Michael Mauboussin Master Class — Moats, Skill, Luck, Decision Making and a Whole Lot More
Michael Mauboussin Master Class — Moats, Skill, Luck, Decision Making and a Whole Lot More
嘉宾：Michael Mauboussin
全文文稿 · 按对话顺序保留完整内容，深入理解上下文。
本篇目录1 章节
§01文稿§01文稿
是啊，老兄，我们应该问问有没有听众愿意为 YouTube 频道的片头音乐制作一段酷炫动画。哦，我们要把它开源给粉丝吗？必须这么做。欢迎收听 Acquired 特别节目。Acquired 是一档讲述优秀科技公司及其故事与经营方法的播客。我是 Ben Gilbert，西雅图 Pioneer Square Labs 的联合创始人兼董事总经理，也管理我们的风险投资基金 PSL Ventures。我是 David Rosenthal，一名常驻旧金山的天使投资人。我们是本节目的主持人。今天我们要采访一位偶像级人物 Michael Mauboussin。我们之前在许多期节目里都引用过他的研究，他做过的演讲还曾成为我节目的推荐内容。很多听众都知道，Michael
领导 Counterpoint Global 的协同研究团队。Counterpoint Global 隶属于 Morgan Stanley Investment Management。截至 2021 年年中，Counterpoint Global 管理资产约 1,800 亿美元。没听过 Michael 研究成果的人，接下来可有福了。David，他可以说是投资人最喜爱的投资人，对吧？我很喜欢这个说法。他在许多话题上的研究都能拓宽思路。今天这期节目会结合当下前所未有的宏观环境，讨论如何理解 Michael 多年来的研究。
我喜欢这个说法。嗯，我在卖力推销。措辞真好。听众朋友们，现在是向大家介绍本节目老朋友 ServiceNow 的好时机。没错，大家都知道 ServiceNow 是用于业务转型的 AI 平台，他们有新消息要分享：ServiceNow 正在推出 AI 智能体。只有 ServiceNow 平台能让 AI 智能体在企业各个环节发挥作用。对。
正如你们今年听我们讲过的，ServiceNow 非常积极地拥抱最新 AI 进展，并将其整合到客户产品中。AI 智能体是下一阶段。什么是 AI 智能体？它们能够自主思考、学习、解决问题并作出决策，代表团队工作，提升员工的生产力和潜能。与此同时，你仍然可以完全掌控这些智能体。没错。
借助 ServiceNow，AI 智能体可以主动处理 IT、人力资源、客户服务、软件开发等各种挑战。它们彼此协作、互相学习并持续改进，承担企业中的繁琐事务，让团队能专注于真正重要的工作。归根结底，ServiceNow 和代理式 AI 是在企业各个环节部署 AI 的方式。它们能提升员工生产力、改善客户体验，让每个人的工作更好。对。
想了解如何让 AI 智能体为员工工作，请点击节目说明中的链接，或访问 servicenow.com/AI-agents。照例提醒，这不是投资建议，而是关于投资的建议，但不是针对任何具体投资。没错，这期节目一定既有教育性又有娱乐性；Michael 也非常风趣。话不多说，我们开始访谈。Michael，我们上周在 Patrick 和 Brent 主办的 Capital Camp 上见面时，就知道一定要找个机会请你来节目，聊聊你职业生涯中的各种重要思想，包括如何区分技能与运气、衡量护城河、决策和复杂性理论。不过，我们觉得最好的开场或许是预期投资。一方面，你和合著者 Al Rappaport 刚刚推出了新版《预期投资》；另一方面，考虑到当前市场，预期可能是很好的分析框架。我们就从这里谈起。
Michael：谢谢你们，David 和 Ben，很高兴见到你们。我的经历简单说来是这样：我大学主修文科，后来去了华尔街，对当时发生的事情一无所知。我没有上过商科课程。得补充一下，是我父亲逼我上了一门非商科学生的会计课；那门课的教授大概出于好心才
给了我 C。我刚到华尔街，对那里的情况一无所知。我觉得不论风险投资还是企业界，到处都是经验法则和各种“老生常谈”，我被这些说法淹没了。培训项目里有个人递给我一本 Al Rappaport 的《创造股东价值》。那本书 1986 年出版，我在出版后不久就读了。对我来说，这是一次职业生涯中的顿悟。此后我做的几乎所有事，都以那本书为基础。我觉得他提出了三点，构成我所有思考的基石。第一，真正重要的不是盈利。
真正重要的是现金流。企业价值最终由现金驱动，而不是会计利润。我们之后可以深入讨论。第二点同样重要：我们往往把战略和估值看成两件分开的事。战略是我们如何定位，估值则是另一套分析；他指出，必须把两者结合起来，才能理解一家企业并正确估值。换句话说，检验战略的标准是它是否创造价值。实际上，如果不先了解
竞争环境、竞争者群体、市场增长情况等等，就无法理解或评估一家企业。第三点出现在第七章，叫作“股票市场向管理者发出的信号”。他的观点是，企业股价反映了市场对公司未来财务表现的一系列预期。因此，管理者有必要了解哪些预期已经反映在股价里。如果想从股市角度表现出色，仅达到这些预期还不够，必须超越它们。我那时还没见过他；在我眼里，他是个了不起的大人物。我作为分析师开始在工作中运用他的研究。后来在 1991 年 5 月，我有机会
见到他，那次经历非常美妙。对于一个想向大师学习的人来说，这是一次很棒的体验。我们在 20 世纪 90 年代一直保持联系。到 90 年代末，也就是 1998 或 1999 年，他说我们可以用相同原则写一本面向投资人的书。这就是《预期投资》的起源。之前那本是写给企业高管、CEO 的？Michael：是的，《创造股东价值》主要面向高管。不过，“预期”这个概念显然适用于所有人。我们是在 90 年代末签下出版合同的，当时市场正火热，股票表现很好。
David：哦，听起来很熟悉。Michael：是啊，你可能刚刚给我下了个咒。书在 2001 年 9 月 10 日出版。你可以想象，再糟糕不过的时机就是在一场国家悲剧前一天出版，随后又正值持续三年的熊市，互联网泡沫刚从高点转为崩盘。所以时机确实不好。书的反响不错，很多人至今仍在使用其中一些技巧，但出版时机糟糕透顶。后来我又去找 Al，问他是否愿意合作修订。他答应了。他现在已经八十多岁了，和他交谈总是令人振奋、非常愉快。合作过程是一段很棒的智识旅程。而且过去二十年世界变化很大，也出现了许多新事物。这就是《预期投资》的由来。
Ben：能不能请你稍微透露一下这本书的核心思想？我不想劝退任何人去买书。Michael：核心思想是，一只股票的价格，或者更广义地说任何资产价格，都反映了市场对未来财务表现的一系列预期。第一步是问：“要让这个价格合理，我必须相信什么？”
你可以广泛地运用这个问题。第二步是引入战略和财务分析，判断这组预期是过于乐观、过于悲观，还是大致合理。更多时候，你不会认为自己的看法与市场预期有明显差异。如果你的判断更乐观，就应该买入；如果更悲观，就应该卖出。第三步则是据此采取行动：买入、卖出、持有，或者什么也不做。核心思路就是问自己：我要相信什么？公司会不会达到市场预期的表现？
然后据此作决定。Ben：这个概念很有意思。我们之前在 Capital Camp 的对话中也聊过：大多数人估值时，会自下而上建立自己的模型，把各种假设填进去，再得出自己愿意支付的股价。你的观点似乎是，市场已经定出了价格；实际上，你应该反向推导，问自己要相信哪些假设，才能觉得现在值得买入，而不是卖出或忽略。也就是说，要为这些假设建立概率分布。
