按场景浏览

先想最坏情况：评估最不利的可能性，做好应对准备，确保不跌破底线。

用概率加权结果：不看单一结果，看所有可能结果乘以概率后的平均值。

把决策画成树状图：从根节点开始，每个分支是一个选择或随机事件，末端是结果。

假设项目已经失败，倒推原因：在行动前想象失败场景，找出潜在风险并提前规避。

谁先让步谁输的危险博弈：双方都不让步会导致灾难，先让步的一方被称为'胆小鬼'，考验决心和可信度。

赌桌上看不出谁是傻子，那傻子就是你自己——任何零和博弈中，信息差和认知差决定了谁是猎物。

两端极端中间空：一边极度保守，一边极度冒险，避免中间的平庸风险，从不对称中获益。

用反向头寸抵消风险：通过持有负相关的资产，降低整体波动，牺牲部分收益换取稳定。

极端但概率小的风险：分布尾部的小概率事件，一旦发生影响巨大，常被常规模型忽视。

价格远低于价值时买入：预留足够的容错空间，即使判断错误也不会大亏。

不把鸡蛋放一个篮子：通过投资多种不相关的资产，降低整体风险，是投资和风险管理的基本策略。

超额收益与市场收益：Beta衡量与市场的相关性（系统性风险），Alpha衡量超越市场的超额收益（选股能力）。

每一起严重事故背后，有 29 起轻度事故和 300 起未遂隐患——重大事故不是偶然，是量变积累。

木桶的盛水量取决于最短的那块板——系统的整体能力由最薄弱的环节决定。

系统在部分组件失效时仍能维持基本功能的能力——关键决策前先算容错率，留足冗余和退路。

事前预防失效：系统分析潜在失效模式、原因和影响，评估风险优先级，提前采取预防措施。

用概率和影响评估风险：横轴发生概率，纵轴影响程度，将风险分为高、中、低等级，优先处理高风险。

世界是不确定的，用概率而非「必然/不可能」来估计结果，并据此决策——不追求正确，追求概率上占优。

样本量越大，统计结果越接近真实概率——抛 10 次硬币可能 8 次正面，但抛 10000 次会接近 50%。

在有正期望值的重复赌局中，最优下注比例是 f* = (bp - q)/b——最大化长期财富增长率，同时避免破产。

如果多个解释都能说明同一现象，优先选择假设最少的那个——如无必要，勿增实体。

极致理性容易被规则和预判限制，看似不计后果的疯狂选择可以跳出对手模型，打破既定博弈框架。

从最终结果反向推导，一步步还原事件过程和起因——不是问「接下来会怎样」，而是问「要得到这个结果，之前必须怎样」。

依靠已知现象和结局反向拆解背后的布局、规则与起因——从「是什么」反推「为什么」。

把麻烦梳理清楚、明确问题所在，困境就已经解决一半——认清矛盾是化解危机的第一步。

液体接触远超沸点的高温表面时，会形成一层蒸汽膜隔绝直接接触，反而让液体悬浮并延长存活——极端环境下的自保机制。

判断事件概率时，依赖脑海中能想到的例子的容易程度，而非实际统计数据。

不确定该怎么做时，人们会看别人怎么做——「大家都在做」被默认为「正确」。

紧急事件中，在场的人越多，每个人出手相助的可能性越低——责任被分散了。

灾难发生时，人们倾向于为不正常的情况找正常的解释，从而耽误最佳脱身机会——「这应该没事吧」。

心态放松平稳时思维清晰度和决策准确度更高；持续焦虑紧绷极易判断失误——往上爬时保持梯子整洁，否则下来时会滑倒。

误以为随机事件中，如果某种结果连续出现，下一次出现相反结果的概率会增大——硬币连出5次正面，第6次该出反面了？不，概率还是50%。

极其罕见、不可预测、但一旦发生就产生巨大影响的事件——在发现黑天鹅之前，欧洲人认为所有天鹅都是白的。

从冲击中获益：脆弱的东西怕波动，坚韧的东西抗波动，反脆弱的东西从波动中变强。

多备一份以防万一：看似浪费的重复，在系统失败时是救命的关键。

在扰动下保持功能：系统在面对内部故障、外部干扰或参数变化时，仍能正常工作的能力。