如何通过格栅思维获得智慧?
导语:在相互独立的学科中形成思维模式,从而建立起思维模式格栅,这是投资获得成功的强有力方式。
最早将“格栅思维”写进书的是罗伯特·哈格斯特朗,这本书就是《投资的格栅思维》,时间是2000年,距今已有二十四年了。我们读到这本书的中文版也有十五年了。今天,格栅思维已经传遍整个投资界了。然而,在十五年前,我们并未对格栅思维的方式有过什么领悟。
提出“格栅思维”模式的人是大名鼎鼎的查理·芒格。这个提法源自芒格在1994年4月南加州大学马歇尔商学院的一次演讲。其演讲题目是“挑选股票是一种智慧,是艺术的分支”。那时,芒格告诉学生,应该拓宽关于股市、金融和经济的视野,不要把它们看成是独立的学科,而应该把它们看成一个更大的知识体系,这个体系知识体系包括心理学、工程学、数学、物理学和人类学。在这个宽阔的视野里,各个学科互相交缠,并且在这个过程中发展。在各个学科里人们会形成思维模式,这是进行综合性理解的关键。拥有这种大视野的人将会获得处世的大智慧。
芒格把这种互相交叉的思维模式比喻成思维模式格栅。于是,“格栅”这个词就成了投资界的一个术语,也成了芒格投资理论的标志。格栅是4×8的小方格,可以用它来装饰围墙、在天井里遮阳、支撑藤蔓植物。“格栅思维”是一个隐喻,指的是,深入学习和理解多元跨学科知识,并将各个不同学科的基本原理用逻辑串联、整合在一起,就像一个纵横交错的格栅,从多个不同视角和维度来分析同一个问题。格栅思维是在“格子”中探索其复杂性的,因为无论是投资还是市场,都是复杂系统。
芒格始终深信,在相互独立的学科中形成思维模式,从而建立起思维模式格栅,这是投资获得成功的强有力方式。当其他学科的观点也得出相同结论时,投资更有可能是正确的。这是最好的回报,广阔的视野使我们成为更好的投资者,其效果是很明显的。但是,它还带来更重要的东西——那些试图理解各学科之间联系的人将获得处世大智慧。
怎样才能获得处世大智慧?这是一个发展的过程:首先,学习各个领域的重要概念,这就是模式;其次,试着认识它们之间的共同点。前者关系到我们的教育,后者则是学习思考和辨别的问题。毫无疑问,学习各个学科的知识看起来是一个不可能完成的任务。但幸运的是,我们不必成为每个领域的专家,我们只需要学习最基础的东西——芒格对此称为“大思想”。坚持学习这些大思想,直到想用的时候就能水到渠成。
我们喜欢追溯伟大思想产生的源头。按照哈格斯特朗的说法,芒格的格栅思维模式与两个人和一个研究机构的基本观点相关。
富兰克林的实用课程
第一个人就是芒格最倾心的本杰明·富兰克林。富兰克林是杰出的政治家、物理学家,美利坚开国三杰之一,被选为英国皇家学会院士。他是美国独立战争时重要的领导人之一,参与起草了美国《独立宣言》和宪法,进行多项关于电的实验,并且发明了避雷针,最早提出电荷守恒定律。他还发明了双焦点眼镜、蛙鞋等。
1749年,富兰克林在一篇题为《宾夕法尼亚青年人的教育问题建议》文章中提出建立费城公共学院。其理由是,哈佛、耶鲁、普林斯顿和威廉玛丽大学的课程都强调传统学科,这是不利于青年人工作的实用学科。富兰克林希望建立费城公共学院不仅要强调经典学科领域,也要重视实用课程。
费城公共学院就是现在的宾夕法尼亚大学。文理学院院长理查德·比曼博士曾经描述了富兰克林的成就:“本杰明·富兰克林首次提出了现代课程安排”,“时间安排是完美的”。18世纪数学和科学的新发现扩充了世界知识库,而那些经典课程如希腊语、拉丁语和神学不能够解释这些新知识。富兰克林建议学院教授这些新知识,还推荐学生去获得在职业和公共服务上取得成功的所必需的技能,这些技能包括写、画、说、算等。富兰克林说,一旦学生掌握了这些基本技能,他们就会积极获取知识。
