研究股票与天文的书籍(研究股票的经典书籍)

《完美博弈》

本书作者注意到很多经典的数学理论来源于赌博游戏：骰子游戏促使数学家建立概率论，扑克游戏启发了博弈论的灵感，单人纸牌游戏甚至助力氢弹研究，而未来的潮流——人工智能也是牌桌博弈的果实。作者认为，赌博和科学之间存在着紧密地联系，并详细介绍了许多相关的故事和背后的原理。

核心内容

本书讲述大量有关赌博和科学的故事，展示出赌博游戏的一些关键特征，详细分析为什么赌博能为科学研究提供启发。并为我们介绍了随着科技进步，研究赌博机制有了更广泛的意义，能够助力大型预测活动和金融交易的发展。而赌博所带有的决策色彩，更能够为我们的决策行为提供有效的指导原则。

一听到标题里有“拉斯维加斯”这几个字，你可能猜到了，今天的话题是关于赌博的。在寻常印象中，赌博是一种典型的恶习，痴迷赌博的人，肯定不是什么正经人。

如果你也这么想的话，下面这个事实可能会让你吃惊：美国著名高等学府麻省理工学院，从1979年起就开设了一个叫作“教你赌博”的课程。这个课程很受欢迎，至今仍在更新和发展。很奇怪吧，顶级大学的教授和高材生们，应该痴迷于科学研究啊，怎么搞起赌博来了？

看完这本书，你就会发现，这根本不算什么新鲜事。历史上，很多大名鼎鼎的科学家都研究过赌博。比如概率论的创始人卡尔达诺，就是借助掷骰子来理解不确定性和概率的。在科学家研究氢弹的时候，也从纸牌游戏里获得了灵感。类似的例子还有很多。你看，所谓的赌博游戏并不简单，在过去和当下，已经发展出了数学和一系列相关学科的前沿知识和重要认知工具。

本书的作者库哈尔斯基，是剑桥大学博士。在书里，他为我们讲述了大量的有关赌博和科学的故事，为我们展示了赌博这个游戏的机制，为科学带来了什么影响。但是，光听一堆零散的故事，意义不大，所以，我把书中内容整合起来，为你梳理出三条逐层递进的问题，跟你分享本书的精华。

本书包含三个主题：第一，在历史上，为什么很多科学家会研究赌博，有什么成果？第二，时代发展，赌博又给科学带来了什么新发现？第三，赌博和广义的决策有什么关系，我们能从中收获什么启发？

第一部分

先来说第一部分，在历史上，为什么科学家会研究赌博，有什么成果？

用世俗眼光看，赌博无非是为了赢钱或娱乐。但如果抛开功利的眼光，琢磨一下赌博活动本身，就会发现，大多数赌博通常都有三个特征：一是涉及预测，二是短时间内可以连续赌很多次，三是需要战胜对手。赌博的这三个特点让科学家特别感兴趣，从这三点出发，就和科学研究产生了联系。

赌博涉及预测，这不难理解。比如说，掷一枚骰子猜大小，你预测会掷出4点以上，你就押大，否则，你就买小。换句话说，赌博实际是一种预测活动，预测某个事件的结果。而科学研究，也经常是为了预测。比如说气象学，就是要帮我们预测天气的变化。

那么，赌博预测和科研预测之间存不存在类似的地方呢？答案是肯定的，它们都需要两种关键信息：基本原理和初始状态。

比方说，在科学研究中，要预测一个物体自由落体的最终状态，你需要掌握自由落体运动所遵循的物理定律，这就是“基本原理”；你还要测量这个物体最初的位置和下落的时间，也就是“初始状态”。而科学家们发现，很多赌博游戏，要预测它们的结果，也需要探索基本原理和初始状态。

就拿掷骰子来说，科学家通过骰子游戏，探索到了它的“基本原理”。几百年前，人们认为，骰子掷出去能出什么点数，是个神秘现象，对神秘现象，除了接受还能怎样？但科学家的一大乐趣就是消除神秘。文艺复兴时期以来，很多科学史上的巨星都试图破解掷骰子游戏的原理。

比如，伽利略曾潜心研究过，为什么掷骰子时，有些点数组合出现的次数，比其他的组合多？天文学家开普勒也曾经抽时间，写了一篇关于“骰子和赌博原理”的短文。最终，在17世纪中叶，法国数学家帕斯卡和费马，在前人研究骰子游戏的基础上，联手创立了关于概率的基本定律和概念，奠定了概率论的基石。

