目录
第一章 序言
第二章 术语、符号和定义
2.1 一般符号和常用符号
2.2 一般&特殊概念目录
2.2.3 幂率类分布P
2.2.4 大数定律（弱）
2.2.5 中心极限定理（CLT）
2.2.6 中数定律和渐进论
2.2.7 Kappa统计量
2.2.8 椭圆分布
2.2.9 统计独立性
2.2.10 多变量（列维）稳定分布
2.2.11 多变量稳定分布
2.2.12 卡拉玛塔点
2.2.13 亚指数
2.2.14 近似替代：学生T分布
2.2.15 引用环
2.2.16 学术寻租
2.2.17 伪经验主义或Pinker问题
2.2.18 前渐进性
2.2.19 随机化
2.2.20 在险价值VAR，条件在险价值CVAR
2.2.21 利益攸关
2.2.22 MS图
2.2.23 最大吸引域MDA
2.2.24 心理学文献中的积分替换
2.2.25 概率的不可分拆性（另一个常见误区）
2.2.26 维特根斯坦的尺子
2.2.27 黑天鹅
2.2.28 经验分布会超出经验
2.2.29 隐藏的尾部
2.2.30 影子矩
2.2.31 尾部依赖
2.2.32 元概率
2.2.33 动态对冲
I 肥尾及其效应介绍
第三章 非数理视角概述 - 剑桥大学达尔文学院讲义
3.1 薄尾和厚尾的差异
3.2 直观理解：摇尾巴的狗
3.3 一种（更合理的）厚尾分类方式及其效应
3.4 肥尾分布的主要效应及它们与本书的关联
3.4.1 预测
3.4.2 大数定律
3.5 认识论与不对称推理
3.6 幼稚的经验主义：不应该把埃博拉和从楼梯上摔落进行对比
3.6.1 风险是如何倍增的
3.7 幂律入门（几乎没有数学）
3.8 隐藏性质在哪里？
3.9 贝叶斯图谱
3.10 x和f(x)：混淆我们理解的x和相应风险暴露
3.11 破产和路径依赖
3.12 如何应对
第四章 单变量肥尾，有限矩（第一层）
4.1 构造轻微肥尾的简单方法
4.1.1 固定方差的增厚尾部方法
4.1.2 通过有偏方差增厚尾部
4.2 随机波动率是否能产生幂律？
4.3 分布的躯干，肩部和尾部
4.3.1 交叉和隧穿效应
4.4 肥尾，平均差和上升范数
4.4.1 常见误区
4.4.2指标分析
4.4.3 肥尾效应对STD vs MD“有效性”的影响
4.4.4 矩和幂均不等式
4.4.5 评述：为什么我们应该立刻弃用标准差？
4.5 可视化p上升产生的等范数边界效应
第五章 亚指数和幂率（第二层）
5.0.1 重新排序
5.0.2 什么是边界概率分布?
