复杂经济学：以复杂视角解关税影响

平台经济逆转了复杂性增加的路径，导致系统陷入了“复杂性坍塌”，从而反噬了其自身的价值创造能力。通过自我增强的多样性的增加（广度），或者通过结构复杂性的增加来突破性能限制（深度），是复杂性增加的机制，复杂性的增加成为“涌现”的基础——创新，和收益递增。然而，抖音、美团等商业模式逆转了上述复杂性增加的路径，当下，复杂性的坍塌也在反噬，即收缩性的商业模式，或者成为互害模式——完全与芒格所说“做好事赚钱”相悖。“爆红-坍塌”现象、悲观叙事、以及全民自媒体皆可视为复杂性坍塌驱动的“涌现':群体“反应-行动”序列（一致化）结构的外显，这意味着相变已经形成，即经济放缓已经发生或随之而来。涌现现象： “爆红-坍塌”（Boom-Bust Cycle）。一个现象或内容在极短时间内非理性地占据所有注意力（爆红），但由于其缺乏内在的结构性深度和价值创造力，无法支撑长期关注，最终快速消亡（坍塌）。现实证据： 各种**“网红城市”（如淄博、哈尔滨的短期狂热）、“概念股”、甚至“情绪性公共事件”的迅速兴起和衰落。这表明社会情绪和资本的“耐心”和“长期主义”**正在瓦解机制： “全民自媒体”现象是低人力资本投入内容生产的极致表现。它依赖于情绪复述、简单搬运或AI工具，避免了深度知识的构建（高认知沉没成本）。涌现现象： 群体“反应-行动”序列的一致化。当信息源头缺乏多样性和深度，且情绪被算法统一放大时，群体的认知和行动将趋于一致。例如：投资： 追逐同一概念、“买入垃圾股”（我们之前讨论的认知结构受损）。消费： 集中抢购某一“爆款”，随后迅速抛弃。现实证据： “信息茧房”的固化，以及社会情绪在网络上的极速传染（如对某一事件的集体愤怒或集体狂欢）。这证明了系统丧失了理性、多元的制衡机制。群体“反应-行动”序列的一致化正是系统发生结构性相变的强烈信号。经济放缓的逻辑推导从认知到经济： 经济增长的底层驱动力是分散的、多元化的、高复杂度的创新决策。当群体认知和行动趋于一致时，意味着：创新决策的丧失： 大部分资源被投入到**“群体追逐”**的线性、低效领域。投资效率降低： 资本无法发现真正的**“非线性增长机会”，ROI 下降。相变确认： 复杂性坍塌导致创新和多样性的内生驱动力消失。系统从**“创新驱动的扩张结构”相变为“存量博弈和内卷的收缩结构”。经济放缓或随之而来**，或已经发生，是这种结构相变的外显结果。部分内容来自AI注解

这一篇阅读完全有不同的体感。更加加深了我对复杂性经济学的理解深度和广度。 很显然一个均衡的、静态的市场并不符合市场的现实，一个进化着的、动态的市场才是市场的本真。 如果市场是进化着的和复杂的，那么经济体当然也是进化着的和复杂的。 在我所赖以为生的金融市场，更是一个典型的复杂并进化着的适应性市场。由于人类的有限理性和市场的复杂化不断增加。靠演绎逻辑在这样的市场上生存显然是不合适的，因为我们根本就没有假设的前提。在这样的市场上，高效的归纳逻辑，并基于这样的归纳逻辑，做出动态的适应性的交易策略可能才是金融市场生存之道。 笨蛋，重要的是视角。优秀的交易者必须是一个进化论主义者，达尔文主义者和贝叶斯主义者。 推荐给所有的金融从业者，读三遍以上。复杂性理论，是交易者跨不过去的坎儿。

