经验主义

经验主义作为一种哲学传统，可以追溯到十七世纪的弗朗西斯·培根。培根对中世纪经院哲学的批判极其猛烈：那些学者整天坐在书斋里，用三段论和亚里士多德的权威来“推导”世界应该是什么样的，却从来不去看看世界实际是什么样的。培根说，如果你想理解自然，你必须去观察自然、实验自然，而不是从某本古书里寻找答案。

这听起来像是常识。但在培根的时代，这是一种颠覆性的主张。当时的知识体系建立在两根支柱上：古典权威（亚里士多德说什么就是什么）和纯粹推理（从“自明的”前提出发，通过逻辑推导得出结论）。培根说这两根支柱都不可靠。权威可能错了——亚里士多德说重的东西比轻的东西落得快，但伽利略在比萨斜塔上的实验证明这是胡说。纯粹推理可能脱离现实——你的前提可能是错的，你的推理链条中可能有隐蔽的假设，而且整个推理大厦可能和真实世界毫无关系。

培根之后，约翰·洛克把经验主义推进到认识论的核心。洛克的核心论点是：人的心灵在出生时是一块白板（tabula rasa），所有知识都来自经验——来自感官观察的外部经验和来自心理反思的内部经验。没有什么知识是“天生的”或“自明的”。

这个哲学传统在芒格身上产生了一个极其实用的变体。芒格不关心洛克和休谟之间的哲学争论，但他把经验主义的核心精神变成了一套投资决策的操作系统：

第一条原则：永远从事实出发，而不是从理论出发。 芒格说过：“告诉我事实，我自己来推理。”他不信任任何先于事实的理论框架。当分析一家企业时，他首先要看的是十年的财务数据、实际的竞争格局、真实的客户行为——而不是分析师的估值模型或投行的推荐报告。

第二条原则：理论必须服从证据，而不是证据服从理论。 当事实和理论矛盾时，错的一定是理论。这听起来理所当然，但在实践中极少有人能做到。当一家公司的股价和你的估值模型不一致时，大多数分析师会检查市场是否“犯了错”，而不是检查自己的模型是否有问题。芒格的做法相反：他首先怀疑自己的判断。

第三条原则：警惕“精确的错误”。 芒格多次引用凯恩斯的那句话：“宁要模糊的正确，不要精确的错误。”一个精密的数学模型如果建立在错误的假设之上，其精密性不但没有价值，反而有害——因为它给人一种虚假的确定感。LTCM的模型精确到了小数点后十几位，但它的核心假设——金融资产的价格变动服从正态分布——是错的。现实世界中的极端事件比正态分布预测的要频繁得多、剧烈得多。

芒格和巴菲特做投资决策时，几乎不使用DCF（现金流折现）模型或其他复杂的金融数学工具。这让很多受过正统金融教育的人感到困惑，甚至不屑。但这恰恰体现了经验主义在投资领域的核心洞见。

为什么芒格不信金融模型？不是因为他不懂数学——他懂得比大多数基金经理都多——而是因为他太了解模型的本质了。

一个DCF模型需要你预测未来十年甚至二十年的自由现金流、增长率和折现率。但芒格深知，对大多数企业而言，准确预测未来两年的现金流都极其困难，更不用说十年。当你把一系列不确定的假设输入一个精密的数学框架时，你得到的不是答案，而是一种幻觉——你觉得你知道了什么，但实际上你只是把猜测包装成了科学。

芒格的话毫不留情：“有些人觉得只要用了足够高级的数学就能让投资变得科学。这就好像一个醉汉以为只要穿上实验室的白大褂就能变成化学家。”

那芒格怎么做投资决策？他读财务报表——不是为了建模型，而是为了理解事实。他看十年的损益表，不是为了外推趋势线，而是为了理解这家企业的经济特征：它的利润率稳定吗？资本回报率高吗？自由现金流是在增长还是在被资本支出吞噬？这些不是预测，而是对已经发生的事实的观察。

然后他问一个极其简单的问题：基于我观察到的事实，这家企业的竞争优势在未来五到十年内有没有可能被破坏？如果答案是“不太可能”——因为有强大的品牌、网络效应、规模优势或转换成本——那就在合理的价格买入。如果答案是“我不确定”，那就不买。就这么简单。

没有贝塔系数，没有资本资产定价模型，没有蒙特卡洛模拟。只有事实、常识和安全边际。芒格称这种方法为“简单的老派方法”。但这种方法在过去五十年里的表现，碾压了华尔街绝大多数精密模型。