富兰克林写道:“几乎所有有用的知识都能通过阅读历史学到。”他所说的“历史”包括所有有意义、有价值的东西。他鼓励年轻人去读历史,实际上是要他们学习哲学、逻辑学、数学、宗教、政府、法律、化学、生物学、卫生学、农学、物理学和外语。
“本杰明·富兰克林是文科教育的创始者,”比曼指出,他在培养一种思维习惯。费城学院是终身学习的平台。“本杰明·富兰克林作为教育家所取得的成功是以三条著名的原则为基础的。首先,学生必须掌握基本技能体系:阅读、书写、计算、体格教育和公开发言。然后,引导学生学习知识实体。最后,学生通过发现知识实体之间的联系来培养自己的思维习惯。”
然而,在富兰克林提出建议的250年内,我们还缺乏第三条原则:联系不同知识实体的“习惯思维”。格栅思维理论认为,只有运用这些知识的交叉点,才会使我们真正的理解投资。可以看出,培养“习惯思维”是获得芒格所说的“大智慧”的关键。对于投资者来说,这种努力能带来巨大的收益。当我们允许自己的视野扩大时,我们会观察到其他领域的共同点,从而形成思维模式。然后,一个概念会被另一个概念强化,如此这般,就会发现自己已经在正确的轨道上了。
联结主义的学识转化
第二个人是爱德华·桑代克。桑代克是心理学家,动物心理学的开创者,心理学联结主义的建立者。桑代克在1895年的一项最重要的研究是,人和动物的学识是怎样得来的。他首次提出刺激-反应模式,在这种模式下,当联想-联系形成的时候,学问就生成了。
桑代克在1901年哥伦比亚大学发表的论文中提出,某个领域的学识会对其他领域的学习有帮助,而且,他认为只有在原领域和新领域有相似要素的时候,学识才会转化。这就是说,如果我们懂得A,而且发现B和A有某些相似的地方,那么我们就会理解B了。这种观点认为,学习新知识和个人学习能力没多大关系,而是和共同知识点的存在有很大关系。
桑代克的理论基础是同时代认知科学的核心——“联结主义”理论。联结主义建立在桑代克的刺激-反应模式研究基础上,联结主义认为学习是一个不断尝试和犯错误的过程,在这个过程中,对新刺激起反应实际上是改变脑细胞之间的神经连接。也就是说,当人们认出熟悉模式和适应新信息的时候,学习过程影响了神经元之间的突触连接。大脑能使相关信息连接成链,而且把学到的东西转化成相似的情形。所以,一个人才智的高低可以看成他所掌握的联结的多少。
当代的商业领袖和科学家都非常重视联结主义,因为它是强大的新信息技术系统——“人工神经网络”的核心。用传统电脑技术可以复制大脑活动,而人工神经网络则试图比传统技术更好地复制大脑活动。在大脑里,成群的神经元一起活动,这叫做网络,每个网络里都有上千个互相联结的神经元。所以,我们可以认为大脑是神经网络的集合体。相应地,人工神经网络是指电脑模仿大脑的基本结构:它由几百个处理器组成,处理器之间互相联结成一个复杂的网络。
神经网络的强大功能能使它不同于传统电脑,它可以调节处理器之间联结点的重量,就像调节神经突触一样,这样就能使神经网络变得更轻巧、更坚固,甚至能重新联结以完成不同的任务。神经网络可以学习,就像人脑一样,它可以认识复杂的模式,将新信息归类到思维模式中去,然后从事新资料中得到联系。
毫无疑问,人工神经网络是一种新技术,它具有很大的商业价值。婴儿食品生产厂商用这种技术来管理管理活牛期货交易。软饮料灌注机用电子鼻来捕捉和分析异味。信用卡公司用它来识别伪造签名、通过发现消费的习惯偏离来识别欺诈行为。抵押保险员用它来预估信用度。航空公司用它来预测航班需求。有一家公司用它来决定乘客最想要什么饮料。邮政服务部门用神经网络来识别潦草字迹。气象局用它来做天气预报。电脑公司用它来开发识别手写的软件,这样有利于发送传真,以及识别画在鸡尾酒会餐巾上的工程图。