基于《复杂经济学》的理论框架和“压力测试”的实践逻辑，预防系统性崩溃的核心在于​​模拟极端情境、识别脆弱环节并增强系统韧性​​。以下是具体策略： 一、​​压力测试的底层逻辑​​ ​​非均衡视角​​ 复杂经济学认为，经济系统始终处于非均衡状态，由技术变革、个体行为差异和随机事件驱动。压力测试需突破传统均衡假设，模拟​​动态波动、正反馈循环和突发冲击​​（如金融危机、技术锁死）。 ​​涌现性与自适应性​​ 系统的崩溃往往源于​​微观行为的累积效应​​（如投资者恐慌性抛售）。压力测试需通过计算机模型（如圣塔菲人工股票市场）捕捉这些涌现现象，并验证系统在非线性演化中的稳定性。 二、​​压力测试的实施方法​​ ​​构建多维风险场景​​ ​​技术冲击​​：模拟技术路径依赖导致的锁定效应（如某技术占主导后难以替代）。 ​​政策干预​​：测试政策工具（如利率调整、监管松紧）对市场信心的连锁反应。 ​​外部冲击​​：评估自然灾害、地缘冲突等黑天鹅事件对供应链、金融市场的渗透影响。 ​​动态累积测试​​ 避免“一次性”压力测试的局限性，通过​​长期连续施压​​（如逐年增加市场波动率）观察系统疲劳度。例如，频繁重启服务器可能掩盖长期内存泄漏问题，类似地，经济政策需考虑长期累积效应而非短期效果。 ​​跨层级验证​​ 复杂系统具有​​交叉分层结构​​（如金融市场中的散户、机构、政策制定者）。压力测试需分层模拟，并验证各层级间的反馈机制（如散户恐慌引发机构抛售，进而触发政策干预）。 三、​​预防崩溃的关键策略​​ ​​识别“关键脆弱节点”​​ ​​技术锁定​​：通过组合进化实验分析技术替代的临界点（如 5G 网络对 4G 基础设施的依赖）。 ​​认知偏差​​：利用归纳推理模型预测群体非理性行为（如“爱尔法鲁酒吧问题”中的动态预期）。 ​​设计弹性机制​​ ​​自动预警系统​​：结合人工智能实时监测市场异常（如资产价格偏离基本面），触发预警阈值。 ​​冗余设计​​：在关键领域（如支付清算系统）保留备用通道，防止单点故障引发系统性崩溃。 ​​政策与市场的协同演化​​ 通过压力测试发现政策工具的局限性（如传统货币政策在零利率下失效），推动​​适应性治理​​（如动态调整监管框架）。复杂经济学强调“解决方案带来新问题”，因此需持续迭代测试。 四、​​典型案例与启示​​ ​​圣塔菲人工股票市场实验​​ 通过设定不同投资者规则（如跟风、价值投资），模拟市场从理性预期向复杂体制的转变，揭示泡沫生成与崩溃的微观机制。 ​​技术进化压力测试​​ 在电路设计、软件算法等领域进行“破坏性测试”，观察系统在技术扩展（如芯片制程逼近物理极限）下的崩溃风险，提前布局替代技术。 五、​​注意事项​​ ​​避免“干净测试环境”陷阱​​：真实系统中的噪声和干扰需纳入测试（如服务器压力测试需模拟真实流量波动）。 ​​结合历史数据与未来预测​​：压力测试需融合历史危机案例（如 2008 年次贷危机）与 AI 预测模型，提升前瞻性。 ​​公众认知管理​​：压力测试结果需以透明方式传达，防止信息不对称加剧恐慌（如政策制定者需解释测试背后的逻辑）。

看完了。如果没有科技，谁能在这么短的时间里拜读这么多学神。这本书的翻译也很好，有些词汇，挺精彩。准备再看看学神的著作《复杂8部曲》[笑脸]如果没有科技，谁能把作者的所有作者一下子都找到，可以顺着作者看，还可以顺着参考文献看，我爱科技科技爱我。

