Скрытая математика за каждым вашим решением

Раньше я думал, что хорошие решения приходят из интуиции или тщательного обдумывания. Затем я прочитал вирусный тред трейдера и исследователя @zodchiii, который заставил меня осознать, что я игнорировал самую простую часть уравнения. Большинство людей делают так же. Мы относимся к решениям как к вопросам мнения или интуиции, хотя на самом деле это замаскированные математические задачи.

Тред, переопубликованный на axisofeasy.com, разбирает шесть ментальных моделей, объясняющих, почему умные люди делают глупые выборы. Модели не новы. Экономисты и психологи знают о них десятилетиями. Но использовать их последовательно — редкость. В этом и заключается преимущество.

Если вы хотите принимать лучшие решения на работе, в отношениях или с деньгами, эти шесть рамок изменят то, как вы видите почти каждый выбор.

Что отличает этот тред от другого контента по самопомощи, так это то, что @zodchiii не лайф-коуч, продающий курс. Он трейдер Polymarket, который делает реальные ставки настоящими деньгами. Его советы исходят из отслеживания результатов, а не из теории. Этот практический опыт придает этим моделям доверие, которого вы не получите от кого-то, кто никогда не ошибался публично.

Expected value

Expected value — это самый базовый инструмент принятия решений, который вы когда-либо будете использовать, и почти никто не применяет его осознанно. Формула проста: умножьте вероятность результата на его выгоду, затем сложите все возможные результаты.

Вот версия для запоминания:

Expected value = (вероятность выигрыша × выгода) - (вероятность проигрыша × сумма потери)

Подбрасывание монеты, которое платит вам 2 доллара за орла и стоит вам 1 доллар за решку, имеет положительный expected value. Вы должны принимать эту ставку каждый раз, даже если проиграете половину бросков. Большинство людей отказываются, потому что потеря ощущается более болезненной, чем выигрыш приятным. Это неприятие потери в действии, и именно поэтому казино зарабатывают деньги.

В реальной жизни expected value проявляется в предложениях о работе, инвестиционных выборах и даже в решении, идти ли на вечеринку. Если потенциальная выгода перевешивает потери, когда вы учитываете вероятности, математика говорит берите. Чувство в животе — это не математика говорит.

Это связано с более широким набором психологических ловушек, которые саботируют принятие решений. Expected value — один из способов выбраться из этих ловушек. Вместо того чтобы полагаться на инстинктивные реакции, вы вычисляете, благоприятны ли шансы. Со временем эта маленькая привычка отделяет людей, которым везет, от людей, которые создают свою удачу сами.

Вот более практичный пример. Допустим, вы рассматриваете побочный проект, который может принести вам 5 000 долларов с 30-процентной вероятностью успеха, и обойдется вам в 500 долларов времени и материалов в случае неудачи. Expected value равен (0,3 × 5 000) - (0,7 × 500) = 1 150. Это положительно. Даже если вы потерпите неудачу семь раз из десяти, один успех окупает все потери и оставляет вас в плюсе. Большинство людей видят 70-процентный уровень неудач и уходят, не сделав расчетов.

Та же логика применима к холодным письмам, заявкам на работу и свиданиям. Если выгода достаточно велика, а стоимость попытки низка, expected value, вероятно, положителен. Вам просто нужно быть готовым сделать расчет вместо того, чтобы доверять своему страху.

Base rate neglect

Ваш мозг ненавидит общую статистику. Он предпочитает конкретные истории. Это ловушка base rate neglect, и она портит больше решений, чем большинство других предубеждений.

Вот классический пример из треда: представьте болезнь, которая поражает 1 из 1 000 человек. Тест на нее точен на 99%. Ваш тест положительный. Какова вероятность, что у вас действительно есть болезнь?

Большинство людей говорят 99%. Настоящий ответ — около 9%. Почему? Потому что болезнь настолько редка, что ложные положительные результаты значительно превосходят истинные положительные. Ваш мозг проигнорировал базовый показатель (1 из 1 000) и ухватился за яркую личную информацию (ваш положительный тест).

Это происходит постоянно. Вы слышите о студенте, бросившем колледж и построившем миллиардную компанию, и думаете, что бросить учебу — хороший план. Вы игнорируете базовый показатель: большинство бросивших учебу не становятся миллиардерами. Вы слышите о стартапе, собравшем миллионы, и думаете, что ваша идея следующая. Вы игнорируете базовый показатель: примерно 6 из 10 стартапов терпят неудачу в первые несколько лет.