隐喻是创新思维的基础
一个研究机构就是新墨西哥圣塔菲研究所。圣塔菲研究所是一个多学科研究机构。圣塔菲研究所于1984年5月成立,它是现代科学史上的一个里程碑。这个研究所汇聚了来自经济学、物理学、计算机科学和生物学等不同学科的科学家。他们拥有一个共同的目标,即探索复杂系统的方方面面——任何内部存在大量密切相互作用的系统,从凝聚态物理到生物体,从经济学到整个社会,形成了“复杂性科学”。
约翰·霍兰是遗传算法的发明者、密歇根大学教授、圣塔菲研究所指导委员会主席之一,著有《涌现》、《隐秩序》等。他经常在圣塔菲研究所宣讲创新思维。在他看来,创新思维要求我们掌握两个重要步骤:首先。理解基本知识;其次,注意隐喻的使用。
第一个步骤就是芒格所说的获取大智慧的第一部分。连接各种思维模式并从中受益,其前提条件是必须对格栅中的每种思维模式有一个基本的理解。如果不知道每一种思维模式如何工作,不知道它描述的现象是什么,那么就不可能从中受益。要记住,不必成为每个思维模式的专家,只需要懂得最基本的东西就可以了。
第二个步骤是寻找隐喻。隐喻是一种隐含的类比,它以想象方式将某物等同于另一物。在当代隐喻研究中,隐喻意谓“概念系统中的跨领域映射”。对于霍兰来说,隐喻不仅是一种更生动的语言,还是思想的体现。它能帮助我们把思想转变成思维模式。他还说,隐喻是创新思维的基础。隐喻帮助我们把一个概念和另一个已经掌握的概念进行比较,从而使用一种简单的模式来描述,以便我们掌握相似的复杂概念。
詹姆斯·柏克在他的《纽带》一书中描写了几个案例,在那些案例里,发明家在原有发明和想要发明的东西之间找到相似点。汽车就是一个案例。汽化器和喷雾型香水瓶相似,这也和18世纪意大利人研究怎样利用水能有关系。亚历桑德罗·伏特发明的火花塞,起初是用来测试空气纯度的,最终在125年后点燃了汽化器喷出的燃料。汽车排档的发明灵感来自于水车,引擎活塞和气缸的起源可以追溯到托马斯·纽科门发明的最初用于煤矿排水的泵发动机。每个重大发明都和早期的发明有关系,这就是能带来创新思维的模式。
“格栅思维”中的“格栅”就是一个隐喻,它是一系列思维概念的支持结构。构建思维模式格栅,就像设计神经网络一样。心理学家很容易将格栅与联结主义联系在一起。教育家则将其与大脑寻求思维模式相联系。对于人文科学家来说,隐喻的价值在于它能帮助扩大理解范围。这就是思维模式格栅的威力。思维模式格栅的使用并不局限在挑选股票这样一件事上。它使我们理解整个市场——新的商业趋势、新兴市场、货币流向、总体经济形势和市场参与者行为。
芒格在两年后的1996年在斯坦福大学法律学院重申了他的基本主题:只要努力构建思维模式格栅,然后以一种联系的、跨学科的方式思考的人,才能得到真正的、持续的成功。一旦这种思维模式建立起来,我们就有了处理各种不同情况的武器。“你可以抓住能解决问题的思维模式,你只需要知道它而且形成良好的思维习惯。”
以进化论进行格栅思维
哈格斯特朗指出,没有什么股市经典、平衡理论能够预测甚至描述1987年发生的事件。现有理论的失败让竞争理论成为可能。它们之间最重要的部分是从生物学角度更加透彻的理解股市和经济。这是思维模式格栅最重要的一部分。借助生物学来洞察熟知金融和投资,首先见到的或许是令人吃惊的运动过程。自然界进化的过程是自然选择,然后以进化的模型看股市将使我们能够观察到经济选择。
进化论是物种演变的过程。进化论认为,通过自然选择有利的变异得到保留从而遗传给后代。经过几代相传,物种中小的渐进的改变累积成大的变化,最终出现进化。《自私的基因》的作者理查德·道金斯称赞《物种起源》永远地改变了人类对自身的看法。它还改变了我们对经济学等其他学科的看法。
