精密さより選択肢の幅を優先する

不確実な環境では、最適化された固定ポジションよりも方向転換の余地を優先する。

Why it works

精密な最適化は、将来の結果の分布を最適化に足るほど十分に知っていることを前提とする。ルーディック・ファラシーが当てはまる領域 — 結果が自分のモデルにあるものとは異なる分布から引かれる領域 — では、最適化されたポジションは分布が変化したときに脆くなりうる。選択肢の幅（情報が届くにつれて対応できる能力）は、精密さが失敗するまさにそのときに価値を保つ。なぜなら、選択肢はモデルに含まれていなかった経路上で報われるからだ。

How to do it

1. 精密に最適化された戦略と柔軟性を保つ戦略のどちらかを選ぶとき、意図的に柔軟性の方に重みをつける。
2. 一つの道に完全にコミットすることで自分が放棄する選択肢は何かを特定する。
3. リアルタイムでの適応を可能にするため、資源、人間関係、時間の一部を未配分のまま保つ。

エビデンス

金融における実物オプション理論、および不確実性下での適応的戦略に関するより広い文献と整合的である。タレブの「バーベル戦略」は、これをポートフォリオ・アプローチとして定式化する。すなわち、非常に安全な資産と本物の選択肢の幅を組み合わせ、中間を避けるというものである。 (mechanistic)

選択肢の幅にはコストがある。通常、安定した環境では期待リターンが低くなることを意味する。選択肢を優先すべきという主張は、本物の不確実性が高い場合にのみ正当化される。

よくある間違い

「選択肢を開いておくこと」をリスクフリーの戦略として扱うこと — 選択肢の幅を保つことには実際のコストがあり、すべての状況におけるデフォルトとしてではなく、意図的に選ぶべきものである。