芒格反复提到达尔文，将他视为经验主义方法论的最高典范。达尔文不是一个坐在书斋里构思理论的哲学家——他是一个花了二十年时间收集和观察事实，然后才敢提出理论的博物学家。

1831年，达尔文登上贝格尔号开始了五年的环球航行。在这五年里，他没有试图验证任何先入为主的理论。他只是观察和记录：加拉帕戈斯群岛上每个岛的雀鸟为什么嘴形不同？南美洲的化石为什么和现存动物相似但又不完全一样？不同大陆上的物种分布为什么呈现出那样的模式？

回到英国后，达尔文又花了二十多年来整理这些观察、做进一步的实验、和其他博物学家通信讨论。他养鸽子来研究人工选择的效果。他研究藤壶的解剖学研究了整整八年。他给全世界的植物学家和动物学家写信，收集关于物种变异的数据。只有在积累了压倒性的经验证据之后，他才在1859年发表了《物种起源》。

芒格特别欣赏达尔文方法论的一个特征：达尔文对反面证据的执着追寻。 达尔文在笔记中写道：“每当我遇到一个和我的理论矛盾的事实，我就立刻记下来，因为我注意到这类事实比支持我理论的事实更容易被遗忘。”这是对避免不一致性倾向最自觉的抵抗。大多数人——包括大多数科学家——在发现支持自己理论的证据时会感到高兴，在发现反面证据时会感到不适并倾向于忽略。达尔文反过来做：他主动寻找能推翻自己理论的证据，因为他知道只有经受住最严格考验的理论才是可靠的。

芒格把达尔文的这个方法直接搬到了投资决策中。他要求自己在做出投资判断之后，立即列出所有可能推翻这个判断的理由。他说：“如果你不能比你的对手更好地反驳你自己的论点，那你就还没有真正理解这个问题。”这就是经验主义在实践中的最高形态——不是被动地接受支持你的证据，而是主动地、甚至痛苦地寻找否定你的证据。

经验主义的一个深层洞见是：人类的大脑天生偏爱理论胜过事实。 一个优美的理论能给人带来智识上的快感和确定感，而混乱的事实让人焦虑和困惑。这种偏好在学术界尤其严重——发表一个优美的新理论比发表一堆杂乱的实证观察能获得多得多的学术声望。

芒格对学术界的这种倾向有深刻的不信任。他多次批评经济学和金融学的学术研究过于依赖数学模型，而忽视了对真实世界的观察。他有一个著名的比喻：“在拿锤子的人眼里，什么东西看起来都像钉子。在学了高等数学的经济学家眼里，什么问题看起来都需要一个微分方程。”

这种理论偏好在投资领域造成了系统性的损害。现代金融理论的核心假设——市场是有效的、投资者是理性的、资产价格的波动服从正态分布——每一条都和可观察的事实严重矛盾。市场不是有效的（否则泡沫和崩盘从何而来？），投资者不是理性的（否则过度乐观倾向和社会认同倾向为什么如此普遍？），资产价格的波动分布有肥尾（极端事件的频率远超正态分布的预测）。

但这些理论之所以在学术界和实务界长盛不衰，恰恰因为它们在数学上是优美的。正态分布是对称的、可以解析求解的、参数只有两个（均值和标准差）。如果你假设资产收益服从正态分布，你就可以用偏微分方程来定价期权，用协方差矩阵来优化投资组合——整个体系在数学上完美自洽。唯一的问题是，它和现实世界对不上。

芒格的态度是：那又怎样？一个和现实对不上的优美理论，不如一个粗糙但大致正确的经验判断。他宁愿用“这家企业有强大的护城河，而且价格合理”这种模糊但有用的判断，也不愿用“根据我们的蒙特卡洛模拟，这只股票的预期回报率是12.3%（置信区间95%）”这种精确但虚幻的“分析”。

纯经验主义会让你陷入归纳法的陷阱。 如果你只依靠已有的经验来判断，你会在面对真正的新事物时手足无措。在互联网出现之前，没有任何历史经验可以告诉你一个网络平台可以在五年内获得十亿用户。在mRNA技术突破之前，没有任何先例可以让你预测疫苗开发速度可以从十年缩短到一年。纯粹的经验主义可能让你错过真正的范式转换。芒格自己也承认，他和巴菲特在科技投资上的保守，让他们错过了谷歌和亚马逊的早期机会。

