以从中看出，单独的赔钱频率或者概率并无参考价值，需要和结果共同配合。

作者指出，这种非对称概率和非对称结果在金融市场并不稀少，赢钱和输钱与市场看好或看坏并无差异，但仅仅看好或看坏的概念并不能应用于充满随机性的世界。因为投资人和企业要的并不是赚钱概率，而是可以赚多少。如同市场中利润出现的频率多大并不重要，而重要于有多少。因此市场预测往往显得空洞，它们并不提及上涨和下跌的幅度有多少差距。

在这种非对称概率下，稀有事件才显得如此重要。作者将自己这辈子在市场中做的事称为“倾力赌一边”，试图从稀有事件中获利。作者相信稀有事件的价值被严重低估。

五、随机现象与优雅行为

活在随机的世界里，我们需要顿悟到，自己不够聪明、不够坚强，因此也无法对抗自己的情绪。科学让我们逐渐不会迷信，试图为每一个人的成功寻找必然的因果关系，或为自己的失败寻找适当的借口。但事实上，我们可能只是被随机性愚弄，成功或是失败只不过是充满随机性的世界里多种粒子碰撞而成。不管我们的选择多么复杂、我们的计算多么精密，随机性总是最后的裁判。我们需要保持尊严，优雅从容地面对后果。在赔钱的时候，不要怪罪任何人，也绝不要抱怨自怜、卑躬屈膝。用充满英雄气概的态度告诉同行，“生意虽少，态度不变”。命运女神唯一不能控制的东西，是你的行为。作者如此结尾。

结语

这本书似乎有些虚无主义的情感色彩，作者仿佛努力在阐述在股票或是基金这一行，没有什么是一定可以相信的。因为在大部分时候，成功或失败都是运气使然、都是随机性发威，一切都是不确定的。大多数人都在为万事万物寻找一个满足我们理性的解释，但这种努力大多或许会失败。这本书可以称为一本《心灵鸡汤》，它让你接受现实，也让迷失在财富追求中的人们清醒几分。

总而言之，这本书的受众似乎是有些财富但财富并不太多的人们，它教会着我们珍惜所拥有的幸福。尽管内容或显啰唆，但依然饶有趣味，也富有警示。

Think Bets 读书笔记 • 博闻

Duke, Annie. Thinking in Bets: Making Smarter Decisions When You Don’t Have All the Facts. Illustrated edition. New York: Portfolio, 2018.

书本推荐来自一位经济学教授、目前从事投资的朋友。

 

作者是世界扑克牌冠军，心理学博士肄业。^[1]

书名我感觉很难翻译。因为 bet 在中文里面是 “赌” 的意思，但它显然又和 gamble （赌博）不一样。而这本书，核心在 Why，很少涉及 How，这就导致有一些翻译直接脱离了内容。比如博客来的翻译^[2]：“高勝算決策：如何在面對決定時，降低失誤，每次出手成功率都比對手高?” —— 书本只有少量笔墨涉及到“如何”；“每次” 也并不是作者的意思，她强调的恰恰相反，不要“盯盘”细节；“比对手” 就更离谱了，且看后续笔记……

所以，想通过这本书得到一些实用指南的朋友可能会失望。但我觉得它厉害的地方，在于不断重复 Bet 的拆解：

Outcome = skill + luck

通过大量的例证，不同角度的论述，如果看完此书后，能记住这一点就已经非常好了。

由于是心理学的背景，书中引用了大量经典实验。这些故事都比较好理解，且出自专业人士，可以省去校验过程，为未来写作提供不少直接参考。

核心笔记：（夹杂私货版）

•扑克和象棋不同。后者只包含技术，理论上有最优解法（只是人类不知道）；扑克则有随机元素，哪怕是高手，也可能抽得一手烂牌，输给新手。

•人生更像扑克，而不是象棋。

•你可能做了好的决定，但依然得到一个差劲的结果。

•你可能做了坏的决定，但是幸运得到了一个好的结果。

•好结果出现的时候，我们倾向解读为技术（skill）。

•坏结果出现的时候，我们倾向解读为运气（luck）。

•大脑的两套系统（类比 Daniel《快思考、慢思考》^[3]）。Reflexive minds; deliberative minds。前者快，后者准。我们的目标是训练前者也更准。

