Local EPUB Text
第六章 偏态与不对称
第六章 偏态与不对称
我的意见是市场上涨的可能性比较高（我看好后市），但最好是卖空（我看坏结果），因为万一市场下跌，它可能跌很多。
概率和期望值
作家兼科学家古尔德有一阵子是我崇拜的角色模范，他曾被诊断罹患致命的胃癌，关于他能活多久，他收到的第一个信息是：这种病的存活期的中位数，约8个月。他觉得这个信息很像《圣经》中的以赛亚（Isaiah）告知希西家王（King Hezekiah）说，赶快在他死前把家整理好。
这种病情诊断，特别是那么严重的病情，会激励一个人拼命做研究，尤其是像古尔德这种多产的作家，总是希望有更多的时间多写几本书。古尔德进一步研究后，发现实情和他最初获取的信息大不相同。主要的差异在于期望（亦即平均）存活期比8个月长得多。他注意到期望值和中位数两者根本不同。中位数意指约50%的人活不到8个月，50%的人则活了8个月以上。但是活了8个月以上的人，生命维持的期间相当长，大致来说和普通人一样，可以活到保险死亡表预测的平均寿龄73.4岁左右。
这就是不对称（asymmetry）现象。活不到8个月的人，很早就死掉了，而活过8个月以上的人，则继续活得更久。结果出现不对称时，存活期平均值和存活期中位数并不相同。古尔德因此发现偏态（skewness）的概念，因而呕心沥血写下《中位数不能传达什么》（The Median is Not the Message）一文。文内的主旨是，医学研究机构使用的中位数概念，不具备概率分布的特性。
我将简化古尔德的论点，以跟疾病没有关系的例子—赌博，来介绍平均数（也称做期望值）的概念。我举的例子会同时提到不对称概率和不对称结果。不对称概率是指每一事件的概率不是50%，而是一边的概率高于另一边的概率。不对称结果是指报酬不相等。假设我参加的赌博，1000次里面有999次赚到1美元（事件A），有一次赔10000美元（事件B），如表6–1所示。
表6–1
我的期望值是赔9美元左右，这是将概率乘以对应的结果所得到的数字。赔钱的频率或概率本身完全没有用处，它必须和结果的大小一起判断。这里的A发生的概率远高于B。我们如果赌事件A会发生，赌赢的概率很高，但这么做不是好想法。
个中的道理很简单，小赌过的人一定都了解。但是我在金融市场却得费尽力气，和那些怎么想也想不通的人争执不下。这些人并不是新手，而是学历很高如MBA的人，他们却搞不懂其中的差别。
他们怎么会不懂其中的道理？他们怎么会把概率和期望值混为一谈，也就是把概率和概率乘以报酬混为一谈？主要是因为大多数人接受的学校教育、举的例子都是出现在对称的环境中，例如掷硬币时，这种差别就无关紧要。事实上，社会中应用甚广的所谓“钟形曲线”是完全对称的，后面我会再谈这一点。
牛与熊
新闻媒体一天到晚拿所谓的牛市（bullish，后市看好）和熊市（bearish，后市看坏）等概念轰炸我们，用以指金融市场的价格走高或下跌。但是我们也听到有人说“我看好约翰尼”或者“我看坏坐在后面那个叫纳西姆的家伙，我实在搞不懂他在想些什么”，用以表示我们相信某人这辈子的起落。我要说的是，看好或看坏的概念往往空洞无物，不能用到充满随机性的世界中，尤其是如果这个世界有很多不对称结果的话。
我在某大投资公司的纽约办事处任职时，偶尔必须参加烦人的“讨论周会”，会中找来纽约交易室的大部分专业人员。我并不掩饰自己讨厌这种集会，不只是因为它害我不能上健身房而已。虽然这种会议找来依绩效论成败的交易员参加，却主要是一些讨好顾客为主的业务员大放厥词的地方。与会者还有称做华尔街“经济学家”或“战略家”的艺人，他们高谈阔论市场将来的命运，却不必承担任何风险，因此他们的成败取决于能不能讲得天花乱坠，而不是可以用来判断好坏的事实资料。讨论时，与会者必须就现状提出个人的看法。在我看来，这种会议只会污染人的智力。每个人都有一个故事、一个理论或某些见解想要和别人分享。我讨厌那些没在图书馆做太多功课，就以为自己对某一主题拥有原创性和深邃高见的人。我必须坦承，为了排遣无聊和缓和对那些陈腔滥调的厌恶，我的做法是尽可能多发言，且在别人讲话时充耳不闻，只顾着在脑子里解方程式。讲很多话可以帮助我澄清自己的想法，而如果运气不错的话，下个星期我就不会再“受邀”参加，事实上这种会议属强迫性质。