依赖于过程的、有机的、永远进化的

五星推荐 看过塔勒布不确定性四步曲再看同类型的书，明显已经被锚定了，处于边际效用递减状态。   ★首先 复杂经济学与经典经济学之间的区别是什么？ 先理解经典经济学一个著名的假设，叫做“理性人假设”。这条假设说的是，我们从事经济活动的每一个人都是“自私”而且“理性”的。假设人们是超理性的，在一个静态的、均衡的世界中进行决策。我们每个人总会以自己最小的代价，去追求最大的经济利益。作者认为经济学本质上就是不确定性的和非决定论的。 比如：有二家企业在进行产品价格战博弈，一家企业会想如果我们价格定在1千元。那么对方肯定会定到9百元，那么他卖9百元，我就会卖850。这个逻辑循环会一直持续下去吗？其实并不会，因为二家公司都会很理性，不会无休止的打价格战。最后价格会稳定在一个合理的数值，比如700元，这个点，就是所谓的均衡点。 在这种观念的指引下，经济学家们会认为，市场这只看不见的手最后，会逐步趋向于一个均衡值，所有的经常现象都会在这个均衡值的附近波动，而我们的市场也可以这个均衡的附近实现稳定发展。传统经济学非常关注，关键均衡点的问题，而经济学的均衡点就表明市场中，各方愿望得到的充分协调，价格的波动，经济资源配置的问题，企业经营策略的选择，国家的宏观调控，国际间的贸易等。可是在现实中有大量的经济现象，都不属于这一类型的。 比如，1929年“大萧条”， 凯恩斯主义崛起，建议正*负这只“有形之手”通过积极的才*正和货币政*侧干*预经济，以弥补有效需求不足。 再比如，2008年全球金融危机，新凯恩斯主义再度兴盛，全球普遍采用QE、负利率、积极财*正正*侧。货币超发带来了资产价格泡沫、长期依赖货币放水增加了结构性改革的困难，利率过低导致资源错配扭曲经济结构、推升金融高杠杆风险等。 同样传统的经济学理论解释不了这样的现象，作者发现在经典的经济学理论中，缺少了重要一环，没有为经济学动态演化留下任何空间。而复杂经济学才是能反应经济变化的真正理论，只有复杂经济学真正考虑市场，每个人的行为给其他交易者带来的影响，我们思考的是整个经济系统的动态演化。复杂经济学是看待经济的一种完全不同的方式。他是席卷了所有学科的一场布朗运动。多个元素，他是以适应或响应这些元素自己创造的模式。每个“元素”及它们所响应的“模式”在不同的情境下各不相同。元素必须适应它们共同创造的世界，即总体模式。时间通过调整和变化自然而然地进入了新系统。随着元素做出的反应，总量发生变化，而随着总量的变化，各种元素又重新做出反应，不断的循环，来适应这个动态的市场。 比如,当一辆车与前面的车辆离得很近时，该车应该减速，与前面车辆相距很远时，该车应该加速。如果给定某个较高的交通密度，例如每千米有N辆车，那么就意味着车辆之间有一定的平均间距，车辆应该放慢车速或提高车速，以便与之相适应。这样一来，也就在不经意间出现了一个均衡速度，如果我们希望得到的答案，只限于均衡状态，那么我们就只能看到这种模式。也就是说经典经济学定格在一个固定的状态下才来进行主体分析。 ★其次 所谓复杂经济学，复杂到底是什么意思。 正如上一个交通的例子，实际上，当交通密度较高时，往往会出现非均衡现象。有些车辆会放慢速度，因为司机可能注意力不够集中或受到了干扰，同时也出现交通事故。而这就会导致它们后面的车辆随之减速，从而立即压缩了交通流量，进而导致后面的车辆进一步减速。随着这种压缩不断向后蔓延，交通就会受阻，堵塞就出现了。等过了一段时间之后，交通又会恢复正常。 第一这种现象是自发的，每次出现的时间、蔓延的长度以及恢复的时间都是各不相同的。第二，这种现象是暂时的，是在一定时间内出现或发生的。如果我们坚持均衡观点就不会观察到这种现象。第三，这种现象既不是发生在微观层面上的（即单个车辆），也不是发生在宏观层面上的（即道路上的所有车辆），而是发生在这两个层面之间，或者是多个层面之间相互交互作用。 同样作者认为，复杂经济体，人的因素也占主导。每个人的心智都不一样，人的往往会凭感觉进行联想，推理和归纳，包括人性的贪婪和自私。正如卡尼曼《思考，快与慢》里所提出的人类的各种认识偏差。作为一个普通人我们很难将自己，从外界环境中安全的抽离出来，因此，我们每个人的行为会随着情境而改变，也会受到其他人（比如典型性偏差或锚定效应等等）的影响。这种动态调节行为策略的方式，才是经济活动的常态。复杂经济学复杂，在我们日常生活中，所说的复杂不一样。在生活中，我们可能会说，这道数学题复杂，手续或心思真复杂等等。这是主观感受，不是一个客观描述。作者强调的并不是问题的困难程度，是指事物的多元复合。存在很多层次的组织和互动。整个组织不仅是层次化的，并且每个层次上都存在许多复杂缠结的交互作用。 所以我们的经济系统很少能维持在均衡态。我们常常看到市场上总是会出现各种创新，从互联网上，到移动互联网，从4G，到5G，从大数据到人工智能。这些创新让市场不断产生，新的模式，新的机会。这种创新也就是熊彼特所说的“创造性破坏”，比如效率高的企业（生产关系）通过破坏旧产业模式的方式大幅扩张，获取利润，反而促进了全社会运行效率的提高，降低所有人的成本。再比如，数码相机，智能手机，面部识别，导致柯达的破产和诺基亚的衰败等。这种经济模式，改变人们的生活方式，破坏性创新的结果是，提高了人们的社会福利。 我们当看一只蚂蚁的运动，可能会觉得，毫无规律。但看到一群蚂蚁聚集在一起的时候，他们会表现出极高的智慧，他们不但能相互交流，传递信息，还可以找到通往食物的最短路径。在灾难到来的时候会集体迁移。总之，虽然每个蚂蚁的行为非常有限，但通过个体的互动后，蚂蚁群体可以执行非常复杂的任务。 同样经济系统在大量的互动中，一个消费者，企业，银行，还有投资者，都在不断获取信息，对市场做出自己的判断。然后，又根据自己的判断和预测，调整自己的策略和其他人进行交易。个体和系统的影响还是相互的，市场中的每一个人，都在不断的适应变动的市场形式。整个市场也因此，不断迭代和进化。作者认为复杂经济学更像生物学，生物是不断进化的，就像布朗运动。 在本书里作者就提到的人类的交通工具，从马车转变到汽车的历史。在人们坐马车出行的时候，当时的交通运输业里会出现与马车相关的企业。比如马车车箱制造商，马具制造商，以及相关马的一系列产业链，这些企业之间相互联系紧密，一起构建成一整套新的生态系统。 传统经典经济学有一个边际效用递减的规律。农民在土地撒了100公斤化肥之后，发现农作物的收成大大提高了，可当通过继续增加施肥量的时候，产量增加比并不会有那么多了。也就是撒的化肥越多，反而化肥所带的增产效果越来越低。再比如政*负为了刺激内需，发放消费券，刚开始效果都非常明显。但后面随着时间的推移，这种刺激作用也变的越来越小，这些现象都是由于边际效用递减（即收益递减）造成的。 复杂经济学其核心是动态的，非均衡，非线性，有机的。他基于传统经典经济学先验技术和经验，随时间的推移，不断进行更新和迭代，二者相结合。最后来实现收益递增。比如一家公司推出一种全新技术，当这种新的技术，被越来越多的客户采用，这项新技术更多的用户使用，而形成路径依赖。比如互联网产品用户基数越大，积累的用户行为数据就越多，对于用户行为的理解和分析，就会越精确。有了这些经验，对于创新的改进也就越多越好用。越好用就会吸引越来越多的新用户。这是一个正向的循环，就是所谓的正反馈。这种收益递增的正反馈现象和经典经济学理论形成的鲜明的对比，企业创新就能获得越多的收益。 越多的收益就意味着有更多的投入研发来做创新，这种创新带来的正反馈，但这只是表象，除了可以让我对于创新推动之外。还会发生随机事件，在市场竞争中有的企业会成功而另外一些失败，很大程度上是由于各种偶然因素的影响。比如书中标准键盘的例子，优先进入市场的，形成主体的路径依赖。而后创新的另一个企业，更好用的标准键盘，很难进入主体的视野。在这个例子里我们可以看到，创新反而带来了失败。为什么会这样，是因为，虽然收益递增发挥了关键的作用，但收益递增发挥作用的并不是创新本身，只是因为是时间。随着时间的推移，最初递增，中期均速增长，后期递减。如果想继续实现收益递增，那么需要技术迭代，效率，灵活性，遍历性。 也就塔勒布经常提到的名言，如果在一个随机过程，其过往的历史概率不能适用于其未来的情景，那么这个随机过程就不具有遍历性的。如果出现随机小概率事件（比如政*负正侧，疫情等），意思就是出局。你就不能回到随机过程中继续游戏了（比如之前柯达，诺基亚，包括现在的K12）。由于不存在任何可逆性，对企业来说就是出局，对于投资来说就是爆仓，对于个人来说就是被社会淘汰，失去了竞争的价值。 收益递增正反馈的现象成了我们关注的焦点，尽快让企业的发展进入收益递增的正反馈循环，我们才能真正拉开和其他竞争者之间的差距。在这个世界里在大量的创新在不断涌现，我们每个人对这个世界都要充满开放的心态，接受这个世界的变动和改变，适应这些变化，调整自己的行为！ 2022/06/13 小Wen