5.0.3 创造一个分布
5.1 尺度和幂率（第三层）
5.1.1有尺度和无尺度，对肥尾更深层的理解
5.1.2 灰天鹅
5.2 幂率的性质
5.2.1 变量求和
5.2.2 变换
5.3 钟形 vs 非钟形幂率
5.4 示例：幂率分布尾部指数插值
5.5 超级肥尾：对数帕累托分布
5.6 案例研究：伪随机波动率
第六章 高维空间厚尾
6.1 高维空间中的厚尾，有限矩
6.2 联合肥尾分布及其椭圆特性
6.3 多元学生T分布
6.3.1 肥尾条件下的椭圆性和独立性
6.4 肥尾和互信息
6.5肥尾和随机矩阵，一个小插曲
6.6 相关性和未定义方差
6.7 线性回归模型的肥尾误差项
A 特殊厚尾案例
A.1多重模型与厚尾，战争-和平模型
A.2 转移概率：有破碎可能的事物终将破碎
II中数定律
第七章 极限分布综述
7.1 温习：弱大数定律和强大数定律
7.2 中心极限过程
7.2.1 稳定分布
7.2.2 稳定分布的大数定律
7.3 CLT的收敛速度：直观探索
7.3.1 迅速收敛：均匀分布
7.3.2 中速收敛：指数分布
7.3.3 慢速收敛：帕累托分布
7.3.4 半立方帕累托分布及其收敛分布族
7.4 累积量和收敛性
7.5 数理基础：传统版本的中心极限定理
7.6 高阶矩的大数定律
7.6.1 高阶矩
7.7 稳定分布的平均差
第八章 需要多少数据？肥尾的定量衡量方法
8.1 定义与介绍
8.2 统计量
8.3 收敛性基准，稳定分布类
8.3.1 稳定分布的等价表述
8.3.2 样本充足率的实际置信度
8.4数量化效应
8.4.1 非对称分布的一些奇异特性
8.4.2 学生T分布向高斯分布的收敛速率
8.4.3 对数正态分布既非薄尾，又非肥尾
8.4.4 κ可以为负吗？
8.5 效应总结
8.5.1投资组合的伪稳定性
8.5.2 其他领域的统计推断
8.5.3 最终评述
8.6 附录，推导和证明
8.6.1 立方学生T分布（高斯族）
8.6.2 对数正态分布
8.6.3 指数分布
8.6.4 负Kappa和负峰度
第九章 极值和隐藏尾部
9.1 极值理论简介
9.1.1 各类幂率尾如何趋向Fréchet分布
9.1.2 高斯分布的情形
9.1.3 皮克兰·巴尔克马·德哈恩定理
9.2 幂率分布看不见的尾
9.2.1 和正态分布对比
9.3 附录：经验分布的经验有限
B 增速和结果并非同类分布
B.1 谜题
B.2 瘟疫的分布极度肥尾
C 大偏差理论简介
D 帕累托性质拟合
D.1 样本尾部指数的分布
第十章 “事实就是这样” SP500分析
10.1 帕累托性和矩
10.2 收敛性测试
10.2.1 测试1：累积样本峰度
10.2.2 最大回撤
10.2.3 经验Kappa
10.2.4 测试2：超越某值的条件期望
10.2.5 测试3 - 四阶矩的不稳定性
10.2.6 测试4：MS图
10.2.7 历史记录和极值
10.2.8 左右尾不对称
10.3 总结：事实就是这样
E 计量经济学的问题
E.1 标准带参风险统计量的表现
E.2 标准非参风险统计量的表现
F 有关机器学习
F.0.1 拟合有角函数
III 预报、预测和不确定性
第十一章 肥尾条件下的概率校准
11.1 连续 vs 离散分布：定义和评述
11.1.1 与描述的差异
11.1.2 肥尾条件下不存在“崩溃”，“灾难”或“成功”
11.2 心理学中对尾部概率的伪高估
11.2.1 薄尾情况
11.2.2 肥尾情况
11.2.3 误区
11.2.4 分布不确定性
11.3 校准和校准失误
11.4 表现统计量
11.4.1分布推导
11.5 赔付函数/机器学习
11.6 结论
11.7 附录：证明和推导
11.7.1 二元计数分布p^((p) ) (n)
11.7.2 布里尔分数的分布
第十二章 鞅过程大选预测：套利法
