叙事谬误

叙事谬误的一句话定义：人类大脑天生倾向于将随机的、复杂的、多因素的事件编织成简洁的、连贯的、有因果关系的故事，并对这些故事深信不疑。

这不是一种可以选择开启或关闭的思维习惯。它是大脑的默认操作系统。

从进化角度来看，这种机制有其生存价值。想象你是十万年前的智人，你注意到丛林里某处灌木丛晃动了一下，然后你的同伴被一头豹子袭击了。你的大脑立刻编织了一个故事：灌木丛晃动 → 有捕食者 → 危险。这个故事未必准确（也许灌木晃动和豹子毫无关系），但它有用：下一次灌木丛晃动的时候，你会立刻逃跑。在生死攸关的环境中，一个“快速但粗糙的因果解释”远比“准确但缓慢的概率分析”更有利于生存。

丹尼尔·卡尼曼在《思考，快与慢》中把这种机制归入“系统一”——自动的、快速的、几乎无意识运行的认知系统。系统一的工作方式就是讲故事。它接收到一组信息碎片，然后自动将它们串联成一个最“连贯”的叙事。卡尼曼用了一个精妙的术语来描述这种倾向：WYSIATI——“你所看到的就是全部”（What You See Is All There Is）。 系统一不会去追问“我是不是遗漏了什么重要信息”，它只会用手头已有的碎片拼出一个最完整的故事，然后告诉你：“这就是事情的全貌。”

问题在于，人类不再生活在丛林里了。我们生活在一个极度复杂的世界——金融市场、地缘政治、科技变革——这些系统中的因果关系不是线性的一对一映射，而是多因素交互、非线性反馈、充满随机性的复杂网络。但大脑的讲故事机制不管这些。它依然在做十万年前的事情：接收碎片，编织因果，输出故事。

塔勒布指出，叙事谬误之所以危险，是因为它有三重效应。

第一重：压缩（Compression）。 故事会把复杂的多因素事件压缩成简单的因果链。“苏联解体是因为里根的军备竞赛拖垮了它”——这个故事干净利落，但它忽略了苏联内部的经济结构性问题、民族主义运动、戈尔巴乔夫的改革策略、石油价格下跌等数十个同等重要的因素。故事让你觉得你“理解了”，但你理解的只是一个被极度简化的版本。

第二重：赋予因果（Causation from Correlation）。 故事天然倾向于把时间上的先后关系解读为因果关系。“他早起锻炼，所以他成功了”——也许早起和成功之间根本没有因果关系，只是碰巧出现在同一个人身上。但故事需要因果，大脑也渴望因果，于是因果就被“发明”出来了。

第三重：事后确认（Hindsight Coherence）。 这是叙事谬误最阴险的一面。当事情已经发生之后，大脑会回溯性地编织一个“一切都注定如此”的故事。2008年金融危机之后，无数人声称“早就看到了”——但如果你查看2006年的预测记录，几乎没有人预见到危机的规模和方式。事后的故事让你觉得世界是可预测的，而这种虚假的确定感才是最危险的。

如果你想近距离观察叙事谬误每天是怎么运作的，打开任何一家财经网站的首页就够了。

2023年某个普通的周二，标普500指数下跌了1.2%。当天你可能看到这样的分析：“由于美联储鹰派信号超出预期，市场担忧加息路径更为激进，导致科技股领跌，拖累大盘。”这个解释听起来完美——有原因、有传导机制、有结果。

但让我们做一个思想实验。如果同一天市场涨了1.2%，记者会怎么写？“尽管美联储释放鹰派信号，但市场认为经济基本面强劲足以消化加息影响，投资者买入低估值板块，推动大盘上涨。”同一个“原因”，可以解释完全相反的两种结果。

这不是记者的错——这是叙事谬误在制度层面的运作。媒体的商业模式要求他们每天产出内容，而内容需要“解释”。“今天市场随机波动，我们不知道为什么”不是一个可以发表的文章。于是，每天收盘之后，一个巨大的“事后叙事生产线”开始运转：记者在当天的新闻中筛选出和涨跌方向“一致”的事件，赋予因果关系，包装成文章。

塔勒布尖锐地指出：财经媒体不是在帮你理解市场，它们是在帮你制造理解市场的幻觉。 你每天阅读这些“分析”，你以为自己在学习，实际上你在被训练成一个更擅长编故事的人——而不是一个更擅长理解复杂性的人。

