老板大发雷霆。传奇的纽约洋基队在前12场比赛中只赢了4场，棒球队的老板无法抑制自己的情绪。“对于我们团队的糟糕表现，我感到非常失望。”他生气地说，“我简直不能相信，一个薪水最高的棒球队，竟然会以如此低迷的状态开始赛季。有赢球的才能，却总是输球！”尽管赛季结束还有93%的时间，球队经理只能表示同意：“他所说的那些，我们自己也是知道的。他确实花了不少钱，他希望大家的成绩更好。”
洋基队最后获得了成功，在所属赛区的常规赛排名并列第一。然而，这并不是因为老板的斥责。
然而，有多少是因为能力、又有多少是由于运气呢？很难说。在商业、投资等许多领域，你都很难区分能力和运气。因此，你难免会犯很多可以预见的错误，比如你无法理解团队或个人不可避免地回归均值的现象。
本篇为你提供一个全新视角，解释你团队业绩连胜或惨败。其实，它可以用于解释员工、业务部门、股票经纪人及其他专业人员和团体的业绩表现。
1 19世纪香豌豆简史
你肯定知道达尔文，生物学家、进化论的奠基人。但是可能不知道达尔文他哥，弗朗西斯·高尔顿(Francis Galton)。
高尔顿是维多利亚时代的饱学之士，精通欢数学，涉猎进化论、心理学和气象学等许多领域，并用经验主义方法来测试自己的想法。他毕生搜集和分析了大量数据。
通过调查和调研方法，高尔顿发现了均值回归(mean reversion)现象，这在统计学领域是了不起的成就。
这个概念是，对于许多类型的系统，一个并非均值的结果之后，会紧跟着出现一个预期接近平均值的结果。虽然大多数人知道均值回归的观点，但大都忽视或误解这个概念，造成分析中出现大量错误。
高尔顿对此主话题，源自一个想法：天才是遗传的。他发现，天才音乐家、艺术家、科学家的天分远高于平均水平，而且尽管他们孩子的天分高于平均水平，却比他们更接近平均水平。然而天赋是难以度量的，所以高尔顿转向他可以测量的东西：香豌豆。 他按大小将香豌豆种子分开，结果表明，尽管后代趋向类似于父本种子，但它们的平均大小却接近整个群体的平均值。
当时正态分布(钟形分布)在当时是众所周知的，但思想家通常认为，这是由于平均值附近存在大量的小误差而导致的。例如，许多科学家估计某个行星的位置， 每个估计值都会捕获一些错误的位置，反映出不完善的工具或计算结果。如果误差在两个方向上出现，它们有可能被抵消，估计值的平均值就代表行星的真实位置。
但是，误差理论并不能解释高尔顿的发现。他意识到肯定有一种不同的机制在起作用。在决定豌豆大小的过程中，遗传显然发挥了重要作用，而不单单是误差围绕某种普遍平均值的分布。
于是，高尔顿干劲十足地开始了关于身高的具体研究。他收集了400名父母及他们900多名成年子女的身高。他把母亲和父亲的身高结合在一起，构成了他所谓的“父母折中身高”，发现这些数据遵循正态分布。然后，他计算出他们子女的身高，发现它们回归了均值。如果父母比较高，子女也往往比较高，但子女的身高更接近于所有孩子身高的平均值。如果父母比较矮，他们的子女通常也会比较矮，但这些孩子会比他们的父母高。这数据让高尔顿发现和定义了均值回归。
高尔顿的重要洞察是，即便均值回归连续发生在两代人身上，但身高的总体分布依然随时间保持稳定。这为人们设置了一个陷阱：均值回归表明，事情会随着时间的推移而变得更加平均；而稳定的分布则意味着事情没有太大变化。充分掌握变化和稳定性如何共同起作用，是理解均值回归的关键。
2 实力、运气和成果
在人类的诸多努力中，成果是实力和运气的组合。例如，在棒球比赛中，一个投手可能表现得非常棒，但他的团队却有可能因偶然事件而失利。实力和运气的影响所占比重也取决于活动：玩老虎机的时谈不上什么实力；国际象棋比赛则需要许多实力，运气只占很小一部分，但即使棋手实力不变时，他的运气也飘忽不定。
例如，考虑一个高尔夫球手在不同日期的两轮比赛中如何得分。 如果球手在第一轮比赛中的得分远低于他的差点，那么你觉得他在第二轮比赛中表现如何？ 答案是不会那么好。 第一轮的优异成绩源于他的实力，但也有相当的运气成分。即使他在第二轮比赛时实力相同，你也无法指望他的运气也一样好。
任何结合实力和运气的系统都将回归均值。丹尼尔·卡尼曼提出过成功公式：
