在国际标准组织的风险管理术语标准ISO Guide 73：2009中，定义风险为“不确定性对目标的影响”。同时，在风险定义下面有一个注解注5，解释什么是不确定性。注5说：“不确定性是指对事件及其后果或可能性的信息缺失或了解片面的状态”。这是说，不确定性是指现在我们对未来的状态不能唯一确定。

不确定性是普遍存在的，我们不能确切知道未来会发生什么。而现实是，即使是在不确定性的条件下，我们经常还是要对未来做出预测。例如，我们出门前，可能判断现在路上不会堵车；我们和朋友约一场球时，判断周六不会下雨；我们决定到某个饭馆吃饭时，判断这个饭馆的饭菜声誉不错。

我们预测未来的情况，往往是为了决策的需要。例如，我们判断路上不会堵车，所以就不会提前出门；我们会到这个饭馆吃饭，因为我们认为这个饭馆饭菜不错。可见，预测和我们的决策直接有关。如果我们的预测不同，我们决策核能就不同。所以，正是出于决策的需要，我们想知道怎样提高预测的“正确性”。

由于不确定性的存在，我们并不能知道未来确切的情况，所以我们的预测其实是对未来的一种设想或“假设”，是我们主观世界中的未来。这种事前的假设，可能与后来发生的情况一致，也可能不一致。当假设与后来发生的情况一致，我们可能认为“当时的判断正确”，而沾沾自喜。当假设与后来发生的情况不一致，我们可能会说“当时判断错了”，而后悔莫及。

这种用事后发生的情况来验证事前的假设是否正确的做法在社会实践中根深蒂固，而历史又似乎使这种做法变成了天经地义。例如，对股票变化判断正确的人得到丰厚的酬金，判断错误的人甚至倾家荡产。对战场走势判断正确的将军建立了战功，而判断错误的将军则身败名裂。买彩票时，对号码判断正确的人成了千万富翁，而判断错误的人则空掷了自己的钞票。乔布斯准确判断了市场的需求，从而成就了苹果的市值第一宝座。柯达错误判断了市场走向，而使其百年基业尽毁。科学和哲学好像也支持这种做法，实验出真知或者“实践是检验真理的唯一标准”都是这种思维方式的具体体现。特别是在历史领域，“大胆假设，小心求证”已经是公认的原则。

从风险管理的角度看，这种用事后发生的情况来验证事前的假设是否正确的做法是有局限性的。简单地说，对于一个确定性的系统，用这种方法是合理的；对于一个不确定性的系统，用这种方法就是不合理的。

所谓确定性的系统，就是未来发生什么其实是已经确定的，现在不确定性的存在只是因为我们不了解情况，信息不足而已。这方面典型的例子之一，就是历史。对我们而言，客观上历史是唯一的，不存在两个历史。历史之存在不确定性，只是因为我们不了解当时发生了什么而已。所以，我们通过“大胆假设，小心求证”可以降低或消除不确定性。这样做的结果会验证我们对历史的假设是否正确。其它的例子还包括，如当一个自动化设备安装完毕但还没有开始生产的时候，我们还不知道它是否能够生产出合格的产品，虽然这个结果已经是在安装的设备本身中确定了的。

在统计学中，有一个专门的技术叫做“假设检验”，就是为了检验假设的正确性。按理说，假设可能正确也可能错误。同时，我们对于一个假设可能接受也可能拒绝，也就是，我们可能认为一个假设是正确的，也可能认为是错误的。因此，我们的对于假设的处理就有两种可能：拒绝一个正确的假设，或者接受一个错误的假设。在统计学中，前者叫做第一类错误，后者叫做第二类错误。假设检验的目的就是为了排除这两类错误。通过假设检验，我们就能够在决定一个假设是否正确。

举例来说，某个鱼池里有若干条鱼，我们在没有放干池中水之前，不能确切知道池中到底有多少条鱼。但是我们可以估计池中的鱼在一百条以上。那么“有一百条以上的鱼”这个说法就是一个假设。如果我们认为这个说法不对，但在放干池水以后确实发现池中有一百二十条鱼，那么我们就犯了第一类错误：拒绝了一个正确的假设。如果我们认为这个说法正确，但放干池水后发现池中鱼只有九十条，那么我们就犯了第二类错误：接受了一个错误的假设。

在这个例子中，其实还有个潜台词，或者说检验关于水池中鱼的数目的假设本身就隐含着一个关于水池的假设，即这个水池中的鱼数目是相对固定的。如果这个水池和河道相连，或者有人每天在捞鱼或放养鱼苗，这样这个水池就不是确定性的系统。我们也就无从检验我们的假设。因此，对于不确定性较大的系统，如开放的系统，很难应用统计学中假设检验的方法。

所以，一般说来，预测或者假设的正确性，只有对于确定性的系统，才是能够检验的。只有在这种情况下，我们谈论预测的正确性才是有意义的。因此，对像股市涨落或技术演化、产业格局这类不确定性很大的现象，任何预测都是无从检验的，所以也谈不到这些预测的正确性与否。

如以上所说，在风险管理中，我们必须对预测的正确与否这类命题特别小心，否则就会犯错误。