凡事都应该尽可能地简化，但不能过于简单。————阿尔伯特·爱因斯坦

要简化到什么程度取决于三个方面：

第一，不确定性越高，越应该简化；反之，越应该复杂化。

股市是无法预测的，因为其不确定性很高，这时就应该使用想1/N法则这样的简单方法

第二，可选方案越多，越应该简化，反之，越应该复杂化。

因为复杂的方法需要评估多个风险因素，可选方案越多越意味着需要评估的因素越多，这就会导致更多的估计失误。相比之下，1/N法则不会受到更多可选方案的影响，因为不需要根据过往的数据进行估算

第三，历史数据越多，越应该使用复杂的方法。

如果拥有500年的数据，马科维茨模型就会优于1/N法则

不同的因素会共同发生作用：如果只有25个可选方案而非50个，那么仅需要250年的股票数据。

这些因素有助于我们理解所有预测专家面临的困境，也就是统计学家所说的偏差—方差困境

当我们使用某种方法做预测时，预测结果与真实情况的差距被称为“偏差”

在一个充满变数的世界里，偏差是无法避免的，除非出现某种巧合；

与1/N法则不同，复杂方法利用历史数据预测未来。预测结果取决于所用的具体数据样本，因此可能并不稳定。这种不稳定性被称为“方差”

因此，方法越复杂，需要估算的变量越多，误差就越大

爱因斯坦法则让我们意识到，在一个充满不确定性的世界里，少即是多。