•人类本能会依靠“快脑”，特别是在面临危险的时候。一个 false positive，总比 false negative 招致的损失要小。

•博弈论（game theory）的不少研究，处理的是理智个体、不完全信息下、具有随机性（mixed stragegy game）的决策问题。

•扑克去掉了“理智个体”这个假设。同理，金融市场、谈判桌、人生，也是如此。

•好的决策，在于决策的过程，而不是决策的结果（因为随机性的加入）。

•习惯说“我不确定”，以反应自己的真实知识水平。“知之為知之，不知為不知，是知也。” —— 孔子。

•“试错” 不是真的 “错误”。一个决策过程，清晰展示了未来的可能性，并且收敛到了最高概率、最大赢面的那个行动，就已经很好了。差劲的结果，并不意味着“错误”，或许平行宇宙中的其他个你，已经得到了更好的结果。

•"Letterman effect": 当你发现身边的人都是傻子时，要问一下是否自己才是傻子……（书中的反例；可以用更好的办法来达到同样的沟通效果）

•不仅仅是在牌桌子上，生活中所有的决策（decision）都是打赌（bet）。

•打赌的外延：选择、概率、风险、决策、信仰。

•在大多数的决策中，我们不是在和一个对手打赌，而是与所有未来可能性中，我们*没有选择* 的那些选项在打赌。（所谓机会成本）

•实验表明，我们会默认听到的信息是真实的（哪怕对方已经明确说明是假信息……）。[Ref, ch2, Gilbert]

•理想的认知过程：观察 → 归纳 → 规律 (信仰/ belief）。

•实际的认知过程：信仰 → 观察 → 修正对观察的解读。（所谓“先入为主”）

•当你相信一件事情的时候，就很容易发现到处都是支持它的证据。

•人们更容易发现他人的偏见（bias），而不容易发现自己的偏见。（所以会引发后文提到的“朋伴体系”）。

•实验表明，越是聪明的人，越不容易发现自己的偏见。他们更自然那地用数据去适配模型，而不是根据新的数据去改进模型。[Ref, ch2, Richard West] [Ref, ch2, Kahan]

•能够意识到自己偏见的人，往往也没有能力去纠正它…… （做人好惨）

•你最好的朋友，会这样挑战你：赌不睹(wanna bet)？这个简单的挑战，会让你突然对根深蒂固的信仰，产生许多实际的问题。比如，谁说的？我怎么会知道？信源质量如何？我相信他们吗？信息的时效性如何？……

•在告知他人一个判断的时候，添加上概率（置信度），会更能赢得他人的信任，这显得你是有在认真思考问题，并尝试为自己的判断负责。这个习惯会为我们赢得协作者。

•经验（experience）并不等于经历（experience）。专家之所以为专家，不在于他们经历了什么，而在于他们从经历的结果中，学到了什么，是为“经验”。

•把未来视作*一类*概率分布。有一种泛函的感觉。我们的决策，影响的是选择了那个具体的概率分布，但并不能决定该分布中哪个具体的事件会发生。

•覆盘的时候，重要的是把运气成分抽离（对概率分布的采样），而专注在技术部分（不同概率分布之间，期望值的差异）。

•案例 SnackWell：因为人们对“低脂食品是好的”深信不疑，美国长达十年推广低脂高糖产品，催生了更多的肥胖症。[Ch3]

•2016 年发表在 JAMA 的一篇文章发现，当年将肥胖归罪于脂肪的三位哈佛科学家，有受到制糖工业的赞助。[Ch5]

•自证偏差（self serving bias）、动机性推理（？）（motivated reasoning）

•扑克牌冠军，即使在赢得比赛后，也是不遗余力地找出决策中*可能的*漏洞。为此，他们花大量功夫，向自己的朋友解释细节。[Ch 3]