鉴于本书清冷的人气，我就不打算认真写书评了。随便写点条框，给认识的小伙伴参考吧。 本书中的各篇文章并不是一个“计划好的”研究过程的结果。它们是在一个很长的时期内断断续续写成的。其中有几篇文章曾经在著名的学术期刊发表过，其他一些文章则没有什么值得炫耀的“出身”。 作为一本论文集，书收录的十一篇论文大致可以分为四类。 第一类：基于计算机仿真的复杂系统研究。包括《07 技术究竟是如何进化的》和《09 复杂性的进化》。 第二类：将复杂性理论运用于特定的经济学问题。包括《02 爱尔法鲁酒吧问题》、《03 圣塔菲人工股票市场》、《04 收益递增和路径依赖》和《06 再好的经济和社会系统也会被“玩弄”》。以上两类文章是研究对象和研究方法都非常具体的微观研究论文。技术性较强，阅读难度可能较大，但信息密度也相对较大。 第三类：关于复杂经济学的综述性论文。包括《01 什么是复杂经济学》、《05 经济中的过程与涌现》和《08 技术进化所引发的经济进化》。这三篇文章提供了作者的整体思维框架，是导论性质的文章。如果只想了解本书主旨，读这三篇基本就够了。它们基本只涉及思考方式，阅读难度并不大。 第四类：把复杂理论作为世界观和方法论的文章。包括《10 认知科学》和《11 确定性的终结》。这两篇文章把作者关于复杂经济学的思维方式上升到世界观和方法论的高度，试图用这样的思维框架理解整个世界，已经进入了哲学范畴。 不可否认，这本书既不好读，又没有用。不好读说明它不是一种消费品，或者说生活资料。没有用说明它也不是一种工具书，或者说生产资料。但我们绝不能说本书没有价值。因为如果所有的经济产物只能归结为生产资料或者生活资料的话，本身就不是复杂经济学了。书中在介绍复杂系统时说 这个模型有力地刻画了我们在现实生活中观察到的某些现象。大多数技术都不是特别有用的构件，但是某些使能技术，如激光或晶体管，是创建“后代技术”的关键。

