1、归纳法是特殊到一般的推理，是观察到了事件越来越多，于是开始总结出理论。其天然的缺点是，万一未来出现一个特例，整个论证就会被推翻，因为你看到的事实样本量太小，片面的事实就会得出片面的规律。

归纳法是从“数据”到“算法”的学问。算法的形成来源于数据。

已知我们已经观察了100万个天鹅，都是白色的。

现在告诉你，小白是一只天鹅。问：你猜猜，小白是什么颜色的？大部分人都会说，小白是白色的吧？

这就是一个归纳法的论证过程，但是有一个天然缺陷，就是某一天人类发现世界上出现了一只黑天鹅，那么整个论证就会被推翻。

在普通统计学上，我们对一件事情持有的信心水平被定义为“置信区间”。

普通统计学方法的基础是信心水平的稳定增长，与观察次数成非线性比例，也就是说，抽样结果每增加n次，我们就增长n的平方根倍的认识。假设我从一个装着红球和黑球的罐子里往外取球，我对红球和黑球的相对比例的信心水平，在我取出20次球以后，不会是我取出10次球以后的两倍，而只是乘以2的平方根（也就是1.414）。

在分布情况不对称的时候，统计学就变得复杂而且不起作用了。如果一个罐子里主要都是黑球，找到红球的可能性非常小，那么我们对红球不存在这样一种认识就会非常缓慢地增长，比我们预想的n的平方根还要慢。所以说，我们发现类似于黑天鹅事件的过程也会非常慢。另一方面，一旦有一个红球被找到，我们对“红球存在”这样一种认识就会大幅度提高。这种在认识方面的不对称现象不可小视。

事情还没完，归纳法还有一个不容忽视的弯弯绕：“置换黑球的恶作剧男孩”（或者你可以把他理解为上帝）——

在有些情况下，出现红球的机会本身就是随机分布的，那么我们就永远也无法知道罐子里面的成分。这叫做稳定性问题。假设罐子的底部是空的，在我从中抽样的时候，有个恶作剧的孩子往里面加进不是这种就是那种颜色的球，而我完全不知情。这样我所做的推测就变得没有意义。我也许会推测罐子里50％的球是红色的，可是那个恶作剧的孩子听到我这样说以后，赶快就把红色的球全部换成了黑色的球。这就使得我们从统计数字得出的认识变得相当靠不住。

同样效果的事情也在投资市场中发生着。我们把过去的历史看作是一个单一的同质采样，而且相信，通过观察过去历史的采样，我们对未来的认识就有了长足的增长。但如果恶作剧的孩子把罐子里的成分改变了呢？换句话说，要是世界的概率分布结构发生了变化呢？上帝可能就是不愿意让人类猜出他老人家的心思，所以一直在变换着“红球和黑球的比例”，而且他还恶作剧般的随机变换，让人类永远不能发现那个“绝对真理”。

我们当然不能全盘否定这种从历史中找寻规律用于指导当今实践的做法，因为千百年来，人性未变，而市场就是由人的心态情绪和行为组成的。但是一定要注意的是，归纳法真的不能滥用，因为时代的车轮在滚滚向前，客观世界早已一眼万年，你不能保证没有一个“置换黑球的恶作剧小孩”在偷偷地修改着历史的进程，如果固守归纳法的窠臼，那么我们就犯了刻舟求剑的错误。

说了半天，感觉股市中的技术分析变得越发可疑起来。

2、演绎法是一般到特殊的推理，是用理论对实际发生的事件进行判断。其天然的缺陷是：演绎法有一个重要的假设，就是人类是有可能找到一个绝对真理的。这个真理之所以称之为“绝对”，是因为这个真理在任何时间（过去未来）和空间（无论什么地点），都能成立，而不产生反例。这样就高估了这个理论的适用范围，使得整个推导过程变得不可信。