看好或看坏的概念往往空洞无物，不能用到充满随机性的世界中，尤其是如果这个世界有很多不对称结果的话。
有一次，有人请我发表对股市的看法。我说，我相信下个星期市场有很高的概率会略微上涨。有多高？“大概70%。”这显然是铿锵有力的意见。接着有人插嘴说：“但是，纳西姆啊，你刚刚才吹嘘你大量卖空标准普尔500指数（SP 500）期货，赌市场会下跌。是什么原因使你改变想法？”“我没有改变想法！我那么赌可是有很强的信心！（大家笑了起来）。其实，我现在还想多卖空一些！”会议室内的其他人看起来丈二金刚摸不着头脑。战略家问我：“你到底是看涨（牛市），还是看跌（熊市）呢？”我回答说，除了动物学上的意义，我不懂“牛市”或“熊市”的意思。就和前例中的事件A与事件B一样，我的意见是市场上涨的可能性比较高（我看好后市），但最好是卖空（我看坏结果），因为万一市场下跌，它可能跌很多。突然之间，会议室内总算有极少数交易员了解我的意思，并且开始发表类似的看法。下一次讨论时，他们果然没有再强迫我参加。
假使读者接受我的意见，也就是下个星期市场有70%的概率上涨，30%的概率下跌。但是再假设如果上涨，只会涨1%，下跌则可能跌10%。这么一来，读者要怎么做？是看好呢，还是看坏？
因此，“看好”或“看坏”这两个名词，是不必在不确定性状况下做事的人，例如电视评论员，或没有处理风险经验的人使用的。投资人和企业要赚的不是概率，而是白花花的钞票。因此对他们来说，某个事件发生的可能性多大并不重要，重要的是那件事发生时能赚多少钱。利润出现的频率有多高并不重要，结果多少才重要。很少人带回家的支票是根据他们做对或做错的频率而核发的，他们得到的不是利润就是亏损。只有评论家的成败才是靠他们说对或说错的频率，包括一般人在电视上看到的大型投资银行的“首席战略家”。他们和艺人相比，好不了多少。他们知名度高，具说服力，可以提供一堆数字，不过就功能而言，他们存在的目的是在取悦大家。他们的预测要有任何效度，必须先有统计检验架构才行。他们的名气不是来自检验的结果，而是靠口才挣来的。
拒绝预测
除了在那些肤浅幼稚的会议中制造娱乐效果之外，我拒绝以交易员的身份发表“市场预测”，结果弄糟了我和一些亲戚朋友的关系。有一天，家父的一位朋友来纽约，打电话给我。他是那种既有钱又充满自信的人，为了厘清彼此身份地位的高下，他先在电话中抱怨这趟行程搭协和航空碰到哪些不愉快的事情。他要我告诉他对于一些金融市场的看法。我真的没什么看法可言，也不想编造任何看法，而且我对市场压根儿一点兴趣也没有。这位绅士的问题接二连三而来，问我对各国的经济现状有什么看法、问我欧洲各国中央银行的动向，问这问那，无疑是为了拿我的看法，和纽约某大投资公司经管他账户的另一位“专家”的看法相比较。我不隐瞒自己一点头绪都没有，也不为此感到抱歉。我对市场不感兴趣（没错，亏我是个交易员）、不做预测，就这么简单。我接着向他解释我对随机结构持有的一些观念，以及市场预测的正确性能否确认等问题，但他还是要我用更明确的方式，研讨圣诞节前欧洲债券市场的走势。
最后，他恼羞成怒，认为我没把他放在眼里。这件事对家父和这位有钱又自信的朋友间的关系伤害很大。这位绅士打电话向家父抱怨道：“我问律师法律问题，他会毕恭毕敬解释得非常清楚明白。我问医师医疗问题，他会给我意见。没有一位专家对我爱理不理。你那傲慢又自负的29岁儿子，眼睛长在头顶上，竟然不肯回答我市场走向的问题！”
