（黑屏，一行字浮现）
"这只基金过去三年，夏普比率 1.8。"
（停两秒）
听起来很安全，对吧？
但夏普比率算的是波动——涨跌的幅度。它没告诉你，这只基金会不会在某一天，把你的钱永远拿走。
学术界用一个数字定义了风险。霍华德·马克斯说，那个数字量错了东西。
金融学教科书里，风险有一个标准答案——标准差，也就是波动率。这个定义漂亮、可计算、能装进公式，写进论文，喂进 Excel。几十年来，整个行业都在用它给基金打分、给策略定价。
马克斯自己管了几十年高收益债和困境债务，他说他从没在真实的投资决策里用过这个定义。他问了一个更朴素的问题：你投资的时候，到底在怕什么？
不是怕账户上的数字某天多跳了几下。你怕的是那笔钱回不来了。
这里有个关键区分——波动和永久性损失，是两回事。一只股票跌了 40%，如果公司基本面没坏、你也没被迫在低点卖出，它可能会涨回来，甚至涨得更高。这是波动，账面上难受，但资本没有真的消失。
真正的风险，是本金永久性地蒸发——公司破产清零，你在恐慌里割肉离场，杠杆产品被强平出局。这种钱，不会自己回来。
更反直觉的是，马克斯连"高风险高收益"这句话都要重新拆一遍。教科书画的那条线——风险越高，预期收益越高——听起来像风险是"用来换收益的成本"，划算就买。
但如果风险真的和收益画等号、可以精确定价，那高风险资产就不该比低风险资产更让人担心，因为溢价已经补偿了。马克斯的说法是：风险高，意味着结果的分布更宽——不是"收益更高"，而是"可能发生的坏结果更多、更坏"。你拿到的高预期收益，只是分布往右偏了一点，代价是左边那条尾巴变得更长、更黑。
Elroy Dimson 有句话，马克斯在书里反复引用："风险意味着，可能发生的事，比将要发生的事更多。"
也就是说，你看到的历史——涨了多少、跌了多少——只是无数种可能里实际发生的那一种。风险藏在那些"没发生、但本可能发生"的情形里。这也是为什么风险没法用一串历史价格算出来：它是前瞻的，不是回顾的；它是主观的判断，不是客观的读数。
如果风险是不可测量的、藏在没发生的事里——那什么时候风险最高？
答案违反直觉：往往是所有人都觉得最安全的时候。那是下一集要讲的故事。
精选原文（第 5 章）：
"风险意味着，可能发生的事，比将要发生的事更多。"
马克斯在本章反复强调：学术界之所以选择用波动性衡量风险，主要原因是波动性可以被量化、能建模，而不是因为它真正捕捉到了投资者害怕的东西。
他区分了两类"风险"：一类是账面上的起伏，价格会来回摆动；另一类是永久性的资本损失——本金真正、不可逆地消失。投资者实际恐惧、也应该管理的，是后一种。
关于"高风险高收益"：他指出这条关系如果成立，风险资产的预期收益理应更高才对——但"理应更高"不等于"一定更高"，恰恰因为结果的不确定性更大，才叫高风险。高风险意味着结果分布的两端都被拉宽，包含更差的可能性，而不是单纯"收益的对价"。
必要解释（只解释一处）：
为什么风险"不可测"？因为你能算的，只有已经发生的历史波动——那是"发生过的事"的一个样本。而风险描述的是"本可能发生、但没发生"的那些情形。同一笔投资，哪怕结果一样好，如果它是踩着薄冰走过来的，风险也一直都在，只是没有兑现。这就是为什么"结果好"不能反过来证明"风险低"——它们是两件事。
2026 年最好的练习对象，是三倍杠杆的 AI 主题 ETF。过去两年它们的净值曲线画出来很漂亮，比标的指数陡得多。这时候如果你问"它的风险是不是比标的指数正好高一点、换来这点超额收益"——这就是用波动率在思考。
真正该问的是：这条曲线背后，藏着多少条本可能发生、但没发生的路径？一次连续两天各跌 15% 的行情，杠杆产品的净值会怎样？答案很多时候是——归零，且没有"等它涨回来"这个选项。曲线好看的这几年，风险可能一直都很高，只是还没轮到那种坏情形发生。
只留一个问题：
如果分不清这两类，你可能一直在用错误的尺子衡量自己的决策。
和 AI 聊这个问题 →如果风险真的藏在"没发生的事"里、又没法被一个数字量出来——那你怎么知道自己现在处在高风险区还是低风险区？
马克斯的答案是：看别人怎么想。风险最高的时刻，恰恰是所有人都觉得没有风险的时候——涨潮的时候没人知道谁在裸泳。
下一集：《最危险的时刻，感觉最安全》。