Вы также видите это в решениях о здоровье. Друг пробует новую добавку и говорит, что она вылечила его усталость. Вы покупаете ту же добавку и ничего не чувствуете. Индивидуальная история ярка, но базовый показатель говорит вам, что добавки редко превосходят плацебо при общей усталости. Ваш мозг не заботится о базовом показателе. Его заботит история.

Исправление скучно, но эффективно. Прежде чем восторгаться конкретным случаем, спросите, что говорят общая статистика. Общая статистика обычно права. Если вы думаете об увольнении с работы, чтобы начать бизнес, посмотрите на уровень выживаемости бизнеса в вашей отрасли, а не на посты в Instagram одного человека, который добился успеха. Этот человек — выброс. Базовый показатель — это реальность, в которой живет большинство людей.

Это именно тот тип рассуждений, который исследуется в руководстве по критическому мышлению о логике и предубеждениях. Разница здесь в том, что base rate neglect имеет конкретное математическое исправление. Вам не нужно становиться экспертом по логике. Вам просто нужно помнить о проверке статистики, прежде чем влюбиться в историю.

Sunk cost fallacy

Вы купили билет в кино за 15 долларов. Через двадцать минут вы понимаете, что фильм ужасен. Вы уходите или остаетесь?

Большинство людей остаются. Они думают о 15 уже потраченных долларах и не хотят их тратить впустую. Эти 15 долларов ушли независимо от того, что вы делаете. Это sunk cost. Единственный рациональный вопрос: учитывая, где я сейчас, будут ли следующие 90 минут стоить моего времени?

Sunk cost fallacy — это причина, по которой люди остаются на бесперспективных работах, продолжают ремонтировать машины, которые стоят меньше счета за ремонт, и держат убыточные инвестиции в надежде, что они отыграются. Прошлое не подлежит переговорам. Важно то, что будет дальше.

Я делал это с подписками. Я плачу за услугу, которой не пользуюсь, потому что уже заплатил за год. Деньги ушли. Вопрос в том, стоят ли оставшиеся месяцы того. Обычно нет. Отмена кажется признанием поражения, но на самом деле это более умный ход.

Sunk cost fallacy также проявляется в отношениях. Люди остаются в несчастливых браках из-за уже вложенных лет. Они остаются на карьере, которую ненавидят, из-за диплома, на который потратили четыре года. Диплом никуда не денется. Вопрос в том, будут ли следующие пять лет стоить того. Если ответ нет, прошлые инвестиции — не причина оставаться. Это причина уйти, прежде чем вы вложите больше.

У военных есть фраза для этого: «сокращайте потери». Это не сдача. Это перенаправление ресурсов туда, где у них действительно есть шанс окупиться. Каждый час, который вы тратите на путь в никуда, это час, который вы не можете потратить на путь, который может сработать.

Bayesian thinking

Bayesian thinking означает обновление ваших убеждений, когда вы видите новые доказательства. Математика выглядит пугающе, но идея проста: ваша уверенность в чем-то должна меняться по мере того, как вы узнаете больше.

Базовая формула:

P(убеждение после доказательства) = P(убеждение до доказательства) × P(доказательство если убеждение верно) / P(доказательство)

Простыми словами: начните с того, во что вы уже верите, затем скорректируйте на основе того, что вы только что узнали. Если вы думаете, что монета честная, и она выпадает орлом десять раз подряд, вы должны обновить свое убеждение, что монета фальшивая.

Большинство людей делают наоборот. Они формируют убеждение, а затем защищают его от всех доказательств. Вот почему политика и религия создают так много споров. Bayesian thinking заставляет вас относиться к убеждениям как к временным гипотезам, а не к постоянным истинам.

Практическая проблема в том, что обновление убеждений ощущается как слабость. Если вы измените мнение после увиденных новых доказательств, люди могут назвать вас непоследовательным. Но математике все равно на вашу репутацию. Ей важна точность. Тот, кто обновляется быстро, в итоге делает лучшие прогнозы, чем тот, кто цепляется за старые убеждения.

Рынки прогнозов — практическое применение этого. Когда тысячи людей делают ставки на результат, шансы меняются по мере поступления новой информации. @zodchiii называет рынки прогнозов спортзалом для вашего принятия решений. Вы получаете обратную связь о том, откалиброваны ли ваши убеждения, и можете корректироваться в реальном времени.