而另一些赌博游戏，又引发了对“初始状态”的研究。比如轮盘赌。轮盘赌的赌具和规则在各国的赌场有些区别，但基本思路就一句话：一个小球在做圆周运动，你预测它最后会停在什么位置。如果掌握了力学和运动的科学原理，这就是一道物理题。对科学家来说，这道题应该不难计算。

但事情却不这么简单。19世纪的法国科学家庞加莱发现，即使掌握了小球的运动原理，也很难预测结果。这个现象勾起了他强烈的好奇心。在反复研究之后，他终于找出了困难的根源：小球初始状态的微小差别，会导致结果产生巨大的变化。学术一点说，这叫“初始条件强依赖”。听起来有些耳熟吧？这就是常说的蝴蝶效应，是混沌理论的一个重要概念。

混沌理论是一种研究复杂系统的理论，在自然科学和社会科学中都有广泛的应用。我们一般说，混沌理论是美国气象学家洛伦兹提出的。但听了本期音频，你就知道，混沌理论的萌芽其实来自轮盘赌。可见，赌博涉及预测，需要探索基本原理和初始状态。对科学家来说，赌博就像一种类似科学预测的智力挑战。

而赌博的另一个特点，也能为科学家提供帮助，那就是短时间内可以多次进行。这对于冲动的赌徒来说，真不是个好事。一夜之间，就能输个倾家荡产。

但如果把一次赌博看作一次实验，一次的结果看作一条数据。那短时间内可以多次进行，就成了一个巨大的优点，能够很快积累起大量的数据。美国数学家乌拉姆就利用了赌博游戏的这个特点，不但摸清了一种纸牌游戏的规律，还获得了科研上的启发。

乌拉姆在第二次世界大战后，参与了研制氢弹的工作。当时，研发工作中有一项任务，就是计算一颗氢弹里面，多长时间发生一次中子碰撞，但他怎么也找不到合适的数学方法。面对困难，乌拉姆突然想起了自己研究纸牌游戏的经历。在玩一种单人纸牌游戏时，他想搞清楚纸牌某种排列出现的概率，但懒得设计数学方法。于是，他干脆将所有纸牌翻开，观察实际的排列顺序。他发现，只要观察的次数足够多，就能摸清游戏的规律，用不着去设计专门的数学方法。

想到这里，乌拉姆恍然大悟，中子碰撞的问题也可以这么解决啊。只要反复模拟，积累数据，中子碰撞的规律不就自然浮现出来了吗？之后，他和其他科学家合作，用大量模拟的方式，最终解决了这个难题。而这种反复模拟随机事件，从而发现规律的方法，被称为“蒙特卡洛方法”。蒙特卡洛就是摩纳哥的著名赌城，这个名字，真是体现了蒙特卡洛方法与赌博的渊源。

乌拉姆玩的是单人纸牌，但现实中，赌博一般都有对手，而且要战胜对手，不然，你赢谁的钱呢？玩过德州扑克或者21点的人都知道，在这类扑克游戏中，最大的困难不是算牌，而是算人，也就是关注对手，弄清对手的策略。这就从另一个角度，向科学家提供了新的研究思路。

20世纪最重要的数学家之一，冯·诺依曼，被誉为“计算机之父”。你可能会觉得，他的数学水平令人高山仰止，算牌肯定不成问题。但他在生活中，却不是一个打牌高手。看来，打扑克牌这种游戏，一定存在着更大的奥秘。

于是，冯·诺依曼利用一种简化过的双人扑克模型，深入研究扑克游戏，提出了著名的“极大极小”问题，也就是我们后来常说的“零和游戏”。在零和游戏中，胜者的收益等于败者的损失，两名选手参赛时，每人都要争取自己的收益最大化，对手的收益最小化。

1928年，冯·诺依曼解决了极大极小问题，将研究结果写成了一篇题为《室内游戏理论》的文章。而这篇文章，让他成了博弈论的奠基人。后来，数学家约翰·纳什通过建立“纳什均衡”的概念，拓展了冯·诺依曼的理论限定范围，从两人之间的零和游戏，拓展到多人和不均衡收益的情况。今天，博弈论因为和现实联系紧密，就连咱们普通人也会尝试学习它，在各种场合中运用它。

说到这里，我们就知道，在历史上，为什么很多科学家会研究赌博了。因为赌博涉及预测，短时间内可以多次进行，还需要战胜对手，这些特点能够引起科学家的兴趣，能够带来科学上的启发和思路。科学史上的很多经典理论，可以说都是研究赌博的成果。

