不要追求「怎麼贏」,先弄清楚「怎麼輸」
芒格説過一句幾乎被引爆的話:「反過來想,總是反過來想。」
這句話聽起來像雞湯,落到投資裏其實是一套很硬的方法。我自己的做法是,每次研究一家公司之前,先不問「為什麼它會成功」,而是問「它可能以哪幾種方式失敗」。
這兩個問題方向相反,得到的答案完全不同。前者讓人興奮,後者讓人清醒。
舉個例子。2024 年美股最熱的標的之一是某家做 API 的中型公司,敍事性極強,營收三位數增長,投行評級清一色買入。我用倒推法過一遍它的失敗路徑——OpenAI / Anthropic 把價格再砍一半、超大客户開始自研推理芯片、毛利率被 H100 折舊壓垮——三條裏兩條已經在 Q4 財報裏露頭。我沒有買。後來這家公司在 9 個月內回撤超過 60%。
倒推法的價值不在於阻止你犯錯,而在於讓你誠實。它逼着你把自己最不願意承認的風險擺到桌面上。這是絕大多數投資筆記都沒做到的事——它們只寫為什麼要買,不寫為什麼會輸。
芒格説的是另一種語言:與其追求「怎樣成功」,不如先排除「怎樣必然失敗」。這兩件事的難度完全不同。前者需要天才,後者只需要誠實。
但我得誠實承認一件事:倒推法並不總管用。
2022 年我用同樣的方法看 Meta。當時它從 384 跌到 88,倒推得很徹底——Reels 營收佔比仍低、Apple ATT 政策永久砸 100 億廣告收入、元宇宙燒錢無底洞、TikTok 搶走 Z 世代——四條全應驗。我躲過了那一波,但也沒在 88 上接住。2023 年 Zuckerberg 轉向「效率年」、裁員 25%、AI 推薦重塑 Reels CPM,股價 18 個月內從 88 漲到 500+。
我沒接住。因為倒推法只告訴你「會不會出事」,不告訴你「出事之後會怎麼樣」。一家強公司在底部能起來,一家弱公司在底部只會更弱——這一段,芒格的方法是失語的。
激勵才是真正的解釋變量
第二個我每年都在用的工具是「激勵分析」。
芒格的原話是:「不要問理髮師你是不是要剪頭髮。」放到投資裏就是一句話——當一個人告訴你應該買什麼,先看清楚他的激勵是什麼。
Wall Street 賣方分析師的「賣出」評級佔比常年不到 5%,不是因為市場上沒有爛公司,是因為給客户公司打賣出會得罪投行業務。基金經理在路演時永遠講多頭敍事,因為講空頭不會帶來申購。財經播客主播推一隻小盤股,可能是因為他自己已經在裏面,需要後面有人接。
這些不是陰謀論。這是結構。
理解一個人的判斷,先理解他的位置——這是芒格留給我最實用的一句話。我自己的做法是,看到任何強烈推薦,都會先問三件事:推薦人有沒有持倉?他的收入來源是什麼?如果他錯了,誰來承擔後果?三個問題篩掉八成噪音。
但芒格在這裏有一個被誇大的部分,我必須説出來——他把激勵的解釋力推得太遠了。
芒格喜歡用「lollapalooza effect」描述好幾個心理偏誤疊加在一起的瞬間。他舉的最經典例子是 Tupperware 派對——主持人激勵 + 社會認同 + 互惠 + 稀缺感疊加,讓人衝動消費。
這套框架解釋消費者行為非常漂亮。但很多讀者(包括早年的我)拿這套框架去解釋市場和公司決策——會發現完全不夠。
公司決策有激勵,但也有路徑依賴、能力陷阱、行業慣性、監管約束、技術拐點。這些不是激勵能涵蓋的。我自己研究公司的時候,激勵分析只是第一篩,真正決定的是後面那些更慢的結構變量。
把激勵當成解釋一切的萬能鑰匙,本身就是芒格警告過的那種「以鐵錘為唯一工具」的偏誤。芒格自己也偶爾陷在這裏——這是我讀他第三遍才意識到的事。
能力圈不是範圍,而是邊界
第三個工具是「能力圈」。這個詞被引用太多次,反而失去了原義。
很多人以為能力圈是「我瞭解的行業」。芒格不是這個意思。他強調的是能力圈的邊界——你必須知道自己什麼時候在邊界內,什麼時候已經越界。
邊界感比範圍大小重要十倍。能力圈不是越大越好。它需要的是一種自律——清楚地承認「這個我不懂,所以我不參與」。
我自己的能力圈很窄:美股大平台(Apple / Microsoft / Meta / Amazon 這類)、必選消費(Costco / Walmart / Procter & Gamble)、半導體設備鏈(ASML / Applied Materials / TSMC)。這三類之外,我會讀、會理解、但很少重倉。原因不是它們不好,是我沒有那種能在恐慌時仍然敢加倉的認知厚度。
