文/姚斌
!
NZS资本联合创始人布拉德·斯林格伦德和科技企业家雅努斯·亨德森在2014年5月共同创作了一篇题为《复杂性投资》的论文。在这篇论文里，他们认为，在金融市场和公司这个复杂系统中，更适合于以幂律和肥尾来解释所有的现象与事件。
■ 复杂系统：幂律是常态
斯林格伦德和亨德森观察到，大多数人生活在美国作家加里森·基勒虚构的小说“沃比冈湖”。沃比冈湖的家长都认为自己的小孩是天才，超过了平均水平。科学家和众多科学研究喜欢向我们展示事实呈现出不同的画面。他们揭示出我们在预测未来方面相当糟糕——只擅长告诉我们刚刚发生什么。
我们倾向于用钟形曲线来思考未来。钟形曲线或正态分布正确地解释了许多事情，特别是那些在相对温和条件下发生的事物，如人的身高、体重。毕竟，在一个正态分布曲线上，99.7%的现象都发生在平均值的三个标准差之内。钟形曲线非常适合描述平衡状态——情况不会演变或适应。然而，正态分布曲线在解释复杂系统（如我们所生活的世界）中出现的较为动态的现象时，表现得很差。例如，在正态分布下，1987年股市崩盘的几率是10¹⁴⁸分之一，基本上在宇宙的生命周期内是不可能发生的。而问题在于，经济学中使用的绝大多数数学方法，其基础假设都是风险呈正态分布。
复杂系统具有涌现属性，并对相对较小的变化极为敏感。因为它们对微小的变化敏感，即非线性，复杂系统很难用钟形曲线来解释，最好用幂律来解释。与钟形曲线不同，幂律分布（即肥尾、非正态分布）告诉我们极端事件发生的可能性远远超出我们的预测。
幂律是一种数学关系，其中某个事件的频率与该事件某个特征的幂或指数成比例变化。例如，地震的数量与其大小呈某种幂的反比关系。如果我们遇到几次相对较小的地震，我们知道迟早会经历一些非常大的地震——只是我们永远不知道下一次地震何时何地发生，以及其震级如何。
!
幂律在自然界中十分常见，在网络中往往也非常普遍。在一个城市中，创意产出、工资、犯罪和贫困都倾向于以1 ：15的比例随人口增长（我们获得了更多的好事和坏事）。然而，无论系统如何，指数级的增长都不可能永远持续下去。
梅拉妮·米歇尔试图在《复杂》一书中通过汇总特征来得出复杂系统的共同定义。米歇尔，包括埃里克·拜因霍克在内的几位学者都认为，在复杂系统中，幂律是常态而非例外。所有人都同意，复杂系统最好用肥尾来解释，最少用正态分布来解释。这就是为什么复杂系统不倾向于展示平衡点，相反，当增长达到上限且需要适应和创新时，它们会经历巨大转变（或相变）——它们不会存在于长期均衡中。这种适应表现为涌现行为，几乎无法预测。这就是“间断平衡”的时刻。
幂律告诉我们，与经济学入门课程中学习的收益递减法则不同，复杂系统倾向于奖励最强大的个体，而惩罚最弱小的个体。其导致的结果不是收益递减，而是赢家获得收益递增的回报。例如，可口可乐约占全球碳酸软饮市场的一半，谷歌在搜索领域的主导市场份额。
米切尔·沃尔德罗普在他的《复杂：诞生于秩序与混沌边缘的科学》一书中详解了收益递增回报。其中就有布莱恩·阿瑟如何偏离传统收益递减回报的道路。埃里克·拜因霍克也在他的《财富的起源》一书中阐述了收益递增回报的演变和本质。
■ 非遍历性：在游戏中获得胜利
传统市场模型和现代投资组合理论假设事件围绕平均值（钟形曲线）聚集，但实际上金融市场遵循帕累托法则（即幂律），一些看似不太可能的事件会以非线性方式影响系统。因此，将“正常”数学应用于复杂系统会让我们惊讶和脆弱。不幸的是，投资行业有一个根深蒂固的传统，即使用“破碎”的数学和认知捷径来让自己相信，在正态分布狭窄的范围内，我们非常擅长预测未来。然而，复杂系统中的回报分布更接近于幂律而非正态或常态。
