最近学习了陆蓉老师的《行为金融学课》，有一些颠覆原有认知的收获，整理一些笔记，以供复习参考。

一、行为金融学与传统金融学区别

我们以前学习的传统金融学，研究的是市场“应该是”什么样的？是长期趋势和规律，而行为金融学研究的是，真实市场“实际是”什么样？

传统金融学的理论基础是“有效市场假说”（尤金.法玛）——人是理性的，价格是价值的准确反映。而行为金融学是心理学和金融学的交叉学科，“行为”取自心理学中的行为主义，是行为金融学的理论基础，行为金融学认为，人是非理性的，价格会受人心理的影响，从而偏离价值。

二、认知四阶段的偏差

认知过程可以切分为四个阶段：信息收集、信息加工、信息输出和信息反馈。人对任何事物的认知过程其实都可以分成这四个阶段。每个阶段我们都会产生一些认知偏差：

1、信息收集阶段：

易记性偏差：人有一种行为习惯，就是搜集信息时喜欢先在自己的记忆库中去找信息，容易被你记住的你会认为它是真的。容易被得到、被记住的信息，最明显的就是广告吧，特别是一来就连续念上三遍的无聊广告，我们虽然厌烦这类广告，但却还是记住了——这些广告主利用的就是易记性偏差，到了我们购买决策时，大多会选择头脑中有印象的品牌。

一开始，我对这个偏差是有些疑问的：如果我们不偏重于自己了解信息来投资，难道反而去投资不了解的资产吗？巴菲特只投资自己能力圈内的股票；彼得林奇也说，只专注于了解自己能力所及的几家上市公司，把自己的买入卖出限制在这几只股票以内，是一种相当不错的投资策略。

难道这些股神都有“易记性偏差”吗？那他们如何能获得超额投资回报呢？

仔细思考这个问题，答案应该是：我们熟悉的东西太少了，会容易被易记性偏差影响；比如我们只熟悉几支、十几支股票，又囿于易记性偏差，而在这些股票里做投资，就很可能失败；而如果我们熟悉的股票有几百上千支、对各行业信息、财务知识都比较精通，就容易选到适合自己投资的股票。也就是说，当我们的知识面、信息量足够，在知识宽度、深度、广度上都有较好的累积，也就是说熟悉的投资类别、股票、行业都足够多，就不容易产生易记性偏差了。股神巴菲特每天有80%的时间在阅读，投资最重要的基础工作，则是做深入扎实的研究，真正意义上的交易时间，少之又少。这可能是巴菲特能投熟悉的公司的原因：他通过阅读把足够多的公司变成了他熟悉的公司，他的投资选择就大了。

那么，纠偏方法应该是：

（1）通过学习，提升知识的宽度、深度、广度，把不熟悉变成熟悉，就不会被少数熟悉的知识带偏； 

（2）经常反思自己的观点，我有哪些论据来支撑观点？我想到的是不是因为它更容易获得?我有没有受到最近的媒体新闻等事件的影响？我还需要获取哪些信息，来判断这一观点是否合理？

2、信息加工阶段的认知偏差

代表性偏差

通俗来讲，就是简单的线性推演。即一个人看见昨天发生的事情，就认为第二天也会发生这件事，看见去年发生的事情，认为第二年还会发生这件事，以此类推。人们在不确定的情况下，会关注一个事物与另一个事物的相似性，以推断第一个事物与第二个事物类似之处。人们假定将来的模式会与过去相似并寻求熟悉的模式来做判断，并且不考虑这种模式产生的原因或重复的概率。实质上，决策者是用相似性或代表性替代概率性思考。

在投资中，投资者将事物划分为有代表性特征的几类，然后根据已有的模式制定决策思维过程。在对事物进行评价时，会过分强调这几类的重要性，而忽略其它事物，并习惯用大样本中的小样本去判断整个大样本。