巴菲特八十年代錯過 Microsoft、九十年代錯過 Amazon、之後又錯過 Google——這些都被市場無數次拿出來嘲諷。但芒格和巴菲特都不在意。他們寧可錯過一百個機會,也不願在能力圈外賭一次運氣。
但這條規則我得加一個我自己摸出來的修正——能力圈不應該是靜態的。
芒格活到 99 歲,幾十年裏能力圈基本沒變:消費、保險、零售、銀行。這在他那一代是對的——因為他活過的世界,產業結構變得很慢。Coca-Cola 1970 年是消費股,1990 年還是消費股,2020 年仍然是消費股。
我們這一代不一樣。今天的互聯網公司,十年後可能變成 AI 基礎設施公司;今天的消費品牌,十年後可能在和 AI 推薦算法爭奪貨架。Amazon 2010 年還被認為是「虧錢的電商」,十年後是雲基礎設施龍頭。如果我把能力圈永久鎖死在 2016 年的格局裏,我會在 2030 年發現自己已經離開了主戰場。
所以我的做法是:能力圈的核心保持窄,但每年要主動擴展邊緣。具體説,我每年會花約 20% 的研究時間去看一個完全陌生的領域,不下重倉,但保持「知道發生了什麼」的狀態。2023 年我用這 20% 看了 AI 應用層,2024 年看了核能復興,2025 年看了 GLP-1 之外的減肥藥管線。這一部分,芒格的教導是缺失的——他生活在產業演化更慢的世界裏。
芒格 vs 塔勒布:一個我反覆想清楚的衝突
讀多了書會發現,有些大師之間是隱性衝突的。芒格和塔勒布就是。
芒格的核心是「找偉大的公司,以合理的價格買入,然後什麼都不做」。這是一種深度集中的姿態——巴菲特和芒格的伯克希爾,長期前 5 大持倉佔整體淨資產的 70% 以上,Apple 一家就佔到過 50%。
塔勒布的核心是「構造槓鈴組合,90% 極度保守,10% 極度冒險,中間什麼都不做」。這是一種極端分散 + 凸性押注的姿態。
兩者看起來都是「中間什麼都不做」,但表裏完全相反。
我反覆想了好幾年,得出的結論是:這兩套方法,適用於不同的世界假設。
芒格相信世界是可知的——他相信通過深度研究,你能識別出哪家公司是真正的偉大公司。所以集中重倉是合理的。
塔勒布相信世界是不可知的——他相信任何深度研究都低估了尾部風險。所以分散 + 凸性才是合理的。
哪一種對?我的答案是:在一個穩定的產業結構裏芒格對;在一個加速變化的世界裏塔勒布對。
2026 年的世界正在從前者向後者遷移。AI 把幾乎每個行業的「確定性時長」(我自己造的詞)從十年壓縮到三年。這意味着——芒格式的「找偉大公司然後什麼都不做」,在很多賽道上不再適用。
最具體的例子是 SaaS。十年前一家做企業 CRM 的公司,你買入之後基本可以拿十年——切換成本極高,客户黏性極強。現在 AI 一夜之間把這些公司變成了「可能被顛覆」的狀態——AI 直接幫你做 CRM 該做的事。芒格的護城河敍事,在 SaaS 上突然不那麼穩了。
但芒格的護城河方法也沒有完全失效。它在變化最慢的賽道仍然管用——必選消費、醫保、收費公路式的基礎設施、長壽命資產。真正出問題的是,絕大多數科技和成長股,已經不能再用 1990 年代的芒格框架去定價了。
我自己的組合,因此被劈成兩半:「芒格半邊」放慢變化資產(Costco / Procter & Gamble / 部分半導體設備龍頭),「塔勒布半邊」放快變化資產(對 AI 應用層做小倉位的凸性押注,允許大部分歸零)。這種二元結構,是我讀了兩本書之後逼自己想清楚的。
在 2026 美股市場怎麼用這本書
芒格的活躍年代是 1965 到 2015 年的美國市場——一個機構主導、信息半透明、產業結構演化緩慢的世界。
2026 年的美股不是那個世界。有四個變化,芒格的方法需要改裝:
第一,信息差幾乎消失了。芒格的「讀財報,做深度研究」在 1980 年代有顯著超額收益——因為大部分散户連 10-K 都不看。今天每一份 10-K 在發佈 2 分鐘內就被 AI 拆解,每一句新詞條都被算法定價。深度研究的邊際收益在下降,行為紀律的邊際收益反而在上升——能在波動裏不動、不慌、不被噪音拉走的人,比研究得更深的人勝算更大。
第二,集中度風險變了形態。芒格那個年代,「集中」意味着重倉 5-10 家有護城河的好公司。今天買 S&P 500 ETF,你也已經在重倉 Mag 7——前 7 家公司佔 SPY 大約 1/3 的市值,佔指數年初至今漲幅的更大比例。所謂的「分散」其實是隱性的集中。我自己看倉位的時候,會把 ETF 穿透到底層,算「真實集中度」——經常會發現,自以為很分散的組合,前 5 大底層公司加起來已經超過 40%。