稀有事件
这辈子我在市场中做的事，称之为“倾力赌一边”最为恰当。也就是说，我试图从稀有事件中获利，这种事件不常重复发生，也因此一旦发生时报偿很高。我试着不要常赚钱，而且尽可能不常赚钱。原因很简单，因为我相信稀有事件在市场上并没有得到合理的价值，而且事件越稀有，它的价格被人低估得越严重。
为什么？因为心理偏差（psychological bias）的关系。我周围的人搭火车时都太专心去记《华尔街日报》第二叠的资料，以至于没办法正确地思考随机事件的特质。或者，他们在电视上看了太多大师现身说法，又或者，他们花了太多时间去升级个人数字助理。连经验丰富的操作老将，似乎也不懂频率无关紧要的道理。“传奇性的”投资人罗杰斯（Jim Rogers）说过这样的话：
我不买期权。若要住救济院，去买期权不失为另一个好法子。有人为证券交易委员会（SEC）做研究，发现90%的期权到期时都发生亏损。嗯，我算过，如果90%的多头期权头寸都赔钱，那就表示90%的空头期权头寸赚钱。如果我看坏后市时必须用到期权，我会卖出买权（calls）。
如果不考虑另外10%的平均获利有多少，所有期权头寸有90%亏损这个统计数字（也就是频率）并无意义。当期权属价内（in the money）时，如果我们平均押下的赌注是原来的50倍，那么我敢说，买期权是住进广厦豪宅的另一个好法子。对罗杰斯先生这种不知区分概率和期望值的人来说，他这辈子似乎赚太多钱了（很奇怪，他是索罗斯的伙伴，而索罗斯这个心思复杂的人，是靠稀有事件大赚其钱。我们后面还会再谈索罗斯这个人）。
1987年股市崩盘便是稀有事件，我因此成了交易员，也让我有充裕的时间追求各式各样的学问。第一章提到的较不赚钱的塔利波，做法上只求避开稀有事件，以免受到伤害，这是一种防卫式的方法。我比塔利波更积极、更先进：我利用这种方法规划经营出一套能真正获利的工作生涯和事业。换句话说，我的目标是下不对称的赌注，好靠稀有事件赚钱。
我的目标是下不对称的赌注，好靠稀有事件赚钱。
对称与科学
在大部分学科中，这种不对称无关紧要。很遗憾，财务学使用的技术，往往是从其他领域引进的。财务学还是个相当年轻的学科（肯定称不上是“科学”）。在财务学以外的大部分领域中，当不同的结果所获回报的差距不是很显著时，把极端值从样本中剔除并不会造成问题，譬如教育和医学便是如此。教授在计算学生的平均分数时，可以把称做离群值（outliers）的最高和最低分数剔除，然后计算剩余分数的平均值，这种做法没什么不好。一般预测天气时，也可以如此对待落在上下两个极端的气温资料，因为异常的温度可能扭曲整体的结果—不过接下来将谈到，预测冰帽未来的特征时，这么做可能酿成大错。学财务的人借用了这种技术，因而也忽视不常发生的事件，不去注意稀有事件可能导致一家公司破产的影响。
许多自然科学家也这么笨，误解统计数字的意思。有关全球变暖效应的辩论，便是很有名的一个例子。许多科学家在全球变暖效应发生的早期阶段，并没有注意到这件事，因为他们把温度突升从样本中剔除，认为这种事情不可能再度发生。规划度假行程时，将极值从平均温度的计算中剔除可能是好法子，但在研究气象的物理特征时却不能这么做。科学家起初忽视了，温度突升的现象虽然少见，却会对冰帽的融化产生巨大的累积性效果。和财务学的领域一样，某个事件虽然罕见，但如果会带来巨大的后果，就不能视而不见。
图6–1
