不要追求「怎么赢」,先弄清楚「怎么输」
芒格说过一句几乎被引爆的话:「反过来想,总是反过来想。」
这句话听起来像鸡汤,落到投资里其实是一套很硬的方法。我自己的做法是,每次研究一家公司之前,先不问「为什么它会成功」,而是问「它可能以哪几种方式失败」。
这两个问题方向相反,得到的答案完全不同。前者让人兴奋,后者让人清醒。
举个例子。2024 年美股最热的标的之一是某家做 API 的中型公司,叙事性极强,营收三位数增长,投行评级清一色买入。我用倒推法过一遍它的失败路径——OpenAI / Anthropic 把价格再砍一半、超大客户开始自研推理芯片、毛利率被 H100 折旧压垮——三条里两条已经在 Q4 财报里露头。我没有买。后来这家公司在 9 个月内回撤超过 60%。
倒推法的价值不在于阻止你犯错,而在于让你诚实。它逼着你把自己最不愿意承认的风险摆到桌面上。这是绝大多数投资笔记都没做到的事——它们只写为什么要买,不写为什么会输。
芒格说的是另一种语言:与其追求「怎样成功」,不如先排除「怎样必然失败」。这两件事的难度完全不同。前者需要天才,后者只需要诚实。
但我得诚实承认一件事:倒推法并不总管用。
2022 年我用同样的方法看 Meta。当时它从 384 跌到 88,倒推得很彻底——Reels 营收占比仍低、Apple ATT 政策永久砸 100 亿广告收入、元宇宙烧钱无底洞、TikTok 抢走 Z 世代——四条全应验。我躲过了那一波,但也没在 88 上接住。2023 年 Zuckerberg 转向「效率年」、裁员 25%、AI 推荐重塑 Reels CPM,股价 18 个月内从 88 涨到 500+。
我没接住。因为倒推法只告诉你「会不会出事」,不告诉你「出事之后会怎么样」。一家强公司在底部能起来,一家弱公司在底部只会更弱——这一段,芒格的方法是失语的。
激励才是真正的解释变量
第二个我每年都在用的工具是「激励分析」。
芒格的原话是:「不要问理发师你是不是要剪头发。」放到投资里就是一句话——当一个人告诉你应该买什么,先看清楚他的激励是什么。
Wall Street 卖方分析师的「卖出」评级占比常年不到 5%,不是因为市场上没有烂公司,是因为给客户公司打卖出会得罪投行业务。基金经理在路演时永远讲多头叙事,因为讲空头不会带来申购。财经播客主播推一只小盘股,可能是因为他自己已经在里面,需要后面有人接。
这些不是阴谋论。这是结构。
理解一个人的判断,先理解他的位置——这是芒格留给我最实用的一句话。我自己的做法是,看到任何强烈推荐,都会先问三件事:推荐人有没有持仓?他的收入来源是什么?如果他错了,谁来承担后果?三个问题筛掉八成噪音。
但芒格在这里有一个被夸大的部分,我必须说出来——他把激励的解释力推得太远了。
芒格喜欢用「lollapalooza effect」描述好几个心理偏误叠加在一起的瞬间。他举的最经典例子是 Tupperware 派对——主持人激励 + 社会认同 + 互惠 + 稀缺感叠加,让人冲动消费。
这套框架解释消费者行为非常漂亮。但很多读者(包括早年的我)拿这套框架去解释市场和公司决策——会发现完全不够。
公司决策有激励,但也有路径依赖、能力陷阱、行业惯性、监管约束、技术拐点。这些不是激励能涵盖的。我自己研究公司的时候,激励分析只是第一筛,真正决定的是后面那些更慢的结构变量。
把激励当成解释一切的万能钥匙,本身就是芒格警告过的那种「以铁锤为唯一工具」的偏误。芒格自己也偶尔陷在这里——这是我读他第三遍才意识到的事。
能力圈不是范围,而是边界
第三个工具是「能力圈」。这个词被引用太多次,反而失去了原义。
很多人以为能力圈是「我了解的行业」。芒格不是这个意思。他强调的是能力圈的边界——你必须知道自己什么时候在边界内,什么时候已经越界。
边界感比范围大小重要十倍。能力圈不是越大越好。它需要的是一种自律——清楚地承认「这个我不懂,所以我不参与」。
我自己的能力圈很窄:美股大平台(Apple / Microsoft / Meta / Amazon 这类)、必选消费(Costco / Walmart / Procter & Gamble)、半导体设备链(ASML / Applied Materials / TSMC)。这三类之外,我会读、会理解、但很少重仓。原因不是它们不好,是我没有那种能在恐慌时仍然敢加仓的认知厚度。