Michael：没错。让我稍微讲一点学术历史。贴现现金流模型最初由 John Burr Williams 在 1938 年阐述，已经是很久以前的事了。他提出的 DCF 模型稍微有些复杂，所以专门写了一章“给怀疑者的一章”，也就是第 15 章。他知道大家习惯用一种方式思考，面对新方法会有疑问，于是正面回应这些怀疑。
John Burr Williams 实际上说过，如果你觉得预测价值太复杂，可以用这些工具反向推导。也就是说，他在 1938 年就谈到了反向工程。至于人们为何如此坚持预测价值、再与价格比较，而不是反向推导价格意味着什么，我也一直试图理解，却没有很好的答案。也许人们觉得自己决定价值会更有掌控感；反向推导则不同。我不知道原因是什么，但我觉得问“要相信什么”合理得多。投资中，我们会放弃很多机会，因为自己没有把握；但不必为了判断价格而预测所有结果。
……形成与市场不同的判断。这让我很受启发，我刚才还在笔记本上记下了 Charlie Munger 那句名言：“反过来想，始终反过来想。”Charlie 会怎么做？Buffett 也说过：“价格是你付出的，价值是你得到的。”这两句话正好是一对。完全正确。Ben，你刚才提到了一点，我想再强调一下：《预期投资》本质上是概率思维。我应该把这一点说得更明确。我们真正要做的是推演各种情景，也就是“如果……那么……”的思路。要认识到，今天的价格只是众多可能结果之一；它实际上反映了一系列可能结果的概率分布。
我们要真正理解这个更丰富的概率分布。这需要扎实的分析，包括战略分析和财务分析；但它不会给出一个绝对答案，而是要求我们概率化地思考世界，这也很符合 Buffett 和 Munger 的思路。Ben：太好了。想想今天的世界。科技行业在你们第一次写书时可能已经开始变化，但在 Buffett 和 Munger 的时代，预期似乎简单得多：公司会按某种方式经营，现金流会达到某个数字。而现在，即使只看公开市场上市公司，股价中反映的预期似乎也比“Facebook 或 Amazon 明年的现金流是多少”复杂得多。大家该怎么思考？
Michael：David，我从你说的“现在与过去”这个角度接着讲。回到 Benjamin Graham 的时代，他们非常关注账面价值，因为当时的会计数据可能合理地反映了企业资产，大部分资产确实列在资产负债表上。但正如你说的，世界已经大变，如今投资中的无形资产比有形资产更多。因此，利润表、资产负债表等报表中的项目也变得越来越难以区分。让我分享一个最近算出来的小统计。
2001 年，也就是第一版书出版的那年，Russell 3000 指数中的资本支出与无形资产投资金额大致相同。这个指数基本代表美国上市公司，两类支出都约为 6,300 亿到 6,400 亿美元。可以把它们想象成站在同一起跑线上。到了 2021 年，虽然全年数据还没齐全，但如果预测大致成立，无形资产投资将达到 2 万亿美元，而资本支出约为 1 万亿美元。从同一个起点出发，无形资产投资如今已是有形投资的两倍。你能不能向大家解释一下什么是无形资产？
Michael：有形与无形的区别基本就和字面意思一样。有形资产是可以触摸、感受，甚至踢一脚的东西；无形资产则不是实体。软件代码是典型例子，但营销、品牌、员工培训等等也都属于无形资产。会计师现在会尝试分析利润表，判断销售、一般及行政费用中哪些是维持当前业务所必需的，哪些是可自由支配的投资。投资的定义是今天付出成本，期待未来获得回报；这里说的就是无形资产投资。
传统上，主要类别包括研发和品牌建设；如今还要考虑客户获取成本等等。这是一场深刻的变化，甚至还不到一代投资人的时间。过去发展出来的许多工具在当时非常有用、设计周到；但会计方法既然已经改变，这些工具如今就没有以前那么适用了。
Patrick O'Shaughnessy 一年多前和 Stripe 的 John Collison 做过一期很有意思的播客。Collison 很有思想，他花了不少时间讨论会计为何如此处理。他说：“我们在 Stripe 投入了大量资金来建设业务，但这些大多是无形资产投资，却都出现在利润表上。”换句话说，所有开支都被费用化，所以账面利润不太好看，甚至显得不赚钱。Ben：是啊，看起来不盈利，但其实是在创造巨大的价值和财富。这也让我一直记着 Rappaport 最初的观点：重要的是现金流，不是盈利。
这句话一直萦绕在我心里。我认为这是一个非常大的变化。令人兴奋的是，我觉得高管和投资者都应该思考这一点。目前无形资产投资的会计处理有点像西部荒野，没人真正知道该如何理解和处理。但如果你想真正了解一家企业，我一直建议回到最基本的分析单位：这家公司如何赚钱？
要聚焦这个问题，真正弄明白它。如今数字越来越难以指导我们如何理解一家企业。过去二十年还有一个长期趋势：以软件为基础的公司更容易走向全球，也能比过去的企业增长更快、覆盖更广。但这也有另一面：当企业拥有大量无形资产，或建立在无形资产之上时，它也会变得脆弱。如果产品或服务失灵，就没有多少有形资产可以留下。
Ben：也就是说，它不能按账面价值卖掉。Michael：正是如此。因此，与传统企业相比，这类公司的潜在结果两端都更极端：可能有更好的结果，也可能有更糟的结果。换个说法，风险投资人往往没有金融投资的基本功，很多人是企业家出身。因此，他们对财务报表的理解，通常不如你们的同事那么深入；但他们很自然地就把无形资产视为投资。
从他们的角度看，如果这些投入没有出现在财务报表正确的位置，就会觉得很奇怪。这有点像风险投资人长期坚持的一种看法，如今正被更广泛的投资界接受；正如 Marc Andreessen 所说，软件正在吞噬世界。越来越多有价值的公司在内部看待投资的方式，和风险投资行业过去三四十年来的做法相同。Michael：我同意这些观点。我也认为，公开市场在某种程度上已经适应了。现在“亏钱”的上市公司数量可能接近历史纪录。
有些公司用传统方式亏钱，就是成本高于收入；另一些公司则是因为进行了高效益投资而出现亏损。退一步说，我们真正关注的现金流指标是自由现金流，也就是盈利减去投资。有人会觉得自由现金流必须为正，但其实并非如此。如果你能以高回报率投资，就应该尽可能多投资，只要还有可以投入的机会。
我常举 Walmart 的例子。它上市后的前 15 年，每年自由现金流都是负的，但利润表上是盈利的，因为公司在大举投资。为什么这有好处？因为每家门店的经济效益都很优秀，所以尽管投资吧。这和我们刚才谈的软件公司有点类似。Walmart 的情况容易拆解：看现金流量表，就能发现经营现金流很好，而资本支出列在投资现金流部分。但软件公司把这些投入都计入运营费用，情况就复杂得多。它们投资于获取客户、聘用工程师等等……
Ben：这些开支就混在一起了。你不能只看一个数字就说：“经营现金流不错，那他们就做得对。”我想聊聊公司分析。Michael，你几年前发表了《衡量护城河》，这篇精彩的论文现在几乎成了这个领域的圣经。我们想深入讨论一下。我记得你在 Columbia Business School 教授 Graham 那门传奇的《证券分析》课程。你在课上怎么讲护城河？课程结构是什么？Michael：课程分四部分。我们可以多谈竞争战略，但我通常会从市场谈起。第一部分就是思考市场。最基本的
问题是：市场有效吗，还是无效？无论我是风险投资人还是公开市场投资人，如果希望获得有吸引力的回报，该怎么做？又该如何形成差异化？课程最后一部分是后来新增的决策专题。大约十五或二十年前我意识到，优秀投资人与平庸投资人的差异，很少在于技术能力，比如会不会建电子表格；更多在于性情，尤其是在压力或张力下作出决策的能力。之后我们会再谈。Ben：我先插一句，你是怎么开始教这门传奇课程的？这也太有意思了。所有这些事情都有运气的成分，对吧？
