行為金融學:千萬別相信,這只股票一定要漲

信息收集完了,今天我們就分享第二個階段,信息加工階段的認知偏差吴侦。

炒股的朋友屋休,經(jīng)常會遇到各種各樣的“股評家”。注意妈倔,我說的這個“股評家”是帶引號的博投。既有各種電視、廣播盯蝴、網(wǎng)絡上的評論員毅哗,也有微博、公眾號上的各種大V捧挺,各種意見領袖虑绵,等等。

很多炒股的朋友闽烙,覺得正好比較迷茫翅睛,聽聽“股評家”的觀點,說不定有幫助黑竞。

其實捕发,絕大多數(shù)“股評家”的觀點,是不能聽的很魂。聽了要吃虧的扎酷。

因為在這個階段,人最容易犯的就是代表性偏差。你理解了這個錯誤,不僅可以避兔投資分析時的誤區(qū),而且在日常工作遏匆、生活中處理類似問題,也會很受啟發(fā)法挨。

代表性偏差的一個測試

我給你描述小張這個人的性格特點,請你猜猜看她更可能從事什么職業(yè)。

小張很害羞,樂于助人,但對周圍發(fā)生的事不太關心,喜歡活在自己的世界里幅聘。

她很整潔,做任何事都很有條理,關注細節(jié)凡纳。

請問,你認為,小張更可能是從事以下哪種職業(yè)的?農(nóng)民、圖書管理員帝蒿。

我猜,你大概會說小張是圖書管理員,大多數(shù)人確實都會這樣回答荐糜。為什么你覺得她像是圖書管理員呢?你可能會說,剛才描述的這些特征也太像一個圖書管理員了,有99%都像,比農(nóng)民要像得多啊。但這真的就能說明小張最有可能是圖書管理員嗎?錯了!

如果換成理性人,他們會怎么回答?他們會按照貝葉斯法則來計算小張從事圖書管理員工作的概率。簡單地說,貝葉斯法則測算的真實概率由兩個概率的乘積構成,第一個概率就是你剛才看中的那一項99%,指的是給出的這些描述“有多像”一個圖書管理員狞尔。這些描述確實很像,假定概率高達99%,這一項就被稱為“代表性”丛版。但真實概率除了這一項之外,還有一項,被稱為無條件概率。無條件概率不依賴于任何條件,當然也不依賴于我剛才對小張的那一堆描述偏序。

怎么理解無條件概率呢?你可以理解為,在大街上你隨手一指,這個人就是圖書管理員的概率页畦。這個概率有多大?你會說,這個概率也太小了吧。全國能有多少個圖書管理員呢?被我手一指就猜對的概率可能不足10萬分之一研儒。

比較之下,我們再來計算一下小張是農(nóng)民這個職業(yè)的概率豫缨。這些描述也太不像是個農(nóng)民了,但是假設100個農(nóng)民中,有一個人符合描述的這些特點,差不多吧?所以,第一個概率,“代表性”的概率是1。但是,中國的農(nóng)業(yè)人口占總人口的50%,你看,這第二個概率就非常大了端朵。

兩個概率的乘積,圖書管理員職業(yè)的99%乘以10萬分之一,遠遠小于農(nóng)民職業(yè)的1%乘以50%好芭。所以,理性人的回答是:小張是農(nóng)民的可能性更大。

現(xiàn)在你仔細想想,你脫口而出,認為小張是圖書管理員,錯在哪里了呢?錯在你太關注代表性特征,而忽略了其他信息冲呢。

當某件事的代表性特征一展現(xiàn)出來,你會立即做出判斷舍败。對小張性格特點的描述,非常符合一位圖書管理員的代表性特征,你立刻就判斷她是圖書管理員了,卻忘記了她還有好多你沒有觀察到的特點,所以,她不是圖書管理員的概率其實更大。

從這個例子,你就能明白了,人總是傾向于根據(jù)代表性特征來沖動地做判斷,這就被稱為認知的代表性偏差敬拓。

金融市場中常見的代表性偏差

在金融市場中,代表性偏差非常常見邻薯。例如,你看到某位基金經(jīng)理連續(xù)獲得金牛獎,就立即做出判斷:都獲得金牛獎了,那他一定是一個好基金經(jīng)理啊乘凸。是不是很像我剛才給出的圖書管理員那個例子?

實際上,你忘記了要得出正確的結論,還有很多決定性的其他信息,比如他這幾次成功是偶然的,不能歸于能力,如果時間放長一點,或考慮到公司厕诡、團隊、工作經(jīng)歷的偶然性等因素,這種隨機性就會消失营勤。

也就是說,你沒觀察到的因素太多,代表性特征的信息量不足以做決策灵嫌。再例如,你看到一家公司連續(xù)3年利潤都翻番,然后立即對它的股票做出判斷買!你又沖動犯錯了。還是錯在代表性偏差葛作。

連續(xù)3年利潤翻番,是一個好公司的代表性特征寿羞。但這并不意味著這家公司真的就是一家好公司,這家公司還有好多信息都被你忽略掉了。比如說,公司高管近期需要減持股票,業(yè)績可能是有意調(diào)整出來的;再比如說,這家公司未來的盈利機會消失,業(yè)績不能持續(xù)赂蠢。你被公司的一些代表性特征吸引了,就立即判斷了绪穆。

好,現(xiàn)在你是不是已經(jīng)能夠理解代表性偏差了?在你的生活中,這種偏差簡直是無處不在,隨時隨地影響著你的判斷。

代表性偏差就是錯在了用小樣本的很少信息來做判斷客年。這種小樣本的代表性偏差同樣容易出現(xiàn)在金融市場里,比如挑選基金經(jīng)理霞幅、評選分析師漠吻、預測公司盈余量瓜、預測市場、挑選股票等等途乃。

為什么股評家不可信?