这种叙事生产对投资者的危害是具体的。当你相信“市场因为X而下跌”的故事时，你的下一步行动自然是“如果X消除了，市场就会涨”。你开始基于一个事后编织的因果关系来做前瞻性的决策。这就像根据昨天掷骰子的结果来预测今天的骰子——底层逻辑就是错的。

芒格虽然没有直接使用“叙事谬误”这个术语，但他多次警告过这种思维方式。他说过：“人类头脑的一个主要问题是，它不允许自己承认'我不知道'。” 不知道为什么市场跌了？编个故事。不知道为什么这家公司失败了？编个故事。故事让认知的不适消失了——但它也让你停止了追问真正的原因。

叙事谬误的另一个重灾区是创业和商业领域的“成功学”。

你几乎可以在任何一本畅销商业书籍中找到这样的模式：一个创始人有了一个愿景，经历了困难，坚持了下来，最后成功了。乔布斯从车库开始，被自己创办的公司赶走，又回来拯救苹果，最终创造了改变世界的产品。这个故事激励了无数人——但它也是叙事谬误的完美标本。

让我们看看这个故事遗漏了什么。

它遗漏了幸存者偏差。在乔布斯的同时代，有成千上万个同样有愿景、同样坚持、同样才华横溢的创始人——他们失败了。他们的故事不会出现在畅销书里，因为失败不卖座。当你只看到幸存者的故事时，你自然会得出“愿景+坚持=成功”的结论。但如果你把失败者也纳入样本，你会发现很多人也有愿景、也很坚持——只是运气不好。

它遗漏了随机性的角色。苹果的成功依赖于大量无法事先计划的因素：IBM决定开放PC架构为后来的生态系统奠定了基础；iPod的成功部分取决于唱片行业在数字化面前的战略失误；iPhone的推出时机恰好赶上了3G网络的成熟。如果这些外部条件中的任何一个不同，苹果的轨迹可能完全不一样。但故事不喜欢随机性——故事喜欢英雄。

它遗漏了多因素的交互。苹果的成功不是一个线性的因果链，而是技术、设计、营销、供应链、产业生态、文化趋势等数十个因素相互作用的结果。把它简化成“乔布斯的天才”，不仅是对历史的扭曲，还会误导那些试图从中“学到东西”的创业者：他们以为需要模仿的是乔布斯的行为模式，实际上需要理解的是一个复杂系统中的多因素互动。

菲尔·罗森维格（Phil Rosenzweig）在《光环效应》中系统地拆解了这种叙事谬误在商业领域的运作。他指出，当一家公司成功时，媒体和分析师会把它的一切都解读为“成功的原因”——管理风格、企业文化、战略选择。但当同一家公司后来衰落时，完全相同的特征会被重新解读为“失败的原因”。企业文化在成功时叫“创新”，在失败时叫“缺乏纪律”。管理风格在成功时叫“果断”，在失败时叫“独断”。故事永远是事后编织的，而且永远自洽。

叙事谬误不只是学术问题。当它渗透进历史解释中，它会直接误导重大决策。

“一战是因为一颗子弹——弗朗茨·斐迪南大公在萨拉热窝被刺杀——而爆发的。”这是一个经典的历史叙事。它有一个明确的起点（刺杀事件）、一个清晰的因果链（刺杀→奥匈帝国向塞尔维亚宣战→同盟体系连锁反应→世界大战），以及一个看似不可避免的结论。

但严肃的历史学家会告诉你，这个故事遗漏了几乎所有真正重要的东西：欧洲列强数十年积累的殖民竞争、民族主义情绪的发酵、军备竞赛的螺旋升级、同盟体系的刚性结构、各国内部政治精英对战争的不同态度。刺杀事件是一根火柴，但火药桶已经堆了几十年了。任何一根火柴都可能点燃它——如果不是萨拉热窝的那一枪，也会是别的事件。

当决策者基于简化的历史叙事来制定政策时，后果可能是灾难性的。“越南战争是因为我们'失去了'中国，所以不能再'失去'越南”——这个多米诺骨牌叙事直接导致美国在越南陷入了十年泥潭。“二战前绥靖政策失败了，所以面对任何独裁者都必须强硬”——这个过度简化的教训在后来的几十年中被反复误用。

塔勒布在《黑天鹅》中的核心论点之一就是：我们对历史的叙事化理解，让我们严重低估了极端事件（黑天鹅）的概率。 因为叙事让一切看起来都是“可以预见的”——事后来看，2008年金融危机当然是“必然的”（“次贷市场泡沫化、监管缺失、华尔街贪婪”），但事前来看，预测到危机的精确时间和方式的人寥寥无几。叙事创造了一种“可预测性的幻觉”，而这种幻觉让我们在面对真正的不确定性时准备不足。