有些领域需要理论先行。 在物理学、化学等自然科学中，理论的预测能力远远超过了朴素的经验归纳。爱因斯坦的广义相对论在被实验验证之前就已经被提出了——而它的预测精确到了令人惊叹的程度。芒格的经验主义适用于复杂适应系统（经济、社会、企业），在这些系统中，精密理论的预测能力确实很差。但不应该把这个判断简单地推广到所有领域。

“我只相信事实”可能成为一种伪装的傲慢。 每个人在观察“事实”时都带着自己的认知框架和偏见。你看到的事实，在很大程度上取决于你选择看什么、如何解读。一个彻底的经验主义者需要对自己的观察过程保持高度反思，否则“我只相信事实”很容易变成“我只相信支持我已有观点的事实”——这恰恰是经验主义试图避免的陷阱。

建立“事实优先”的分析习惯。 在做任何重要判断之前，先花时间收集和审视原始事实。不要从结论出发去找支持的证据——先让事实说话，然后看事实指向什么结论。芒格分析一家企业时，先读十年的年报，而不是先看分析师报告。你应该养成同样的习惯：原始数据优先，二手解读其次。

对模型保持健康的怀疑。 任何模型都是对现实的简化。问自己：这个模型忽略了什么？它的核心假设在当前情况下是否成立？如果核心假设被打破，结论会怎样变化？LTCM的悲剧提醒我们，一个在99.9%的时间里都正确的模型，可能在剩下的0.1%里让你倾家荡产。

像达尔文一样主动寻找反面证据。 每当你形成一个判断——无论是关于投资、职业还是人生决策——立即问自己：“什么证据能推翻这个判断？”然后去主动寻找那些证据。如果你找不到有力的反面证据，你的判断可能是对的。如果你找到了，你就避免了一个可能很昂贵的错误。

区分“精确”和“正确”。 不要被数字的精确性所迷惑。“这家公司的内在价值大约在每股50到70美元之间”，这个判断虽然模糊，但如果股价是30美元，它足以指导你的决策。“这家公司的内在价值精确地是每股62.47美元”，这个判断虽然精确，但它给你的是一种虚假的确定感——那个小数点后面的数字没有任何意义。

“人们对精确数字的迷恋让我震惊。他们宁愿要一个精确的错误，也不要一个大致正确的模糊判断。”

*“People's fascination with precise numbers amazes me. They'd rather have a precisely wrong answer than a roughly right one.”*
— Charlie Munger

• 以史为鉴 — 历史阅读是经验主义在时间维度上的延伸：用前人的经验扩大你的事实库
• 安全边际 — 经验主义的自然推论：既然我们的知识不可靠，就必须为错误留出缓冲
• 逆向思维 — 达尔文式地主动寻找反面证据，是经验主义的高级实践
• 认知谦逊 — 经验主义的哲学前提：承认我们的理论可能是错的
• 自视过高的倾向 — 对理论的过度信任是经验主义最大的敌人
• 护城河（Moat） — 芒格用经验观察而非财务模型来判断护城河的持久性
• 概率思维与期望值 — 经验主义提醒我们：概率估计应基于真实频率而非数学假设
• 进化认识论 — 知识的演化类似物种进化：通过“猜想与反驳”不断淘汰错误理论，保留更好的解释

• □事实审计：我的判断是基于直接观察到的事实，还是基于别人的理论或推荐？
• □模型假设检查：如果我在使用某个模型，它的核心假设是什么？这些假设在当前情况下是否成立？
• □达尔文测试：我是否主动寻找了能推翻我判断的证据？如果没有，我现在就去找。
• □精确性警报：我是否被精确的数字所迷惑？这些数字的精确度是否超出了底层数据所能支撑的范围？
• □权威免疫：我是否因为某个观点来自权威人士或权威机构就不加审视地接受了它？
• □理论优美性陷阱：我是否因为一个理论在逻辑上很优美就相信了它，而忽略了它和事实的矛盾？

• Roger Lowenstein,《When Genius Failed》— LTCM覆灭的详细记录，经验主义vs.理论主义的经典案例
• Nassim Nicholas Taleb,《The Black Swan》— 对金融模型和正态分布假设的系统批判
• Janet Browne,《Charles Darwin: The Power of Place》— 达尔文经验主义方法论的最详尽传记
• Richard Feynman,《Surely You're Joking, Mr. Feynman!》— 另一位伟大的经验主义者的思维方式
• Philip Tetlock,《Superforecasting》— 用经验数据研究预测能力，发现最好的预测者往往是经验主义者