06 为什么股评不可信？信息加工阶段的认知偏差

认知心理学，把信息处理的过程，分为信息收集、加工、输出和反馈四个阶段。在上一讲，我们一起讨论了，在信息收集阶段，可能会产生的认知偏差。在完成信息收集之后，就要对信息进行加工处理，这个阶段，也会产生信息偏差。

在加工信息的时候，最容易犯下的错误，就是代表性偏差。理解这个问题的根源所在，在做投资分析时，就可以避免误入歧途。在日常工作、生活中，也可以受到启发。

下面，我描述一个人的性格特点，可以猜测下她可能从事的职业。

小张很害羞，乐于助人，对周围的事物不是很关心，喜欢活在自己的世界里。她很整洁，做事很有条理，非常关注细节。请问，你觉得她是一个农民，还是一位图书管理员？

大部分人都会选择图书管理员，一个理性人会按照贝叶斯法则，计算小张是图书管理员的真实概率。贝叶斯法则计算真实概率的条件，由两个概率的乘积组成。

第一项，就是代表性的假定概率。在描述中大约有99%的可能，她是一名图书管理员。第二项，就是无条件概率。它不依赖于任何条件，换而言之，在大街上随手一指，他是一名图书管理员的概率。这个概率，可能连十万分之一都没有。

这个描述，和农民很不相像。在100个人之中，至少也会有一个人和她相近。参考中国农业人口占总人口的比例，接近50%，第二个概率非常大。两个概率的乘积，图书管理员的99%乘以十万分之一，远远小于1%乘以50%，理性人的回答，小张更可能是一位农民。

误以为小张是图书管理员，错在太关注代表性特征，而忽略了其他信息。一看到它的代表性特征，立刻做出判断。人总是倾向于根据代表性特征，冲动地做出判断，这就是认知的代表性偏差。

在金融市场当中，代表性偏差很常见。看到某一位基金经理，连续获得金牛奖，立刻认为他是一个很好的基金经理。实际上，想要得出正确的结论，还需要参考很多信息。他的成功，是偶然还是必然，有没有考虑到公司、团队、工作经历等因素。在大部分情况下，没有观察到的因素太多，代表性特征的信息量，不足以提供决策支持。

看到一家公司，连续三年利润翻番，立刻下单入手它的股票。连续三年利润翻番，是一个好公司的代表性特征，但并不等同于它就是一家好公司，还有很多信息需要参考。如果公司高管打算减持股份，刻意调整出一个漂亮的成绩单。公司业绩连续翻番，并不等同于这个状态可以长期保持。

一位很靠谱的朋友，向你推荐了一只股票。出于信任，你立刻选择下单。这样做，还是犯了代表性偏差的错误。一只股票是不是真的很好，被你朋友推荐这个因素非常次要，你忽略了太多的其它信息。

在生活当中，这种偏差无处不在，随时随地都在影响你对事物的判断。造成代表性偏差的根本原因，很可能是因为把大数定律，误用为小数定律。

大数定律，是概率论历史上的第一个极限定理，说的是，当试验次数足够多的时候，呈现出来的统计规律性。需要注意它的前提条件，只有数据量足够大，样本量足够多，这个结论才能成立。代表性偏差，就是大数定律被误用的典型案例。仅仅参考少数样本，就做出决策，这就是小数定律，也叫做赌徒谬误。小样本不可以用来做出统计判断，在小数这里，全部都是偶然。

这种小样本的代表性偏差，同样容易出现在金融市场当中。比如挑选基金经理、评选分析师、预测公司盈余、预测市场、挑选股票等等。

很多股民特别信赖股评家的判断，感觉他们很靠谱。这只是一道概率题，第一周，向八百人推荐一只股票，一半涨，一半跌。第二周，向说对的那四百人推荐一只股票，一半涨、一半跌。第三周再向说对的200人推荐股票，一半涨、一般跌。三轮之后，总会剩下一百人，发现这个人好厉害，相信他就会跟着他投资。

即使他随机给出建议，总会有一部分人收到貌似正确的信号。他的代表性特征因此呈现，就可以按此做决策。面对自己很熟悉的人，更容易犯下类似的错误。只要他连续做对几次，就会感觉他好厉害，从而轻信于他。

代表性偏差，是指在事物的代表性特征表现出来之后，很容易冲动地做出判断，忽略了更多决定性的信息。归根结底，它源于我们误以为小样本的代表性特征，可以用来做推断。