演绎法是从“算法”到“数据”的学问，但是算法会有出错的时候，而且算法也是来源于数据。

大前提：所有的天鹅都是白色的。（要用的理论）

小前提：小白是一只天鹅。（理论的适用范围）

结论：小白是白色的。（对理论的运用）

大前提和小前提都需要是正确的，结论才能成立。

但是如果把大前提或者小前提当做是一个“已知结论”，那么这个结论的得出，是用的归纳法还是演绎法呢？

我们来用大前提这句话为例，“所有的天鹅都是白色的”，听上去好像就像是归纳法得出的结论对吧？但是上面的论述已经说明白了，所有的归纳法都有弥补不了的缺陷。

如果这个大前提是演绎法推出来的呢？又会有新的问题出现：如果用演绎法推出这个大前提，那必然要找到支持这个大前提成立的“大前提和小前提”，这个“大前提的大前提”“大前提的小前提”是否成立，又要向上去找新的“大前提和小前提”，一直往上回溯和递归，什么时候是个尽头呢？难道说，尽头处就藏着一个人类认知的宝藏：“终极绝对真理”？这个“终极绝对真理”不需要任何的归纳和演绎，天然的成立在这个世间上？

人类的认知能否突破有限理性的桎梏，找到这样一个“绝对真理”呢？

归纳法和演绎法有着千丝万缕的联系，归纳法可以给演绎法做出的预测一定的反馈，看看实践是不是完美地符合理论，归纳法也能得出一些演绎法中的“大前提”“小前提”，演绎法能够解释归纳法得出的结论的“发生机制”。

归纳法更像是统计学的视角，通过数据分析来寻找一些规律，而演绎法更像是因果关系的逻辑推演，天然就是“硬逻辑”。

3、如果说归纳法和演绎法都这么的有缺陷，那么“三师弟”类比法就更不靠谱了。类比法是从特殊到特殊，从特例到特例，其关键是找到二者的相似性，如果二者在很多方面是相似的，我们就认为在某个方面他们就有类似性，至少是相关性吧？

但是人类没准说的顺口了都觉得二者有相似性：“一个篱笆三个桩一个好汉三个帮”。好像说起来押韵的都是真理似的，可笑。

我们来将这三种方法在投资领域进行一次应用：

A归纳法——技术分析

很多技术分析方法总是想找到一个“影响因子”，然后以一个或几个“影响因子”作为基础，建立起来一整套逻辑自洽的交易系统。典型的格林布拉特“神奇公式”以公司的赚钱能力（类似于ROE）和公司估值（类似于市盈率）为基础，建立起来的买卖交易系统。

另一个比较典型的例子是双低可转债策略，以市价和溢价率为基础建立起轮动策略。

还有其他的KDJ随机指标，MACD指标，量价关系等等。这些都是归纳法的产物：其核心思想是：我找到了这个影响股市的“因子”，然后对历史数据进行回测，发现按照这种方法很能赚钱，那么我就轻而易举的推断，用这个“因子”和这套买卖交易系统在未来能赚钱。

这种想法在根本上和归纳法可能犯的错误一样，过去的历史数据只是一个“样本”，总体数据是我们永远获得不了的，而且如果时间是无限的话（时间当然是有尽头的，它的尽头就是“热寂”），总体数据也应该是无限的，用一个小样本去估计整体数据，会有偏差。

B演绎法——基本面分析（价值投资）

其基本的逻辑就是：

大前提：所有的好的公司，其价值在长期来看，都会在市场上体现其应有的价值。

小前提：“闷声资本”是一家好公司。

结论：我们应该在低估的时候买入“闷声资本”，期待在未来一定的时期内价值回归正常。

或者，

大前提：所有的好公司好生意，在有安全边际的时候都可以买入持有

小前提：A公司是一家好公司

结论：应该买入A公司。

但是此处的小前提的判断是有很大的不确定性的，你要假设市场先生是错的，你自己是对的。

那么，你觉得大前提和小前提是正确的吗？

老话说，股市短期来看是投票机，长期来看是称重器。大前提说的内容好像非常符合逻辑哦！

而小前提就比较主观了，一般来讲龙头股应该都不会太差吧。

价值投资要求我们用演绎法。在演绎法中，大前提是各种各样的真理理论，小前提是这个理论适不适用于当前的“状况”，问题是，对于普通的投资者来说，这两个前提就已经难倒了一大批人。

首先，大前提很难。像巴菲特或者芒格那样掌握各种思维模型，天天读研报，天天看财务报表，且不说普通人能否达到他们那样的智商和知识体系背景，光是读书一项就要花费平常人大量的时间精力，但是你如果不读书，你的工具箱里面就只有锤子，你看什么问题就都像是钉子。

