黑天鹅模型

它解决什么问题

• 计划过度依赖平均值、历史常态和单一预测。
• 极端损失、机会或连锁反应被当成不可能。
• 事后复盘把结果讲成“本来就很明显”。
• 业务对单一客户、平台、供应商或关键人形成脆弱依赖。

交付物

• 常态假设与肥尾暴露清单。
• 极端情景压力测试图。
• 单点依赖与级联损失地图。
• 冗余、期权、分散和停止损失规则。
• 事前判断—事后结果对照表。

它不解决什么问题

• 不预测下一只黑天鹅是什么。
• 不意味着所有意外都具有黑天鹅性质。
• 不替代日常风险控制、合规和基础概率分析。
• 不提供“永远不行动”的借口。

适用问题对象

• 战略规划、投资与资本配置、平台依赖、供应链、声誉和安全风险。
• 需要检查极端结果与非线性损失的决策问题。

诊断问题

• 结果是否被少数极端事件主导？
• 我们是否把“过去没发生”当成“未来不会发生”？
• 哪个依赖一旦中断会让系统级联失效？
• 上行收益和下行损失是否对称？
• 哪些准备成本小，却能保留应对极端情况的选择权？

关键假设与失效处理

假设极端事件的影响不能由简单平均值充分描述。若问题只是明确概率下的日常决策，用芒格决策纪律清单或价值投资；若连问题分布和目标都不清，用无免费午餐定理做边界审计；若系统正在失控，先用 Cynefin 混乱域逻辑稳定局面。

易混淆模型与可替代模型

• 芒格决策纪律清单：芒格清单检查偏误和反向思考；黑天鹅聚焦极端事件、肥尾与叙事谬误。
• 无免费午餐定理：无免费午餐审计模型依赖的问题分布和目标；黑天鹅审计计划对尾部事件的脆弱性。
• 价值投资：价值投资判断价格与内在价值；黑天鹅检查估值和配置背后的极端损失暴露。

正例问题

• “业务增长很快但高度依赖一个平台，怎样做极端中断和级联损失压力测试？”
• “复盘总说风险早就显而易见，怎样把事前不确定性和事后叙事分开？”

反例问题

• “请根据确定的合同条款计算应收账款金额。”这是计算任务，不需要黑天鹅模型。

常见误用

• 把所有意外、失败或新鲜新闻都叫黑天鹅。
• 用“不可预测”取消基本风险管理。
• 只谈灾难，不设计冗余、选择权和可承受损失。
• 事后用一个原因解释多因素极端结果。

来源与证据边界

依据 Nassim Nicholas Taleb《The Black Swan》及经营飞轮材料整理。黑天鹅是风险与认识论框架；“不可预测”不能被事后证据直接证明，应用时必须保留事前记录和反事实测试。