经济学，尤其是复杂经济学问题，如果用经济学视角来解决，可能会陷入泥潭，如果用第一性原理来解释问题，或许能另辟蹊径找到解决方案。经济学的一个重要的理论之一是博弈论，人与人的博弈无处不在，进而延伸出许多的可能性。另外，经济学当中权衡取舍的概念十分重要，我们在做每一个选择决策的时候，几乎都存在权衡取舍，或者经济学的另一个重要的概念叫机会成本。 找到正确的事情，这或许是经济学教不了我们的东西。这可能需要我们认知提升后，对人生观、价值观、世界观的投射，进而找到所谓正确的事。在复杂的世界中，做正确的事，把事情做对，为之努力。

作为“复杂经济学”的创始人，布莱恩·阿瑟在本书中汇集了多年对复杂经济学的研究。其核心思想可以归结为：经济不一定处于均衡状态，演绎推理将被归纳推理所取代。 这是一本见证“复杂经济学”成长的著作，你将看到“复杂性思维”在经济学领域是如何发展起来并形成一门崭新的学科。

"经济永远是变化的，充满偶然性和不确定性的；技术形塑经济。" 可以说是毁我三观的一本经济学了，"复杂性"让经济学变得像一门"玄学"，与我之前对经济学的理解完全不同。计算机改变人们研究经济学的方式，还是头一次听经济学家谈"认知"。"数学"只是经济的一种手段；把理论推导成逻辑公理则是一种妄想。以及，这让"量化金融"颜面何存——没有一个模型是正确的，都只是暂时有效。 我对经济学的三种学习方式归类：1.按派别（例如新古典、奥地利学派、复杂经济）2.按学科类别（例如行为经济学、人口经济学、制度经济学、微观经济学）3.按经济元素（例如需求、成本、市场经济） 其中，绝大部分经济学知识都是不需要学的，因为不切实际、毫无卵用，举个例子，如果你喜欢奥派经济学，你经常会觉得其他懂经济学的人都是鬼扯，同理。与之不同的是，搞金融的、单纯用数据搞经济的，就接地气多了。 经济学就是一门玄学，有再多的数学公式和计算机模型也改变不了，它哲学内核的本质。（我们实在太厌恶"不确定性"了，我们总想创造出一条条"公理"。但你错了，就算是确定的数据，它本身也没有意义，有意义的是"人如何解读"，不同的人确实可以从"同样的数据"得出毫不相干的理解。）