其次，小前提很难。你还要判断当前情况适不适用于你的理论，适用于哪种理论。

如前所述，演绎法因为“大小前提”并不是“绝对真理”而显得可疑。但是价值投资者都不会信这个邪，他们会认为自己掌握了真理，市场的错误定价是短期情绪波动带来的，肯定会被修正，人类可以判断一家公司到底值多少钱。

价值投资或者基本面分析属于战略层面的东西，错了就全都错了，而技术分析更像是战术层面的分析方法。

C类比法——波浪理论、“压力位”

波浪理论是美国证券分析家拉尔夫·纳尔逊·艾略特（R.N.Elliott）利用道琼斯工业平均指数（DowJonesIndustrialAverage，DJIA）作为研究工具而创建的一种理论。

波浪理论把股价的波动类比于波浪，是不是在做类比？支撑线阻力线是不是有点像用牛顿的经典力学理论做类比？

类比的逻辑支撑比归纳法和演绎法都要弱一些，如果你认为波浪理论是正确的，你需要证明股价的变化和波浪有本质上的相同点。如果你认为股价在做无规则的布朗运动，那么你要证明一下，这个时候确实是随机性在起作用，你在两种不同的事物中看到了相同的本质，这个本质有可能是事物与事物之间相同的道理，但是这需要非常高的智慧，因为你只是观察了几个有限的“特殊的”事物，你从非常小的样本量去总结规律，这种逻辑比归纳法更弱，更不靠谱。类比法要求你相信某个通用的道理经过一些轻微的修改后可以应用于不同的领域。

D溯因推理

演绎法是从原因推到结果。

归纳法能够验证现有的理论。是从我们观察的结果归纳出的原因。

溯因推理是从结果推测原因。

观察-假设-验证假设，我们是怎么得到中间的假设的？我们可以利用归纳法，得到了假设，然后再去通过实践去验证这个假设到底靠不靠谱。在实践的过程中，你会得到各种各样的反馈，在得到反馈的过程中，你要对你的理论进行贝叶斯更新，来修正完善你的理论。

但是如果你的观察的数据并不够，也就是说，你的样本量不足以支撑你得出假设，或者你的证据不足，那么你只能通过一些其他的逻辑对这个假设进行一些猜测。而且你的这些猜测也不允许你再去进行相关的实践，你没有做实验的机会。比如说，这次证券市场下跌，你可以找出一百种原因来解释他的下跌，但是到底是什么原因你不能通过做实验寻找出来，这就不能验证你的假设。

那么我们怎么能从这100种原因中找到那个“最有可能靠谱”的那个原因呢？

1、通融性：这个原因能否解释尽可能多的可以被观测到的现象，使得观测到的现象和这个原因没有什么根本上相违背的情况。

2、简洁性：这个解释成立并不需要其他的前提条件，也就是说，根据奥卡姆剃刀原则，一个简洁的解释，是不需要更多的解释来解释这个解释的。我们应该用常见的事情去解释罕见的结果，而不能用罕见的事情去解释常见的结果。为什么我们不应该过分相信“庄家”？第一，因为市场不会以一个人的主观意愿来进行演变，其中的不确定性因素太多了，这就要求庄家是一个强大到足以影响这只标的，甚至直接掌控全局的地步，那你可能高估了“庄家”的影响力。如果庄家的影响力这么牛，那么应该会出现年年业绩爆炸的基金才对。

3、类似性

这个解释能无缝衔接融入我们已知的理论和事实之中。辛普森杀妻案中，辩护律师说在全美所有夫妻中，丈夫杀害妻子的概率并不高，所以辛普森杀妻概率不高，这样，对某件事情的解释，就和我们已知的事实逻辑上自洽了。

难道说三大探究真理的方法都有问题，都会被驳斥，那么人类还有可能认知这个世界吗？

好像我们人类还有最后一根稻草——贝叶斯推理。

贝叶斯推断（英语：Bayesianinference）是推论统计的一种方法。这种方法使用贝叶斯定理，在有更多证据及信息时，更新特定假设的概率。贝叶斯推断是统计学（特别是数理统计学）中很重要的技巧之一。贝叶斯更新（Bayesianupdating）在序列分析中格外的重要。贝叶斯推断应用在许多的领域中，包括科学、工程学、哲学、医学、体育运动、法律等。在决策论的哲学中，贝叶斯推断和主观概率有密切关系，常常称为贝叶斯概率。

