6.避開某風險值（risk metrics）的東西。

　　傳統的測量值建立在平庸世界，為大偏異而進行調整的做法是行不通的。笨蛋就在這裡掉進了陷阱裡——這不是隨便假設出一個和高斯鐘形曲線不一樣的東西就行了，沒那麼簡單。像「標準差」這樣的字眼，在第四象限裡不穩定且不能測量任何東西。「線性迴歸」（其誤差在第四象限）、「夏普比率」（Sharpe ratio）、「馬可維茲最適投資組合」、ANOVA去他的NOVA、最小平方法，以及從統計學教科書硬邦邦地拿出來的東西，也一樣全都沒用。我的困擾是，人們能夠接受罕見事件的角色，也同意我的看法，卻還用這些測量值，讓我懷疑，這是否是一種心理偏差。

7.正面或負面黑天鵝事件？

　　很清楚，第四象限可以表示對黑天鵝事件的正面和負面暴露；如果暴露在負面，真正的均數很可能會被從過去已發生事件所計算出來的測量值給低估了，而整體可能達到的值，也同樣被錯估了。

　　人類的預期壽命（在全球化之下）並不如我們所以為的那麼長，因為資料裡缺了某個重要的東西：大流行病（遠超過我們所能醫治的能力）。同樣的，我們看到，風險性投資也是如此。

　　另一方面，研究型創業投資，其所顯示的是過去比較不美好的歷史。生技公司（往往）面對正面的不確定性，而銀行所面對的幾乎全是負面的衝擊。

　　模型誤差讓那些暴露在正面黑天鵝者得到好處。在我的新研究裡，我稱之為對模型誤差的「凹性」（concave）或「凸性」。

8.不要把沒有波動性和沒有風險混為一談。

　　傳統的測量值，用波動性做安定的指標，這會愚弄我們，因為往極端世界前進的演化，其特色是一段波動性降低的期間——然後來一個大跳躍的大風險。這已經愚弄過一個叫做柏南克的聯準會主席——還有整個銀行體系。它還會繼續愚弄我們。

9.小心風險數字的表達。

　　第四象限裡的風險是很劇烈的，而我前面提過，結果顯示，我們對風險的認知，會受到事件描述方式的影響。其他象限就溫和多了。