【标准差：本质是用均值世界的工具，去解释极端世界的风险】
标准差这个工具本身，它隐含了一个近似正态分布、波动稳定、极端事件稀有且可忽略的世界。这正是“均值世界”的典型假设，极端风险往往属于另一种分布结构。
标准差衡量的是围绕均值的典型波动，而不是尾部会发生什么。在正态分布里，3个标准差之外的事件几乎不发生，但现实中的金融市场、能源价格、战争冲击，并不服从这种分布。它们更接近厚尾分布，也就是极端事件发生的概率远高于正态模型预测。
这正是 Nassim Nicholas Taleb 批评的核心：用标准差描述风险，相当于假设最危险的事情很少发生，但现实恰恰相反——真正改变世界的，往往就是那些被模型忽略的极端事件。
标准差是对称的，而真实风险是非对称的。举例来说：油价上涨20% vs 下跌20%，标准差看起来一样，但如果上涨是因为供应链断裂（战争），其连锁反应远大于下跌。也就是说，标准差无法区分：好波动（上涨）和坏波动（崩溃）。而现实决策恰恰关心的是后者。
标准差默认系统结构不变。但极端事件往往意味着：相关性突然上升（市场一起崩）；流动性消失；网络结构断裂（比如能源运输、金融清算）。这时，过去的数据分布本身就失效了。你用历史算出来的标准差，其实是在描述一个已经不存在的世界。
标准差适合描述日常风险，但几乎无法捕捉生存风险。更适合极端世界的思维有三类：第一是尾部风险思维，关注最坏情况，而不是平均情况；第二是情景分析，不是算概率，而是构建可能发生的结构性断裂；第三是凸性/非线性，理解系统在压力下会不会突然放大，而不是平滑变化。