12.0.1 主要结论
12.0.2 框架
12.0.3 有关风险中性的讨论
12.1 巴舍利耶风格的估值
12.2 有界双重鞅过程
12.3 与德费内蒂概率评估的关系
12.4 总结和评述
IV 肥尾条件下的不均估计
第十三章 无限方差下的基尼系数估计
13.1 介绍
13.2 无限方差下非参估计的渐进性质
13.2.1 α-稳定随机变量回顾
13.2.2 基尼系数的α-稳定渐进极限
13.3 极大似然估计
13.4 帕累托数据
13.5 小样本修正
13.6总结
第十四章 分位数贡献的估计误差和超可加性
14.1 介绍
14.2帕累托尾分布
14.2.1 偏差和收敛性
14.3 累加不等性质的不等性
14.4 尾部指数的混合分布
14.5 变量和越大，κ ̂_q越大
14.6 结论以及如何合理估计集中度
14.6.1 稳健方法和完整数据的使用
14.6.2 我们应该如何测量集中度？
V 影子矩相关论文
第十五章 无限均值分布的影子矩
15.1 介绍
15.2 双重分布
15.3 回到y：影子均值（或总体均值）
15.4 和其他方法的比较
15.5 应用
第十六章 暴力事件的尾部风险
16.1 介绍
16.2 统计讨论汇总
16.2.1 结果
16.2.2 总结
16.3 研究方法讨论
16.3.1 重整化方法
16.3.2 条件期望（严谨性稍弱）
16.3.3 数据可靠性和对尾部估计的影响
16.3.4 “事件”的定义
16.3.5 事件遗漏
16.3.6 生存偏差
16.4 数据分析
16.4.1 阈值之上的峰值
16.4.2 事件间隔和自相关性
16.4.3 尾部分析
16.4.4 有关极大值的另类视角
16.4.5 全数据集分析
16.5 额外的鲁棒性和可靠性测试
16.5.1 GPD自展法
16.5.2 估计边界的扰动
16.6 结论：真实的世界是否比看起来更不安全？
16.7 致谢
第G章 第三次世界大战发生的概率有多高？
VI 元概率相关论文
第十七章 递归的认知不确定性如何导致肥尾
17.1 方法和推导
17.1.1不确定性的层级累加
17.1.2 标准高斯分布的高阶积分
17.1.3 小概率效应
17.2 状态2：a(n)为衰减参数
17.2.1 状态2-a “失血”高阶误差
17.2.2 状态2-b 第二种方法，无倍增误差率
17.3 极限分布
第十八章 不对称幂律的随机尾部指数
18.1 背景
18.2 Alpha随机的单尾分布
18.2.1 一般情况
18.2.2 随机Alpha不等式
18.2.3 P分布类近似
18.3 幂律分布求和
18.4 不对称稳定分布
18.5 α为对数正态分布的帕累托分布
18.6 α为Gamma分布的帕累托分布
18.7 有界幂律，西里洛和塔勒布（2016）
18.8 其他评论
18.9致谢
第十九章 p值的元分布和p值操控
19.1 证明和推导
19.2检验的逆功效
19.3 应用和结论
第H章 行为经济学的谬误
H.1 案例研究：短视损失厌恶的概念谬误
VII期权交易和肥尾条件下的定价
第二十章 金融理论在期权定价上的缺陷
20.1 巴舍利尔而非布莱克-斯科尔斯
20.1.1 现实和理想的距离
20.1.2 实际动态复制过程
20.1.3 失效：对冲误差问题
第二十一章 期权定价的唯一测度（无动态对冲和完备市场）
21.1 背景
21.2 证明
21.2.1 案例1：使用远期作为风险中性测度
21.2.2 推导
21.3 当远期不满足风险中性
21.4 评述
第二十二章 期权交易员从来不用BSM公式
22.1 打破链条
22.2 介绍
22.2.1 布莱克-斯科尔斯只是理论
22.3 误区1：交易员在BSM之前无法对期权定价
22.4 方法和推导
22.4.1期权公式和Delta对冲
