本书所获赞誉
人类身高平均在 1.7 米上下。围绕平均身高，越是极端高或极端矮，人数就越少。这也是自然界大多数事物的规律。如果金融市场也符合这样的规律，那么我们应该百年才看到一次腰斩级别下跌。但实际上，这样的下跌仅仅在最近几十年就出现过数次：80 年代末日股泡沫、2000 年互联网泡沫、2008 年金融危机、2015 年中小盘股熊市……看似百年难得一遇的小概率事件，却往往以超乎寻常的频率出现，这就是肥尾效应。极端风险事件远比你想象的更容易出现，而这背后，隐含着获利的机会。
第一章 序言
对世界的了解越是粗浅，做决策越是轻易。
3.1 薄尾和厚尾的差异
篮球跟相扑本质上是一类运动——都是必然会筛选出怪物取胜。
健康的，通过锻炼、训练体能技能超群的正常人类基本没希望胜出，只有跟正常人类体格分布 2-σ以外的怪物才会被筛选出来。
我们在平均斯坦中随机选择两个人，假设两人身高之和为 4.1 米（一个极小概率的尾部事件）。根据高斯分布（或者类似特性的单尾分布），最可能的情况是，两人的身高均为 2.05 米，而不是 10 厘米和 4 米。 简单来说，出现 3 个标准差之外事件的概率是 0.001 35，出现 6 个标准差（翻了一番）之外事件的概率为 9.86×10−10，而连续两次出现 3 个标准差之外事件的概率为 1.8×10−6。因此，连续两次出现 3 个标准差事件的概率远大于一次出现 6 个标准差事件的概率，这也是非厚尾分布带来的结果。
黑天鹅的核心并非“频繁出现”（这个词经常被这样误用），而在于出现时的影响更大。最肥的肥尾分布只会有一次非常大的极端偏离，而不是多次较大的偏离。
3.6 幼稚的经验主义：不应该把埃博拉病毒和从梯子上跌落进行对比
薄尾变量符合正态分布或极小概率事件分布的变量。这类变量的值分布在平均值附近,极值事件发生概率很低。 厚尾变量(Fat Tail Variable)不符合正态分布,具有厚长尾部的概率分布类型变量。这类变量暴露在极值事件下,极值事件的发生概率高于正态分布预期。
永远不要比较厚尾变量和薄尾变量，因为它们的均值不属于同一类别。这是经济学家常犯的一个错误，经常出现在学术论述中。就连英国皇家统计学会在雇用了一个社会学或新闻学背景的“风险沟通”专家之后也犯过一次这样的错误。