•不要为结果（outcome）而辩护（fielding）

•习惯（habit）形成的循环三步骤：信号（cue）、惯例（routine）、奖赏（reward）。

•形成习惯的黄金法则：保持旧有的信号、保持旧有的奖赏，加入新的惯例。[Charles Duhigg, "The Power of Habit"]

•当别人找你谈论一个决策的时候，搞清楚他们的目的：Truth-seeking v.s. Sympathy seeking？（太直没朋友）

•建立一个朋伴体系（buddy system），可以有效帮助你 Think Bets -- 将运气和技术分开。

•不要期待你的所有朋友都有同样的想法。他们没有义务去拿红色药丸。[Ref: Matrix，红色和蓝色，如果选择红色，则会醒来，面对真实世界；如果选择蓝色，可以继续做梦]

•在正式的朋伴体系中，也是可以*偶尔*发发关于运气的牢骚，但要提前声明。

•Alcoholics Anonymous（戒酒无名会）^[4]是一个朋伴体系的例子。

•避免形成回声廊（echo chamber）—— 那些总是肯定你的人其实没什么价值。（同理的，总是否定你的人也未必有价值）[信息熵视角]

•人们在讲述过去的故事时，会不自觉选用那些支持他们结论的细节。

•朋伴体系纲领：专注于准确性，而不是寻求确认；通过提前通知，确保为信息负责（accountability）；拥抱多样性。

•研究结果：联邦法官在投票的时候也带有政治偏见；但通过（2:1）的配比，裁判团的投票倾向向对方偏移。原文："disciplining effect"。[Ref: Ch 4, Cass Sunstein]

•让科学家为自己的研究结果押注（bet），可能是比同侪审查（peer review） 更有效的方法。原文：put your money where you mouth were。

•研究结果：关于一系列心理学研究可重现性（reproducibility）的评估，同侪审查的准确率是 58% （几乎等于瞎猜），而建立一个对堵市场（bet market）后，准确率提升到了 71%…… [Ref: Ch4, Anna Dreber]

•采用预测市场（prediction market）做决策的公司有：Google, Microsoft, General Electric, Eli Lilly, Pfizer, Siemens, ... [Ref: Ch4]

•朋伴体系的 CUDO *纲领*。C - Communism，数据属于群组。U - Universalism，对所有断言和证据采取相同的态度，而无关他们的来源。D - Disinterestedness，警惕所有可能的利益冲突（conflict of interest），或者主动声明利益相关（disclaimer）。O - Organised Skepticism，通过小组讨论，鼓励参与和异见。[Ch5, Merton]

•在分享细节的时候，需要有一个固定模板，有助于专家帮忙侦测其中缺少的信息。

•Don't shoot the message (derived from "Don't shoot the messenger")。—— 即“忠言逆耳”。对于不喜欢的信息，你要提取中间的技术性部分而学习，不要因为坏结果而远离信息或者发信息的人。

•Skeptical v.s. Cynical -- 理性批判（skeptical）需要的是良好的态度、文明的披露、友善的沟通。

•表达 Agreeable disagreement 的策略。尝试 "Yes, xxxx, AND yyyy"；而不是 “BUT”。前者表示你在贡献新的思路，后者表示你在挑战现状。

•当你一个人的时候，可以用过去的自己和未来的自己作为朋伴体系。

•与过去的自己对话。如 “三省吾身” 的曾子。

•与未来的自己对话 —— 找到延迟满足的理由：精力饱满地出现在同事面前、拥有充足的退休金、获得更健康的身体、…… 可以帮助拒绝当下的诱惑。

•实验：给定 $1000，让受试来分配；当人们通过 VR 游戏，看到自己未来衰老样子的时候，平均分配 $178.10 给退休账户，而看到当下样子的人，平均分配 $73.90 给退休账户。[Ref: Ch6, Jeremy Bailenson]

