假設你是一名非常出色的司機。每個人都認為自己是一個好司機，但是你有實際的駕駛記錄可以證明這一點：駕齡長達30年，在20 000次出行過程中，只發(fā)生過兩次輕微剮蹭事故。

你也不是酒鬼，醉駕這種事情似乎永遠不會發(fā)生在你的身上。但是，有一年在公司的圣誕派對上，一位好友要離開公司，你當時的工作壓力又很大，于是情緒出現(xiàn)了波動，不知不覺間喝了12杯伏特加，你喝醉了。此時該開車回家，還是叫一輛出租車呢？

這個問題的答案肯定是叫輛出租車載你回家。

但你突發(fā)奇想要自己開車回去，你是這樣為自己找理由的：自己曾經(jīng)有20 000次駕車出行的經(jīng)歷，只發(fā)生過兩起小意外，其他19 998次都安全抵達目的地。安全率這么高，又何必那么麻煩讓出租車載你回家呢？

但問題是，20 000次出行記錄沒有一次是像這次醉酒駕車的，你的醉駕樣本數(shù)量不是20 000次，而是零次。因此，用先前的經(jīng)驗預測此次駕車的風險是毫無根據(jù)的。這個例子就解釋了什么是“非樣本”問題。

這一問題看似很容易避免，但評級公司正是犯了這一錯誤。穆迪公司根據(jù)過去的數(shù)據(jù)——特別是美國自20世紀80年代以來的房地產(chǎn)市場數(shù)據(jù)——構建了一個預測模式，以此來評估不同抵押違約行為之間的關聯(lián)程度。問題是，從20世紀80年代到21世紀初期的二十幾年的時間里，美國的房價一直保持穩(wěn)定或略有增長。在這種情況下，認為一個房主的抵押貸款與其他貸款沒有什么關系，這種假設看起來好像沒有什么問題。但這些從前的數(shù)據(jù)無法顯示當房價開始不斷走低時會出現(xiàn)什么情況。房市崩盤是“非樣本”事件，評級公司在此基礎上對違約風險進行評價的預測模式也就毫無價值可言。