對于炒股的人來說,總有一些他們特別信賴的股評家,覺得他們的預測特別準绍傲。我舉個投資中常見的騙局,你就會了解,為什么不可輕信股評家的話。假定一個人吹噓他是推薦股票的大神,薦股從來沒錯過,看看他是如何讓你相信他說的話是真的。

“一個人第一周向800個人發(fā)出800條微信烫饼,其中400條說某只股票會漲猎塞,400條說會跌;第二周杠纵,他向其中接收到的信息符合股票實際漲跌情況的400人再發(fā)一條微信荠耽,其中200條說這只股票會漲,200條說會跌比藻;第三周他再向接收到“正確”信息的200人發(fā)微信铝量,其中100條說這只股票會漲,100條說會跌银亲。你會發(fā)現(xiàn)慢叨,3輪之后,一定會有100人發(fā)現(xiàn)這人連續(xù)3次說對了這只股票的漲跌务蝠,簡直是太神奇了拍谐!于是,這些人就信了這個人馏段,跟隨他投資”

所以,通過這個例子你看出來了什么?你現(xiàn)在知道這個人的推薦完全是隨機的,但總有一部分人打開電視轩拨、打開收音機、翻開報紙,會連續(xù)收到他說對的信號,這樣,這個人的代表性特征就表現(xiàn)出來了,你可能就按此做決策了毅弧。

其實,除了面對不認識的人,面對你熟悉的人,你更容易犯這種錯,只要他有幾次做對了气嫁、說對了,你可能就覺得他很厲害,從而輕信于他。

到這里,你應該了解這叫代表性偏差,你做的判斷是沖動的够坐。

好啦

今天分享就到這里

周六了

祝寸宵,開心~

?著作權歸作者所有,轉載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市元咙,隨后出現(xiàn)的幾起案子梯影,更是在濱河造成了極大的恐慌,老刑警劉巖庶香,帶你破解...
    沈念sama閱讀 211,348評論 6 491
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件甲棍,死亡現(xiàn)場離奇詭異,居然都是意外死亡赶掖,警方通過查閱死者的電腦和手機感猛,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,122評論 2 385
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來奢赂,“玉大人陪白,你說我怎么就攤上這事∩旁睿” “怎么了咱士?”我有些...
    開封第一講書人閱讀 156,936評論 0 347
  • 文/不壞的土叔 我叫張陵立由,是天一觀的道長。 經(jīng)常有香客問我序厉,道長锐膜,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,427評論 1 283
  • 正文 為了忘掉前任弛房,我火速辦了婚禮道盏,結果婚禮上,老公的妹妹穿的比我還像新娘文捶。我一直安慰自己捞奕,他們只是感情好,可當我...
    茶點故事閱讀 65,467評論 6 385
  • 文/花漫 我一把揭開白布拄轻。 她就那樣靜靜地躺著颅围,像睡著了一般。 火紅的嫁衣襯著肌膚如雪恨搓。 梳的紋絲不亂的頭發(fā)上院促,一...
    開封第一講書人閱讀 49,785評論 1 290
  • 那天,我揣著相機與錄音斧抱,去河邊找鬼常拓。 笑死,一個胖子當著我的面吹牛辉浦,可吹牛的內(nèi)容都是我干的弄抬。 我是一名探鬼主播,決...
    沈念sama閱讀 38,931評論 3 406
  • 文/蒼蘭香墨 我猛地睜開眼宪郊,長吁一口氣:“原來是場噩夢啊……” “哼掂恕!你這毒婦竟也來了?” 一聲冷哼從身側響起弛槐,我...
    開封第一講書人閱讀 37,696評論 0 266
  • 序言:老撾萬榮一對情侶失蹤懊亡,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后乎串,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體店枣,經(jīng)...
    沈念sama閱讀 44,141評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,483評論 2 327
  • 正文 我和宋清朗相戀三年叹誉,在試婚紗的時候發(fā)現(xiàn)自己被綠了鸯两。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 38,625評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡长豁,死狀恐怖钧唐,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情蕉斜,我是刑警寧澤逾柿,帶...
    沈念sama閱讀 34,291評論 4 329
  • 正文 年R本政府宣布,位于F島的核電站宅此,受9級特大地震影響机错,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜父腕,卻給世界環(huán)境...
    茶點故事閱讀 39,892評論 3 312
  • 文/蒙蒙 一弱匪、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧璧亮,春花似錦萧诫、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,741評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至群扶,卻和暖如春及刻,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背竞阐。 一陣腳步聲響...
    開封第一講書人閱讀 31,977評論 1 265
  • 我被黑心中介騙來泰國打工缴饭, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人骆莹。 一個月前我還...
    沈念sama閱讀 46,324評論 2 360
  • 正文 我出身青樓颗搂,卻偏偏與公主長得像,于是被迫代替她去往敵國和親幕垦。 傳聞我的和親對象是個殘疾皇子丢氢,可洞房花燭夜當晚...
    茶點故事閱讀 43,492評論 2 348

推薦閱讀更多精彩內(nèi)容