•后悔是一种糟糕的体验。但后悔并不完全是低效的。你可以与未来的自己对话，将后悔的体验提前。

•Suzy Welch 的 10-10-10 框架：当要做出一个决策的时候，问一下自己，它在 10 分钟会会产生什么结果？10 个月后，会产生什么结果？在 10 年后，会产生什么结果。

•炒股不要“盯盘”。即使是股神巴菲特的投资组合，放在一天中来看，也是上下起伏。股神也逃不过市场踩踏时候的大跌。但坚持从一而终的投资策略，可以在更长的时间范围内，打平随机因素的影响。

•生活也是。我们何尝不是在“盯盘”（ticker watch）自己的人生呢？—— 这周组里有人掉链子了；昨天晚上没有睡好；坚持一周的减脂计划，居然没有效果…… 放在长期来看，这些都不是主要问题。

•我个人最近的一个体会，一旦“盯盘”了，就开始在树立一个无形的对手，需要花更多精力去与其和预期的差距进行对抗，反而无法舒展的做这件事，影响了心态进而影响效果。[Ref: Grace]

•Ulysses pact —— 在自己清醒的时候，定下一些规约，以便在不清醒的时候快速作出（或借由他人作出）熔断性的决策。例子：输到 $600 美金的时候，就要退出牌桌，无论你自认为目前的结果是基于技术还是运气；打牌持续 8 小时候，就一定要退出，即便目前“手气爆表”；一场辩论中，如果超过 20 分钟没有结论，就要及时停止，各自回去寻找数据，重新组织论述，以避免不断重复观点本身；……

•Swear Jar —— 每次说脏话的时候，就往里面放一枚硬币。

•Decision swear jar —— 践行 Think Bets 的原理，一旦发现自己偏离，就扔一枚硬币，以警醒未来的自己，并形成习惯。

•红队 —— 一个总是 challenge 自己的队伍（蓝队是自己）

•场景规划 （scenario planning）—— 一种把连续的概率分布离散化的方法，以提高决策质量。例如：如果客户拒绝怎么办？如果客户预算不够怎么办？如果客户无法完成内部审批怎么办？如果竞争对手有更好的 offer 怎么办？……

•想象一个糟糕的未来，然后倒推，是由于如何一系列决策导致了它？

•不要路径依赖。例如：你打牌先赢了 1000，后输了 1000；你打牌先输了 1000，后赢了 1000。如果是前者，你可能不爽。如果是后者，你可能会很开心，并且把当晚的酒费给包了请客大家。

感想

赌啥子嘛？

四川长大的小朋友，都很熟悉两句话：“赌不赌？”，“赌啥子嘛？”。

以前总觉得四川人有内生的赌性，比如麻将的流行就是一个例子。但仔细琢磨后，才发现，所谓赌（bet），乃是文明辩论的根基。

当两个人各执己见，争执不休的时候，只要有一方问一句“赌不赌？”，就会马上获得片刻安宁。在这静止的瞬间，双方各自从脑中收集证据，判断胜率和赢面。多亏了大脑的量子结构，在真金白银的胜负压力下，另一方可以瞬间计算出对自己最有利的结果。这时候，你可能会听到两个明确的答案。“赌就赌，怕你索？”，又或者 “难求得跟你赌”。—— 这显然比继续争执半个小时有效多了。

没有赌注（no stake）的辩论，就是耍流氓。

四川的赌（bet），又和拉斯维加斯的赌博（gamble）不一样。后者纯粹是运气问题，甚至人们在明知道长期期望为负的情况下还赌，这就不科学，除非他的收益是在赌局之外（比如，开心）。前者则是技术与运气的综合体，透过经济体系，促使专家达成最优决定。