Вы можете практиковать Bayesian thinking в мелочах. Когда друг рекомендует ресторан и у вас плохой опыт, обновите свое доверие ко вкусу этого друга. Когда купленная вами акция падает после отчета о прибыли, обновите свою модель компании вместо удвоения ставки. Маленькие обновления со временем накапливаются в лучшее суждение.

Survivorship bias

Survivorship bias — это ошибка изучения только победителей и предположения, что их привычки объясняют победу. Студенты, бросившие колледж и построившие компании-единороги, получают биографии. Тысячи бросивших учебу, которые провалились и теперь работают на обычных работах, не получают освещения.

Тред отмечает, что 87 процентов кошельков Polymarket теряют деньги. Но вы слышите только о победителях, которые опубликовали свои gains в социальных сетях. То же самое происходит с ресторанами, стартапами и инвестиционными стратегиями. Вы видите 60 процентов, которые выжили, и игнорируете 40 процентов, которые закрылись.

Это предубеждение опасно, потому что оно заставляет плохие стратегии выглядеть умными. Если вы копируете привычки успешных людей, не проверяя, действительно ли эти привычки вызвали успех, вы играете в азартную игру. Возможно, они добились успеха несмотря на свои привычки, а не благодаря им.

Противоядие — искать недостающие данные. Спросите себя: кто пробовал это и потерпел неудачу? Где люди, которые делали то же самое, но не добились успеха? Если вы не можете их найти, это тревожный сигнал, а не доказательство того, что стратегия работает.

Survivorship bias повсюду, как только вы начинаете его искать. Деловые книги изучают успешные компании, не сравнивая их с провалившимися. Фитнес-инфлюенсеры показывают свои результаты, но не людей, которые следовали тому же плану и не увидели изменений. Инвестиционные рассылки хвастаются выигрышными сделками, игнорируя проигрышные.

Тред выделяет Polymarket как пример. Все делятся скриншотами своих крупных выигрышей. Никто не делится скриншотами счетов, потерявших 80 процентов своей стоимости. Если вы смотрите только на победителей, вы подумаете, что платформа — это легкие деньги. Если вы посмотрите на полное распределение, вы поймете, что это игра мастерства с тяжелым преимуществом дома для любителей.

Чтобы противостоять этому предубеждению, активно ищите истории неудач. Читайте посмертные анализы провалившихся стартапов. Посмотрите на людей, которые следовали той же диете и набрали вес. Изучите трейдеров, которые взорвали свои счета. Недостающие данные часто более информативны, чем видимые данные.

Kelly criterion

Kelly criterion говорит вам, какую часть вашего банкролла поставить на данную возможность. Это формула, которая балансирует выгоду и риск, чтобы вы не обанкротились, даже если у вас есть преимущество.

Формула:

f = (bp - qb) / b*

Где b — коэффициент, p — вероятность выигрыша, q — вероятность проигрыша, и f* — доля вашего банкролла для ставки.

На практике большинство профессиональных беттеров и инвесторов используют подход quarter-Kelly. Они ставят меньше, чем предлагает формула, потому что реальная жизнь более хаотична, чем математика. Переоценка вашего преимущества — самый быстрый способ потерять все.

Урок здесь не об азартных играх. Он о распределении ресурсов. Если у вас есть хорошая возможность, сколько времени, денег или внимания вы должны ей уделить? Вкладывать все в одну ставку кажется смелым, но обычно это безрассудно. Распределение ваших ставок пропорционально вашему фактическому преимуществу удерживает вас в игре дольше.

В инвестициях это означает никогда не вкладывать все в одну акцию, независимо от вашей уверенности. В карьере это означает не ставить все свое будущее на одну компанию или один навык. В отношениях это означает не возлагать все свои эмоциональные потребности на одного человека. Математика говорит диверсифицируйте, даже когда интуиция говорит концентрируйте.

Большинство людей упускают часть quarter-Kelly. Полный Kelly предполагает, что вы идеально знаете свое преимущество. В реальной жизни вы, вероятно, чрезмерно уверены. Ставка в четверть суммы Kelly дает вам пространство для ошибки. Вы все еще выигрываете по-крупному, когда правы, но выживаете достаточно долго, чтобы собрать урожай, когда неправы. Этот буфер выживания — то, что большинство людей упускают. Цель не в том, чтобы ударить хоум-ран один раз. Она в том, чтобы продолжать играть, пока шансы не окажутся на вашей стороне.