第二部分

以上说的，都是历史上赌博游戏机制启发科研的故事，那现在是怎样的呢？赌博游戏里有两个核心动作，会对结果造成很大的影响，一个是预测，一个是下注。科学家在研究赌博机制时，把它们抽离出来，在计算机和互联网技术的帮助下，就有了更广泛的意义。这就是我们要说的第二部分内容。

先来说预测。在纸牌游戏里，我们只需要预测几个对手的行为就行了，那如果参与的人更多了呢？这就出现了更大型的预测活动，比如预测市场、预测股市，甚至还有每次美国大选前，吸引了很多人目光的总统大选预测。这些都把个人的预测变成了一件群策群力的事情。早在1868年，富有的纽约商人和艺人，就开始在非正式市场上预测美国的政治选举了。这些政治彩池一直持续到了上世纪30年代，随后因为更加严格的博彩法规和专业民调的崛起而销声匿迹。

互联网出现后，大大降低了设立和参与预测机构的准入门槛，预测机构活动又复苏了。1988年，爱荷华大学商学院发起了一个 IEM 项目，这个项目是一个利用网络的教学研究工具。在当年11月8日总统选举日前，他们设立了一个在线的市场平台来预测两位候选人的得票情况。交易者们不断解读民调数字和经济等新信息，IEM 预测的得票比例每天都会改变。在选举前夜，IEM 预测，共和党候选人老布什将会以53.2%的得票率赢得选举——而这恰恰就是老布什最终的得票率。2008年，一项研究发现，IEM 对五次总统选举的预测在74%的情况下，都比民意调查更准确。

在 IEM 的激励下，各种预测机构纷纷出现。比如说，1996年成立的“好莱坞证券交易所”，就会预测电影首周周末票房，或者其他和电影有关的结果。这个机构正确预测了电影《哈姆雷特》会遭遇票房失败，而《甜心先生》则会成为叫座之作。还有，在本世纪初，惠普公司员工自己设立了一个预测平台，对打印机的季度销量进行预测。而且他们预测的结果，大部分情况下居然比公司官方预测更准。还有博彩网站曾在美国发动伊拉克战争的半年前，开设了“伊拉克独裁者萨达姆什么时候会下台”的预测平台。在2003年3月伊拉克战争开始时，90%的下注者们90%确信萨达姆会在4月底前下台。而结果是，萨达姆确实在2003年4月出逃。

赌博游戏里的第二个核心动作，下注，在科技发展起来后，也不是简单的一个动作了。人们下注的交易方式有了很大变化：赌博或者说博彩活动，变得更像是传统的金融交易了。也就是说，赌博和交易的界限模糊了。

这种模糊首先体现在下赌注和做交易的方式上。作者提到，2000年，在英国伦敦成立的一家交易所，叫作“必发交易所”。它的特别之处在于，你在这里买不到股票等金融证券，但是可以针对某个博彩游戏下注。比如足球彩票。你可以针对某场比赛，赌某支球队能赢得比赛，还可以赌它进了多少球。

更神奇的是，在必发交易所，你还可以针对其他人的赌注来下注。比如说，你可以押一个人的赌注押错了，如果他真错了，你就赢了。必发交易所的网站通过投注匹配程序，还能将大额赌注切分成小额，分别卖给不同的买家。

这让你想到了什么？这难道不就是换了个名字的“金融衍生品”交易吗？金融交易中的期权产品，实际就是一种对赌。事实上，必发交易所的创始人安德鲁·布莱克本身就曾身兼数职，他曾当过职业赌徒、股票交易员和网站程序员，在这三个领域都有丰富经验。

那么，去必发交易所下赌注，和去纽约交易所买期权，还有什么本质区别呢？不都是根据预期投入资金，最后赚取收益或承担损失的经济活动吗？作者认为，事实的确如此。他说，如今除了股票、商品期货、期权等传统金融资产，投资者还能将体育博彩作为一种资产来投资。因此，关注体育博彩的对冲基金，就成了引人关注的热门产品。2010年，在澳大利亚墨尔本就成立了一项专门的体育对冲基金——普诺米哈资本，为公共投资者提供服务。

博彩和金融这两种行业的界限模糊，还体现在它们运用共同的科技手段，承担相似的技术风险。目前，博彩和金融行业都高度依赖计算机、算法程序和网络技术，如果技术保障上出了问题，大家都要吃不了，兜着走。

