01 · 预测的本质
发布预测 行为改变 现实改变 虚线 = 预测使预测本身失效
01
预测悖论
社会系统中,预测者的输出会改变被预测的系统。物理系统不会,社会系统会。
预测者 ∈ 被预测系统
已知 可命名 · 可预测 未知 无法命名 真正的盲区:想都没法想的事
02
概念地平线
最大的盲区不是忽视了某件事,而是那件事连名字都没有,无法进入认知框架。
语言边界 = 预测边界
不准确 准确 有价值 无价值 ✓ 好预测 准确且改变了决策 ✓ 自我否定预言 错了但推动了改变 — 无用 没有改变决策 ✗ 最差 错且无改变
03
准确率 ≠ 价值
错误的预测可以有价值(推动改变),准确的预测可以无用(没人理会)。评估维度应是"改变了决策吗"。
马尔萨斯是最好的例子
现在 可能 押注 可能 鲁棒: 站在扇形中心
04
扇形未来与鲁棒性
未来不是一条线,是一个扇形。最优策略不是猜中那条线,而是站在扇形中心——无论哪条线实现都能存活。
反脆弱 > 押注单一结果
慢变量 · 可预测 快变量 · 难预测 时间长短是表象,变量类型才是本质
05
快变量与慢变量
长期趋势由慢变量主导(人口、物理、技术积累),短期波动由快变量主导(情绪、政治、噪声)。
预测慢变量比预测快变量可靠得多
02 · 企业预测
人性底层 归属·享乐·认可 消费型 · 几千年稳定 技术代际 每10年断裂一次 科技型 · 随技术断裂
06
两种不同的预测锚点
消费型企业锚在人性(几千年稳定),科技型企业锚在技术代际(每10年可能断裂)。
人性会变吗 vs 技术还有多少时间
消费型护城河 渐进消退 有预警信号 科技型护城河 技术范式 断裂点 相变失效
07
护城河的两种形态
社会性护城河(品牌、习惯)像斜坡——渐进消退,有时间响应。技术性护城河像悬崖——平稳后突然相变,几乎没有预警。
失效模式不同,预测策略也不同
时间 → 消费型:慢性病 科技型:相变 临界点 有预警 可响应 无预警
08
失效模式的根本差异
消费型企业的失效是有症状、有时间响应的慢性病。科技型企业的失效是相变——99度还是水,100度突然蒸汽。
相变前几乎无法精确预测"那1度"
03 · 连续谱框架
物理基础设施 50yr 监管特许权 30yr 品牌文化意义 25yr* 客户惯性关系 10yr 网络效应 8yr 技术优势 3yr 算法模型 1yr *品牌可突然死亡(胖尾)
09
资产半衰期谱系
企业价值存储在不同衰减速度的资产里。可预测性 ≈ 核心资产半衰期的加权平均。
找到公司价值主要存在哪一层
资产衰减速度 →(慢 to 快) 衰减可预测性 ↑ 茅台 可口可乐 苹果 Meta AI公司 高可预测区 低可预测区
10
预测性二维空间
横轴:资产半衰期(慢→快衰减)。纵轴:衰减过程是否可预测(平滑→胖尾/相变)。二维定位替代简单的"消费/科技"标签。
先定位,再预测
L1 · 人类需求层 · 极度稳定 L2 · 行业品类层 · 比较稳定 L3 · 商业模式层 · 中等稳定 L4 · 竞争地位层 · 不太稳定 L5 · 产品技术层 · 最不稳定 好预测应先声明在哪个层次
11
五层预测框架
任何企业同时存在于五个层次,每层稳定性不同。常见错误:把L1的确定性错误转移到L5上使用。
先声明预测层次,再给置信度
04 · 生产关系视角
价值创造 ←————————————→ 价值提取 Visa 茅台 苹果 Meta 纯食利 反事实测试: 这家公司消失后,生态系统变好还是变差?
12
价值创造 vs 价值提取
每家公司都在创造和提取之间的某个位置。比例随时间变化——平台往往从早期创造滑向晚期提取。
提取比例越高 → 越不稳定
用户 生产内容 平台 拥有基础设施 价值 平台捕获 创造但 不拥有 ↗ 捕获
13
平台悖论
平台型公司中,用户生产价值但不拥有生产资料(算法、分发权)。这个不对称依赖提取的"不可见性"维持稳定。
提取变得可见 → 合法性消失 → 快速崩塌
水面 账面利润 外部化成本 劳动者 · 环境 · 公共卫生 报表可见 报表不见 → 迟早被收回
14
外部化成本冰山
账面利润是冰山一角。水下是对劳动者、环境、公共资源的隐性提取。这些成本迟早通过监管、诉讼或社会压力被收回。
外部化比例越大 → 利润越虚 → 越不可持续
05 · 贝叶斯框架
P(H|E) 后验·预测结论 P(E|H) 似然·证据精度 × P(H) 先验·生成模型 + 超先验约束(尺度约束)精度 = ∞ → 逻辑完备 → 证据充足 → 知识渊博 超先验 → 尺度约束
15
四要素的贝叶斯映射
四个预测要素与贝叶斯推断精确对应:知识=先验/生成模型,证据=似然,逻辑=推断过程,尺度约束=超先验(精度无穷大)。
对应是结构性的,不是表面类比
超先验 · 物理/数学约束 · 精度 = ∞ 先验 · 生成模型 · 知识渊博 · 精度:高 似然 · 证据精度 · 证据充足 · 精度:中 后验 · 预测结论 · 逻辑完备推导 上层精度 > 下层 · 上层约束下层的可能空间
16
层级先验结构
超先验(物理定律)精度无穷大,约束先验的可能区间;先验约束后验范围。违反超先验的预测在后验空间里概率严格为零。
上层约束下层 · 尺度约束优先于一切
先验 生成模型 预测 输出行为 误差 预测-实际 更新 最小意外 社会 耦合 自由能 最小化
17
主动推断闭合回路
大脑不只更新信念,也采取行动让世界符合预测(主动推断)。社会预测中红色虚线回路永远闭合——预测者输出进入被预测系统。
推断循环在社会系统里永远闭合
贝叶斯校准精度 毫秒—秒 98% 分—小时 88% 天—周 70% 月—年 43% 10年 17% 30年 4% 预测任务 在这里 大脑未被进化优化这个尺度 → 原理性失效
18
贝叶斯校准域
大脑被进化优化在秒到天的尺度做推断,长期预测严重偏离校准域。无法收到反馈信号,先验永远得不到校准。
30年预测校准精度约4% — 原理性局限
06 · 预测方法论
尺度 约束 硬过滤 排除不可能 知识 渊博 生成模型 识别机制 证据 充足 位置锚定 精确测量 结构 推导 后验分布 推导轨迹 输出:方向·区间·概率·条件·敏感变量
19
预测四步方法论
①尺度约束先过滤不可能轨迹 → ②知识建立生成模型 → ③证据锚定当前位置 → ④结构逻辑推导后验分布。顺序不可颠倒。
每步对应一个贝叶斯组件
同一起点 结构外推(生成模型) 类比外推(判别模型) 分布外 区域 因果机制驱动 表面模式匹配
20
结构外推 vs 类比外推
两条路从同一起点出发,在"分布内"(熟悉区域)表现相近,进入"分布外"(未见过的区域)后迅速分叉。类比外推在此失去可靠性。
预测真正发生在分布外 · 结构方法的价值在此体现