100/350时光笔记——为什么股评不可信，聊聊信息加工中的认知偏差

01

认知心理学把人的信息处理过程分为信息收集、加工、输出和反馈四个阶段。在前面的比较中，你已经了解了信息收集阶段人的认知偏差。

信息收集完了，你就该加工了吧？今天我们就谈谈第二个阶段，信息加工阶段的认知偏差。

在这个阶段，人最容易犯的就是代表性偏差。你理解了这个错误，不仅可以避免投资分析时的误区，而且在日常工作、生活中处理类似问题，也会很受启发。

02

代表性偏差的一个测试

下面，我给你描述小张这个人的性格特点，请你猜猜看她更可能从事什么职业。

小张很害羞，乐于助人，但对周围发生的事不太关心，喜欢活在自己的世界里。

她很整洁，做任何事都很有条理，关注细节。

请问，你认为，小张更可能是从事以下哪种职业的？农民、图书管理员。

我猜，你大概会说小张是图书管理员，大多数人确实都会这样回答。

为什么你觉得她像是图书管理员呢？你可能会说，刚才描述的这些特征也太像一个图书管理员了，有99%都像，比农民要像得多啊。

但这真的就能说明小张最有可能是图书管理员吗？

错了！

如果换成理性人，他们会怎么回答？他们会按照贝叶斯法则来计算小张从事图书管理员工作的概率。

简单地说，贝叶斯法则测算的真实概率由两个概率的乘积构成，第一个概率就是你刚才看中的那一项99%，指的是给出的这些描述“有多像”一个图书管理员。

这些描述确实很像，假定概率高达99%，这一项就被称为“代表性”。但真实概率除了这一项之外，还有一项，被称为无条件概率。

无条件概率不依赖于任何条件，当然也不依赖于我刚才对小张的那一堆描述。

怎么理解无条件概率呢？你可以理解为，在大街上你随手一指，这个人就是图书管理员的概率。

这个概率有多大？你会说，这个概率也太小了吧。全国能有多少个图书管理员呢？被我手一指就猜对的概率可能不足10万分之一。

比较之下，我们再来计算一下小张是农民这个职业的概率。这些描述也太不像是个农民了，但是假设100个农民中，有一个人符合描述的这些特点，差不多吧？

所以，第一个概率，“代表性”的概率是1%。但是，中国的农业人口占总人口的50%，你看，这第二个概率就非常大了。

两个概率的乘积，图书管理员职业的99%乘以10万分之一，远远小于农民职业的1%乘以50%。

所以，理性人的回答是：小张是农民的可能性更大。

03

现在你仔细想想，你脱口而出，认为小张是图书管理员，错在哪里了呢？

错在你太关注代表性特征，而忽略了其他信息。当某件事的代表性特征一展现出来，你会立即做出判断。

对小张性格特点的描述，非常符合一位图书管理员的代表性特征，你立刻就判断她是图书管理员了，却忘记了她还有好多你没有观察到的特点，所以，她不是图书管理员的概率其实更大。

从这个例子，你就能明白了，人总是倾向于根据代表性特征来冲动地做判断，这就被称为认知的代表性偏差。

04

金融市场中常见的代表性偏差

在金融市场中，代表性偏差非常常见。

例如，你看到某位基金经理连续获得金牛奖（一种相当于最强基金经理的称号），就立即做出判断：都获得金牛奖了，那他一定是一个好基金经理啊。是不是很像我刚才给出的图书管理员那个例子？

实际上，你忘记了要得出正确的结论，还有很多决定性的其他信息，比如他这几次成功是偶然的，不能归于能力，如果时间放长一点，或考虑到公司、团队、工作经历的偶然性等因素，这种随机性就会消失。

也就是说，你没观察到的因素太多，代表性特征的信息量不足以做决策。

再例如，你看到一家公司连续3年利润都翻番，然后立即对它的股票做出判断——买！

你又冲动犯错了。还是错在代表性偏差。连续3年利润翻番，是一个好公司的代表性特征。

但这并不意味着这家公司真的就是一家好公司，这家公司还有好多信息都被你忽略掉了。

比如说，公司高管近期需要减持股票，业绩可能是有意调整出来的；

再比如说，这家公司未来的盈利机会消失，业绩不能持续。你被公司的一些代表性特征吸引了，就立即判断了。

再举个例子，你一位平时很靠谱的朋友给你推荐了一只股票，出于对他的信任，你立刻就买入了，犯的也是代表性偏差的错。

你会奇怪了，这里面代表性特征是什么呢？

是你朋友靠谱。你太看中这个代表性特征了，股票被你这个靠谱的朋友推荐了，那还能不是一只好股票吗？

05

实际上，一只股票好不好，被你朋友推荐与否这个因素实在是太不重要了。你忽略了好多公司的其他信息。

好，现在你是不是已经能够理解代表性偏差了？在你的生活中，这种偏差简直是无处不在，随时随地影响着你的判断。