设计机器化的市场模型
我真的一头扎进了牲畜、肉类、粮食和油料种子市场中。我喜欢这些东西，因为它们是有形的，与股票相比，人们对其价值的认识比较不容易出现扭曲。由于“更傻的人”不断买卖股票，所以股票的价格可以一直保持在太高或太低的水平上，但牲畜最终要被宰杀，变成柜台上的肉，在那里其定价将取决于消费者愿意出多高的价格。我可以想象这些产品从生产到最终出售的过程，并看到潜在的关系。因为牲畜吃粮食（主要是谷物）和豆粕，又因为谷物和豆类的种植面积存在竞争关系，所以这两个市场是密切相关的。我了解几乎一切能想到的、与这两个市场有关的事情，例如：这两种主要作物的计划种植面积与通常产量分别是多少；如何根据作物生产季节不同时段的降雨量估测产量；如何预测收成规模、运输成本，以及不同体重、不同饲养地点和不同增重率的牲畜的存栏量；如何预测净肉率、零售利润率、消费者对于不同部位的肉的偏好，以及每个季节的屠宰数量。
这并不是学术学习：在这方面有实践经验的人告诉我农业经营的过程，我把他们告诉我的东西组织成模型，然后使用这些模型考察随着时间的推移这些不同部分之间的互动关系。
例如，如果我知道牛、鸡和猪的饲养数量是多少，它们吃多少谷物，它们的增重率是多少，我就能预测出有多少肉将在何时上市出售，以及有多少谷物和豆粕在何时被消费。类似地，我考察谷物和豆类在所有种植业领域的种植面积分别是多少，进行回归分析，发现降雨量如何影响每个领域的产量，然后就可以应用天气预报和降雨量数据预测谷物和豆类的产出时间与数量。对我而言，整个过程像是一部有着符合逻辑的因果关系的美丽机器。通过理解这些关系，我就能得出用来建立模型的决策规则（或者说原则）。
这些早期的模型和我们现在使用的模型相去甚远。这些模型是我随手画的草图，我用当时可以利用的科技分析它们，将其转化为计算机程序。最初的时候，我在我的手持惠普HP–67计算器上做回归分析，用有色铅笔手动绘图，并在笔记本上记下所有的交易。个人计算机出现后，我就可以把数字输入计算机，看计算机自动把数字转化为图片，然后观察电子数据表中呈现的情况。弄清楚牛、鸡和猪的肉量在各自的不同生产阶段中如何增长，这些肉类如何为争取肉类消费者的金钱而竞争，肉类消费者将如何花钱以及为什么这么花钱，肉类包装商和零售商的利润率将如何影响自身的行为（例如他们将在广告中推广哪个部位的肉）之后，这部机器就能计算出牛、鸡和猪的价格，我就能对这些价格下注了。
虽然这些早期的模型很初级，但我喜欢构建和改进它们，它们也是帮我赚钱的好工具。我使用的这种定价方式和我在经济学课堂上学到的不同，在课堂上，供给和需求都是用出售的商品数量进行衡量的。我发现，用付出的金额（而不是购买的商品数量）衡量需求，考察买家和卖家分别是谁以及他们为什么买卖，是一种实用得多的方式。我将在有关经济与投资原则的书中解释这一做法。
我之所以能够发现其他人错过的经济与市场变动，这一不同的做法是主要原因之一。从那时起，当我观察任何市场时，不管是大宗商品、股票、债券还是外汇市场，我都能发现并理解其中的一些失衡之处，这些失衡是那些用传统方式定义供给和需求（将其视为彼此相等的单位）的人觉察不到的。
把复杂的系统设想为机器，发现其内部的因果关系，把处理这些因果关系的原则写下来，将其输入计算机，从而让计算机为我“决策”，所有这些后来都成了标准做法。
不要把我的意思领会错了。我的做法远远称不上完美。我清晰地记得，一次“绝对不会赔”的押注，让我个人损失了约10万美元，相当于我当时大部分的个人财富净值。更令人痛苦的是，这个押注也给我的客户带来了损失。不断真切显现的最痛苦的教训是，没有任何东西是确定的：总是存在会给你造成重大损失的风险，即使在看起来最安全的押注中也是如此，所以，你最好总是假设自己没有看到全部。这个教训在很多方面改变了我做决定的方式，在本书中我将反复提到这些改变，而且我的成功在很大程度上要归功于它们。但在犯下许多其他错误之后，我才彻底改变了我的行为方式。
