物理学妒忌：复杂系统不欠你一个精确公式

芒格把这种渴望称为“物理学妒忌”。数学仍然必要，问题出在对不可能精度的迷恋。

芒格所说的“妒忌”

在 2003 年加州大学圣塔芭芭拉分校演讲中，芒格把强式有效市场理论列为例子。如果先假定价格总是完全有效，就能用一致的数学推导出公司回购股票绝无优势。问题不在推导，而在基本假设没有贴合现实。

他的正面建议同样明确：经济学应学习硬科学的求真态度和完整注明知识来源的习惯，却不应期待出现像物理常数那样可靠的经济公式。复杂系统里的变量相互作用，关系也会随制度与行为改变。

长期资本管理公司通过大量借款和衍生品放大相对价值交易。1998 年俄罗斯债务危机后，市场共同转向安全和流动性，原本用于分散的头寸同时亏损。纽约联储披露，截至当年 8 月底，基金年内已损失约 52%。

美国官方复盘把杠杆、交易对手风险和压力测试不足列为关键问题。历史关系在异常市场中没有按预期恢复，高杠杆则缩短了等待时间。这个案例不能简化成“数学导致失败”：模型、融资结构、竞争拥挤、流动性和风险治理共同作用。

它真正提醒我们，模型误差与资金结构必须一起看。一个估值最终可能恢复，如果持有人在恢复前因追加保证金被迫平仓，经济结果仍然是失败。

组织偏好可量化指标，于是用点击、工时、案件数替代真正目标。数字越来越细，目标与数字之间的关系却没有被验证。

过去波动和相关性有助于估计风险，但制度变化、拥挤交易和参与者反应会修改分布。模型若只报告数字、不报告假设和适用区间，会掩盖这一点。

精确输出常来自输入格式，不来自知识质量。把高度不确定的增长、竞争和政策假设塞进表格，得到的终值仍可精确到个位数。这种精确方便计算，不代表现实允许同样精度。

反对物理学妒忌不能变成反量化。没有数学，人会忽略复利、基础比率、规模和损失不对称。正确做法是让数学承担它能承担的任务：明确假设、比较数量级、检验内部一致性、暴露敏感变量。

对复杂系统，应同时给出范围、情景和失效条件。模型输出不是答案，而是一组“如果这些条件成立，那么”的结果。

先找它不允许变化的参数。再问这些参数由自然约束、合同约束还是历史习惯固定。接着测试极端但可信的共同变化，尤其是相关性上升、流动性下降和参与者同时行动。最后检查模型会不会改变被建模者行为。

若团队无法用普通语言解释主要结果来自哪三个假设，复杂度已经超过治理能力。

看到精确数字时：追问数据范围、关键假设、误差和适用期限。

用于行动时：用区间和压力情景替代单点崇拜；让资本、冗余和安全边际覆盖模型没看见的部分。

警报：模型越来越复杂，预测没有改善；异常被称为“一生一次”却反复出现；团队能操作公式却说不清机制。