叙事不全是坏事。 故事是人类文明最强大的工具之一。它帮助我们传递知识、建立共识、激励行动。芒格本人就是一个讲故事的大师——他用生动的案例和比喻来阐述抽象的概念。问题不在于叙事本身，而在于把叙事当作因果解释来使用。“这个故事有启发性”和“事情就是这样发生的”是两种完全不同的认知态度。前者是开放的，后者是封闭的。

叙事谬误与避免怀疑倾向的叠加。 避免怀疑倾向让你急于消除不确定性，叙事谬误提供了消除不确定性的最便捷工具——一个因果明确的故事。二者叠加，你会在面对复杂局面时过早地锁定一个“解释”，然后停止进一步的探究。芒格反复强调“容忍模糊性”的重要性，正是在对抗这种叠加效应。

叙事谬误与避免不一致性倾向的叠加。 一旦你采纳了一个叙事（“这家公司成功是因为它的企业文化”），这个叙事就变成了你的“已有结论”。之后出现的任何与这个叙事矛盾的证据都会被你过滤掉或重新解读——不是因为你故意忽视证据，而是因为你的叙事已经成了认知框架的一部分。

专家同样容易陷入叙事谬误。 你可能以为专业的经济学家、历史学家、金融分析师能够免疫于叙事谬误。恰恰相反——专家往往更容易受影响，因为他们拥有更丰富的知识库来编织更精致、更“有说服力”的故事。一个普通人可能只能说“市场跌了因为有坏消息”，而一个专家可以构建一个涉及利率、信用利差、地缘政治的多层叙事——这个叙事更复杂，但本质上同样是事后编织的。专业知识让你成为一个更好的故事讲述者，但不一定让你成为一个更好的预测者。

第一步：当你听到一个“完美的解释”时，提高警惕。 真实世界的因果关系几乎从来不是干净利落的。如果一个解释听起来太顺了——太完整、太连贯、太“说得通”——它很可能是被过度简化了。芒格引用过一句谚语：“对于复杂问题的每一个解释，都有一个简单的、优雅的、完全错误的答案。”当你觉得自己“理解了”一个复杂事件时，问自己：我是真的理解了，还是我的大脑编了一个好故事？

第二步：主动寻找“反叙事”。 对于任何一个你接受的故事，尝试构建一个同样合理的替代故事。“这家公司成功是因为它的创始人是天才”——替代故事：“这家公司成功是因为它碰巧在正确的时间出现在正确的市场，换一个创始人结果可能差不多。”你不需要确定哪个故事是对的——关键是让自己意识到同样的事实可以支持不同的叙事。

第三步：关注基础概率，而不是故事。 当有人告诉你一个令人兴奋的创业故事并建议你投资时，不要被故事打动。去看基础数据：这个行业的平均存活率是多少？类似阶段的公司有多少最终成功了？这些冰冷的数字比任何激动人心的故事都更有预测价值。芒格和巴菲特从来不会因为一个“好故事”就投资——他们看的是数字、是护城河、是管理层的实际记录。

第四步：区分“解释”和“描述”。 “这家公司的收入增长了30%”是描述。“这家公司因为推出了新产品所以收入增长了30%”是解释。描述是事实，解释是叙事。在做决策时，尽量基于描述而不是解释。数字不会骗你，但故事会。

第五步：定期回顾自己过去的叙事。 翻出你一年前对市场、对某只股票、对某个商业趋势的“分析”，看看你当时的故事有多少是对的。这个练习通常令人谦卑——你会发现，你过去编织的很多“因果解释”在事后看来是荒谬的。这种谦卑感是对抗叙事谬误最好的疫苗。

让我用塔勒布的一个思想实验来收束。

假设你是一位报纸编辑。有两条“新闻”摆在你面前：

第一条：一位政治家通过外交谈判避免了一场战争，拯救了数十万条生命。但因为战争没有发生，所以没有人知道它曾经差点发生。

第二条：一位政治家发动了一场战争，导致数十万人死亡。

哪条新闻会上头版？当然是第二条。第二条有故事——有冲突、有后果、有可以归咎的“原因”。第一条没有故事——什么都没有发生，你怎么写？

但从人类福祉的角度来看，第一条“新闻”的价值远远大于第二条。

塔勒布把这种现象叫做“沉默的证据”（Silent Evidence）。那些没有发生的事、那些被正确避免的灾难、那些安静的成功——它们不会出现在叙事中，因为叙事需要事件，而“没有事件”无法被讲述。