2019年，物理学家奥勒·彼得斯在《自然·物理》杂志发表了一篇颠覆性论文，指出传统经济学存在一个根本性漏洞：它混淆了群体的统计规律与个体的生存逻辑。这篇论文后来被收录至布莱恩·阿瑟和埃里克·拜因霍克等共同主编的《复杂经济学：应用复杂性网络对谈录》一书里。
现代投资组合理论利用组合或平均收益来计算一个投资组合的预期收益。然而，单个投资组合经理并不关心整体收益，而是关注随时间变化的单个投资组合的收益，即路径依赖性收益。问题在于，整体和时间平均收益并不相等，因为收益分布不是正态分布。这被称为“非遍历性”。
彼得斯想象了一个抛硬币游戏。在这个游戏中，一次赢得掷硬币50%的收益，而一次失败的抛硬币则导致40%的损失。直观上，这似乎是一个有利的游戏，并且从平均来看，确实如此。然而，对于随时间变化的个体来说，这个游戏实际上导致了大多数人的亏损。为了理解这种差异，我们需要更深入地观察平均值内部的情况。在这里，我们看到了一个典型的肥尾或幂律关系出现。令人惊讶的现实是，大多数人在随时间玩这个游戏时会经历连续亏损，只有极少数人成为出色的赢家。正是这极少数人推动了整体平均值上升，尽管个体参与者的典型体验是亏损的。这就是典型非遍历性——个体体验与平均值或整体体验不同。事实上，路径依赖性，或者说是个人随时间的经历，对那个人来说才是真正重要的，而不是他或她可能经历的所有可能体验的整体。
抛硬币的人可能与抛1000次硬币的某个人路径不同。因为金融系统是非遍历性的，传统经济理论的基础建立在错误的假设之上。错误的假设反过来又产生错误的预测和错误的安全感。不幸的是，这种错误的安全感几乎贯穿所有公认的风险管理和投资组合理论衡量标准。
风险投资家对幂律并不陌生。他们知道，他们的大部分投资可能都会打水漂，但他们也知道，其中一些会弥补所有的失败甚至更多。最好的管理、最精妙的计划或充足的资金并不能保证成功。相反，往往是最不可能成功的初创公司会成为突破者。谁能想得到Facebook会在My Space似乎占据市场主导地位时取得如此巨大的成功。为了对冲不确定性，风险投资公司投资了多家公司。风险投资家不怕果断终止那些就是不起作用的公司。尽管这可能有些违反直觉，但正因为极端的波动性和不可预测性，风险投资家输的可能比赢的可能性要大，但仍然能够在游戏中获得胜利。
投资者和首席执行官们经常谈论“信念”。所谓信念，人们通常指的是，“我对事件可能发展的看法与他人不同，并且因为原因X、Y和Z，我的看法更有可能是正确的”——这就是我们所说的狭隘预测。至于我们对未来的预测，则是宽泛的。我们相信我们的框架能够识别出具备韧性和选择性的公司，以此构成投资组合的主体（较少但较大头寸的规模）。
■ 最大化非零和性：创造双赢情景
斯林格伦德和亨德森使用几个关键的投资数据来识别可能在动态经济环境中存活并繁荣的企业和趋势，并将投资组合优化平衡的配置以具备韧性和可选择性。这些属性围绕三个领域：质量、增长和环境。
管理团队往往是一张能够推动一切的王牌：一个糟糕的管理团队会使一家好企业沦为平庸；一个优秀的团队可以让普通企业变得卓越；而在一个伟大的企业中拥有卓越的管理团队则标志着这家公司是出类拔萃的。真正伟大的管理团队不会在糟糕的企业上浪费时间——投资者也不应该。找到这样的组合非常罕见，需要更彻底的调查。一个伟大的管理团队会专注于质量——警觉且专注，每项决策都经过深思熟虑且有意图。