巴菲特八十年代错过 Microsoft、九十年代错过 Amazon、之后又错过 Google——这些都被市场无数次拿出来嘲讽。但芒格和巴菲特都不在意。他们宁可错过一百个机会,也不愿在能力圈外赌一次运气。
但这条规则我得加一个我自己摸出来的修正——能力圈不应该是静态的。
芒格活到 99 岁,几十年里能力圈基本没变:消费、保险、零售、银行。这在他那一代是对的——因为他活过的世界,产业结构变得很慢。Coca-Cola 1970 年是消费股,1990 年还是消费股,2020 年仍然是消费股。
我们这一代不一样。今天的互联网公司,十年后可能变成 AI 基础设施公司;今天的消费品牌,十年后可能在和 AI 推荐算法争夺货架。Amazon 2010 年还被认为是「亏钱的电商」,十年后是云基础设施龙头。如果我把能力圈永久锁死在 2016 年的格局里,我会在 2030 年发现自己已经离开了主战场。
所以我的做法是:能力圈的核心保持窄,但每年要主动扩展边缘。具体说,我每年会花约 20% 的研究时间去看一个完全陌生的领域,不下重仓,但保持「知道发生了什么」的状态。2023 年我用这 20% 看了 AI 应用层,2024 年看了核能复兴,2025 年看了 GLP-1 之外的减肥药管线。这一部分,芒格的教导是缺失的——他生活在产业演化更慢的世界里。
芒格 vs 塔勒布:一个我反复想清楚的冲突
读多了书会发现,有些大师之间是隐性冲突的。芒格和塔勒布就是。
芒格的核心是「找伟大的公司,以合理的价格买入,然后什么都不做」。这是一种深度集中的姿态——巴菲特和芒格的伯克希尔,长期前 5 大持仓占整体净资产的 70% 以上,Apple 一家就占到过 50%。
塔勒布的核心是「构造杠铃组合,90% 极度保守,10% 极度冒险,中间什么都不做」。这是一种极端分散 + 凸性押注的姿态。
两者看起来都是「中间什么都不做」,但表里完全相反。
我反复想了好几年,得出的结论是:这两套方法,适用于不同的世界假设。
芒格相信世界是可知的——他相信通过深度研究,你能识别出哪家公司是真正的伟大公司。所以集中重仓是合理的。
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风险。所以分散 + 凸性才是合理的。
哪一种对?我的答案是:在一个稳定的产业结构里芒格对;在一个加速变化的世界里塔勒布对。
2026 年的世界正在从前者向后者迁移。AI 把几乎每个行业的「确定性时长」(我自己造的词)从十年压缩到三年。这意味着——芒格式的「找伟大公司然后什么都不做」,在很多赛道上不再适用。
最具体的例子是 SaaS。十年前一家做企业 CRM 的公司,你买入之后基本可以拿十年——切换成本极高,客户黏性极强。现在 AI 一夜之间把这些公司变成了「可能被颠覆」的状态——AI 直接帮你做 CRM 该做的事。芒格的护城河叙事,在 SaaS 上突然不那么稳了。
但芒格的护城河方法也没有完全失效。它在变化最慢的赛道仍然管用——必选消费、医保、收费公路式的基础设施、长寿命资产。真正出问题的是,绝大多数科技和成长股,已经不能再用 1990 年代的芒格框架去定价了。
我自己的组合,因此被劈成两半:「芒格半边」放慢变化资产(Costco / Procter & Gamble / 部分半导体设备龙头),「塔勒布半边」放快变化资产(对 AI 应用层做小仓位的凸性押注,允许大部分归零)。这种二元结构,是我读了两本书之后逼自己想清楚的。
在 2026 美股市场怎么用这本书
芒格的活跃年代是 1965 到 2015 年的美国市场——一个机构主导、信息半透明、产业结构演化缓慢的世界。
2026 年的美股不是那个世界。有四个变化,芒格的方法需要改装:
第一,信息差几乎消失了。芒格的「读财报,做深度研究」在 1980 年代有显著超额收益——因为大部分散户连 10-K 都不看。今天每一份 10-K 在发布 2 分钟内就被 AI 拆解,每一句新词条都被算法定价。深度研究的边际收益在下降,行为纪律的边际收益反而在上升——能在波动里不动、不慌、不被噪音拉走的人,比研究得更深的人胜算更大。
第二,集中度风险变了形态。芒格那个年代,「集中」意味着重仓 5-10 家有护城河的好公司。今天买 S&P 500 ETF,你也已经在重仓 Mag 7——前 7 家公司占 SPY 大约 1/3 的市值,占指数年初至今涨幅的更大比例。所谓的「分散」其实是隐性的集中。我自己看仓位的时候,会把 ETF 穿透到底层,算「真实集中度」——经常会发现,自以为很分散的组合,前 5 大底层公司加起来已经超过 40%。