芒格的投资生涯中，最重要的决定大多数是“不做”的决定——不买某只股票、不进入某个行业、不跟随某个热潮。这些决定不会出现在任何人的传记里，因为它们没有故事。但正是这些“没有故事”的决定，保护了他的资本、保全了他的判断力、让他在真正的机会出现时有能力出手。

叙事谬误最深层的教训是：真正重要的东西，往往是没有故事的东西。 学会在沉默中寻找智慧，而不是在故事中寻找安慰——这也许是对抗叙事谬误最根本的方法。

“We like stories, we like to summarize, and we like to simplify, i.e., to reduce the dimension of matters.”

“我们喜欢故事，我们喜欢总结，我们喜欢简化——也就是说，我们喜欢降低事物的维度。”
— Nassim Nicholas Taleb,《The Black Swan》

“The narrative fallacy addresses our limited ability to look at sequences of facts without weaving an explanation into them, or, equivalently, forcing a logical link, an arrow of relationship, upon them.”

“叙事谬误指的是我们在看到一系列事实时，无法不往其中编织解释、无法不强加因果关系的那种有限能力。”
— Nassim Nicholas Taleb,《The Black Swan》

“Our comforting conviction that the world makes sense rests on a secure foundation: our almost unlimited ability to ignore our ignorance.”

“我们认为世界合乎逻辑的那种令人安心的确信，建立在一个坚实的基础之上：我们几乎无限的忽视自身无知的能力。”
— Daniel Kahneman,《Thinking, Fast and Slow》

“The human mind is not designed to grasp very large numbers or to understand the compounding effects of probabilities.”

“人类的头脑不是为理解非常大的数字或概率的复合效应而设计的。”
— Charlie Munger

• 避免怀疑倾向：急于消除不确定性的冲动，让叙事谬误有了可乘之机——故事是消除不确定感最快的工具
• 避免不一致性倾向：一旦采纳了某个叙事，大脑会拒绝修正它，即使新证据与之矛盾
• 自视过高的倾向：高估自己理解复杂系统的能力，低估随机性的角色
• 社会认同倾向：当一个叙事被广泛接受（“所有人都说是因为X”），个体更难质疑它
• 重视理由倾向：大脑对“原因”的渴望为叙事谬误提供了心理土壤——有一个理由总比没有好，即使理由是编的
• 概率思维与期望值：概率思维是叙事思维的解毒剂——用数字替代故事来做判断
• 好奇心倾向：真正的好奇心会追问“还有什么别的解释”，而不是满足于第一个故事

投资决策时：

• □我是被一个“好故事”打动了，还是被数据说服了？如果去掉叙事只看数字，这个投资还吸引我吗？
• □对于这个投资机会，我能否构建一个同样合理的“失败故事”？如果不能，说明我的想象力在被叙事谬误限制
• □我对市场涨跌的“解释”是事前预测还是事后编织？如果是事后的，它对未来决策毫无价值
• □翻出自己三个月前的市场“分析”，有多少是对的？这个回顾应该定期做

阅读和信息摄取时：

• □这篇文章/这本书在讲一个故事还是在呈现证据？故事的部分用来启发，证据的部分用来决策
• □这个“成功案例”遗漏了多少失败者？幸存者偏差是否在起作用？
• □作者是在做事后解释还是事前预测？事后解释的可信度应该被大幅打折
• □这个因果关系有多强？是“A导致了B”还是“A和B碰巧同时发生”？

个人思维校准：

• □练习说“我不知道为什么”——这句话比一个错误的故事有价值得多
• □当你发现自己在说“显然是因为……”的时候停下来——“显然”往往是叙事谬误的语言标记
• □定期阅读概率论和统计学相关材料，训练自己用概率语言替代叙事语言

• Nassim Nicholas Taleb,《The Black Swan》第六章“叙事谬误”——这一概念最系统的阐述
• Daniel Kahneman,《Thinking, Fast and Slow》——WYSIATI、系统一/系统二以及人类如何构建因果叙事
• Phil Rosenzweig,《The Halo Effect》——对商业领域叙事谬误的系统拆解，揭示“成功学”如何误导管理者
• Nassim Nicholas Taleb,《Fooled by Randomness》——叙事谬误在金融市场中的具体表现
• Peter Bevelin,《Seeking Wisdom: From Darwin to Munger》——芒格思维框架中与叙事谬误相关的多个心理倾向