第三,估值起點已經在歷史 90 分位。標普 500 CAPE 接近 35,這是歷史上僅次於 2000 年和 2021 年的水平。芒格的「以合理價格買入偉大公司」在這種估值環境下變得很尷尬——偉大公司不便宜,便宜公司不偉大。我自己的處方是:對真正護城河極深的公司接受估值溢價(Apple、Costco、ASML 這種),但縮小單倉位上限,從過去常用的 15% 壓到 8-10%。
第四,週期被 Fed 切碎了。芒格那代人經歷的牛熊週期大概 10 年一輪。最近 6 年我們已經經歷了 2020 閃崩 + 大放水、2022 加息 + 科技股腰斬、2023 AI 行情、2024-25 軟着陸敍事、2026 上半年的估值收斂——週期被壓縮到每 12-18 個月就有一次顯著的態度切換。「永遠持有」這條規則,需要修正成「在合理估值買入,然後用 Fed 週期判斷什麼時候是「永遠」結束的時刻」。
這四條加在一起,我自己用芒格的方法在 2026 美股有一套修正版:
- 仍然找偉大公司,但單倉位上限從 15% 壓到 8-10%,留出彈藥
- 仍然「不動」,但每 6 個月強制做一次「Fed 週期是否改變了這家公司的折現率」的覆盤
- 把芒格的「永遠」改成「直到護城河出現可觀察的裂縫」——AI 時代,這個時刻可能比想象的早
- 加一個芒格不需要的指標:這家公司的資本配置,有沒有跟上 AI capex 的節奏——既不能不投(被顛覆),也不能投過頭(資本回報率塌陷)
這四條修正,不是因為芒格錯了,而是因為他活在一個我們沒有的世界裏。
關於「思維模型」的過度神化
最後這一節,可能是我對芒格讀者羣體最不留情的批評——很多人把「思維模型」這件事神化得過頭了。
芒格在 1995 年那篇著名演講裏提出了「思維模型」(mental models)的概念——他説一個聰明人腦子裏應該有 100 個左右的核心模型,跨學科地隨時調用。
這個想法本身沒錯。但被反覆傳播之後,變成了一種很糟糕的東西——「把所有問題塞進框架」的方法論。
我看過太多讀了芒格之後的人,見到任何商業問題都要先匹配一個「思維模型」:這是邊際效用遞減、這是激勵偏差、這是損失厭惡、這是社會認同……
但你仔細看芒格自己説的——他強調的是「在不同情境下,知道該用哪個工具」,而不是「先找一個工具,然後把情境塞進去」。這兩件事是反的。
真正的思維模型素養,不是工具的豐富,而是工具的剋制。在不需要用模型的時候,不強行用模型——這是絕大多數芒格讀者沒學到的部分。
我自己有一條樸素的規矩:當我下意識地想用一個名詞去描述一個現象的時候,先停一下,試着用大白話再説一遍。如果用大白話説不清楚,那名詞大概率也沒真的解釋什麼。
這條規矩,救過我很多次。
為什麼這本書我每年都重讀一次
倒推法、激勵分析、能力圈,本質上做的是同一件事——降低犯大錯的概率。
芒格畢生沒有提出過什麼高深的估值模型。他給的都是減法工具:別去贏,先別輸;別看建議,先看激勵;別擴大圈子,先認清邊界。
這三件事都不性感。它們不會讓你在某一年跑出 300% 的回報。它們做的是另一件事——讓你在 30 年裏始終留在牌桌上。
複利不是一種速度,而是一種存在感——你只要還在,時間會替你完成大部分工作。
但我讀這本書讀了七年,最大的收穫不是這些工具本身,而是另一件事——學會和大師做朋友,而不是做信徒。
很多人讀完芒格之後變成了芒格信徒——背語錄、套框架、模仿口頭禪。這種讀法,芒格本人會第一個反對。因為芒格自己一輩子都在反對偶像崇拜,反對盲從,反對「以一種工具解釋一切」。
真正的尊重,是承認這個人很偉大,但也承認他活在一個特定的時代、特定的市場、特定的產業結構裏。把他的方法當起點,而不是終點。
寫在最後
很多人讀《窮查理寶典》是衝着「思維模型」四個字去的,期待一套像物理公式一樣的工具箱。讀完之後失望——書裏好像什麼都沒系統給出。
但我覺得這恰恰是這本書最珍貴的地方。它不是工具書,是一種思維姿態。它教你怎麼看問題,而不是告訴你答案。
我每年都重讀一次。每次讀出來的東西都不一樣——不是書變了,是我變了。
這是好書的標誌。
也是我跟芒格相處的方式——他不是我的老師,他是我的對手。我在讀他、用他、也在反駁他、修正他、在他沒説清楚的地方自己繼續走下去。
我相信這才是芒格希望被讀的方式。
畢竟,他自己一輩子,就是這麼讀巴菲特、讀格雷厄姆、讀富蘭克林的。
专注投资分析、市场洞察与资产配置。不追短期波动,只理解真正驱动长期回报的东西。