图6–1从Wo的起始水准起，画下一连串的点，止于标示的期间。这张图可以看成你偏爱的操作策略获得的成果、一位投资经理人的绩效记录、文艺复兴时期佛罗伦萨一般豪宅每平方英尺的价格、蒙古股票市场的股价走势，或者美国与蒙古股票市场的价格差距。它由W1、W2等一系列的观察值依序构成，后面的观察值在前一个观察值之后产生。如果我们面对的是凡事确定的世界，也就是说，这个世界少了随机性（“混为一谈表”中的右栏），而且我们十分确定情况正是如此，那么事情处理起来会相当容易。这个序列形态会揭露很多可以预测的信息，你能够在一天前、一年前，甚至10年前就准确预测到会发生什么事。我们不需要统计学家，二流的工程师就已够用了。他甚至不需要取得现代的学位，只要受过19世纪的拉普拉斯变换（Laplace）训练，就能解这些微分方程式或者运动方程式，因为我们研究的是实体的位置随时间而变化的动态过程。
如果我们在面对的世界里，将随机性考虑在内，那么事情处理起来也一样容易，因为我们已经为此创造出一整个研究领域，称做计量经济学（Econometrics）或时间序列分析（Time Series Analysis）。你可以找来脾气很好的计量经济学家，请他用他的软件运行数据，根据他的诊断，告诉你是否值得投资有这种绩效的交易员，或是否值得采用那种交易策略。你甚至可以用低于999美元的价格，买到他的软件，在下次下雨的周末自己运行程序。但是我们没办法确定我们的世界真的那么清楚明白。我们会发现，从分析过去的特征而得出的判断，偶尔可能有用，但也可能缺乏意义，有时甚至会误导你往相反的方向走。有些时候，市场数据成了陷阱，让你看到和它的本质相反的形貌，促使你投资错误的证券，或者害你管理风险不当。举例来说，有史以来最为稳定的货币，却最容易崩跌。投资人为了安全而选择马来西亚、印尼、泰国等国紧盯美元的货币，竟然在1997年夏天尝到苦涩的经验。这些国家为求消除汇率的波动，采取货币盯住美元的制度，到头来却仍免不了突然巨幅贬值。
根据过去的信息来预测未来时，我们可能太过马虎，也可能太过严格。我无法接受单靠过去的一个时间序列，作为未来表现的指针。除了数据，我还需要更多的东西。我的主要理由在于稀有事件，但还有更多的其他理由。
表面上看，我在这里提出的看法，和先前指责人们没有从历史学到够多东西的说法相互抵触。问题在于我们太重视肤浅的近代历史，而说出“这种事情以前从未发生”之类的话。如果去看更宽广的历史，我们会发现，某个地方从来没有发生的事，最后往往会发生。换句话说，历史告诉我们，以前从未发生的事，后来竟然发生了。狭隘的时间序列没有教的东西，历史却教了我们许多。视野越宽广，我们学到的教训就越多。历史教我们不应该像天真的经验论一般，只观察偶然遇到的历史事实。
稀有事件的谬论
出乎意料的事件
稀有事件因其善于掩饰，可能以各式各样的形貌示人。它首先在墨西哥被观察到，学者称之为比索问题。20世纪80年代，计量经济学家对墨西哥经济变量的表现大惑不解。货币供给、利率，或者略微沾上一点边的类似变量，走势扑朔迷离，为其建构模型的努力几乎全告失败。这些经济指标先是维持稳定，然后出现怪异的行为，在没有发出任何警讯的情况下短暂激烈波动，然后又恢复稳定。
广而论之，我替稀有事件贴上的标志是：任何能使“小心平静的海面”这句格言站得住脚的行为。俗话常说，看起来彬彬有礼像个善良公民的老邻居，得等到哪天你在报纸上看到他的照片，才会知道原来他是个疯狂杀手。在那之前，没人知道他曾经作奸犯科，没有人猜得到那么病态的行为竟然会出自这么好的一个人。我认为稀有事件的发生是由于人们以狭隘的心态去解读过去的时间序列，误解其中的风险。
稀有事件总是出乎意料地发生，否则它们就不叫稀有事件。典型的例子如：你投资某种避险基金，享有稳定的报酬率，不曾遭遇大起大落。直到有一天，你接到一封信，信里开门见山地说：“由于无法预见和出乎意料的罕见事件……”但是事件之所以罕见，正由于它们出乎意料。它们通常是恐慌造成的，本身是平仓的结果，由于投资人争相夺门而逃，同一时间想尽快倒出手上拥有的所有东西。如果基金经理人或交易员早就料到此事，他们当初就不会去投资，稀有事件也就无从发生。
稀有事件总是出乎意料地发生，否则它们就不叫稀有事件。
