我的意见是市场上涨的可能性比较高（我看好后市），但最好是卖空（我看坏结果），因为万一市场下跌，它可能跌很多。

科学家古尔德被诊断患致命的胃癌，关于他能活多久，他收到的第一个信息是，这种病的存活期的中位数约为八个月。古尔德发现，实情和他最初获取的信息不大相同，主要的差异在于期望，平均存活期比八个月长的多。他注意到期望值和中位数两者根本不同，中位数指约50%的人活不到八个月，50%的人则能活八个月以上。但是活了八个月以上的人的生存时间相当长，大致来说和普通人一样。这就是非对称现象，活不到八个月的人很早就死掉了，而活过八个月的人可能活的很久。古尔德因此发现了偏态的概念，呕心沥血写下《中位数不能传达什么》一文。

作者举了一个赌博的例子来介绍期望值的概念：假设你参与的一个赌博中1000次里面有999次能够赚到1块钱，但是有1次却要赔10000块钱，那么你的期望值差不多就是赔9块钱左右。

这样的赌博你会玩吗，虽然你赢钱的概率很大，但没有用，只要你一直玩下去，必定输钱。在投资中我们也经常见到这样的事，不管投资年限多少，大家更倾向于有钱赚就赶快卖了，落袋为安，碰到像今天的CXO这样的大跌，可能会直接击穿自己的收益累计。不信大家可以打开自己的账户，看看自己的历史收益情况，赚钱的股票远远多于亏钱的股票，但是赚钱的都是几千几万，亏钱的却是几万几十万。

新闻媒体一天到晚拿着所谓的牛市和熊市等概念来轰炸我们，用以指金融市场的价格走高或下跌。我要说的是，看好看坏的概念往往空洞无物，不能应用于充满随机性的世界，尤其是这个世界充满非对称性。我这辈子在市场中做的事，称为“倾力赌一边”最为恰当，也就是说我试图从稀有事件中获利。这种事情不常发生，一旦发生将带来大量回报，我的目标是下非对称性的赌注。

在大部分学科中，这种非对称性无关紧要，许多自然科学家也这么误解了统计数字的意义。有关全球变暖效应的辩论是一个很有名的例子，许多科学家在全球变暖效应发生的早期阶段并没有注意到这件事，因为他们把温度突升的数据从样本中剔除了，认为这种事情不可能再发生。规划度假行程时，将极值从平均温度计算中剔除可能是好办法，但研究气象时却不能这么做。科学家起初忽视了，温度突升现象虽然少见，但却会对冰帽的融化产生巨大的积累效果。和财务学领域一样，某个事件虽然罕见，但会产生巨大影响，我们就不能视而不见。

我们会发现，通过分析过去的特征，而得出的结论偶尔可能有用，但也可能缺乏意义，有时甚至会误导你朝相反的方向走，有些时候市场数据成了陷阱。我无法将过去的一个时间序列作为未来表现的指针，除了数据，我们还需要更多的东西。

稀有事件极其善于掩饰，其可能以各式各样的形貌示人。它首先在墨西哥观察到，学者称之为比索问题。20世纪80年代，计量经济学家对墨西哥经济变量的表现大惑不解，供给、利率或者略微沾上一点边的类似变量全都扑朔迷离，为其构建模型的努力几乎全部失败。这些经济指标先是维持稳定，然后出现怪异的变化，在没有发出任何警告的情况下，短暂和剧烈的波动，然后又恢复稳定。

为什么统计学家察觉不到稀有事件？目前通用的统计学背后的观念其实十分简单，你得到的信息越多，你对结果就越有把握。但问题来了，有多大把握？常见的统计方法指的是信赖水准稳定提高，但是它和观察数的比值并不是线性关系，也就是说，样本如果增加n倍，我们的知识只增加n的平方根倍。假使我从装有红球和黑球的罐子内取球，那么取出20次后，我对罐子里红球和黑球的比例的信心，并非取了十次之后的两倍，而是只有2的平方根（1.41）倍。统计学显得复杂，且让我们搞不懂的地方在于分布非对称性,有些情况可能更糟。