1）贝叶斯推理与归纳法

贝叶斯推理与归纳法有天然的联系，假设你是一个“天鹅颜色辨识员”，你已经观察了100万个天鹅，全部都是白色的，那么我们可以认为“所有的天鹅都是白色的”这个结论有99%的正确率，或者说，你有99%的把握说“所有的天鹅都是白色的”。

现在你又逮到一只天鹅，发出了由衷的赞叹：“真白！”

这时候你观察的样本从一百万只升高到了一百万零一只，那么你对“所有的天鹅都是白色的”这个结论的正确性的概率就又上升了一点点（具体的计算我在这里就不展开了，大家理解主观概率上升了一点点就好）。

那么我们就可以这么理解，每当我逮到一只天鹅，观察到天鹅是白色的，那么我就离“所有的天鹅都是白色的”这个可能是真理的东西，又近了那么一点点。

用归纳法探求真理的过程就是这么一个用贝叶斯推理逐渐逼近真相的过程，但是我们永远不可能将主观概率达到100%，认为我有100%的把握说我的结论就是正确的，而只能无限的逼近这个概率。

2）贝叶斯推理与演绎法

演绎法的大前提和小前提的正确性的概率，都可以用上述的贝叶斯推理进行无限的逼近，如果大前提正确的概率越来越高，小前提的概率也越来越高，那么自然结论的正确率也会越来越高。

但是除了这些，还有一个挥之不去的“阴影”在困扰着我们：所有的科学实验都有假设条件，所有的科学实验都有实验环境，在一定的环境中，在一定的条件下，大前提和小前提才会成立。

还是看上边的例子：

大前提：所有的天鹅都是白色的。

小前提：小白是一只天鹅。

结论：小白是白色的。

得出大前提和小前提是正确的，需不需要一定的假设条件呢？

我觉得是需要的，因为万事万物都是基于我们观察世界得出的结果，观察出来的结果肯定是在一定的条件下观察得到的结果，如果在不同的条件下得出的实验结果一致（也就是说该实验结果可重复，可复制）那么我们就说该实验经得起推敲。但是我们能否穷极所有的实验条件？显然是不能，这是缺陷之一。

现在我们已经想象的到，如果大前提和小前提都满足，那么小白一定是白色的，现在我告诉你，大家都看见小白是黑色的。你会对此事做何评判呢？

你一定会想，到底是哪里出现了问题，要不就是整套理论出现了不可弥补的错误，导致整项研究都是错误的——

要不就是某些假设前提条件出现了变化？

要知道，现代实验室的实验环境实验条件是可以在一定限度内人为控制的，但是仍然不能保证和现实中的世界直接相匹配。

应然世界与实然世界隔住了一条巨大的鸿沟。

我们对此事可能只能做如下的处理：

要么就是彻底抛弃该理论，对天鹅是黑是白不去想了。

要不就是继续调整假设条件，看看到底是什么条件下，结论才成立。

看到这里，如果你还没划走的话，是不是感觉人类用有限理性去理解这个世界，是一件特别令人绝望的事？

原谅我来回答这么一个略显中二，不接地气的问题。

虽说人类苦苦追求这么一个真理，试图对现在的世界作出预言和解释，并且从这个终极真理上生发出世间万物的运行规律，包括笛卡尔的我思故我在，物理学大一统理论，发现的和没发现的交织在一起，让人类对这个世界困惑，不解。而且，怕是即使是存在这么一个玩意儿，人类也无法达成共识，把她找到。

我们面临的问题和困惑主要有如下这么几种。

1、证实推理的归纳性质

我们假设待验证的真理为T，现实生活中我们观察到的所有数据为O，则我的论证过程如下——

第一行：如果T，那么得出O

第二行：O（O是正确的）

第三行：所以T（非常有可能是正确的）

比如最容易引起撕逼的转基因是否有害的讨论：

第一行：如果转基因食品对人类无害（T），那么我们在现实生活中就找不到一例因为转基因得病或死亡的案例，或者说，吃了转基因大家（暂时）还都没事（O）。

第二行：我们在现实生活中至今找不到一个案例证明转基因食品有害，或者说，大家暂时还都没事。

第三行：转基因极有可能是无害的。

上述论证过程属于证实推理，第一行是如果T为真，那么我应该观察到很多数据O，第二行是我真的观察到了数据O，所以我认为T极有可能是真的。在我不断的观察累计数据O的过程中，我在不断的提高T为真的概率，这就是一个贝叶斯推理的过程。