22.5 误区2：今天的交易员使用布莱克-斯科尔斯定价
22.5.1我们什么时候定价？
22.6动态对冲的数学不可能性
22.6.1 高斯分布的迷之稳健性
22.6.2订单流和期权
22.6.3巴舍利尔-索普方程
第二十三章 幂律条件下的期权定价：稳健的启发式方法
23.1 介绍
23.2 卡拉玛塔点之上的看涨期权定价
23.2.1 第一种方法，S属于正规变化类
23.2.2 第二种方法，S的几何收益率属于正规变化类
23.3 看跌期权定价
23.4 套利边界
23.5 评述
第二十四章 量化金融领域的四个错误
24.1 混淆二阶矩和四阶矩
24.2分析期权收益时忽略简森不等式
24.3保险和被保资产之间的不可分割性
24.4 金融领域计价单位的必要性
24.5附录（押注分布尾部）
第二十五章 尾部风险约束和最大熵
25.1投资组合的核心约束是左尾风险
25.1.1 杰恩斯眼中的杠铃策略
25.2 重新审视均值-方差组合
25.2.1 分析约束条件
25.3 再论高斯分布
25.3.1 两个正态分布混合
25.4 最大熵
25.4.1 案例A：全局均值约束
25.4.2 案例B：均值绝对值约束
25.4.3 案例C：右尾服从幂律
25.4.4 扩展到多阶段模型
25.5 总结评述
25.6 附录/证明
参考书目
第二章 术语、符号和定义
2.1 一般符号和常用符号
2.2 一般&特殊概念目录
2.2.3 幂率类分布P
2.2.4 大数定律（弱）
2.2.5 中心极限定理（CLT）
2.2.6 中数定律和渐进论
2.2.7 Kappa统计量
2.2.8 椭圆分布
2.2.9 统计独立性
2.2.10 多变量（列维）稳定分布
2.2.11 多变量稳定分布
2.2.12 卡拉玛塔点
2.2.13 亚指数
2.2.14 近似替代：学生T分布
2.2.15 引用环
2.2.16 学术寻租
2.2.17 伪经验主义或Pinker问题
2.2.18 前渐进性
2.2.19 随机化
2.2.20 在险价值VAR，条件在险价值CVAR
2.2.21 利益攸关
2.2.22 MS图
2.2.23 最大吸引域MDA
2.2.24 心理学文献中的积分替换
2.2.25 概率的不可分拆性（另一个常见误区）
2.2.26 维特根斯坦的尺子
2.2.27 黑天鹅
2.2.28 经验分布会超出经验
2.2.29 隐藏的尾部
2.2.30 影子矩
2.2.31 尾部依赖
2.2.32 元概率
2.2.33 动态对冲
I 肥尾及其效应介绍
第三章 非数理视角概述 - 剑桥大学达尔文学院讲义
3.1 薄尾和厚尾的差异
3.2 直观理解：摇尾巴的狗
3.3 一种（更合理的）厚尾分类方式及其效应
3.4 肥尾分布的主要效应及它们与本书的关联
3.4.1 预测
3.4.2 大数定律
3.5 认识论与不对称推理
3.6 幼稚的经验主义：不应该把埃博拉和从楼梯上摔落进行对比
3.6.1 风险是如何倍增的
3.7 幂律入门（几乎没有数学）
3.8 隐藏性质在哪里？
3.9 贝叶斯图谱
3.10 x和f(x)：混淆我们理解的x和相应风险暴露
3.11 破产和路径依赖
3.12 如何应对
第四章 单变量肥尾，有限矩（第一层）
4.1 构造轻微肥尾的简单方法
4.1.1 固定方差的增厚尾部方法
4.1.2 通过有偏方差增厚尾部
4.2 随机波动率是否能产生幂律？
4.3 分布的躯干，肩部和尾部
4.3.1 交叉和隧穿效应
4.4 肥尾，平均差和上升范数
4.4.1 常见误区
4.4.2指标分析
4.4.3 肥尾效应对STD vs MD“有效性”的影响
4.4.4 矩和幂均不等式
4.4.5 评述：为什么我们应该立刻弃用标准差？
4.5 可视化p上升产生的等范数边界效应
第五章 亚指数和幂率（第二层）
5.0.1 重新排序
5.0.2 什么是边界概率分布?