Michael：1992 年，我加入当时名为 First Boston Corporation 的公司，也就是后来的 Credit Suisse，担任食品行业分析师。Ben：文科生转行做食品行业。Michael：没错，我覆盖的是 General Mills、Kellogg's、Campbell's Soup 这类公司。刚入行时我埋头努力工作。顺便说一句，从一开始我就喜欢和科技组的人待在一起，因为我觉得他们最酷，做的都是有意思的东西。我也因此很早就认识了 Bill Gurley；当时他还在职业生涯早期，是一位……
分析师，而且是个很酷的人，做的也都是很酷的事。他叫 Charlie Wolf，是个特别棒的人。当时 Charlie 是 Columbia Business School 的终身教授，后来决定利用一年的学术休假去做股票研究，这个选择挺出人意料。其他公司都拒绝了他，只有 First Boston 给了他一份工作。那大概是 70 年代末、80 年代初。公司问他想研究哪个行业，他说：“有个新东西叫个人电脑，我能不能研究这个？”他们说：“个人电脑？没人关心这个。行吧，那你就研究这个行业。”于是 Charlie 成了个人电脑行业分析师。
当时 Apple 正要上市。天啊。他是学者出身，是受过训练的学者。有一天他走进我的办公室，说：“我在研究电脑股票，像 Dell、Compaq 这些品牌。你是食品行业分析师，对品牌了解多少？”我说：“说实话，我对品牌所知不多，不过做过一些相关研究，你可以看看。”顺便说清楚，当时我刚开始运用 Rappaport 的研究方法；可以说，这种做法比当时华尔街的传统方法更学术一些。第二天他回来对我说：“你这份材料里品牌内容不多，不过你应该去 Columbia Business School 教书。”我想：什么？你怎么会想到这个？
我猜当时他与这所学校有联系，而学校正在寻找人来教《证券分析》。这可是 Warren Buffett 当年专门去 Columbia 读书所选的课程。Ben：对，这门课就是 Buffett 去 Columbia 的原因。Michael：我不想把这件事说得太夸张。这门课叫《证券分析》，Graham 确实教过其中一个版本，但多年来有很多人教过它。也就是说，我并没有什么特别之处。不过后来 Charlie 还是让我去教这门课。
我去了那所学校。人在纽约时，还能请来许多优秀嘉宾，对学生来说是很有意思的经历。我从 1993 年夏天开始教课。到了 2022 年，这将是我连续授课的第 30 年，这件事真的很棒。这就是我如何开始教这门课的经过。现在我来回答 Ben 关于竞争战略的问题。我不确定大家是否意识到，《衡量护城河》最早的版本发表于 2002 年，也就是将近 20 年前。我想说，那可能是我职业生涯中最难做的三件事之一。难点不是那些想法本身有多复杂，而是必须进行大量综合整理。我和很多人一样，读过 Michael Porter、Clay Christensen，也读过 Brian Arthur 关于报酬递增的研究。
问题是，如何把这些内容整合为一个连贯框架，让投资者、高管或其他人都能理解？更何况这些概念本身很抽象。你读 Michael Porter 的《竞争战略》，会觉得道理直观、完全说得通；但接下来还要落实到测量上。我们可以先从竞争优势这个基础概念入手。顺便说一句，我年轻时读过 Porter 的许多著作，内容非常丰富，但读起来很费劲，并不轻松。
事实上，我通常建议想了解 Porter 的人读 Joan Magretta 写的《理解迈克尔·波特》。她是一位记者，曾与 Porter 长期共事；我认为她通过大量例子，把他的思想解释得比他本人更清楚。
先问一个有意思的问题：竞争优势该如何定义？如果用“护城河”这个词，问题在于 Porter 本人从未真正给出过定义。因此，我们认为竞争优势应该包含两个特征：一个是绝对标准，一个是相对标准。绝对标准是，公司目前的回报，或有承诺支持的未来回报，应高于资本成本。资本成本本质上是机会成本的概念：如果我把一美元投在这里，它的收益应该高于这美元在其他地方可能获得的回报。
相对标准是公司应优于竞争者。如果能够定义一个竞争群体，公司就应该比它们做得更好，这才叫竞争优势。Ben，你说得完全正确。我们想从一个相对定量、可以作为判断依据的概念开始，尝试用投入资本回报率等指标来衡量。我们把战略分析拆成三个部分。
第一部分我称作“地形概况”，也就是先弄清楚自己面对的是什么情况。我们会考察行业进入与退出、市场份额变化、定价灵活性等，从更宏观的角度了解所处环境。例如，如果一个行业的市场份额不断大幅变化，公司就很难长期稳居领先地位。相比之下，软饮料行业里，各家公司可能为了一个百分点的市场份额激烈竞争，所以格局相当稳定。接着我们分析行业动态，这部分就是 Porter 的经典内容，需要深入研究。
然后看价值链与五力模型。我也把 Christensen 的颠覆式创新放在这一部分。颠覆式创新是个很有用的理论，只是多数人并不真正理解他具体在说什么；因此值得回到基本原则去学习。第三部分是：如果这家公司确实有竞争优势，它的来源是什么？最简单的说法通常是低成本生产，或某种差异化。这两个概念很有意思，因为能把竞争优势和资本回报联系起来。
一个简单模型是：低成本生产商往往利润率低，但资本周转率高。利润率是利润除以销售额，资本周转率则是销售额除以投入资本。低利润率、高周转率，说明资本周转很快，这是低成本生产商的特点。差异化企业则利润率高、资本周转率低。举个具体例子，想想超市：每件商品赚得不多，但卖出的商品数量很大。再对比 Tiffany，我不太了解它的业务，但它可能每卖一件商品就赚很多，只是商品卖得没那么频繁。
更一般地说，这就像一家珠宝店。所以，只要给我看利润表，甚至经过调整的财务报表，我可能马上就能大致判断：如果这家公司有竞争优势，它是如何实现的。这很有意思。《衡量护城河》试图用结构化方式思考这些问题。
我特别在结尾放了一份检查清单。清单很有意思，因为它会迫使你思考各种不同的问题。不是每个问题都适用于每家公司，但这样至少能确保你系统地考虑相关因素。David 刚才说市场有点疯狂；在这种环境下做这些分析听起来可能有些老套，但我只是……
觉得，在投资一家企业之前，先真正理解它的经济效益，会让我安心很多。让我讲个有意思的故事，说明你的研究对我产生了什么影响。十年前我还是个非常年轻的风险投资人，是 Bill Gurley 让我接触到你的研究。我读了《衡量护城河》，还把我的那份资料带来了。整篇文章几乎都被我划满了重点，只留下没划线的词。Ben：那你还费什么劲划重点？我拿了你文末的检查清单，想把它纳入早期投资流程。我试着用在几个项目上，结果发现工作量太大，把它用在种子轮投资上……确实很难。
David：这需要一点思维上的跨越，不过真的很有意思。David，这正好引出复杂性投资。早期公司的未来实在太不可知了。Michael，你怎么把这套分析用在早期公司上？一家刚起步的公司和它最终变成的业务之间，世界可能已经大不一样。Michael：这是很难的问题，大致分成两部分：一是怎么估值，二是如何思考企业本身以及未来世界可能如何发展。谈到复杂适应系统，我会想到一些特征。
把这个词拆开来说，“复杂”指很多行动主体彼此互动。“适应”则指这些行动主体会学习：它们试图预测周围环境并作出反应；环境变化又会改变它们的学习方式和行为。因此，系统永远不会稳定下来。“系统”是指整体大于各部分之和。这样看待世界时，你会发现其中有很强的演化因素；这就是我们很难预测世界将走向何方的原因。
不过，Ben，我思考年轻公司时，往往会把它们看作期权，而不是债券之类较为确定的资产。期权理论已经发展了很久。显然，Black–Scholes 在 20 世纪 70 年代以数学形式阐述了其中一些关键原则。这套理论并不能完美映射现实，但已经相当有用。到了 70 年代末、80 年代初，学者开始思考：这些概念适用于金融期权，也可以应用于真实业务。那我们该怎么理解？实物期权往往在具备三四个特征时更有价值。
首先，市场具有波动性是有利的。这听起来有点反直觉。对于金融资产，折现率通常是某种资本成本。其他条件相同时，折现率越低，价值越高。大家应该都理解这个数学关系。如今的市场，折现率接近零，甚至为负。