我们每个人的世界没有观，只有点，我们观察到的每一个点，都会增强或削弱我们的信念，我们是从这些点中，总结归纳出“观”的，认知就是一个归类和归纳的过程。

我们先是归纳出自己的观点“西瓜是圆的”，在每次看到这个实物之后又会印证之前的观点，别人给你一个西瓜，你一看，是圆形的……久而久之，你会进行演绎推理，那些椭圆的绿色的有深色条纹可食用的是西瓜。

可惜的是，我们仍然不排除T为假的可能，尽管可能性通过贝叶斯推理降低到了0.0000001%，这种方法永远不可能将它降低到零。因为我们观察到的数据是有限的，这些数据构成了我们人类的历史，而人类的历史在地球的漫长岁月里面是那么的短暂，你可以把这段人类历史当做是地球历史的一个小小的样本，用样本去估计总体，得到的结论永远都是“极有可能”，而不是“板上钉钉”。归纳推理的缺点就是得不到100%正确的结论。

证实推理不能保证百分百准确。

2、面对不证实证据时摒弃辅助假设的可能性

仍然假设待验证的真理为T，现实生活中我们观察到的所有数据为O，促使T为真的假设条件为A1，A2，A3，…，An，则我的论证过程还可以如下

第一行：如果T，且A1，A2，A3，…，An，那么O

第二行：O是不正确的

第三行：所以T是不正确的，或者A1是不正确的，或者A2是不正确的，或者A3是不正确的……或者An是不正确的。

O不正确并不必然导致T不正确，还有可能是假设条件A1，A2，A3，…，An没有成立。

那么我们需要多少证伪的证据来推翻一个理论，才算够呢？

我们仍可以以贝叶斯的思想来回答这个问题，我们发现的证伪一个理论的各种发现的数据正在不断的降低一个理论的正确性，当这个正确性的概率降低到一个大家达到共识的足够低的程度，那么就是到了摒弃这个理论的时候了。但是如同上一条一样，你无法把这个概率降低到0%

3、理论的不充分确定性

结合一下前两条的出的结论。

科学哲学经常被讨论的命题之一，通常被称为理论的“不充分确定性”。在面对不证实证据时，理论通常可以被保留，只要将前提假设条件改改，没准理论就“成真”了呢！且由于证实证据具有归纳推理的性质，这些证据最多可以支持某个理论，但绝不可能明确证明某个理论是正确的，把所有这些因素放在一起，我们就得到了一个观点，那就是现有数据，包括所有相关实验的结果，都绝不可能完全确定某个理论是正确的。同时，所有数据和实验结果也绝不可能明确证明任何相互竞争的理论是不正确的。你说的理论T，既不可能被证实，也不可能被证伪，很多相互矛盾的理论通常都可以局部与所有现有证据相吻合，只要他的前提假设够多。根据现有数据，理论都是不充分确定的。

4、设计关键实验的不可能性或者难度

关键实验的实验结果（是不证实证据）可以与两个相互矛盾的理论分别部分吻合，只需要摒弃一些相关假设A1，A2，A3，…，An中的某一项或某几项就好了。那我的实验数据还有什么意义呢？真理是在A1，A2，A3，…，An等相关假设成立的前提下才成立，那还叫真理吗？想要设计一个关键实验来甄别相互竞争的理论，通常就算不是不可能实现，也是非常困难的。

重新考虑一下三段论：

第一行大前提：所有有'有自由电子的东西都导电，

第二行小前提：铜有自由电子，

第三行结论：铜导电

我们都知道大前提和小前提是正确的，但是他们是绝对正确的吗？假如两个前提假设是归纳法得出来的，依据归纳法的天然缺陷，有没有可能在未来某时某刻我们发现了有自由电子却不导电的东西？或者一种不带有自由电子的铜金属？如果两个前提都不一定正确，那么我们如何确定结论正确？

假如两个前提假设是演绎法得出的，那么就证明大前提会被当做结论，它也会有两个前提条件，小前提也会是结论带出两个前提条件。无限递归下去，说一个前提条件成立，总会带出两个前提条件成立，那么这样的往前推理是否有尽头？尽头是否就是那个“终极真理”？我们在欧氏几何经常会说过直线外一点有且只有一条直线与原直线平行。不证自明。那现实生活中，有这样的公理吗？