5.0.3 创造一个分布
5.1 尺度和幂率（第三层）
5.1.1有尺度和无尺度，对肥尾更深层的理解
5.1.2 灰天鹅
5.2 幂率的性质
5.2.1 变量求和
5.2.2 变换
5.3 钟形 vs 非钟形幂率
5.4 示例：幂率分布尾部指数插值
5.5 超级肥尾：对数帕累托分布
5.6 案例研究：伪随机波动率
第六章 高维空间厚尾
6.1 高维空间中的厚尾，有限矩
6.2 联合肥尾分布及其椭圆特性
6.3 多元学生T分布
6.3.1 肥尾条件下的椭圆性和独立性
6.4 肥尾和互信息
6.5肥尾和随机矩阵，一个小插曲
6.6 相关性和未定义方差
6.7 线性回归模型的肥尾误差项
A 特殊厚尾案例
A.1多重模型与厚尾，战争-和平模型
A.2 转移概率：有破碎可能的事物终将破碎
II中数定律
第七章 极限分布综述
7.1 温习：弱大数定律和强大数定律
7.2 中心极限过程
7.2.1 稳定分布
7.2.2 稳定分布的大数定律
7.3 CLT的收敛速度：直观探索
7.3.1 迅速收敛：均匀分布
7.3.2 中速收敛：指数分布
7.3.3 慢速收敛：帕累托分布
7.3.4 半立方帕累托分布及其收敛分布族
7.4 累积量和收敛性
7.5 数理基础：传统版本的中心极限定理
7.6 高阶矩的大数定律
7.6.1 高阶矩
7.7 稳定分布的平均差
第八章 需要多少数据？肥尾的定量衡量方法
8.1 定义与介绍
8.2 统计量
8.3 收敛性基准，稳定分布类
8.3.1 稳定分布的等价表述
8.3.2 样本充足率的实际置信度
8.4数量化效应
8.4.1 非对称分布的一些奇异特性
8.4.2 学生T分布向高斯分布的收敛速率
8.4.3 对数正态分布既非薄尾，又非肥尾
8.4.4 κ可以为负吗？
8.5 效应总结
8.5.1投资组合的伪稳定性
8.5.2 其他领域的统计推断
8.5.3 最终评述
8.6 附录，推导和证明
8.6.1 立方学生T分布（高斯族）
8.6.2 对数正态分布
8.6.3 指数分布
8.6.4 负Kappa和负峰度
第九章 极值和隐藏尾部
9.1 极值理论简介
9.1.1 各类幂率尾如何趋向Fréchet分布
9.1.2 高斯分布的情形
9.1.3 皮克兰·巴尔克马·德哈恩定理
9.2 幂率分布看不见的尾
9.2.1 和正态分布对比
9.3 附录：经验分布的经验有限
B 增速和结果并非同类分布
B.1 谜题
B.2 瘟疫的分布极度肥尾
C 大偏差理论简介
D 帕累托性质拟合
D.1 样本尾部指数的分布
第十章 “事实就是这样” SP500分析
10.1 帕累托性和矩
10.2 收敛性测试
10.2.1 测试1：累积样本峰度
10.2.2 最大回撤
10.2.3 经验Kappa
10.2.4 测试2：超越某值的条件期望
10.2.5 测试3 - 四阶矩的不稳定性
10.2.6 测试4：MS图
10.2.7 历史记录和极值
10.2.8 左右尾不对称
10.3 总结：事实就是这样
E 计量经济学的问题
E.1 标准带参风险统计量的表现
E.2 标准非参风险统计量的表现
F 有关机器学习
F.0.1 拟合有角函数
III 预报、预测和不确定性
第十一章 肥尾条件下的概率校准
11.1 连续 vs 离散分布：定义和评述
11.1.1 与描述的差异
11.1.2 肥尾条件下不存在“崩溃”，“灾难”或“成功”
11.2 心理学中对尾部概率的伪高估
11.2.1 薄尾情况
11.2.2 肥尾情况
11.2.3 误区
11.2.4 分布不确定性