没错，看看现在的市场。但期权其实很有意思，因为期权赋予你做某件事的权利，却没有强迫你这么做，因此你可以限制下行风险。期权希望市场有很大波动，这听起来有点反直觉。世界越不稳定，期权越值钱。这是个值得思考的观点。另一个重要条件是管理层，因此管理层理解并明智行使期权的能力极有价值。可以想想企业高管的历史：有人特别擅长发现并行使期权。两个显而易见的例子之一当然是 Jeff Bezos；他一直很擅长……
他一直很擅长这个，我就直说了。另一个有意思的特征是获取资本的能力。因为即使你决定行使一项期权，有时也得为此付钱。21 世纪初，也就是 20 年前，学术研究中有很多有意思的想法；但当时正值互联网泡沫后遗症和漫长熊市，资本获取渠道有限。因此，可能有很多有意思的事情没能发生。看看 Webvan、Pets.com，再对比今天的 Instacart 和 Chewy。这些想法并不差，只是资本渠道消失了。这些都很有意思。不过，从战略角度说，关键仍然是回到最基本的公式，判断我们正在做的事是否合理。还想补充一点：这些年研究下来，我发现行业的进入和退出机制常常被低估。
我建议学生花时间研究行业进入和退出。多数人可能并不熟悉相关统计，但必须认识到行业刚起步时通常会发生什么。对此做过主要研究、成果也很出色的人，是 Carnegie Mellon 的 Stephen Klepper。他几年前去世了，但这项研究真的很有意思。
Klepper 发现，几乎每个行业刚起步时，竞争者数量都会大幅增加。这就像演化过程：市场正在筛选自己喜欢什么。等市场逐渐弄清楚哪些东西受欢迎、哪些模式有效后，竞争者数量又会大幅下降，也就是行业整合或企业倒闭、破产。这种数量先升后降的模式，是分析早期行业时值得思考的问题：我们正处在整个周期的哪个阶段？当周期转向、公司数量开始下降时……
那通常是很有意思的投资时机，因为行业本身往往仍在增长，只是竞争减少，少数公司开始获得更大收益。这是一个有趣的动态。Klepper 显然是这个领域的代表人物，但我们也可以在各行各业观察这种模式。汽车、收音机、互联网，当然还有磁盘驱动器行业，都有很典型的案例。这些模式随时间展开，非常值得研究。以上只是一些想法。Ben，你提到早期投资时说到一点：这类投资可能更适合看作可选性，而非用与后期公司相同的方式评估。你是在说，投入少量资本，可以买到一个期权，押注世界发生变化、公司最终成长为大企业？早期投资是否应该这么理解？
Michael：我认为是这样。另一个有意思的点是，我们大约一年前写过一篇关于公开市场与私募股权的长篇报告。我很喜欢其中一项学术研究，对三类投资的回报分布进行了分析。第一类是风险投资，研究者看了大约三万笔风投交易；第二类是收购交易，大约一万五千笔；第三类是公开市场公司，大约分析了三万个期间样本。
分析的是投资回报的分布。说个大家都知道的结论：风投交易的中位数回报为零。很多交易会亏钱，
但回报分布的尾部非常极端。这很适合用期权回报来理解。收购交易中约有 25% 会亏钱，大多数结果还可以，但分布也比公开市场更偏斜一些。公开市场的收益分布则更像钟形曲线。有意思的问题是：我们应该用什么框架，才能映射我们实际观察到的这些回报分布？所以即使在风险投资中，尤其是早期投资，如果一家公司三年或十年后价值 100 亿美元，那么它今天值 5,000 万还是 1 亿美元，其实差别没那么大。
所以，极端结果会让人忽略最初的价格。这也解释了为什么总有“我们当年因为 Amazon 太贵而错过它”这样的故事。以当时的信息来看，那个决定可能有道理；但事后看起来就不合理了。不过当时其实是有道理的。是啊，如果某家公司真的属于有机会成为下一个 Amazon 的那一类，尤其在极早期，买入价格可能没那么重要。难点……
在于判断它是否真的属于有机会成为下一个 Amazon 的公司。你也会因此建立一个投资组合，对吧？如果你是创始人或其他单一投资者，大部分个人资产都压在一场下注里；但作为风险投资人，你会分散下注，希望这些都是熟悉的模式，并期待基金里有几个项目脱颖而出，拉动整个组合。没错。我年轻时作为 VC 难以把你的《衡量护城河》检查清单应用到早期投资上，原因之一是我没有意识到自己买的资产是什么范式。那是一份期权，所以应该按我们刚才讨论的期权框架来思考。若买的是上市证券，应该把它看作什么类型的资产呢？
可能是期权之外的另一类……更像一项产生现金流的业务，或者类似固定收益资产，现金流在一定程度上更可见、可预测。Michael：是的，这种想法不差。Ben：好，在离开你的课程、估值这个话题之前，既然我们正处在所谓的前所未有时期，不如用最极端的例子看看如何从价格反推公司表现。来看看 Tesla：在所有资产中，它的投资安全边际可能最窄，因为无论从业务哪个方面衡量，估值倍数都处于历史高位。你会怎样带学生做练习，反推这种惊人的公司估值背后需要哪些业绩？为什么仍可能值得投资？
Michael：我们在课上分析过 Tesla 很多次，这不奇怪。通常到了课程末尾，我会邀请投资组合经理分配股票供学生研究；由于你刚才提到的那些原因，Tesla 一直是很受欢迎的案例，确实令人困惑。你只能坐下来列出数字、仔细推演。而且 Tesla 也是可选性的例子：它有没有做一些目前不明显、未来却可能很有价值的事？这些都要逐一算清楚。关于 Tesla 还有一点想说：书中提到过，这个概念早已存在，叫作反身性。我们往往认为存在一个独立的“企业价值”，自己只是观察者；如果价值高于价格，我就买入并赚钱，诸如此类。
但我们忘了，这又回到了复杂系统：观察者与事物本身会相互作用。反身性是说，股票价格上涨这一行为本身，会改变公司的基本面前景。Ben：尤其是公司能按更高估值融资，筹到大量资金。Michael：正是如此。几年前，Tesla 的财务状况还如履薄冰；后来股价大幅上涨，公司得以筹集资本，财务基础随之稳固。资本给公司时间和更长的跑道去做其他事情。所以我认为反身性是现在一个非常重要的概念。
这个想法本身存在很久了，不过“反身性”这个术语，我认为是 George Soros 创造的。先说明这一概念的思想来源。Ben：我之前不知道这点，太有意思了。这个概念并不新，但关键是：何时会陷入困境？因为反身性有两个方向。另一个历史上反身性很明显的领域是并购和企业集团滚动收购。公司互相收购，使用自己的股票支付，再用股票收购下一家公司，循环往复。
这个想法已经存在很久了，不过“反身性”这个术语，我认为是 George Soros 创造的。先说明这一概念的思想来源。Ben：我之前不知道这点，太有意思了。这个概念并不新，但关键是：何时会到头？因为反身性有两个方向。另一个历史上反身性很明显的领域是并购和企业集团滚动收购。公司收购其他公司，也用自己的股票支付；然后再用股票收购下一家，如此循环。
这种模式往往会在某个时点难以为继：公司需要做越来越大的交易才能维持增长速度、兑现预期，最后任务变得几乎无法完成。我认为分析某些公司时可以这样思考。至于迷因股，我们早就见过类似的现象。有人觉得这些全是新东西，其实过去早就有过类似版本。不同之处可能在于，人们能用线上工具更高效地组织行动，而且交易成本几乎为零或很低，系统摩擦因此减少，操作也许更容易。一些迷因公司也很会融资，因此获得了更多资金和新的可选性。
不过要说清楚，这类故事多数结局都不太好。我们看看这轮行情会如何发展、如何收场，但这类故事通常没有好结局。那你如何看待这点与 Bill Gurley 的说法之间的矛盾？他认为，想要承受下行风险，唯一办法就是尽情享受上涨的每一分钟；总体来说，投资者应该始终满仓。那我们应该买什么？Michael：具体背景可能略有不同，我不想替别人表态。但我理解 Bill 的观点更接近市场择时：你觉得自己很聪明，认为市场太贵，于是卖出；等市场便宜了再买回来，如此反复。
