贝叶斯定律

根据新的证据，持续更新对某事物概率判断的方法论，实现”越学越准”的动态决策。

概述

贝叶斯定律（Bayes’ Theorem）由英国牧师托马斯·贝叶斯在18世纪提出，核心思想是：在获得新证据后，应当系统地更新我们的先验信念。

贝叶斯公式：P(A|B) = P(B|A) × P(A) / P(B)

通俗理解：

先验概率：事件发生前，我的初始判断（“这件事有多大可能是真的”）
似然度：新证据与假设的匹配程度
后验概率：看到新证据后，更新后的判断

老喻将贝叶斯定律列为 EKB 决策算法三层次的第三层——对应”婴儿”，象征决策的初心与持续成长。

核心要点

决策不是一锤子买卖：好的决策者在获得新信息后，应主动更新判断，而非固执己见
先验很重要，但不是全部：起点是已有经验和判断，但证据会不断修正它
不要”确认偏误”：人类天然倾向于寻找支持自己原有观点的证据，贝叶斯思维要求我们平等对待反驳证据
大海捞针的实战应用：美军寻找失踪氢弹、搜救失踪渔民，均用贝叶斯方法逐步缩小搜索范围
贝叶斯主义者的特征：愿意给出概率而非确定性判断；看到新证据后及时更新，不为原判断辩护

贝叶斯思维在投资中的应用

阶段	传统思维	贝叶斯思维
买入决策	”我认为这只股票会涨"	"这只股票上涨的概率是X%，根据以下假设…”
持仓期间	只看支持自己的信息	主动寻找反驳证据，更新概率估计
业绩出炉	对/错了就固化信念	分析业绩与预期的偏差，更新模型
止损/加仓	情绪驱动	基于更新后的概率重新计算凯利公式

巴菲特的贝叶斯实践：巴菲特曾表示，他每天读大量信息，目的不是找支持持仓的证据，而是寻找”是否有什么东西改变了我对这家公司的判断”。

思维格栅与多学科视角

芒格的”思维格栅”（Mental Models）与贝叶斯思维高度兼容：

用物理、生物、心理、经济等多学科的框架来分析问题
不同模型的交叉印证，相当于多个独立证据的贝叶斯更新
避免”对着锤子看什么都是钉子”的单一框架陷阱

可证伪性与贝叶斯

真正的贝叶斯思维者必须明确”什么证据会让我改变判断”——这就是波普尔的”可证伪性”原则。一个好的投资判断，应该附带：

支持它的前提假设
哪些事件的发生会让我的概率判断降低
哪些事件的发生会让我的概率判断升高

常见误区

过度依赖先验：新证据明确出现后还死守旧判断（“我就知道我是对的”）
过度修正：每个新闻都大幅改变判断，缺乏稳定的先验锚点
只更新支持自己的证据：确认偏误的贝叶斯版本——选择性应用
将概率误当确定性：贝叶斯思维的输出是概率，不是”一定会”

实战：贝叶斯主义投资高手的三类方法

根据投资实践中贝叶斯思维的应用深度，可以分为三类：

第一类：贝叶斯计算能力超强的高手

核心特点：通过贝叶斯算法持续计算投资概率，不断更新决策

代表：

量化程序：机器用固定算法每时每刻在全部标的中搜索符合要求的投资机会
巴菲特：虽然可能不懂”贝叶斯计算”这个术语，但已将其内化——“用亏损的概率乘以可能亏损的金额，再用盈利的概率乘以可能盈利的金额，最后用盈利的结果减去亏损的”

投资方法：

设定买入概率阈值（如70%），达到即可买入
概率继续上升（如80%）则加仓
概率下降到某一水平（如低于55%）则结束投资

第二类：擅长挖掘有区分度的信息的高手

核心特点：掌握少有人知道的”条件概率”，即在某些特定领域的信息区分度更高

具体案例：

案例类型	说明
行业专家	专注于某一行业，洞察行业特殊规律与现象，比别人更早发掘胜率高的投资机会
风格切换高手	观察市场风格变化，识别同一类信息在不同时期的区分度差异

区分度变化案例：

2017-2020年：ROE指标区分度非常好，选股效果佳
2021年后：ROE指标失效，分红率指标区分度大增

第三类：拥有更高”先验概率”的高手

核心特点：在选股阶段就有更高的”先验概率”，之后只需用”淘汰指标”筛选不符合要求的标的

代表：

耐心型天才：拥有极高的”先验概率信号”，但符合要求的情况极少，大部分时间耐心等候，一旦信号出现，立刻加杠杆
苹果的例子：苹果的成功不是巴菲特一开始就算出来的，而是一年年符合预期而”剩者为王”的——一个苹果背后就有99家公司因新信息导致后验概率下降而被淘汰

资料来源

老喻·决策算法100讲 — 得到课程，2024-2025

千研投资知识库

探索

概述