11.3 校准和校准失误
11.4 表现统计量
11.4.1分布推导
11.5 赔付函数/机器学习
11.6 结论
11.7 附录：证明和推导
11.7.1 二元计数分布p^((p) ) (n)
11.7.2 布里尔分数的分布
第十二章 鞅过程大选预测：套利法
12.0.1 主要结论
12.0.2 框架
12.0.3 有关风险中性的讨论
12.1 巴舍利耶风格的估值
12.2 有界双重鞅过程
12.3 与德费内蒂概率评估的关系
12.4 总结和评述
IV 肥尾条件下的不均估计
第十三章 无限方差下的基尼系数估计
13.1 介绍
13.2 无限方差下非参估计的渐进性质
13.2.1 α-稳定随机变量回顾
13.2.2 基尼系数的α-稳定渐进极限
13.3 极大似然估计
13.4 帕累托数据
13.5 小样本修正
13.6总结
第十四章 分位数贡献的估计误差和超可加性
14.1 介绍
14.2帕累托尾分布
14.2.1 偏差和收敛性
14.3 累加不等性质的不等性
14.4 尾部指数的混合分布
14.5 变量和越大，κ ̂_q越大
14.6 结论以及如何合理估计集中度
14.6.1 稳健方法和完整数据的使用
14.6.2 我们应该如何测量集中度？
V 影子矩相关论文
第十五章 无限均值分布的影子矩
15.1 介绍
15.2 双重分布
15.3 回到y：影子均值（或总体均值）
15.4 和其他方法的比较
15.5 应用
第十六章 暴力事件的尾部风险
16.1 介绍
16.2 统计讨论汇总
16.2.1 结果
16.2.2 总结
16.3 研究方法讨论
16.3.1 重整化方法
16.3.2 条件期望（严谨性稍弱）
16.3.3 数据可靠性和对尾部估计的影响
16.3.4 “事件”的定义
16.3.5 事件遗漏
16.3.6 生存偏差
16.4 数据分析
16.4.1 阈值之上的峰值
16.4.2 事件间隔和自相关性
16.4.3 尾部分析
16.4.4 有关极大值的另类视角
16.4.5 全数据集分析
16.5 额外的鲁棒性和可靠性测试
16.5.1 GPD自展法
16.5.2 估计边界的扰动
16.6 结论：真实的世界是否比看起来更不安全？
16.7 致谢
第G章 第三次世界大战发生的概率有多高？
VI 元概率相关论文
第十七章 递归的认知不确定性如何导致肥尾
17.1 方法和推导
17.1.1不确定性的层级累加
17.1.2 标准高斯分布的高阶积分
17.1.3 小概率效应
17.2 状态2：a(n)为衰减参数
17.2.1 状态2-a “失血”高阶误差
17.2.2 状态2-b 第二种方法，无倍增误差率
17.3 极限分布
第十八章 不对称幂律的随机尾部指数
18.1 背景
18.2 Alpha随机的单尾分布
18.2.1 一般情况
18.2.2 随机Alpha不等式
18.2.3 P分布类近似
18.3 幂律分布求和
18.4 不对称稳定分布
18.5 α为对数正态分布的帕累托分布
18.6 α为Gamma分布的帕累托分布
18.7 有界幂律，西里洛和塔勒布（2016）
18.8 其他评论
18.9致谢
第十九章 p值的元分布和p值操控
19.1 证明和推导
19.2检验的逆功效
19.3 应用和结论
第H章 行为经济学的谬误
H.1 案例研究：短视损失厌恶的概念谬误
VII期权交易和肥尾条件下的定价
第二十章 金融理论在期权定价上的缺陷
20.1 巴舍利尔而非布莱克-斯科尔斯
20.1.1 现实和理想的距离
20.1.2 实际动态复制过程