历史告诉我们，没人有那么聪明，我们就是不知道。我觉得 Bill 在谈风险投资时也有点这个意思：市场看起来有些昂贵，于是大家觉得应该稍微降低投资速度，但事后看来，我们并不擅长这么做。关于这类行情结局不好的观点，其实很容易找到证据：我们见过很多这样的案例。我也很喜欢 Bloomberg 的 Matt Levine，他是个天才。他有个我一直很喜欢的说法，叫作“无聊市场假说”。我认为这说法有一定道理。
大约 18 个月前，我们把人们关在家里，大家没事可做，也没有体育比赛可以下注；政府又发了补助，让人们口袋里多了一些钱。于是大家就想：“好，找点事情打发时间，还能赚点钱。”这就是行情的一个导火索，但接下来会怎么发展，还有待观察。好，听众朋友们，接下来介绍我们的下一位赞助商，也是节目新朋友 Huntress。Huntress 是目前增长最快、最受客户喜爱的网络安全公司之一。它专为中小型企业打造，提供企业级安全服务，以及所需的技术、服务和专业能力，
保护你的业务。它们提供了一种管理网络安全的创新方法，重点不只是技术，也包括全天候提供防护的真人团队。怎么运作呢？你可能已经知道，初级黑客如今很容易就能买到受攻击企业的访问权限和数据。因此，针对中小企业的网络犯罪活动已达到历史高位。Huntress 为客户搭建了一套完整的托管安全平台来抵御威胁，包括终端检测与响应、身份威胁检测与响应、安全意识培训，以及刚刚推出的创新型安全信息与事件管理产品。简单说，这是一整套保护业务所需的软件，外加安全运营中心的顶尖威胁搜寻团队全天候监控，阻止有时纯软件方案可能漏掉的攻击。
Huntress 正在普及网络安全服务，将过去只有大型企业才用得上的安全技术，以合理价格提供给员工人数只有 10 人、100 人或 1,000 人的企业。非常了不起的是，现在已有超过 12.5 万家企业使用 Huntress，客户对它赞不绝口。G2 客户评价连续第八年将其评为终端检测与响应领域的行业领导者；今年夏天，它再次被评为托管检测与响应领域的领导者。没错。想获得由专家团队提供全天候支持的尖端网络安全解决方案，专家会监控、调查并精准应对威胁，请访问 huntress.com/acquired，或点击节目说明中的链接。
Ben：你刚才说过，优秀投资者与普通投资者的区别，在于决策质量和性情。大家该如何看待这一点？这一直是我很感兴趣的话题。我认为整个行业很少充分使用这些工具，实际上我们应该做得更多。Ben 之前提到的一个观点，我想再强调一下：要设想世界可能如何发展的不同情景。
Michael：我认为我们最容易犯的错误之一，就是觉得自己比实际情况更了解未来。因此，我们要对未来可能如何发展保持开放心态。有不少工具可以帮助做到这一点。我很快列举几个，其中大多数帮助我们拓展思路，另一个关注反馈。第一个拓展思路的工具是基准率。对于不熟悉这个概念的人来说，我们通常遇到问题时，会收集很多信息，再结合自己的分析、经验和判断，然后预测未来。这让人觉得很自然，因为你搜集了信息，也会用自己的能力来推断。
基准率思考则完全不同：它要求我们把当前问题看作一个更大参考类别中的实例，问一问，过去处于类似情境的人遇到了什么。这是一种很不自然的思维方式，因为你必须暂时搁置自己的观点、搜集到的资料以及其他因素。心理学家已经证明，我们的决策过程中存在一种非常强烈、稳定的倾向。所以我认为，理解和考虑基准率非常有力量。
如果你问我，能否回到 20 岁的自己身边，在耳边说一句什么？我会说：有一个思维模型值得你终身学习，那就是基准率。另一个工具是事前验尸，理念类似，背后也有有意思的心理机制。假设我们今天做了一项投资，然后直接跳到未来：现在是一年后，也就是 2022 年，这项投资结果很差、彻底失败。接着每个人独立写下它失败的原因。独立思考这一点很重要。
换句话说，每个人都要写一篇日期标为 2022 年的《华尔街日报》文章，约 200 字，解释投资为何失败。这样你就不用背负已经作出投资的心理包袱，思路会更开阔。为什么从未来回看现在比从现在预测未来更有效，其中有一些有意思的原因；总之，这是一种帮助打开思路的练习。第三个方法是红队。这个概念大家比较熟悉，网络安全就是一个很好的例子：蓝队负责防守，红队负责攻击。你说系统已经安全了，但还会雇黑客来试着攻破自己的系统，以检验有多脆弱。因此，红队就是……
一群专门挑战现有想法、质疑主流观点的人。这很难，因为组织很容易陷入固定心态，大家开始相信同一套说法；你需要有人把大家拉回现实。最后一个工具是决策日志，也就是收集反馈。我认为在任何行业都很难给自己诚实反馈，无论风投、高管还是公开市场投资人都一样。即使事情结果不错，也要问：它真的因为我们预想的原因而成功吗？还是我们只是运气好？有时你做对了所有事，结果却不好，但基于当时掌握的信息，那仍然是正确的决定。
决策日志就是把决定记下来，并定期回顾，确认自己的思考是否合理，同时给自己诚实的反馈。最好还能用概率化的方式记录。例如写下：“我认为某件事会在某个日期前发生的概率是 X%。”这样就能建立一套评分体系，十分有用。做起来也不需要太多额外工作，因为你本来就在作这些判断；只是把它们明确记下来。我认为这也是改善决策能力的一种方法。
做这些事需要一点自律，花不了太多时间，但必须坚持。能做到的人一定会受益。Ben：没错。你刚才说基准率时讲得很快，我想借这个机会读一段 Kahneman 和 Tversky 的文字。因为没研究过基准率的人可能会想，Michael 提到它后，我是不是该去 Google 一下？这段话会带你进入相关思考。引文是：“有人这样描述一位邻居：”
“Steve 很害羞、沉默寡言，总是乐于助人，但对人际交往和现实世界兴趣不大。他性情温和、生活整洁，需要秩序和结构，也特别关注细节。Steve 更可能是图书管理员还是农民？”好，现在每个人心里大概都有个答案。我刚才也犹豫了。直觉上你会选图书管理员，但实际上，世界上的农民数量大约是图书管理员的十倍或二十倍。
所以你应该看基准率，忽略前面那段描述，回答农民。当然，我们的大脑会骗我们，大家都会选图书管理员。接下来想聊聊技能和运气。我们可以深入谈谈吗？Michael：当然。这是我最喜欢的话题之一。我觉得技能与运气如何区分，是最引人入胜的问题之一。大约八九年前，我有机会为此写了一本书。Ben：对了，是什么启发你写这本书？真的很棒。David，你问这些观点从何而来时，我总觉得很有意思，因为……
我特别喜欢体育。我大学时打过长曲棍球，但以前不太喜欢棒球。我不讨厌它，只是没那么喜欢。后来我读了《点球成金》，觉得太棒了，特别有意思。我想自己可能是华尔街上第一个写《点球成金》的人。书出版后一两周，我就写了一篇文章，因为我太激动了。他们试图做的一件事是：别管球员看上去怎么样，先找出究竟是什么能够赢球。这些因素体现了技能的贡献。这让我开始认真思考相关问题，也让我关注体育分析圈，因为技能和数据分析在其中非常重要。
2009 年，我又写了一本《再思考》（Think Twice），内容是决策，其实是向 Kahneman 致敬，正如 Ben 刚才读的那类内容。我在第二章就写了运气与技能。当时我觉得这话题太酷了，就把它放在第二章，以为大家马上就能理解。第一章讲的是基准率。后来编辑看完后对我说：“技能与运气那部分太复杂了。”
把那部分放到书末吧，如果你还想保留的话。于是我想，好吧，这就放在最后几章之一。后来有朋友读完书跟我说：“我喜欢你的书，不过技能与运气那章特别棒。”我就想，早知道我就把它放在前面了。于是我觉得，这个话题像电视剧衍生剧一样，可以单独发展，比如《Mork & Mindy》从《Happy Days》衍生出来。所以我想，技能与运气还有很多可讲的内容。我也读过 Nassim Taleb 2001 年出版的《随机漫步的傻瓜》，很多人都读过。它的核心观点就像一根木棍迎面打过来一样直白：世界上的随机性比你预想的更多。但我觉得它还缺了点东西，没有真正提供量化这些现象的工具。