木星遵循开普勒第二定律运行，这是一条普世的科学定律，现在我可以在一些方面对这条规律进行反驳：

（已知木星质量为1.8982*10＾27㎏=Akg）

我们把木星质量A千克视作一种对木星遵循开普勒第二定律运行的约束条件，而大家都知道，即使是木星明天增肥了不知道为啥多出来1kg，它也依然会按照开普勒第二定律运行。也就是说不管木星多重，他都得遵循开普勒第二定律，这是科学规律普遍特征。我们需要对潜在科学定律的无例外的规律性（不受任何约束条件约束，它总是对的）和偶然出现的无例外规律性进行区分，区分的方法就是改变一些约束条件，看看这个规律还是否生效？几乎所有的约束条件都在遵循一种“语境依赖性”，比如说我在评判“我没充电，手机就没电”这个规律，是否是一条潜在的科学规律？我不充电可能会有多重理由，我忘了，我要专心准备考试关机，我不想被找到，都可以导致手机没电，也就是说，约束规律是否是真实的是取决于人的意志的或者说人类怎么解释这件事，那么由此得出，不依赖于约束条件的科学真理其实是没有意义的，因为约束不约束，这个条件都可以一会真一会假。

另外，如果没有外力撞击或其它类似因素的条件下，木星遵循开普勒第二定律，那么谁来定义“类似”这件事情呢？还不是我们人类吗？

这么说我们人类发现的科学定律岂不是自己在跟自己做游戏，科学成了一个任人打扮的小姑娘？

科学中任何观点都是绝对正确的吗？不见得。亚里士多德世界观被牛顿打脸，牛顿被爱因斯坦打脸。我们现在的理论现在的真理是我们认为的最好的理论和真理，是我们对所掌握的各种观测到的数据最好的解释，至少部分反应了现实的样子，而且还能预测一些东西。

虽说人类一思考上帝就发笑，但是也不要太绝望，毕竟人类还有很长的路要走。

“在事实中探求真理”何其困难啊！

考虑下列两个问题：

1、桌子上有只铅笔，你能看到它摸到它，甚至能闻闻它的石墨气息，它是如此真实，让你不会怀疑你在庄周梦蝶或活在缸中之脑中。

2、现在我把它放进抽屉合上抽屉。

现在你看不到它摸不到它闻不到它。请问：它去哪里了？

有人问答主你是不是疯了，它不在抽屉里面还能长（zhang三声）腿跑掉吗？

很显然我没疯，在哲学上第一种情况和第二种情况是有点不一样的，第二种情况多了两个假设条件，只有假设条件被满足了，结论才能成立：①铅笔不是生命体，没法跑掉。②桌子面上的物理空间和桌子里面的空间并没有什么不同，适用于桌子面上的物理定律，也适用于抽屉里面，抽屉里面没有像黑洞一样的东西。

有人说你这不是废话吗你看不到摸不到闻不到品尝不到的东西就不存在了吗？地球非得围你转，你是太阳啊？

在第二种情况里，你认为抽屉里有铅笔的原因，没有基于任何直接的经过“眼见为实”得到的证据，你坚定“抽屉里有铅笔”这个事实是因为你相信“组成这个世界的物质是稳定的，没被人类观察到的时候，它也依然存在”。所以，第一种情况是我们眼见为实得来的，第二种情况是我们对世界的一种“看法”推理出来的，这种“看法”，我们有时候把它叫做“科学规律”。

人类对这个世界的大多数的观点，都既包括经验性的，通过观察得到的证据，也包括对我们所处世界更概括的认识，我们都会把它们叫做“事实”，就如同“铅笔必然在抽屉里”这么简单。

经验性事实（通过直接观察）————————科学规律（有一定推理成分）

世界上的所有事实可以划分为两类，一端是经验性事实，记录于论文，历史书中，数据直接被人类观测到，另外一端是科学规律，是人类总结出来的（这种总结很可能是根据归纳法总结出来的，而归纳法具有天生的不完备性，典型的例子就是所有的天鹅都是白色的，但是只要发现一只黑天鹅，这个结论就被推翻了）。而且，我们所说的演绎法三段论，大前提和小前提都很有可能是总结出来的科学规律或者观测到的事实，并不一定是100%准确的，而大前提和小前提都不一定准确，那么得出的结论肯定也不会很准确，演绎法在这里有失效的可能。举个例子：所有的天鹅都是白色的（大前提）；小明是一只天鹅（小前提）；小明是白色的（结论）。