长期思维和适应性的重要性贯穿斯林格伦德和亨德森的主题。所谓长期，指的是关注客户需求。通常，一家成功公司会平衡关注其业务不会改变的因素与预测客户需求变化的能力。一个以长期为导向的公司通常会进行创造价值的投资，并审慎地作出决策的。亚马逊首席执行官杰夫·贝佐斯就是以长期思维为傲的典范。
能够进行长期思考并进化的公司，在平衡自身的适应力和选择性方面是高手。他们往往能在新的竞争挑战和经济不确定性的面前蓬勃发展并加速进步。适应力和选择性的最佳组合将取决于公司所在行业的性质。
公司几乎每项业务都在一个或多个复杂适应系统中运作，因此大多数公司应该被管理的适应力和选择性达到最佳平衡。公司应该建立适应、进化和学习能力。创新应成为关键的文化属性。公司的激励机制和结构应保持一致，以营造一种促进适应性的公司内部环境。那些更关注长期不会改变的事物，而不是会改变的事物的企业，更有可能在当下做出正确的决策。
在复杂适应系统中蓬勃发展的公司运营者具有强大网络效应的高回报平台。这些公司在构建强大的生态系统，通常他们的客户比公司本身获得更多好处。他们倾向于使其他公司和客户受益，为涉及平台的所有人创造一个双赢环境，特别是在互联网时代，那些在生态系统中创造价值的同时收取低费用的公司将成为最大的赢家。复杂适应系统最好通过幂律来解释，并挫败我们预测的能力。我们应该预期一些集中式的、顶层有期权类型的公司会因运气而蓬勃发展。但在短时间内，运气和远见是无法区分的。
斯林格伦德和亨德森寻找的公司的另一个属性是最大化非零和性，即双赢情景而不是赢输情景或输输情景。当公司为自己的生态系统创造的价值远远超过其自己的金库时，双赢的纵向螺旋是最优的。随着世界范围内透明度和信息共享速度的增加，公司从客户身上获得正收益的难度将越来越大。虽然传统投资者寻求具有“高门槛”和“宽护城河”的企业，但斯林格伦德和亨德森认为这种做法是误导的。今天的高门槛和护城河明天可能就变成了弱点，因此不如专注最大化非零和性。
长期思维对于创造最大化非零和性至关重要，因为通常需要做出短期牺牲。为了持续创新和非零价值创造，还需要大量持续的长期投资。颠覆大型成熟市场的公司通常会以提供更大的最大化非零和性机会的价值主张进行颠覆。这些公司往往针对具有较大现有转换壁垒的行业发起挑战，这使得挑战者可以缓慢发展，并以颠覆性模式进行长期投资，为生态系统参与者创造更多的最大化非零和性。一个很好的例子就是电子商务公司，它们为消费者提供更多选择、更低价格，有时还提供更大便利——这些公司创造了大量价值，并稳步从线下零售商那里夺取市场份额。
■ S型曲线：可视化生命周期
然而，天下没有免费的午餐。随着时间的推移，没有什么能够违背熵增原理。增长是有代价的。成熟迅速的动物寿命相对较短，而成熟缓慢的动物寿命则相对较长。
我们经常通过S型曲线来可视化生命周期：在生命周期中点实现快速增长，而在生命周期后期增长和下降较慢。对于投资者来说，理解S型曲线对赚钱的能力至关重要。一般来说，当曲线呈凸形时，大部分资金倾向于在股票上获得收益；而当曲线变凹时，大部分资金往往会损失。S型曲线的持续时间，或者随时间变化的S曲线斜率，为我们提供了产品或公司生命周期的某些线索。快速且未经检验的增长对公司长期健康极为危险。这些股票极具吸引力，但最终往往让投资者失败。
!
