统计与判断力

平均值会骗你

先看你自己库里 5392 只 A 股过去一年的真实收益：

同一批股票、同一段时间，两个「平均」的说法差了十几个百分点。哪个更接近你的真实体验？中位数。

为什么会这样

看这个形状：左边堆着一大团，右边拖出一条长长的尾巴。往下最多亏 100%，往上却可以涨 620.4%。

下跌有地板，上涨没天花板。少数暴涨股把平均值硬生生拉了上来，但绝大多数股票根本没参与这个过程。

这改变三个判断

1. 「去年 A 股平均跌了 0.8%，还行」——这句话是错的。典型的持有体验是亏 15.4%。
2. 4.9% 的股票（262 只）翻倍，撑起了整个市场的账面收益。错过这一小撮，你的结果和「市场平均」就没有关系。这也解释了为什么长期看指数难被战胜——它不会漏掉它们。
3. 分散持仓不是「求稳」，是数学必需。如果收益均匀分布，买 3 只和买 30 只期望一样。但在这种极度偏斜的分布里，买得太少，大概率完美避开那少数赢家。

换个市场看看

同期美股 10543 只：平均 18.6%，中位数 5.1%。绝对水平比 A 股好得多，但平均值高于中位数的偏斜结构完全一致——这不是 A 股的特色，是股票市场的普遍形态。

插一段：我第一次算错了

这个美股数字，我第一次算出来是「平均 +678.5%、中位数 0.0%」。我没有直接写进课文，因为它明显不合常理——一整个市场一年平均涨近七倍，不可能。

去查，发现是两个数据问题：

1. 除数接近零。美股有大量 OTC 仙股起始价是 0.0001 之类，拿它做分母，收益率会炸成天文数字——最极端的一只算出 +4259900%，仅这一只就能把全市场平均值拉高几十个百分点。
2. 僵尸股伪造出「零收益」。近 10% 的美股票根本不交易，首尾价格完全相同，贡献了一堆假的 0%，把中位数硬压到了 0.0%。

加两道过滤——起始价至少 1 美元、一年内至少有 120 个交易日——数字才变成上面那个合理的版本。

这条规则不只用于股票——平均工资、平均房价、平均寿命，全都适用。