稀有事件不限于一种证券，很容易影响整个投资组合的表现。比方说，许多交易员会买进抵押证券，并以某种方式避险，以冲销风险并消除波动性。他们这么做，是希望得到高于财政部公债报酬率的某种利润。金融市场经常以财政部公债作为某项投资最低期望报酬率的基准。他们利用计算机程序，也请应用数学、天文物理、粒子物理、电机工程、流体力学的博士帮大忙，有时也请财务学博士协助，不过这种情形极少见。这样的投资组合长期提供稳定的报酬率。接着，突然之间，好像出了意外似的（我不认为那是意外），投资组合的价值重挫40%，而你本来预期最糟不过跌4%。你打电话给经理人，表达你的愤怒，但他告诉你那不是他的错，说类似的基金也遭遇相同的问题，然而你们之间的关系还是起了激烈的变化。
前面提过，有些经济学家称稀有事件为“比索问题”，所谓比索问题并不是由于刻板印象所造成。20世纪80年代初起，这个美国南部邻国的货币一直没有起色。长期的稳定吸引大批银行货币交易员和避险基金经营者前往平静的海面，买进墨西哥比索，由于利率很高，他们乐于持有这种货币。接着他们“出乎意料”地炸毁，赔掉投资人的钱，也赔掉自己的工作和前途。之后又出现一段稳定期，新的货币交易员不知道这里曾是杀戮战场，又纷纷买进。他们被墨西哥比索吸引，于是故事重演。
大多数固定收益的金融商品都曾发生稀有事件，这倒是挺奇怪的一件事。1998年春，我花了两个小时，向当时一位重量级避险基金经营者解释比索问题的观念。我不厌其详，说明这个观念已经普遍化，任何一种投资形式，只要是以天真幼稚的态度解读以前时间序列的波动性，都适用这个观念。没想到他竟然回答：“你说得一点没错。我们不碰墨西哥比索，只投资俄罗斯卢布。”几个月后，他炸毁了。在那之前，俄罗斯卢布的利率相当诱人，吸引各式各样的高收益猪仔争相买进。1998年夏，他和持有卢布计价资产的其他人，赔了将近97%。
第三章谈过的那位牙医，不喜欢价格忽上忽下地波动，因为会使他经常感到痛苦。他越常观察自己的表现，越有可能在更近的距离内感受到更多波动，从而产生更多的痛苦。同样，投资人基于情感因素，采取的策略也会让他们偶尔才承受波动，但只要一有波动，幅度都很大。这叫做掩耳盗铃，把随机性塞到地毯底下。
我们可以观察这个问题的另一个层面。假想有个人从事科学研究，日复一日，他埋首在实验室中解剖老鼠，远离外面纷扰的世界。他可能经过好几年研究，仍然一无所成。这位失败者每天晚上带着一身老鼠尿骚味回家，老婆或许已经失去耐性。但是到了某一天，好的！他的研究有了惊人的成果。观察他工作的时间序列，虽然完全还没得到任何实质成果，然而一天天过去，他获得结果的概率已越来越高。
出版公司也是一样。它们出版了一本又一本的赔钱货，从来也不会去质疑他们的营运模式。但只要每隔10年刚好出了一本像《哈利·波特》这样的超级畅销书，就够吃很长一段时间。当然前提是他们出版的书概率虽小，却很有可能成为超级畅销书。
金融市场中，有一类交易员是靠反向稀有事件为生。对他们来说，波动往往是好消息。这些交易员经常赔钱，只是金额不大。他们很少赚钱，不过一赚就是一大笔。我称他们为危机猎人，十分乐意成为其中的一员。
为什么统计学家察觉不到稀有事件？
在外行人眼里，统计学相当复杂，但目前通用的统计学，背后的观念十分简单。我的法国数学家朋友竟然说它们就像炒菜那般容易，只是我不敢苟同。总归一句话，那是一个简单的概念：你得到的信息越多，你对结果就会越有把握。但问题来了：有多大把握？常见的统计方法指的是信赖水准稳定升高，但是它和观察数的比值并不是线性关系。也就是说，样本数如果增加n倍，我们的知识只增加n的平方根。假使我从装有红球和黑球的罐子内取球，那么取了20次之后，我对罐子内红球和黑球的相对比例怀有的信心，并非取了10次之后的两倍，而是只有2的平方根（1.41）。