话虽然这样说，我们也并不是支持打麻将。哪怕一个人长期赢牌的机率过半，那也只是牌桌子上的部分。当你下决定要去打牌的时候，就已经在赌一些东西，比如时间和健康。

每一个抉择，其实都是在赌某种未来。对赌的另一方，是那些没有被选择的可能性。

频率派、贝叶斯派、先验派

你扔一个硬币，如果连续十次出现正面，将如何解读？

频率派的结论，会说这个硬币正面出现的概率是 100%。针对目前的观察，这是极大似然（maximum likelyhood）的结论。

贝叶斯派，则会说，这个硬币可能有偏，它出现正面的概率大一些，也许为 60%、也许为 70%、…… 至于具体是多少，它依赖你对硬币正面出现概率的先验分布如何选择。由于似然概率为伯努力分布，它的先验概率均值取 50% 比较合理，所以比较流行的一种先验选择就是 Beta 分布。你完全可以做别的假设，但选择 Beta 的好处是，后验概率也是 Beta 分布，使得增量学习更方便。

更多假设，更多主观因素，但结果更好？

贝叶斯派显然更受现代的统计学习理论青睐，也透过业界大量的实践，证明了它是有效的。通常的做法是，将用于描述世界的变量组成一个网络，一些没有上游的节点，就是超参数，来自人类的先验知识。接着我们让模型不断观察新的数据，透过最大后验（MAP）的方法，去更新其中的节点。当模型收敛的时候，就形成了对知识的有效表达。

以上基本上是教科书范畴。我们发现机器学习的衍化路径，是从“极度客观”的频率派开始的，然后逐渐贝叶斯化。—— 机器生来就擅长从大量观察中总结经验，然后我们给它注入一些主管因素（先验），让结果更好。

读了 Think Bets 这本书后，发现一个有趣的想象，就是人类刚好反过来。实验表明，我们会默认听到的信息是真实的（哪怕对方已经明确说明是假信息……）[Ref, ch2, Gilbert]。理想的认知过程是：观察 → 归纳 → 规律 (信仰/ belief）。而我们实际的认知过程：信仰 → 观察 → 修正对观察的解读。这就是所谓“先入为主”。一旦我们建立某种信念后，再多的观察都可能无济于事。与其修改模型以适应新的数据，我们更擅长修改对数据的解读，来保持模型的稳定……

回到上面硬币的例子。先验派的朋友可能会说：硬币不就是两面各 50% 出现吗？做实验的人出老千吧？他抛的不是一个硬币吧？你确认是亲眼看到他抛的？……

原来人类是先验派的！

以上是一个极端的例子，但既然连机器都已经贝叶斯化了，我们人类是不是也该向机器学习一下……

回归

这本书的整体框架，其实可以用回归（regression）来解释。技术+运气的框架，其实就是模型+噪音的框架。透过回归过程（拟合），我们去除了噪音，找到了模型。

错误

统计上有两类错误（error）。Type I 是系统性的，也叫偏差（bias）。Type II 是随机性的，也叫噪音（noise）。如果我们遇到了一个不好的结果，它属于 error，而我们要鉴定一下，中间有多少是 bias，有多少是 noise。

Noise 是永远存在。你做的决策越多，发生 noise 导致的 error 的概率就越大。

Bias 却是可以尝试降低或消除的。你从过去的经历中学习得更多，因为 bias 发生 error 的概率就越小。

永远不犯错，只有一个办法，就是永远不要做决定。

一旦你开始做决定，就要习惯不时会有失败。

直？

作者讲了一个故事，感觉很搞笑。在一次讲座的间隙，有个人前来，似乎要找她覆盘一手牌。这个人花了很长时间介绍他手上的牌，自己如何出牌，但最后因为对手神乎其技地拿到了更好的牌，结果自己输了。本来间隙就不长，有的人可能会安慰两句，有的人可能会选择快速地给一个点子，结果作者是践行朋伴系统的，紧接着给了句：你当时是如何判断的？结果对方悻悻离去：这个故事的重点不在这里！（潜台词：在于我想吐槽一下我的运气）

我之所以觉得搞笑，是因为我曾经是这样的人。

其实我现在也是。（见 🔗信任公式中的亲密关系^[5] ）。

然后作者就说，你可以 Think Bets，但要小心没朋友。

她接着说，不要期待你的所有朋友都有同样的想法。不是每个人都是为寻求真相（truthseeking 而来）。你的朋友们没有义务去拿红色药丸。[Ref: Matrix，红色和蓝色，如果选择红色，则会醒来，面对真实世界；如果选择蓝色，可以继续做梦]