第三,估值起点已经在历史 90 分位。标普 500 CAPE 接近 35,这是历史上仅次于 2000 年和 2021 年的水平。芒格的「以合理价格买入伟大公司」在这种估值环境下变得很尴尬——伟大公司不便宜,便宜公司不伟大。我自己的处方是:对真正护城河极深的公司接受估值溢价(Apple、Costco、ASML 这种),但缩小单仓位上限,从过去常用的 15% 压到 8-10%。
第四,周期被 Fed 切碎了。芒格那代人经历的牛熊周期大概 10 年一轮。最近 6 年我们已经经历了 2020 闪崩 + 大放水、2022 加息 + 科技股腰斩、2023 AI 行情、2024-25 软着陆叙事、2026 上半年的估值收敛——周期被压缩到每 12-18 个月就有一次显著的态度切换。「永远持有」这条规则,需要修正成「在合理估值买入,然后用 Fed 周期判断什么时候是「永远」结束的时刻」。
这四条加在一起,我自己用芒格的方法在 2026 美股有一套修正版:
- 仍然找伟大公司,但单仓位上限从 15% 压到 8-10%,留出弹药
- 仍然「不动」,但每 6 个月强制做一次「Fed 周期是否改变了这家公司的折现率」的复盘
- 把芒格的「永远」改成「直到护城河出现可观察的裂缝」——AI 时代,这个时刻可能比想象的早
- 加一个芒格不需要的指标:这家公司的资本配置,有没有跟上 AI capex 的节奏——既不能不投(被颠覆),也不能投过头(资本回报率塌陷)
这四条修正,不是因为芒格错了,而是因为他活在一个我们没有的世界里。
关于「思维模型」的过度神化
最后这一节,可能是我对芒格读者群体最不留情的批评——很多人把「思维模型」这件事神化得过头了。
芒格在 1995 年那篇著名演讲里提出了「思维模型」(mental models)的概念——他说一个聪明人脑子里应该有 100 个左右的核心模型,跨学科地随时调用。
这个想法本身没错。但被反复传播之后,变成了一种很糟糕的东西——「把所有问题塞进框架」的方法论。
我看过太多读了芒格之后的人,见到任何商业问题都要先匹配一个「思维模型」:这是边际效用递减、这是激励偏差、这是损失厌恶、这是社会认同……
但你仔细看芒格自己说的——他强调的是「在不同情境下,知道该用哪个工具」,而不是「先找一个工具,然后把情境塞进去」。这两件事是反的。
真正的思维模型素养,不是工具的丰富,而是工具的克制。在不需要用模型的时候,不强行用模型——这是绝大多数芒格读者没学到的部分。
我自己有一条朴素的规矩:当我下意识地想用一个名词去描述一个现象的时候,先停一下,试着用大白话再说一遍。如果用大白话说不清楚,那名词大概率也没真的解释什么。
这条规矩,救过我很多次。
为什么这本书我每年都重读一次
倒推法、激励分析、能力圈,本质上做的是同一件事——降低犯大错的概率。
芒格毕生没有提出过什么高深的估值模型。他给的都是减法工具:别去赢,先别输;别看建议,先看激励;别扩大圈子,先认清边界。
这三件事都不性感。它们不会让你在某一年跑出 300% 的回报。它们做的是另一件事——让你在 30 年里始终留在牌桌上。
复利不是一种速度,而是一种存在感——你只要还在,时间会替你完成大部分工作。
但我读这本书读了七年,最大的收获不是这些工具本身,而是另一件事——学会和大师做朋友,而不是做信徒。
很多人读完芒格之后变成了芒格信徒——背语录、套框架、模仿口头禅。这种读法,芒格本人会第一个反对。因为芒格自己一辈子都在反对偶像崇拜,反对盲从,反对「以一种工具解释一切」。
真正的尊重,是承认这个人很伟大,但也承认他活在一个特定的时代、特定的市场、特定的产业结构里。把他的方法当起点,而不是终点。
写在最后
很多人读《穷查理宝典》是冲着「思维模型」四个字去的,期待一套像物理公式一样的工具箱。读完之后失望——书里好像什么都没系统给出。
但我觉得这恰恰是这本书最珍贵的地方。它不是工具书,是一种思维姿态。它教你怎么看问题,而不是告诉你答案。
我每年都重读一次。每次读出来的东西都不一样——不是书变了,是我变了。
这是好书的标志。
也是我跟芒格相处的方式——他不是我的老师,他是我的对手。我在读他、用他、也在反驳他、修正他、在他没说清楚的地方自己继续走下去。
我相信这才是芒格希望被读的方式。
毕竟,他自己一辈子,就是这么读巴菲特、读格雷厄姆、读富兰克林的。
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。