统计学显得复杂且让我们搞不懂的地方，是在分布不对称时，如上面所说的罐子。如果在满是黑球的罐内取到红球的概率很小，那么我们对罐内没有红球的信心，会增加得非常慢，比期望中的平方根值还慢。相反的，一旦取到一颗红球，我们对罐内有红球的信心会急速升高。这种知识的不对称可不是件小事，它是本书的核心，也是休谟（David Hume）和波普尔等人致力研究的重要哲学问题。
要评估一位投资人的表现，我们或者需要更敏锐、直觉成分较低的技术，或者就得在我们所做的判断和这些事件发生的频率无关的条件下，才做出评价。
不可靠的统计
但是有些情况可能更糟。如果红球的数目随机分布，我们就永远无从得知罐内的组成。这称做定常性（stationarity）问题。假使罐底有个洞，而我在抽样时，有个小孩恶作剧，在我不知情的情况下，加进某种颜色的球。这时我再怎么推论都没用。我可能推论罐内有50%的红球，而那个顽皮的小孩一听，马上把所有的红球取出，放进黑球。这么一来，我们从统计获得的知识并不可靠。
同样的影响也会发生在市场上。我们把过去的历史视为单一的同质型样本，并且相信观察过去的样本后，我们对未来的知识即可大增。但是如果那个顽皮小孩改变罐子内色球的组成会怎么样？换句话说，如果事情改变了，情况会变成什么样子？
自19岁以来，我大半辈子的时间都在研究和应用计量经济学，包括在课堂上和担任计量衍生性金融商品交易员时。计量经济学这门“科学”是指将统计学应用到从不同的时期（我们称为时间序列）选出的样本上。它做的事是研究经济变量、资料和其他事物的时间序列。起初，当我几乎一无所知时，很怀疑那些反映已故或已退休的人，他们的行为时间序列，对于预测未来是不是有帮助。比我懂很多的计量经济学家不问这种问题，因为那无异于自曝其短，徒然让人知道自己的愚蠢。知名的计量经济学家裴沙连（Hashem Pesaran）曾经回答类似的问题，他建议对方去研究“更多和更好的计量经济学”。我现在相信或许大部分的计量经济学一无用处，财务统计学家所学的很多东西根本不值一学。对总和为零的事情来说，就算重复10亿次，总和还是零。同样，如果不打好坚实的基础，那么再怎么研究，做得再怎么复杂，终归毫无价值。
研究20世纪90年代的欧洲市场，对历史学家肯定很有帮助，但由于时移势迁，机构和市场的结构已经改变，我们现在能做出什么样的推论？
经济学家卢卡斯（Robert Lucas）说，如果人是有理性的动物，那么理性会引导他们从过去整理出可以预测的形态，并且有所应对。这句话打了计量经济学一巴掌。由此可见，在预测未来时，过去的信息完全没有用处。他以数学的形式阐述这个论点，结果赢得诺贝尔经济学奖。我们是凡夫俗子，并且照既有的知识去行动，而现有的知识也把过去的资料涵盖在内。我用以下的比喻来解释他的论点：如果理性的交易员察觉到股价在周一上涨的情况，那么这种情况马上会变得显而易见。由于人们预期会有这种效应，纷纷在周五买进，到头来反而把这种情况给消除了。如果在经纪公司开户的每个人都能察觉某些情况，那么去寻找这些情况并无意义，因为它们会被消除。
不知道为什么，卢卡斯的批评并没有被这些“科学家”听进耳里。工业革命的科学成就带给人们信心，相信他们能够推进到社会科学。伪科学吸引一大批理想主义笨蛋，经济学家最有可能如此使用科学。你可以用一大堆方程式来充内行而没人能够揭穿你，因为根本没有办法对照实验（controlled experiment）。包括我在内批评这种方法的人，斥之为科学万能主义（scientism），但它的精神延续到财务这门学科，因为一些技术人员认为他们的数学知识，可以带领他们了解市场。“财务工程”（financial engineering）的应用就带有浓厚的伪科学成分。应用这些方法的人，衡量风险时是以过去的历史作为未来的指针。这里我们只想说，由于分布有可能缺乏定常性，这整个观念可能大错特错，且必须付出非常惨痛的代价。这又把我们带到一个更为根本的问题：归纳法问题。下一章我们就要讨论这个问题。