所有的事实都在这个区间里面，一部分是经验，一部分是科学规律推导。既然是科学规律，那么一定是主观的，是主观的，就有犯错的可能——就比如上述非常简单的“铅笔在抽屉里”的事实，是不是简单的要死？现在我告诉你，这个事实在量子力学的领域里有可能是错的，在量子力学的世界里，量子的行为和被不被观察有直接的关系，被观察的量子表现为粒子，不被观察的量子表现为波，如果把铅笔视作一个量子，那么它在抽屉里没被观察到，那么它在抽屉里表现为波。原谅我浅薄的量子理论知识，大家领会精神就好，此处只是举例“铅笔在抽屉里”在量子层面应该表述为在抽屉里的概率应该为X%，而不是肯定在抽屉里。而人类迄今为止并不明白宏观物体和量子这个层面的微观物体的界限到底在哪里，因为我们的万事万物就是由这些量子组成的。

一、所以引出实事求是的第一个难题：屁股决定脑袋。我们的认知就是要倾向于有利于自己相信的认知去解释事物，你的事实可能不是我的事实，我的事实可能不是他的事实，你看不到我看到的世界，相反我也看不到你的，主观世界与客观世界存在巨大的鸿沟。从一个人自己的世界观来看，那些让他感到深信不疑，又有强有力证据支撑的观点似乎就是事实，此处个人观点和事实两个词发生了某种融合，就好像世界整体看来是唯物的，但是对于每个人来说，还是唯心的。

大部分观点的基础都是既包括经验性证据，又包括对我们所居住的这个世界更一般性的认识（科学规律），而科学规律这个东西其实是不断在进化的，典型的例子就是牛顿力学进化到爱因斯坦相对论。牛顿的绝对时空观现在被证明是错的，但是当时的人们有合理的理由来相信这些事实。同样地，不要错误地认为生活在现在这个有现代科学的时代，我们就已经逃脱了相信这些“科学规律”的陷阱。这样的事实在我们这个时代仍然存在，并且观察到的证据和科学规律之间似乎界限不是很明晰，一些当时认为是真理的东西被后面的实验数据打脸的例子也屡见不鲜。我们现在秉持着的颠扑不破的真理可能将来也会被证明是错误的，这样科学才会进化。

牛顿力学经得起这么长时间的考验，说明它至少或多或少有些正确的部分。但是我们现在怎么看待万有引力呢？高中还是在学习的，不是吗？我们相信这些事实，仅仅是把它当作一种工具来使用，真正使得万有引力发挥作用的，——爱因斯坦告诉我们——其实是时空曲率。

二、由此引出实事求是的第二个难题：这里面的“是”，或者说规律，是不断迭代的，这个迭代的过程可能会推翻上一个规律，如果我们用“工具主义”的态度去看待这些规律就还好，如果用“现实主义”的眼光去看，可能就会被逼疯，所以很多人会相信不可知论，觉得人类一直发现不了那个“绝对真理”。实事求是就是这样一个求索的过程。

怎么把上面这些用在投资领域呢？

要想克服第一个难题，就要博览群书，和其他投资者沟通交流讨论，避免管中窥豹，看看你自己找到的“科学规律”和其他人的有什么不同。

要想克服第二个难题，额，不好意思没法克服……以价值投资派和技术分析派的主要矛盾来说，技术分析有三大假设：

市场行为包含一切，价格等于价值——这条肯定不完全对，情绪会使得价格偏离价值，但是肯定也会有对的时候。

股价随趋势运动——不完全对，但肯定有对的时候，支撑线阻力线那一套东西，非常符合人性，只要人性不变，趋势跟踪肯定有很大的正确率的。

历史重演——不完全对，但是你还有什么更好的模拟未来的数据和方法吗？不如就把它当做“工具主义”的理论来用就好了，现实到底是什么样的说要去管？并且用历史数据粗略模拟未来，用对了也是有很高的正确率的不是吗？

只要在三个假设对的时候多赚钱，错的时候少赔钱，你就战胜市场了啊，“铅笔到底在不在抽屉里”已经不重要了，因为它在的时候，你已经赚了足够的钱。