20.1.3 失效：对冲误差问题
第二十一章 期权定价的唯一测度（无动态对冲和完备市场）
21.1 背景
21.2 证明
21.2.1 案例1：使用远期作为风险中性测度
21.2.2 推导
21.3 当远期不满足风险中性
21.4 评述
第二十二章 期权交易员从来不用BSM公式
22.1 打破链条
22.2 介绍
22.2.1 布莱克-斯科尔斯只是理论
22.3 误区1：交易员在BSM之前无法对期权定价
22.4 方法和推导
22.4.1期权公式和Delta对冲
22.5 误区2：今天的交易员使用布莱克-斯科尔斯定价
22.5.1我们什么时候定价？
22.6动态对冲的数学不可能性
22.6.1 高斯分布的迷之稳健性
22.6.2订单流和期权
22.6.3巴舍利尔-索普方程
第二十三章 幂律条件下的期权定价：稳健的启发式方法
23.1 介绍
23.2 卡拉玛塔点之上的看涨期权定价
23.2.1 第一种方法，S属于正规变化类
23.2.2 第二种方法，S的几何收益率属于正规变化类
23.3 看跌期权定价
23.4 套利边界
23.5 评述
第二十四章 量化金融领域的四个错误
24.1 混淆二阶矩和四阶矩
24.2分析期权收益时忽略简森不等式
24.3保险和被保资产之间的不可分割性
24.4 金融领域计价单位的必要性
24.5附录（押注分布尾部）
第二十五章 尾部风险约束和最大熵
25.1投资组合的核心约束是左尾风险
25.1.1 杰恩斯眼中的杠铃策略
25.2 重新审视均值-方差组合
25.2.1 分析约束条件
25.3 再论高斯分布
25.3.1 两个正态分布混合
25.4 最大熵
25.4.1 案例A：全局均值约束
25.4.2 案例B：均值绝对值约束
25.4.3 案例C：右尾服从幂律
25.4.4 扩展到多阶段模型
25.5 总结评述
25.6 附录/证明
参考书目
【展开】
【收起】
内容简介
我们所在的世界是如此不确定和不透明，信息和我们的理解都极不完整，却很少有人研究在这种不确定性的基础上我们应该做什么。
塔勒布的「不确定性」系列，包括《随机漫步的傻瓜》《黑天鹅》《反脆弱》《非对称风险》以及本书开启的「不确定性量化研究」系列，都是主要关注我们该如何在一个不确定性结构过于复杂的现实世界中生活。
本书从数学和统计学出发，讲述产生极端事件的统计分布类型，以及在这些分布下如何进行统计推断并做出决策。作者认为，社会科学和金融学研究中现有的大多数“标准”统计理论均来自薄尾分布，然而用薄尾思维衡量肥尾事件有可能导致严重问题。
例如，某些“专家”认为，从死亡数字看，我们更应该担心死于吸烟或糖尿病，而非埃博拉病毒。在新冠肺炎疫情暴发初期，很多不懂统计学的流行病学家都犯过类似的错误，而事实证明，我们对具有倍增效应的高风险疾病担心得太少。
在金融市场，一个人所获得的不是概率，而是直接的财富。分布的尾部越肥，就越需要关心收益空间。“收益远胜于概率。”如果犯错的成本够低，决策者可以经常犯错，只要收益是凸性的（即预测准确时会获得很大的收益）。反过来，决策者也可以在预测准确率高达99.99%的情况下破产。
事实上，2008年金融危机期间，破产的基金恰恰是那些之前业绩无可挑剔的基金。
总之，不理解肥尾效应会导致谬误。糟糕的是，这种谬误在当今世界，尤其是金融领域非常普遍。面对风云诡谲的金融市场与不确定性结构异常复杂的现实世界，作者在本书中为参与者点出了破局之道：小概率极端事件不可预测，理解肥尾效应、管理尾部风险是必然选择。
【展开】
【收起】
下载说明