就拿必发交易所来说。2011年，就发生了一次乌龙事件。市场投注系统显示，有一张买单竟然接受了1：28的赔率。就是说，如果这个买家赢了，只赢1块钱，输了就要输28块。更令人咋舌的是，这张买单高达2100万英镑，如果输了，大约要赔6亿英镑。这人是不是疯了？必发公司经过排查发现，这是由于一个程序缺陷引起的。在修复故障的同时，也取消了这次投注。而在金融领域，程序缺陷造成的破坏，可就没这么容易纠正，代价也要比这昂贵的多了。

比如在2012年夏天，美国新泽西的骑士资本公司，就由于程序缺陷遭受了灭顶之灾。在45分钟里，自动交易程序擅自买入了35亿美元的股票，同时卖出30亿美元的股票。当程序员终于找到故障、终止程序时，已经造成了超过4.6亿美元的损失。这次灾难让公司的财务状况急速恶化，在当年12月，公司就被竞争对手收购了。

这就是今天的第二部分内容，时代发展和科技进步，给赌博带来的两种典型变化：科技进步促进博彩业的新发展，还模糊了赌博与金融交易的界限。推动这两种典型变化的主要力量，是计算机科学和网络技术。

第三部分

说到这里，你可能觉得，随着科技进步，科学家有了更多更好的科研工具，应该用不着再去研究赌博了吧？事实并非如此。在科学的前沿领域，比如人工智能研究，赌博背后隐藏的复杂机制，仍在发挥协助作用。这是因为，赌博和广义的决策有着密切的关系。接下来，我们就来看看具体是怎么回事，能从中获得什么启发。

2016年，AlphaGo 横空出世，在复杂的围棋比赛中，击败了一系列顶级大师。这个新闻引起了巨大的轰动，似乎宣告着，人工智能已经超过人的智能了。但我们仔细想想，就会发现，AlphaGo 这样的人工智能，还远远不够“智能”。

AlphaGo 是个下棋的机器人，而在棋类竞赛中，不存在未知信息，选手能看到所有棋子的位置和对手下棋的过程。这和我们的现实生活相差甚远。本书作者介绍说，要开发人工智能，更好的手段是赌博游戏。

比如说，扑克牌就比围棋更接近于现实博弈。打牌时，你看不见对手的牌，也看不见牌堆里的牌，也不知道对手是不是在误导你。现实生活中的谈判、拍卖、议价等活动，也是这样。它们都涉及到如何处理缺失的信息，如何应对快速变化的情况，如何揣摩对手的策略。

简而言之，赌博就是一个发生在不同场景下的决策行为。所以很多科学家在开发扑克牌机器人，利用它们来研究能够做出现实决策的人工智能。

作者提到，2015年，一个叫作“阿尔伯塔”的团队，在《科学》杂志上公布了他们开发的最新版德州扑克机器人。这个机器人名叫“仙王座”。仙王座表现出一项我们最希望看到的强悍能力，就是在复杂环境中找到最佳策略的能力。将来，仙王座的算法将会被应用到更广阔的领域，从设计海岸巡逻路线，到制定医疗解决方案。

仙王座能不能成为比人类更强大的决策者呢？目前还是个未知数。作者指出，科学家开发赌博机器人的过程中，还需要解决很多难题。尽管没有现成的答案，但好的问题，本身就是一种启发。我们来看几个典型的难题。在生活中，遇到需要决策的情景时，不妨从以下几个角度来寻求突破：

首先，可以利用“后悔最小化”方法，来优化策略。

科学家所设计的扑克机器人，实际上涉及一系列规则，就是在各种情况下，采取什么行动。这些规则的总和，就形成了一套策略。而“后悔最小化”方法，就是在行动之后不断问自己：“如果我采用不同的方式，结果能不能更好？”换句话说，你的策略就是一系列最不会让你感到后悔的行动规则。

在玩涉及概率的游戏时，回答这个问题的能力至关重要。作者提到，2000年，美国爱荷华大学的一项研究表明，如果人脑中与“后悔”相关的组织受损，那么伤者在玩赌博游戏时的表现，就会和一般人大相径庭。他们常常不顾风险，不顾教训，只想着自己有可能赢大钱。这么做，只能有一个结局：久赌必输。