Как все 6 связаны

Эти модели — не отдельные инструменты. Это линзы, которые корректируют друг друга. Expected value не дает вам чрезмерно реагировать на краткосрочные потери. Base rate neglect останавливает вас от погони за выбросами. Sunk cost fallacy вытаскивает вас из прошлых инвестиций, которые больше не служат вам. Bayesian thinking обновляет вашу карту по мере изменения территории. Survivorship bias напоминает вам искать неудачи, которые вы не видите. Kelly criterion гарантирует, что у вас достаточно осталось, чтобы сыграть следующую руку.

Используемые вместе, они формируют систему. Вы перестаете принимать решения на основе того, как выбор ощущается в момент, и начинаете принимать их на основе того, работает ли математика со временем. Этот сдвиг тонок, но постоянен.

Думайте об этом как об обучении вождению. Сначала вы думаете о каждом переключении передач и проверке зеркал. В конце концов, навыки становятся автоматическими. Эти шесть моделей работают так же. Сначала вам нужно сознательно выполнять расчеты. С практикой они становятся частью того, как вы видите мир. Вы заметите base rate neglect в заголовках новостей. Вы поймаете себя на оправдании sunk cost на совещании. Вы почувствуете притяжение survivorship bias, когда история успеха станет вирусной.

Это реальная выгода. Вам не нужно быть умнее всех остальных. Вам просто нужна система, которая ловит ошибки, которые все остальные упускают.

Неудобная правда

Неудобная правда из треда в том, что большинство людей не хотят использовать математику. Они хотят, чтобы решения казались правильными. Они хотят историй, а не статистики. Они хотят верить, что тяжелая работа сама по себе определяет результаты, в то время как вероятность и удача играют гораздо большую роль, чем кто-либо признает.

Вот почему рынки прогнозов кажутся людям холодными. Они сдирают повествование и показывают вам сырые шансы. Но эта холодность и есть суть. Она не дает вам лгать себе о том, насколько вероятен успех на самом деле.

Если вы серьезно настроены принимать лучшие решения, вы должны чувствовать себя комфортно, ошибаясь публично. Вы должны обновлять свои убеждения, когда доказательства говорят, что следует, даже если это ранит ваше эго. Это цена становления лучше.

Заключение

Скрытая математика за решениями на самом деле не скрыта. Ее просто игнорируют. Expected value, базовые показатели, sunk costs, байесовские обновления, survivorship bias и Kelly criterion — все это хорошо задокументированные идеи. Преимущество достается людям, которые действительно их применяют.

Начните с малого. В следующий раз, когда столкнетесь с выбором, запишите вероятности и выгоды. Проверьте базовый показатель, прежде чем восторгаться конкретным примером. Спросите, остаетесь ли вы в ситуации, потому что она все еще хороша, или потому что вы уже слишком много вложили, чтобы уйти.

Если хотите углубиться, тред рекомендует пять книг, которые освещают эти идеи более подробно: Thinking Fast and Slow Дэниела Канемана, Superforecasting Филипа Тетлока, The Signal and the Noise Нейта Сильвера, Fooled by Randomness Нассима Талеба и Fortune’s Formula Уильяма Паундстоуна. Каждая расширит ваше мышление о неопределенности и выборе.

Я прочитал все пять, и каждая воздействует по-своему. Канеман дает вам основу. Тетлок показывает, как применять это в реальном мире. Сильвер учит думать в вероятностях. Талеб делает вас параноиком насчет риска в лучшем смысле. Паундстоун связывает математику с управлением деньгами. Чтение их в таком порядке создает полную картину.

Если вы хотите увидеть, как ментальные модели применяются к стратегии, серия шахматных ментальных моделей показывает, как гроссмейстеры используют распознавание образов и избирательный расчет для принятия решений с высокими ставками под давлением. Принципы пересекаются с тем, что мы рассмотрели здесь, но шахматный контекст делает их конкретными.

Математика не гарантирует хороших результатов. Ничто не гарантирует. Но она гарантирует, что ваши решения будут лучше альтернативы, а именно гадания и надежды.

Если вы хотите практиковать эти модели вместе, попробуйте это упражнение. В течение следующей недели записывайте каждое значимое решение, которое вы принимаете. Для каждого отмечайте expected value, базовый показатель, поддаетесь ли вы sunk cost fallacy, насколько вы уверены в своем убеждении, игнорируете ли вы недостающие данные и сколько ваших ресурсов вы вкладываете. В конце недели просмотрите свои записи. Закономерности вас удивят.

Вот она, скрытая математика. Это не магия. Это просто последовательность. А последовательность — это то, чему может научиться каждый.