概率思维-成功人士最基础的“人生算法”

现在有两个按钮,按下红色按钮,你可以直接拿走一百万美元;按下绿色按钮,有一半机会,你可以拿到一亿美元,但还有一半机会,你什么都拿不到。你会选哪一个?

按红色按钮吗?直接拿走100万美元,落袋为安呢,还是赌一下,按绿色,万一拿到一个亿,人生的小目标不就实现了吗?可是,万一什么都没拿到怎么办?还不如按红色,虽然比一亿少很多,但最差也有100万美元吧。

这就是 “确定效应”,“二鸟在林,不如一鸟在手”,大部分人不愿为了看似更大的收益冒风险,他们更喜欢虽然小一点但是确定的收益。“确定效应”就是他们的“人生算法”。

但是,其实这道选择题,是有唯一正确答案的。绿色按钮的“期望值”更大(期望值为5000万),是最理性的选择。“决策树”,就是你的“人生算法”。

可是,即便绿色按钮是最正确最理性的选择,我还是有一半可能什么都拿不到啊,怎么办?有没有一种办法,让我能确定地获得比100万更大的收益,增加我“赢”的概率呢?当然有。

你可以去找一个投资人,把这个项目以低于“期望值”5000万的价格卖给他,比如2000万,你落袋为安,获得了确定的2000万,而他,获得了5000万期望收益 - 2000万成本 = 3000万的期望利润。这就是基于“概率思维”的另一种“人生算法”。

不同的“人生算法”,带来不同的选择,从而获得完全不同的人生。而“概率思维”就是很多成功人士最基础的“人生算法”,

在不完全信息决策的情况下,不是靠你的聪明才智或者努力,就一定能有正确决策的。你再聪明再努力,都有可能是错的,这个“可能性”,这个失败的“概率”,来自于信息的不完全。

如果选A选B都有50%的概率会赌错,就相当于你抛了一枚硬币,你猜中是正面,就继续往下走一步,若是反面,就结束了。这不是聪明才智的问题,这是信息不完全带来的“概率问题”。

假如你能走到下一步,又面临新的决策,决策信息永远是不完整的,选A有50%的可能性赚100块钱,选B有30%的可能性赚50块钱。选A还是选B呢?

选A,你的期望收益是50%×100=50块钱;选B,你的期望收益是30%×50=15块钱。选A是正确的决策。但是即使是正确决策,选A依然有50%的可能性是赚不到钱的。也就是说选A是一个相对正确的决策,但它依然有可能是错的。如果这次你猜对了,你又可以往前走一步,当然也可能猜错就走不了。

只是走两步,你能再往下走的概率只有50%×50%,也就是25%了。这样一路决策下来,你每天有多大概率是走不下去的?可见,最后你能走向成功,95%要靠概率,这个说法并不夸张。

小结

“概率思维”是你要心平气和地承认,就算你做对了所有事情,你成功的概率也不高,可能在今天的互联网行业只有不超过5%。然后再思考应该用什么方式提高概率。

千分位上,通过踏上时代的脉搏提高12%;百分位上,通过选对战略,再提高5%;十分位上,通过设计好组织结构又提高2%;最后在个位上做好管理,提高1%。综合计算一共提高了20%,加上原来的 5%,你的成功概率就变成了25%。

有25%的概率获得成功,已经是很大的希望了,但是依然有75%的概率会失败,怎么办?那就不接受失败再来一次,再来一次,再来一次。如果你曾连续创业四次,每次成功概率是25%的话,四次里面有一次成功就是比较大概率的事件了。

这就是概率思维,是这个时代成功者所秉持的底层思维。理解和运用概率思维,去增加好运气,避开大坑和陷阱,创业者才能可能在成功的路上走的更远。

要从大局着眼,行情的本质就会一目了然,不要过分重视细枝末节,这样只会因小失大,捡了芝麻丢了西瓜,有的人为了计算几块钱的交易成本,错过大好的买入机会,也有的人为了抠出顶部的末段利润,而利润大幅缩水,不要恐惧不要贪婪,按照行情信号严格执行,进出场不应该有任何犹豫。

资金管理是最重要的,必须有明确而详细的规划,试探仓位用多少、加码加仓用多少、短线快打用多少、长线布局用多少、资金占用比例是多少、止损标准是多少等等很多问题都要具体明确,只有这样,才能从根本上解决心态问题,很多人都操作过模拟盘,也经历过实盘,模拟盘中所向披靡,随便怎么操作都是大概率赚钱,但是实盘却并非如此,行情不会因为实盘还是模拟盘而变化,变化的只是你的心态,有合理有效的资金管理之后,面对实盘是可以做到如应对模拟盘一样轻松的,盈利只是水到渠成。

本文来自企鹅号 - 元亨金融媒体

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数据科学与人工智能

【算法】机器学习和数据科学最常用到的TOP10算法

数据科学的实践,需要使用算法和数据科学方法,来帮助数据专业人员从数据中提取洞察力和价值。Kaggle最近的一项调查显示,数据专家在2017年比其他数据科学方法更...

3284
来自专栏镁客网

MIT人工智能实验室发力!让机器人告诉你5秒后的世界

2056
来自专栏镁客网

Leslie Valiant:机器学习所面临的挑战

9月6日,以“AI赋能,驱动未来”为主题的2018中国人工智能峰会(CAIS 2018)在南京国际博览会议中心成功召开。本次峰会汇聚了Leslie Valian...

712
来自专栏人工智能头条

微软亚洲研究院:计算机看懂视频的步骤及未来努力方向

1272
来自专栏人工智能快报

新型神经网络可从单张照片识别人脸

借助于深度神经网络,俄罗斯国立高等经济大学的人研究人员已经提出了一种新方法,能够从视频中识别出人的身份。该方法不需要大量的照片,并且与现有方法相比具有明显更高的...

862
来自专栏AI科技评论

学界 | 百度研究院:都知道数据越多越好,现在我们还能预测增加了数据以后具体有多好

AI 科技评论按:在深度学习界,「数据越多,模型表现就越好」是大家公认的规律,不过很多时候我们都不太清楚具体的「增加多少数据,能带来多大提升」。前几个月谷歌的一...

34510
来自专栏机器学习原理

关于知识图谱的几个问题

1001
来自专栏人工智能快报

全球顶尖人工智能科学家回答网友提问

2016年1月20日,全球最顶尖的人工智能科学家之一、加拿大蒙特利尔大学教授Yoshua Bengio在知名问答社区Quora针对网友的提问给出了自己的一些见解...

3747
来自专栏AI科技评论

业界| 小米宣称人脸检测算法准确率位列FDDB全球第一

昨日下午,小米科技联合创始人黄江吉在微博上宣布,小米人脸检测新算法在FDDB(基于深度卷积网络:Faster RCNN Bootstrapped by Hard...

3319
来自专栏专知

Yan Lecun 自监督学习:机器能像人一样学习吗? 110页PPT+视频

【导读】10月5日,瑞士洛桑理工授予Facebook首席AI科学家Yan Lecun荣誉博士学位,同时Yan Lecun做了名为《Self-supervised...

2982

扫码关注云+社区