过分谦虚

Phil Ivey 在一次赢得世界冠军后，和作者的哥哥去晚餐。在常人看来，这是一个庆祝的时刻。结果 Ivey 用了一个晚上，扭着作者的哥哥来覆盘这场比赛，不断追问“刚才的这个决策，有没有可能是错的呢”？

这样的故事，在顶级扑克圈不胜其数。

高手总是把成功归于运气，而失败归于实力。

他们真的是在谦虚吗？

其实，这是一种策略。其意义并不在于常人面前的“凡尔赛”，而是通过不断的心理暗示，让自己专注于结构性部分。他们当然知道，有时候失败也是运气使然，但他们要做的是，不断提升自己，以便在运气差的时候，也能获得更大的成功概率。

销售

我们应该拜访客户 A 还是拜访客户 B？今年是否应该推出新的产品？我们是否要进行部门重组？根据市场变化，明年的招聘预算要增加吗？……

这些都是模糊预测类问题。之所以销售和管理岗位要设置高额 bonus，就是通过经济手段，逼迫他们作出最好的决策。相反的，研发类岗位，则不会有太多 bonus，因为团队的输出质量，很大程度上由科学的过程管理来控制。

所以从这个性质上来说，销售确实更接近业务本身。CMO 也是离 CEO 最近的位置。

你也许会说，哪怕我做足了功课，选择客户 A，可能最后还是竹篮打水呀？

这种可能性当然存在，就是作者说的“好的决策可能导致差的结果”。但有一个好的决策过程，坚持下去，输输赢赢加总下，结果更可能是正的。决策过程越好，这个正向结果的期望就越大。

如果你发现自己的判断就像丢筛子一样…… 那说明你不适合这份工作。

用 Letterman 的话说：当你发现身边的人都是傻X时，要怀疑一下是否自己才是那个傻X……

有一段时间，身边创业失败的朋友越来越多（也包括我自己）。我们聚在一起，大灌啤酒，诉说着大环境如何如何。

后来在网上看到一句话，发人深省：

确实如此。一次创业失败，有运气的因素。连续创业失败，就得找一下自己的问题了。

一次工作失利，可能有运气的因素。但如果每次换工作都遇到傻X 老板、划水同事、夕阳产业，可能就得认真问一下自己了。

•[1] Duke, Annie. Thinking in Bets: Making Smarter Decisions When You Don’t Have All the Facts. Illustrated edition. New York: Portfolio, 2018.

•[2] 博客来的翻译: https://www.books.com.tw/products/F014060349

•[3] Kahneman, Daniel. Thinking, Fast and Slow. 1st edition. New York: Farrar, Straus and Giroux, 2013.

•[4] Alcoholics Anonymous（戒酒无名会）: https://www.aa-hk.org/

•[5] 信任公式中的亲密关系: https://mp.weixin.qq.com/s/h3fvEmIIgqfRsCwU_otemA

Anne LaBarr Duke

 Anne LaBarr Duke (née Lederer; born September 13, 1965) is an American former professional poker player and author in cognitive-behavioral decision science and decision education. She holds a World Series of Poker (WSOP) gold bracelet from 2004 and used to be the leading money winner among women in WSOP history, and is still in the top five as of April 2023, despite being retired from poker, last cashing at a tournament 2010.^[2] Duke won the 2004 World Series of Poker Tournament of Champions and the National Heads-Up Poker Championship in 2010. She has written a number of instructional books for poker players, including Decide to Play Great Poker and The Middle Zone, and she published her autobiography, How I Raised, Folded, Bluffed, Flirted, Cursed, and Won Millions at the World Series of Poker, in 2005. Duke also authored two books on decision-making,^[3] Thinking in Bets: Making Smarter Decisions When You Don't Have All the Facts, and How to Decide: Simple Tools for Making Better Choices.