比如，在证券投资中，人们往往会关注某一板块，某种龙头股票分居波动动往往会引发人们对同一板块中的某类股票的卖。投资者并没有分析该股票的资料和公司未来发展趋势，最后造成亏损。

再比如：有代表性偏差的投资者好公司就是好股票。但实际上，好公司：是盈利能力强，销售收入增长快，管理水平高的公司 ；而好股票：是指未来价格上涨幅度比其他股票大的股票。有些公司是好公司，但受市场追捧，估值过高，并不是好股票。比如，中国石油，是家有垄断资源的好公司吧，但也是最“坑”的股票，上市就破发，如果是上市时买入的股民，现在也无法解套。

中石油K线图（叠加品种为上证指数）

说到代表性偏差，就必须提到贝叶斯法则，是指当分析样本大到接近总体数时，样本中事件发生的概率将接近于总体中事件发生的概率。但行为金融学家发现，人们在决策过程中往往并不遵循贝叶斯规律，而是给予发生的事件和最新的经验以更多的权值，在决策和做出判断时过分看重的事件。面对复杂而笼统的问题，人们往往走捷径，依据可能性而非根据概率来决策。这就是“代表性偏差”。由于心理偏差的存在，投资者在决策判断时并非绝对理性，会行为偏差，进而影响资本市场上价格的变动。

贝叶斯法则比较抽象，我们来举个例子：假设一个常规的检测结果的敏感度与可靠度均为 99% ，即癌症患者每次检测呈阳性 （+） 的概率为 99% 。而非患者每次检测呈阴性 （-） 的概率为 99% 。假设某公司对全体雇员进行检测，已知 在所有人口中只有0.005的人患病毒。请问每位检测结果呈阳性的人员患癌的概率有多高？

解：

我们要求解的是这个概率： P（癌症|检测呈阳性的人员）

套用公式，得到 ：

P（癌症|检测呈阳性人员）

= P（检测呈阳性人员|癌症） P（癌症） / P（检测呈阳性人员）

= 99% * 0.5% / [P（检测呈阳性人员∩癌症） + P（检测呈阳性∩未患病）]

= 99% * 0.5% / [P（检测呈阳性人员|癌症） * P（癌症） + P（检测呈阳性|未患病） * P（未患病）]

= 99% * 0.5% / [99% * 0.5% + 1% * 99.5%]

= 0.3322

也就是说，尽管癌症检测的准确率高达 99% ，但贝叶斯定理告诉我们：如果某人检测呈阳性，其癌症的概率只有大约 33% ，未患病的可能性比较大。

这个计算过程比较烦琐，不想看数字的可以略过，只要了解：因为从大数定理来说，事件发生的可能性很小，就算检测到的结果正确率很高，最终正确的概率也不高。

那为什么我们看到99%的准确率，就会认为被检测者患病概率很高呢？错在我们太关注代表性特征，而忽略了其他信息。当某件事的代表性特征一展现出来，我们会立即做出判断。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。

纠偏方法：下次我们在做投资决策时，应该警惕这种直觉式思维，认识到这样的决策有很大的风险。寻找事物的大概率，而不局限于小概率，不要以偏概全。

今天我们学习了两个阶段的认知偏差，信息获取阶段的易得性偏差，就是我们只调动熟悉的信息，只关注熟悉的东西，忽略不熟悉信息的趋向；要纠正这个偏差，要提升知识的深度、广度，扩大熟悉面，并在决策时多问问自己：是否受到最近媒体等信息的影响？是否获取了足够的证据来支撑决策？

在信息加工阶段的主要偏差，是代表性偏差，我们容易从少数特点进行推论，而忽略大的概率；纠偏方法，是更全局的分析概率，不以偏概全。

下次再来分析信息输出和反馈阶段的认知偏差。

参考文献：陆蓉《行为金融学课》 

丹尼尔.卡尼曼《思考，快与慢》

 百度百科：贝叶斯法则