虽然没有什么能欺骗熵，但有些公司似乎是这样做的，因为它们的增长在很长一段时间内相对缓慢而稳定。由于凸性期如此之长，投资者可以在任何时间购买股票，并且事后看来仍然是一个明智的选择。虽然快速增长很吸引人，但市场连续低估是长时间内的缓慢增长。长期持续增长的股票代表着终极的价值投资。几年的平稳增长率会带来非线性的绝对回报。例如，10年内15%的增长会带来超过300%的回报。如果15%的增长持续15年，那么其回报几乎会翻倍于10年的回报。如果我们能够用这些这类韧性强的公司来填充我们的前20个持仓，我们只会在波动期进行减持和增持，并在其他时间内边品尝鸡尾酒边阅读好书，但这样的公司很少。
大多数公司的增长曲线看起来像幂律——前期高增长，随后是长时间的缓慢甚至不增长。但是，具有长期持续增长的公司，它们的增长曲线看起来是一条水平线。找到这样的股票并不容易，但最好的起点是拥有卓越管理团队的公司，它们提供优秀的产品/服务，处于前景良好的企业，且代表一个真正巨大的潜在市场。
只要增长曲线保持相对平稳，这些股票可以在很长一段时间内以较低的风险购买，因为它们的复合期远远超出了投资者的时间范围。长期成长型股票往往在经济萧条时期比市场更具弹性，在经济繁荣时期稳步上升，在较长时间内取得显著的超额回报。增长是一件好事，但从长期来看，高速增长则是一件坏事。增长速度可以告诉我们很多关于公司及其生态系统的健康状况，但高速增长很危险，而非常长时期的缓慢增长则是涅槃之境。例如，破坏落基山脉森林的松木甲虫就代表了一个经典的正反馈循环。由于失去漫长的寒冷冬季（通常作为负反馈循环），松木甲虫得以无制约的增长，它们会继续捕食易受感染的松树，直到没有更多的食物为止，然后它们的种群增长就会骤然停止。负面反馈循环对于一个系统的长期健康至关重要。
我们在世界和公司中都观察到同样的事情。正面反馈通过自我强化推动事物发展，而负面反馈则确保在面对干扰和过度行为时保持稳定。复杂系统中一个新的变量可以非线性方法改变了整个系统的本质。有时，新的变量增长没有负面反馈机制来加以制约，导致快速增长和突然失败。有时，由于机会极其巨大，快速增长可能会持续非常长的时间。有时，新的变量通过降低效率资源转移到更高效的方式，创造出一个全新的潜在市场。
即使是最优秀的管理团队，也无法将马车鞭子卖给一个被汽车所取代的世界。所有企业都面临着逆风或顺风，这取决于全球对其产品和服务的态度。那些具有非常长凸性周期的公司在很长一段时间内表现出惊人的韧性。它们倾向于展现这些特质，因为它们正在抢占一个大型潜在市场的份额。这些公司的风险通常低于市场，但由于它们随时间稳定增长，因此表现优于市场。找到这样的公司，并在顺境和逆境中坚持持有股票，是投资的圣杯之一。
※※※
斯林格伦德和亨德森认为，适应力和可选择性这两个商业特性是一种新的思考竞争优势的方式。结构性进入壁垒和传统的护城河在很大程度上已经过时。这是信息不自由流通时代的遗留物。
他们还认为，迈克尔·波特在1979年首次提出的“竞争优势”框架只有几个可取之处，如果将其应用于现代商业分析和战略，最终可能造成的伤害大于好处。克莱顿·克里斯坦森在1995年一篇讨论颠覆性创新的论文中提出了一个竞争优势新框架的基础。该理论在1997年出版的《创新者的窘境》一书中得到了进一步的解释。虽然克里斯坦森关于阻止已成立公司被颠覆的机构惯性的观点是正确的，但它并没有描述一个框架来维持最佳可能的竞争优势。在一个极端事件常见的世界里，基于韧性和可选性的标准框架为21世纪创造最佳的竞争优势潜力。
波特“五力模型”的本质是避免竞争并推动利润，而不是关注客户需求。这是致命的缺陷——在信息及时且完全透明的时代，壁垒变成了严重的弱点。我们已经看到这些人为的“护城河”一个接一个地被摧毁。而长期思维、创新、适应性和非零和博弈在其生态系统中为创造了最大化的双赢局面。
世界是由复杂适应系统主导的。每个企业和行业都在一个高度动态且不断进化的生态系统中运作。这些生态系统对幂律结果高度敏感。极端事件不仅常见，而且应被视为常态。通过关注新竞争优势框架的关键属性，公司更有可能创造有价值的长期业务，但必须不断进化以维持其地位。韧性和选择性是竞争优势的一个框架，但不一定是可持续的竞争优势。没有图表或复杂的公司能保证成功。
许多小型崩盘是可以承受的，但一次大崩盘则是致命的。复杂系统教会我们不要试图预测未来的狭窄结果，要预期极端事件，关注韧性，寻求选择性，并避免既无韧性又无选择性的东西。韧性和选择性最好通过我们对质量、增长和背景的关注来揭示。这些因素在21世纪的信息时代创造了竞争优势的潜力。