复杂性研究的基础是复杂适应系统,每一个变化的因素都是系统所产生的。复杂适应系统每时每刻都充满着进化。生物学家、生理学家都非常熟悉这样的系统,但圣塔菲研究所专家组认为概念需要扩展,因为那时已经证明经济系统以及股市的研究也具有复杂性。他们观察到经济具有4个截然不同的特点:①小事件相互联系;②没有全球性的控制者;③持续不断的适应;④缺乏动态平衡。这些特点十分重要,但都被传统经济学所忽略。
复杂适应系统的一个本质是反馈循环。首先,系统中的个体产生期望,构建模型,然后根据模型的预测结果采取行动。但模型将根据个体对外界预测的准确度发生变化。如果模型有用,那么将得到保留;如果模型起不到作用,那么个体将改变模型来增加其可预见性。很明显,预测的准确性对投资者而言是极其重要的,如果我们能够把股市看作一个复杂稳定系统,那么我们将更好地理解。复杂系统是我们看待世界的一种新方法,但想要领会它并不那么容易,复杂经济学创始人布莱恩·阿瑟通过列举出“埃尔·法罗尔难题”给出了答案。
“埃尔·法罗尔难题”是阿瑟创建的。1992年夏,爱尔兰音乐家格里·卡蒂每周四晚上都在圣塔菲的埃尔·法罗尔酒吧演出。当时,斯坦福大学经济学家阿瑟刚到圣塔菲研究所任职。他很喜欢这家酒吧,也喜欢那里音乐,所以就经常到酒吧坐坐。酒吧不拥挤的时候,他玩得很开心,但其他时候,酒吧太过拥挤,座无虚席,就令他十分难受。不幸的是,每周的出席人数出入很大,没有明显的模式,所以决定去或不去似乎成了他每周必做的一道选择题。后来,他发现其他喜欢那家酒吧的人都面临着和他一样的难题,每个人都试图做大多数其他人不会做的事。
阿瑟认为,埃尔·法罗尔案例可以称作均衡系统的预测。在任何时候,都将有一种模型注定是有效的——它们成功地预测了将会有多少顾客光临酒吧。相反地,那些没有预测准确的模型将会慢慢消失。每周都将会有一些音乐爱好者使用新的预测数据、新模型。由此,我们迅速地看到埃尔·法罗尔案例是如何模拟达尔文自然选择的思想,并且如何将其非常有逻辑地延伸到经济学以及股市。在股市中,个体的预测模型通过与其他个体的预测模型竞争得以存活下去,反馈将使得一些模型改变,而另一些模型消亡。
美林证券公司每年都要对一些专业投资者进行民意测试,确定最能够影响股票投资的因素。这是因素共有23个,包括了每股预期收益率、股利贴现模型、资产回报率、市盈率、市净率等等。所有的这些因素都代表着投资者预测股价走势的模型。与前几年的调查相比,我们可以看到随着时间的改变,大众的模型也改变了。美林公司的调查是埃尔·法罗尔难题应用到投资世界的一个好例子。我们可以说这23个因素构成了共同进化假说的均衡系统。随着环境的改变,一些模型消失了,另一些复活了。这是进化的本质,当它用于经济学理论时,就可以称之为实用进化论。
这就是运用进化论进行格栅思维的最好案例。哈格斯特朗指出,投资哲学的核心是,培养将投资看作一个统一整体的一部分和整个知识体系的一部分的思维能力。如果做得好,就会有不亚于“杰出人物效应”的效果。这是想获得成功的长期投资者的最大愿望。
作者:姚斌
来源:在苍茫中传灯(ID:chuandeng169)
版权声明:部分文章在推送时未能与原作者取得联系。若涉及版权问题,敬请原作者联系我们。联系方式:investbankonline@163.com。
免责声明:上述内容仅代表发帖人个人观点,不构成本平台的任何投资建议。
![empty](https://c1.itigergrowtha.com/community/assets/media/empty-default.06ba11e0.png)