这一点并不足够。所以我现在已经有了一些想法，觉得这很重要。顺便说一下，这本书的副标题是《在商业、体育和投资中区分技能与运气》，都是我感兴趣的话题。因此我决定沿着这个方向研究。我们不妨先快速定义几个术语。技能是指能够迅速把所学知识应用于执行或表现的能力：你知道怎么做一件事，当需要你去做时就能做到。比如让你去 Carnegie Hall 演奏小提琴，你立刻就能拉得非常出色。运气就更难定义了，而且很快会涉及哲学问题。你得先划定一个范围；我想说，运气有三个关键特征。
第一，它发生在某个个人或组织身上。可能发生在你、你的公司、你支持的运动队等等身上。第二，它可能是好事，也可能是坏事。我并不是说两者对称，因为并不对称；但确实有积极和消极两面。第三，也是最模糊的一点，是可以合理地认为事情本来可能有另一种结果。
也就是说，如果把时间倒带重来一次，出现不同结果也是合理的。我将这称为运气。基于这个定义，会有几个很有意思的推论，其中之一是我们所说的“运气—技能连续谱”。你可以把各种活动放在一条连续谱上：一端是只有技能、没有运气，不过现实中几乎没有这种活动。比如棋赛或跑步比赛，通常跑得最快的人会赢；另一端则是只有运气、没有技能。
比如轮盘赌和彩票，这些活动完全没有技能成分。Ben：公开市场投资也是这样？Michael：这个问题很有意思，先记着，待会儿我们再谈。各种活动都分布在两端之间。书里还出于好玩，比较了职业体育联赛在一个赛季中的结果。比如篮球的随机性最小，比赛结果基本由实力最强者决定。Ben，你刚才开玩笑说过公开市场投资处在这个光谱的什么位置；我想接着谈一个很受欢迎的概念，叫“技能悖论”。
技能悖论。太棒了，这个概念确实很让人惊讶。不过这些想法并不是我原创的。我从 Stephen J. Gould 20 世纪 90 年代中期出版的《全景》一书中得到启发。生物学家？对，进化生物学家。技能悖论的意思是：在技能和运气都会影响结果的大多数活动中，随着技能水平提高，运气反而会变得更重要。听起来很奇怪吧？它是怎么回事？我们可以从两个维度来看技能。
随着技能水平提高，运气会变得更加重要。你可能会想：等等，这到底是怎么回事？可以从两个维度来看技能：绝对技能与相对技能。先说绝对技能。无论体育、商业还是投资，整个世界的绝对技能水平都达到了前所未有的高度。如果把你如今能用的
工具带回 20 世纪 60 年代，让你当投资人，你会远远胜过当时的竞争者，因为你拥有更好的工具。体育也是如此，尤其是在可以用时间衡量的项目中，运动员越来越快。第二个维度更重要，那就是相对技能。我们发现，在一个又一个领域，相对技能差距正在缩小；顶尖者与普通人的差距如今比过去更小。原因有很多。体育联赛就是个明显例子：过去 NBA 球员来自少数地区，如今球员来自全球，世界各地最优秀的球员都会被发掘并被吸引过来。Wilt Chamberlain 当年可以轻易称霸；如果他今天打 NBA，竞争会激烈得多。
事实上，这一思路源于 Stephen Jay Gould 对 Ted Williams 的讨论。Williams 在神奇的 1941 年打出了 0.406 的打击率。顺便说一句，他当时几乎是一个三西格玛事件。我不知道 2020 年的数据最终如何，但在最近一个完整赛季里，三西格玛水平大概是 0.385 或 0.390 左右。
这已经很了不起了，轻松拿下打击王。不过——这大约是所有球员中的前 1.5% 吗？对，前 1.5% 左右。所以要突破 0.400 就很困难，这特别有意思。想象两个技能都高得惊人、但实力完全相当的人，他们的比赛结果就像抛硬币，看起来像是随机的，尽管他们都极其出色。我还会参加啤酒联盟冰球比赛，我们队里都是技术最娴熟的球员。可在我们的分析系统里，冰球仍然显得非常随机。我当时就想：“你们……”
没理解重点。不是说这些球员不够优秀，他们都非常厉害，只是彼此的技能水平相当。因此，要拉开差距非常困难，结果就像抛硬币。Ben，回到投资：公开市场投资也有类似现象，结果看起来随机或部分随机，很大程度上是因为市场效率很高，并不是因为市场很差。还有一点值得谈谈：风险投资里的业绩持续性。
衡量技能是否持续的一种方法，就是观察业绩持续性。如果一个人在第一个时期表现好，第二个时期也会表现好吗？比如你很擅长数学测试，今天考得好，两周后再考也能考好，这说明有技能成分。事实上，几乎总会出现回归均值的现象；如果你表现特别好……这一点我待会儿再谈。持续性是技能的一个标志。具体到风险投资，公开股票市场中的业绩持续性非常有限。
也就是说，如果某只股票去年表现特别好，下一年的预期结果会更接近平均水平。并购基金过去曾有较强的业绩持续性，如今看起来也弱了很多；但风险投资仍然有明显的持续性，排名前 10% 或前 20% 的基金长期表现出色。如果你能投资这些基金，通常会有不错的结果。有意思的问题是，为什么会这样？你们可能有更好的看法。我有一个自己的理论，不过只是个人猜想。
Ben：但你不能就这样不讲自己的理论。我们想听。Michael：好，这是我的个人猜想，你们尽管反驳。它来自网络理论，叫作“优先连接”。例如，网站流量通常呈幂律分布。很多地方都会出现幂律，但我们不总是知道背后的因果机制。我们可以构造符合幂律的数学模型，但模型未必能代表真实世界。网站流量可能是这样形成的：建网站时，你会链接到已经受欢迎的网站；如果所有人都这么做，一些网站就会变得极其受欢迎。风险投资中的优先连接机制可能也是如此。
网站流量遵循幂律，已经有一些证据支持这种机制。应用到风投上，用直白的话说，就是领先机构能拿到最好的项目来源。Ben：没错，最好的项目来源。不过这里有个重要前提：如果你是一家优秀的初创企业，你得知道自己很优秀，还要知道该去联系 Sequoia、Benchmark、Andreessen Horowitz 等领先机构。
双方都得认出彼此。获得领先机构投资还能带来背书，帮助公司未来发展，这又形成反身性。正如你说的，这可能意味着更好的项目来源和更好的条款，是一套自我强化的机制。Ben：这个过程最初也可能由随机事件启动：比如碰巧投中了三个幸运项目，表现很好，大家就开始认为你很聪明。
最容易检验、但我还没看到充分严谨研究的假设是：如果领先风投机构的合伙人离职创业，若业绩来自这个人的才华和技能，优势应该能迁移到新机构；如果业绩主要来自优先连接效应，优势就不一定能迁移。根据我的个人感觉——我还没有看过数据——这种业绩优势通常不会迁移，或者远不如个人希望的那么容易迁移。
对，完全正确。我想再谈谈回归均值，这很有意思，也可以借此收束刚才关于基准率的讨论。基准率是统计上的基本规律，再结合我们对具体情况的内部视角：看看自己的分析以及对世界的了解。处于“全是技能”这一端时，只需要内部视角。比如你可能是当地棋社里的高手，但如果对手是 Magnus Carlsen，就无所谓了；你的胜负记录没有意义，因为他每次都会赢你。相反，在连续谱另一端，也就是完全依赖运气时，结果会完全回归均值。比如你昨天中了彩票，
太棒了，但你今天中奖的预期概率和昨天之前一样，依然微乎其微，因为这完全是随机事件。因此，只要了解自己在技能—运气连续谱中的位置，就不仅能知道回归均值会发生，还能估算它发生的速度。这是个很强大的思维模型。体育迷可以聊上一整天，因为几乎每种体育统计都具有这些特征，理解这些统计概念后，就能估计运动员回归均值的速度。Ben：这很有意思。David 和我从那场持续十小时的 Berkshire Hathaway 盛会结束后，就一直争论一个问题。
David 认为，如今科技行业、尤其是加密货币领域的投资回报产生得比过去快得多；Warren Buffett 已经非常出色，但下一位 Buffett 会更厉害。Ben 反驳说，现在所有人都在全球赛场上竞争，所以想要取得 Buffett 那样的回报更加困难，尤其是以他当时管理的资金规模来衡量。技能悖论已经发展到很极端的程度。Ben：Michael，我想问你，我们还会看到有人拥有和 Warren 一样持续 60 多年的业绩记录吗？还是今后没人能够匹敌？