1、追日是作者栎年创作的原创作品，下载链接均为网友上传的的网盘链接！
2、相识电子书提供优质免费的txt、pdf等下载链接，所有电子书均为完整版！
下载链接
热门评论
-
把噗的评论这谁能看得懂？
-
要和平不要战争的评论风险社会的生存手册。第三章之后意外地好看，还是熟悉的塔勒布，从切入点、过程中的实例到最后的结论，都指向金融投资实践，主旨还是前几本书的多留余地多多放空，节奏还是熟悉的“过山车”，跳过公式不影响理解，且有了数字支撑，结论也更清晰有力了。
-
了凡的评论一本研究成果集，几乎全是数理推演，实在太不友好了，翻译它应该很痛苦吧。。。
-
Creative的评论科普一下：肥尾效应（Fat tail）是指极端行情发生的机率增加，可能因为发生一些不寻常的事件造成市场上大震荡。如2008年雷曼兄弟倒闭、2010年的南欧主权债信危机，皆产生肥尾效应。----百度百科
-
张慕甄的评论相比于黑天鹅的偶然性和反脆弱的考察性 肥尾效应让我们多了一份直接导向性。我们得以更加客观直接的去面对这个世界的纷杂，让我们在观察世界的不同面不确定性事件时多一种理解的角度，得以摒弃一些刻板类的统计方法，我们更得以明白无论什么时候，尾部都不应该是被忽视的一块！
-
ink的评论尾部风险管理，大概长期在股市投机的金融学毕业生也未必清晰的了解它的意义。极小概率发生的事件，能“掀翻”绝大多数的“饭碗”么？绝大多数人的反映都将是嗤之以鼻、不屑一顾。但是，美国股市交易员出身的塔勒布对“极小概率事件影响绝大多数”进行了严谨的数学阐述，这种研究方向可谓凤毛麟角、难能可贵！他的理论可以轻易的推翻多数人的惯性思维，让你对体会“金融投资的真谛只掌握在少数人手里”这句话的内涵。
-
如峻峰的评论随着世界上的资讯和信息越来越发达，看似人们可以对一件事物的了解会更加方便，其实则不然，海量的信息如风暴一般席卷上来的时候，带给我们的往往是更多的碎片和撕裂，你无从下手，怎样选取你所需要的，怎样衡量自己的选择是否正确。这一切的不确定性，带给人的困难不比从前少多少。这本书教会我们使用数理的方法，寻找到一种确定性方法。
-
小镜子的评论这是一本让社会学相关细思极恐的书。在社会学中有一种研究方法为“定量研究”，定量研究的结果通常是由大量的数据来表示，最后得出的结论也必然是大数据分析的总结。而“肥尾效应”中，则是完全推翻此概念，极端性的存在也能发生“以少胜多”的案例。薄尾相对来说是处于稳定，而突发事件和偶然概率才是改变的关键节点，在数据显示中正是“肥尾”部分。如此简单的问题之前从未想到，本书可以让读者从另一个角度思考世界。
-
哈姆雷特怕做梦的评论“肥尾效应”可以看作是一次伟大的数学证明，需要统计与数学的知识为辅助，我们所处的世界有时是复杂并且模糊不清的，在面对不确定、不可理解预测的现实情况时，就要学会利用“肥尾效应”，顺应趋势并且合理利用对策，与弱势作斗争，争取实现合理优势最大化！
-
一见生欢的评论所谓肥尾效应就是极少数决定绝大多数，但现实中，我们往往有相反的认知，我们总把那些小概率的时间称之为“黑天鹅”，所以不加以注意。事实上这些小概率才会对我们产生最深远的影响。 很多人在买房的时候会考虑地段、价位、贷款等等，但是往往却忽略了对开发商等信息的考核，总是潜意识的认为它不会烂尾。可是一个烂尾，就能把一个普通家庭的大半辈子都搭进去了，一个小小的选择就能轻而易举的影响你一生。 其实这样的事情并不是黑天鹅，因为发生的太多了，比如P2P的暴雷，只因我们了解甚少，所以习惯用黑天鹅事件来合理化自己的损失，也...