所以在生活中做决策时，我们必须常常回顾，利用经验教训来改进自己的策略，而不是一味期望未来能获得更大的收益。

除了后悔最小化策略，赌博给我们的第二个思考角度是，多多观察对手。在生活中，我们不可避免地要参与一些竞争。那么在决策时，就不得不考虑对手这个因素。

在研发扑克牌机器人时，科学家发现，博弈论中所倡导的利用对方策略变化调整自己策略的观点并不适用，但是传统的赌博技巧却能出奇制胜。比如揣摩对手的心理、利用对手的弱点、发现对手的情绪波动等等。成功的机器人只会计算概率是不够的，它们还必须学会将数学和人类心理有机地结合起来。

实际上，早有学者质疑过，博弈论能在多大程度上为复杂的游戏提供理论支撑。和经济学中“理性人”一样，博弈论的前提条件也是“理性行为”。换句话说，所有游戏参与者得都知道，不同的决定会带来什么效果，并且会从中选择最有利的那个决定。

但如果我们仔细观察周围并且反思自己，会发现在真实生活中，真的没有多少理性人。如果你用理性来推断一个不理性的对手，而对手却不按套路出牌，那即使你的实力高出对手，恐怕会经常发生“乱拳打死老师傅”的悲剧。

所以，在面对对手时，我们要充分考虑对手各方面的真实情况，注重人的特点和人的作用。有一个好消息是，在很多情境下，我们不需要预测顶级对手的行为，只要能预测普通对手如何反应就够了。这样足以让我们保持优势地位。毕竟，胜利并不意味着必须战胜所有的人。

第三个介绍一个有助于我们做预测和决策的工具：抽象模型。

不论是研究足彩、赛马还是扑克牌游戏，研究人员在开发理论时，所做的工作其实都是将现实世界抽象化。而抽象化方法也存在于我们生活的方方面面。比如，当我们使用手机支付时，就是用抽象的货币来代替实际的钞票。

抽象，能让复杂的事物变得容易理解，让我们把注意力集中到关键的信息上，忽略一些细节特征。比如之前说过的，预测赛马成绩的模型，模型开发者会把“赛马的体重”作为一个影响因素，但可能不太关心马的毛色。

不过在现实生活中，建立抽象模型可不是个轻松的活。模型要抽象到什么程度，才不会因为过于简化，而遗漏关键性的细节呢？这个问题，就连开发扑克机器人的科学家们也感到头疼。

建立抽象模型还有一个现实困难，就是怎么解释某种因素的作用，如何衡量不同因素的权重。还以赛马为例，研究人员发现，赛马以前的参赛次数是一个关键因素。看上去，这里似乎存在着因果关系，一匹马参加的比赛越多，越是熟悉场地，所以更可能战胜不那么熟悉场地的对手。

但这种看似有道理的因果关系真的存在吗？也许，是另一种未知因素导致一匹马的参赛次数多，同时成绩也好。实际上，人类的思维有一种“寻求因果”的偏好，随便给出一件事，我们都能为它找到理由。但在做预测时，这种方法很容易出问题。统计学界经常引用的一句口头禅，说：“相关性并不意味着因果联系”。两件事经常伴随出现，并不代表一件事是另一件事的原因。

所以在现实生活中，我们在建立抽象模型时，一定要仔细、谨慎地衡量各种因素，尽量把握好简化的程度，并且要考虑各个因素可能存在的多种关系。

在真实的世界里，人与人之间，事与事之间，人与事之间的关系，通常是复杂的，让人伤脑筋的，很难找到通用的秘诀。在决策时使用“后悔最小化”、观察对手、建立抽象模型这几个工具，能够帮助我们更好地应对人生中的博弈。

总结

我们来简单总结一下：

首先，我们说到赌博具有三个特点，它涉及预测、短时间内可以多次进行、需要对手。正是这三个特点引起了科学家的研究兴趣。历史上，许多经典理论和科研成果都受到了赌博游戏的启发。

其次，我们介绍了赌博中两个动作的变化，“预测”和“下注”这两个动作所代表的意义更大了。当有更多人参与进来后，“预测”就不单单是预测对手的心思了，出现了更大型的预测活动，比如预测市场。而科技发展起来后，人们的下注方式也发生了变化，赌博更像是传统的金融活动了。

最后，我们说到，赌博游戏背后所代表的，实际是个决策行为。开发扑克机器人有助于人工智能的研究。而对我们每个人来说，借鉴决策难题带来的启发，也能帮助我们决策。

文章来自得到听本书

需要了解课程内容的请查看头条首页置顶文章《知识付费课程总量7T，数量3000+,电子书十几万，得到，知乎……》