Michael：这是个很有意思的问题。Stephen Jay Gould 在同一本书里说过，非凡的连胜纪录由技能和运气共同造就。要保持连胜，既要有很高的技能，也需要很多好运。我们认为运气这部分没有改变，世界大体还是如此；结果有时可能更极端。我们还可以讨论掷骰子等独立事件中的运气，以及社会现象如何产生幂律结果。不过总体而言，基本机制差不多。
如果技能水平越来越趋同，复制这种纪录就会非常困难。有些统计连胜纪录很难被追平或超越，例如 Joe DiMaggio 连续 56 场安打。关于这项纪录有好几本书，其中有些就在我身后的书架上。记分员在打分时曾几次善意照顾，比赛里也有些随机因素，所以运气成分很大；但他也确实极有实力。他的打击率是 0.325，是位优秀球员。我们之后会谈 Ted Williams。Bill Miller 曾连续 15 年跑赢 S&P 500。
我认为，由于刚才谈到的原因，未来很难有人再做到这一点。有些连胜纪录可能最终会被打破，但会保持很长时间，短期内很难超越。Buffett 确实非常出色；不过如今要调动那么多资本，任务艰巨得多。回顾 20 世纪 50 年代末到 60 年代末的 Buffett Partnership，业绩惊人；但当时基金规模小得多，也更加灵活、低调。
而且当时技能悖论的影响小得多。再谈点技术内容：我们可以看超额回报的标准差，也就是 alpha 的分布。主动管理者希望看到一个宽阔的钟形分布，右侧有大量正 alpha，左侧也有很多负 alpha；总会有人胜出、有人落后，整体大致抵消。分布越宽，可获取的超额回报机会越多。但实际情况是，钟形曲线不断变窄，这正是技能悖论所预期的。
我就是这样想到 Gould 理论的。Gould 说，没人再打出 0.400 打击率，正是因为打击率的标准差随时间下降。这些现象都符合技能悖论的预测，很有意思。想想汽车：如果你在 1970 年买车，当时不同汽车的质量差距很大；如今汽车基本都不错，虽然有些更好，但整体上……
而且更安全，进步非常惊人。总体而言，从实际性能和出行用途来看，现代汽车都相当不错。当然，品牌地位之类的因素另当别论。
这是因为最佳实践会不断传播。运动员采用更好的训练、营养和技术；企业也一样，最好的理念会迅速从一家组织传到另一家。因此各领域的优秀程度趋同并不奇怪。即使在风险投资行业，回顾我们节目常讲的早期情况，当时 VC 的技能水平低得可笑；如今竞争非常激烈。Ben：确实如此。
接下来感谢节目老朋友 Vanta，它是领先的信任管理平台。Vanta 可以自动处理安全审查和合规工作。
SOC 2、ISO 27001、GDPR、HIPAA 等合规与监控都可以交给 Vanta 处理；这些工作原本会耗费大量时间和资源，Vanta 能让它们变得快速、简单。Vanta 很符合我们在 Acquired 里常说的 Jeff Bezos 的理念：公司应该只专注于真正能让啤酒更好喝的事情，也就是把时间和资源投入到真正能推动业务的环节。
真正改善产品、服务客户，其余的事情就外包。每家公司都需要合规，也需要与供应商、客户建立信任。这有助于推动收入，因为客户和合作伙伴有要求；但它本身不会让产品变得更好喝。Vanta 可以替你处理这些工作。
不用再用电子表格、零散工具和人工审查拼凑安全与合规流程。Vanta 用一个统一的软件界面，通过 API 连接各项服务，免去无数小时的工作。平台加入了 AI 功能，并集成 300 多种外部工具；客户也能为内部系统建立私有集成。更重要的是，安全审查可以实时进行，而非静态审查；你可以监控并向客户和合作伙伴展示结果，增强他们的信心。不论你是初创公司还是大型企业，
如果你想自动化合规、简化安全审查，像 Vanta 全球 7,000 家客户那样把时间用回改善产品，欢迎访问 vanta.com/acquired，或点击节目说明中的链接。感谢节目朋友、Vanta CEO Christina 的支持，所有 Acquired 听众都能获得 1,000 美元免费额度。访问 vanta.com/acquired。Ben：这正好引出我们对你职业道路的讨论。如今各类资产的投资竞争都比过去激烈得多，甚至比 80 年代中后期也激烈得多；David，你尤其提到创业投资。那时赚钱像水桶里打鱼，现在要成为最优秀的人需要做很多事。Michael，如果你今天只有 18 岁，会选择怎样的职业道路？
Michael：这问题有点难回答。如果问投资，我首先要说，无论什么时候，投资都不像看上去那么容易；只有回头看时才觉得容易。我开始在 Columbia Business School 教书时，想请大家想象一下：当时没有互联网。我做财务报表分析，要去图书馆申请一份 10-K 的油印本。那和我们今天熟悉的世界完全不同。
当时我们用传真发送报告，也会把报告邮寄给客户。想看我写的 Kellogg's 分析，就得等它寄到。这是 Bill Gurley 早年作为分析师的一项重要分发创新：他会传真一份通讯。你知道这个故事吗？很精彩。Goldman Sachs 有位出色的分析师 Dan Benton，后来也成了优秀投资人，并经营自己的对冲基金。他能力很强，排名靠前，拥有一批忠实读者；后来有一天决定转去买方，于是离开了工作。他有一份很受欢迎的通讯，每周都在固定时段发送。
Gurley 当时是个年轻分析师，非常重视营销，也很敏锐。他意识到，虽然 Benton 离开了，但大家仍习惯在周二晚上八点收到这份传真。于是他想：“我要脱颖而出，在 Benton 以前发送通讯的同一时间发。”这会成为对原通讯的直接替代。这个做法非常出色，营销很高明，内容也确实很好。
内容与有效分发相结合，帮助 Gurley 声名鹊起。Ben：这就是我想强调的。Michael，回到你刚才的问题：当时看起来并不容易，不过从大方向来说，如果你想进入投资行业，有一点值得考虑，那就是寻找容易的游戏。打个比方，就像打扑克。如果你喜欢周五晚上打扑克……
假设我给你们打电话说：“David、Ben，我周五晚上在家办扑克局，你们要不要来？”你们想赚钱，肯定会问：“还有谁来？”如果我说，都是些很有钱、但扑克打得很差的人，你们就会说：“好啊，我去。”相反，如果我说来的人都很厉害，水平跟你们差不多甚至更高，你们可能会想：“算了，我应该还有更好的事可做。”所以，首先要想清楚自己要参加的是什么样的游戏。
扑克是个有趣的比喻，因为这是零和游戏：100 美元进屋，最终也有 100 美元离开，只是游戏结束时钱在不同人手里。投资有一点也类似。因此，我们要认真考虑自己在玩什么游戏。有没有某些机会，例如市场的细分领域、不同地区等，让你觉得自己能成为牌桌上最聪明的人？难点是这类机会往往难以扩大规模。小范围操作可能容易，想做得很大却很难。这是我首先会说的一点。
另外，我有三个孩子已经大学毕业，两个还在上大学，其中一个是大四，马上就要步入社会。我一直对金融行业心情复杂。一方面，我觉得你们做的事情非常有意思，也能不断学习；另一方面，世界上有很多重大问题需要解决。我希望最优秀、最聪明的年轻人去着手解决这些问题，或者至少拿出一些时间和精力来处理。因此我一直有些矛盾。也许这和我的个人情况有关；如果我更年轻，
我大概会去学计算机科学。如果我晚出生五年或十年，几乎肯定会主修计算机科学，而不是政治学。我以前还做过一点点编程。吸引我的不只是编程技能本身，更是这种思考世界的方式；总体而言，我认为这是一种很好的思维方式。所以我还会问：有没有什么重大问题真正让我关心？可能是气候，也可能是某种疾病防控。有没有办法实质性地推动这些问题的解决？这类事情我也会考虑。不过，如果选择投资，核心还是要找到一场自己觉得能成为最聪明参与者的游戏，或至少有机会成为其中最聪明的人。
