黃承楚(北京大學(xué)經(jīng)濟(jì)學(xué)院)

■ 引言

貝葉斯定理的思想出現(xiàn)在18世紀(jì)，但是真正的大規(guī)模使用還是要到21世紀(jì)計算機(jī)的大規(guī)模普及以及大數(shù)據(jù)、人工智能等新興技術(shù)的應(yīng)用。目前的商業(yè)社會面臨的不確定性越來越高，這就導(dǎo)致了我們不能夠單純的以過去來判斷未來，而是更應(yīng)該積極的通過商業(yè)實踐不斷的迭代。貝葉斯定理以先驗概率出發(fā)，得到后驗概率后再不斷調(diào)整與迭代，與傳統(tǒng)意義上的抽樣調(diào)查等統(tǒng)計手段相比，更契合目前商業(yè)決策需求。

■ 定理介紹

貝葉斯公式

經(jīng)過全概率公式，轉(zhuǎn)換為

■ 從貝葉斯公式看事物發(fā)展過程中預(yù)測調(diào)整

貝葉斯公式經(jīng)調(diào)整后為：

新信息出現(xiàn)后的概率=先驗概率（原來事件概率）×標(biāo)準(zhǔn)相似度（新信息帶來的調(diào)整）

■ 極端事件發(fā)生時的概率評估與調(diào)整（黑天鵝事件）

企業(yè)在投資決策的過程中。有時候也會遇到黑天鵝事件。在本文章里面將黑天鵝事件定義為概率極小的對期望結(jié)果產(chǎn)生不利影響的事件。舉例說明，伊索寓言里面有一個“孩子與狼”的故事。講的是一個小孩每天到山上放羊，山里時常有狼出沒的故事。第一天，他在山上喊：“狼來了！狼來了！”，山下的村民聞聲便去打狼，可到了山上，發(fā)現(xiàn)狼沒有來；第二天仍然如此；第三天，狼真的來了，可無論小孩怎么喊叫，再也沒有人來救他。因為前兩次他說了謊，人們不再相信他了。假定小孩的話可以信任的概率是0.8，不可信的概率是0.2，同時假定在小孩被信任的情況下小孩撒謊的概率為0.1，在小孩不被信任的情況下小孩撒謊的概率為0.5. 這個故事很好的體現(xiàn)出貝葉斯概率在人們判斷事物的發(fā)展規(guī)律發(fā)揮的作用，具體如下表。

表1 村民第一次聽到小孩撒謊情況分析

概率上面的更新不只是意味著數(shù)值的增大而是在企業(yè)決策以及管理意識上要做進(jìn)一步的準(zhǔn)備，調(diào)動更多的資源來應(yīng)對可能發(fā)生的變化。由上述可知，第1次襲擊后的后驗概率44.4%，將作為第2次襲擊的先驗概率，并且進(jìn)行第2次襲擊可能的概率預(yù)估運(yùn)算（見表2）。

表2 村民連續(xù)兩次聽小孩撒謊情況分析

由上述推算可看出，在受到連續(xù)兩次欺騙后，村民信任小孩的概率降至13.8。

■ 總結(jié)

一般而言，企業(yè)通過評分法或者其他的市場調(diào)研手段估算出投資決策的風(fēng)險系數(shù)以及對應(yīng)的期望值。大部分情況下，企業(yè)的重大投資決策都是由企業(yè)的核心管理層或?qū)嶋H控制人最終做出決策也為此承擔(dān)最終風(fēng)險，但是這里就忽略了很多可能存在的信息。

早期自然語言的分析是語法分析的基礎(chǔ)上通過分析處理但是正確率很低，后面由谷歌自然語言處理專家賈里尼克領(lǐng)導(dǎo)的部門通過統(tǒng)計概率方法進(jìn)行分析，提高了很大的正確率。是基于此，賈里尼克說到“我每開除一名語言學(xué)家，我的語音識別系統(tǒng)的錯誤率就下降一個百分點(diǎn)”。 而貝葉斯定理帶來的商業(yè)層面思考，目前互聯(lián)網(wǎng)企業(yè)提倡的小步快跑，持續(xù)迭代的敏捷開發(fā)模式，正是響應(yīng)這種高度不確定性的商業(yè)環(huán)境。另外一方面，人們也不能單純的以過往的歷史數(shù)據(jù)來判斷接下來事物發(fā)展的變化規(guī)律，而應(yīng)該跟隨著事物的變化及時的調(diào)整自己的預(yù)估判斷從而在投資決策當(dāng)中做出相應(yīng)的調(diào)整。