成功 = 一些才能 + 运气
巨大的成功 = 一些才能 + 很多运气
反之，糟糕的结果可能反映了一些实力和大量坏运气的结合。这也说明了洋基队参加前12轮比赛时的情况。然而，随着时间的推移，当运气变得平均时，实力就会凸显出来，这能解释洋基队为什么最终赢得了第一名。洋基队老板关于自己团队的看法过于狭隘，他看到洋基队12场比赛输掉了8场，但他没有考虑到洋基队是全国最优秀的球队之一。当运气改善时，他们就开始赢了。
如果你忽略均值回归的概念，你就犯下了三类错误。第一个错误是，你认为自己是独特的。你如果和公司的高管团队讨论了公司绩效的均值回归，他们可能会说：你说得很好，我们理解了均值回归。不过它并不适用于我们，我们已经想出了更好的方法来运营公司。可惜现实没那么简单。
投资界也存在忽略均值回归的现象。比如，你更愿意雇用哪一类投资管理者：是近期绩效超过大盘的人，还是落后于大盘指数的人？回答这个问题当然并不容易。运气显然对你从投资中能赚多少钱起着难以捉摸的巨大作用，尤其是短期投资。 但是，即使行业专家在理智上了解运气的重要性，他们始终不能把这些知识纳入他们的决策之中。
金融学教授阿米特·戈雅尔(Amit Goyal)和苏尼尔·瓦哈尔(Sunil Wahal)分析了3400项退休计划、捐赠基金和基金会在10年时间里如何聘用和解聘管理投资基金的公司。研究人员发现，基金发起人倾向于聘用近期表现良好的管理人员，而解聘管理者的首要原因是其业绩不佳。研究发现，在随后的的几年中，许多被解聘的管理者业绩表现优于被雇用的管理者，这与均值回归是吻合的。
个人投资者也有类似的表现。个人所获得的收益一般是标准普尔500指数的50~75%，因为他们把资金投入到了火爆的市场中，然后又在下跌之后将其撤出来。他们高买低卖。那些忽略均值回归的人，很难通过血汗钱赚得大量投资收益。
金融分析师建构公司未来财务成果的模型时，容易忽略均值回归的影响。在考虑诸销售增长率、经济利润水平等关键驱动因素时，分析师经常会忽略均值回归的证据。
3误读数据带来严重错误
经济学家霍勒斯·塞克里斯特(Horace Secrist)在1933年出版的《中间值主导商业》一书中写道：“中间值(mediocrity)在竞争性商业中往往占主导地位。”
塞克里斯特大笔一挥，成为与均值回归相关的第二个错误的永久案例：错误理解数据含义。
塞克里斯特的书确实令人印象深刻，它用四百多页篇幅显示了一系列序列的均值回归，显然证明了中间值的的主导趋势。
下图取样于1000多家公司的10年数据，切分为5组，它显示了投资资本回报率(ROIC)和资本成本之差的均值回归(图中曲线为每组公司的ROIC中位数)。虽然是现在的数据，但此图仍然适用于塞克里斯特的文本描述。
塞克里斯特的著作大部分得到广泛认可，但也遭到了严厉的批评。有人认为，他的图表没有证明什么，只是说明问题的比率存在散乱的趋势。下图有助于理解这种批评，上面是1997年样本数据的ROIC分布情况，中间是上图的均值回归，下面则是2007年ROIC的分布情况。请注意，上面和下面的分布看上去非常相似。
与塞克里斯特看法相反，所有公司都没有移向平均值的倾向，方差也没有缩小。样本数据的恰恰说明远离中间值、方差增加。更准确的看法是，随着时间的推移，运气对同一批公司进行洗牌，然后将它们放在不同的分布位置上。很自然，经历过极端好运或坏运的公司有可能回归到均值，但长期来看，整个系统看起来非常相似。
如果从现在到过去、而不是从过去到现在对均值回归进行分析，结果会怎样？高个孩子的父母多少有可能比孩子高吗？
均值回归有点反直觉：无论向前还是向后分析数据，都能得到相同的结果。因此，高个孩子的父母往往个子高，但不比他们的孩子高。今天回报率高的公司过去回报率也高，但不会和现在一样高。下图使用上述1000家公司的数据，但转换时间方向，从2007年到1997年回归，照样得到非常相似的均值回归结果。
由此可见，成果一部分来自持久的实力，一部分来自短暂的运气。 在任何给定时期内，反映出真正的好运或不幸的极端结果，但在该时期之前或之后，往往都不会太极端，因为运气的贡献不那么重要。