Ben：你有没有一些想法？现在还不知道也完全没关系，但我觉得每个听众都可以自己想想：有没有一个领域缺乏足够聪明的人参与，而我可以去那里成为领先者？你觉得世界上有哪些这样的机会？Michael：没有特别明确的答案。如果是投资，我会尽量选择自己觉得最清楚的领域。有几个方向值得考虑。首先是地域：是否有一些前沿市场或较小的新兴市场，能让你实地展开尽调，通过踏实调查领先于别人？在美国，私募股权领域也有人这么讨论：做收购时，是否有某些细分市场或特定地区，能让你做出有意思的投资？另一个公开市场的想法是，现在大多数上市公司都被指数基金或 ETF 持有，研究也相当充分。
可以列出一批没有分析师跟踪、不在指数或 ETF 中、可能被市场忽视的公司。也许你到那张扑克桌时，只有你一个人在玩。还可以创造性地寻找这类机会。另一个领域当然是目前仍处于早期阶段的去中心化金融、加密货币等；在那里会有人赚到大钱，也会有人损失惨重。关键在于，你能否让自己既做有道德价值的事，又有盈利机会。好，最后进入我们轻松问答的收尾环节。人类历史上用了很久，才出现第一家市值一万亿美元的公司；而仅仅 18 个月后，又出现了几家市值两万亿美元的公司。你觉得会不会出现市值十万亿美元的公司？大概还要多久？
Michael：第一个问题比第二个容易回答。某个时点出现这种公司似乎很有可能。只要给足够长的时间，总会有规模持续增长的企业。Ben：我们在玩哪张扑克桌？正是如此。至于我有生之年能否看到，就另当别论了。David 刚才提到的一点很重要：单是利率下降对估值的影响，就很难让人真正理解。
比如现在十年期国债收益率大概是 1.4% 或 1.3%。如果十年、二十年或三十年前有人告诉我，未来十年期收益率会降到 1.30%，我会觉得他疯了，还会拿很多钱打赌这不会发生。利率确实会驱动资产价值，尤其是有增长成分的资产。我们去年写了份报告《价值与增长的数学》，说明从理论上看，这套数学关系有多惊人：如果增长相对快、回报率高、贴现率低，价值就会大幅提高。
我认为，市值从一万亿美元迅速涨到两万亿美元，部分原因就是这种宏观环境。当然不只是股票，所有资产都受影响。正如你们提到的，信贷、债券利差、风险投资等领域，都有大量资金流入，估值全面上升。这很普遍，所以我也不知道最终会如何。还有件事让我很感兴趣：准备新版《预期投资》时，我回头比较了今天市值前十的公司与 2001 年、也就是 20 年前市值前十的公司。
这些因素会大幅推高价值。我认为一万亿到两万亿美元市值的快速跃升，部分原因就是这种宏观背景。受影响的不只是股票，而是所有资产。正如你们所说，信贷、债券利差和风险投资等领域都有大量资金流入，各类估值都在上升。大致就是如此，我也不知道未来会怎样。还有件事让我很感兴趣：准备新版《预期投资》时，我回头比较了今天市值前十的公司与 2001 年、也就是 20 年前市值前十的公司。
Ben：这个问题很有意思。你们猜猜，2001 年前十名中有多少家公司仍在 2021 年前十名里？猜猜看。David：Saudi Aramco 2001 年上市了吗？Microsoft 在吗？Michael：在。
Ben：那我猜只有一家。Michael：你们猜得很准。只有 Microsoft 两次都在前十名里。估计是这样的：把 Microsoft 排除后，其他九家公司的总市值在这 20 年里反而下降了 4,600 亿美元。这实在令人惊讶。
另一方面，也创造了巨大的财富。Apple 的市值，我不太确定具体数字，但我记得当时不到 100 亿美元，如今已达到 2.4 万亿美元。Amazon 当时也只有 65 亿或 70 亿美元，现在大约是 1.6 万亿美元。巨量财富就这样流动。如今前十名里有三家公司在 2001 年时还没有上市，另有两家公司当时还没创立，比如 Facebook。David：我看你在开车，Tesla 是美国最有价值的十家公司之一吗？真不可思议。Michael：这也是答案的一部分：我不知道还要多久。
考虑到无风险利率、信贷利差等情况，我认为未来各类资产的回报预期都应该比较温和。虽然我们期待 2021 年再有一个很好的年份，但未来回报可能不会那么高，所以达到十万亿美元或许要等很久。另一个有意思的问题是：如果未来 20 年和过去 20 年相似，今天这些领先公司中，20 年后是否可能只有一家还在榜上？
未来的领导者中，有没有可能 20% 是现在还没创立的公司，30% 是现在还没上市的公司？这非常有意思。不过这取决于你是否把加密公司算作上市公司。David：没错，20 年回看，变化确实惊人。想想 2001 年，银行和石油公司是否也拥有今天五大科技公司那样可防御的商业模式？大家如今都在谈网络效应、平台创造的价值和不可思议的持久性。20 年前我们想到过这些吗？
Michael：想想当时的 General Electric。它被视为创新与管理的典范；如果能从 GE 招到一位经理，大家就觉得他接受过世界上最好的管理训练。银行也一样，许多领先银行已经存在几十年，甚至几个世纪。
这些银行是否拥有类似 Google 那样的护城河，是另一个问题；但它们确实有不错的股本回报率。我不知道当时是否像今天这样令人兴奋。还可以回顾历史：1970 年时，General Motors 看起来牢不可破。要记住，世界会变化，新的事物会出现。有个规模很大的领域似乎还没有得到足够关注，那就是医疗保健，
这是个巨大的行业。未来十到十五年内，会不会出现一家以数字技术为核心的医疗保健公司，成为全球顶级企业？这是值得思考的问题。当然有可能。Ben：Michael，非常感谢你。这一个半小时的谈话太精彩了。有几项内容想推荐给听众：如果你想深入了解这些话题，我们会把 Michael 写过的论文和书籍链接到节目说明中。
Ben：Michael，我第一次接触你的研究，是你大约 2012 年在 Google 做的那场演讲。它用一小时把《区分技能与运气》的内容转成幻灯片，直观地讲了一遍，彻底震撼了我。我非常推荐，我们会把链接放进节目说明。你想推荐大家去哪里了解你的研究？如果听众想联系你，最好通过什么方式？Michael：如果你找到我的某篇研究报告，上面就有我的邮箱地址。我的 Twitter 账号是 @MJMauboussin。
Michael：这不难找。感兴趣的话可以给我发私信。我不难联系到；通常去 Columbia Business School 的网站就能找到我的学校邮箱。Ben：太好了。听众朋友们，今天节目到这里。
不过，我们还有一个消息要宣布。已经加入 acquired.fm/slack 社群的人可能知道这件事；或者你们关注了 @acquired.fm，也可能已经听说：我们刚刚推出了 Acquired 招聘版。太棒了！特别感谢实习生 Sandy Kim，她负责推进并统筹了整个项目。很多听众都知道，我们的 Slack 里一直有一个招聘频道。
多年来，这个频道一直是听众互相分享工作机会的好地方。现在我们做了一个招聘版，开始筛选并推荐创业生态中令人兴奋的机会。如果你正在想下一步做什么，我们在 acquired.fm/jobs 有一批不错的职位。如果你喜欢听这个节目，也希望和同样喜欢它的人一起工作，现在有机会了。访问 acquired.fm/jobs。David，还有什么要补充的吗？这真的很棒。
特别感谢 Sandy。她真的很棒。如果你在 Slack 社群里，应该已经认识她了。能做到这件事也很酷，现在相关基础设施已经具备了。我们用的是 Palette。这里聚集了社区里的公司，以及我们关注的公司。这不是 Monster.com；我并不是批评 Monster，只是大多数听众大概不会去那里寻找下一份工作。
没错。说到社群，如果你想成为 LP，深入了解我们节目讨论的话题，可以访问 acquired.fm。后台还有 50 多期节目，之后也会继续更新。我们已经在筹备几期新节目，对加密和非加密主题都很期待。你可以加入 acquired.fm/LP。如果你喜欢这期节目，觉得应该让别人也听听 Michael Mauboussin 分享的这些观点，欢迎转发给他们。
当然，我们喜欢社交媒体，但更珍惜一对一的交流。把节目发给朋友或同事吧。非常感谢大家收听。听众朋友们，下期再见。下次见。是你吗？是你吗？是你得到了真相吗？