行为金融学教学课件第四章 心理学（上）信念

第四章心理学（上）：信念心理学被认为是行为金融学的两个主要支柱之一（另一个支柱是套利的有限性）。行为金融学的心理学理论基础之一是关于人类信念的心理学理论。基础之二是关于人类偏好的心理学理论。本章介绍关于人类信念的心理学理论，第五章将介绍关于偏好的心理学理论。关于信念的心理学理论之所以能成为行为金融学的理论基础，是因为人们的决策通常是建立在人们信念的基础之上，而金融学本质上就是研究人们在不确定环境下的决策。在金融市场中很多情况下，人们对于风险资产价值的评估不是基于金融模型，而是基于自己的理念。例如，过度自信与过度乐观可能导致投资者高估风险资产的价值，从而影响其投资决策。第一节

经验法则“经验法则”（Heuristics）是阿莫斯·特韦尔斯基与丹尼尔·卡尼曼提出的关于人们决策的理论，是行为金融学中信念理论的核心。

按照传统经济学理论，理性经济人根据概率规则或统计理论计算自己的预期效用，然后采取相应的行动。但事实上，人们常常并不依据概率规则或者统计学原理，而是依靠一些“粗浅的经验”（RulesofThumbs）。特韦尔斯基和卡尼曼将这种依据粗浅的经验进行决策的现象称为经验法则。依据经验法则进行预测与判断有时可能得出合理的结果，但也常常导致严重且系统性的错误。

三种经验法则：

他们提出如下三种经验法则：

代表性经验法则（HeuristicsofRepresentativeness）

易得性经验法则（HeuristicsofAvailability）

定位与调整法则（HeuristicsofAnchoring&Adjustment）一、代表性经验法则依据经验进行判断的经验之一就是代表性。所谓代表性就是可供选择的各种结果同既有证据之间或者样本与全域之间的相似程度。代表性经验法则就是人们认为这种相似程度越高的结果或者样本出现的可能性也越大。代表性经验法则也被称为相似性经验法则。例如，如果事件A比事件B更能代表他们所属的全域，那么人们常常认为事件A发生的概率大于事件B的发生概率，虽然实际情况可能恰好相反。也就是说，人们对事件的主观概率判断是同他们对事件的全域的代表性（亦即相似性）判断是一致的。1、代表性经验法则的判断标准

代表性经验法则的判断标准之一是该事件或者样本在多大程度上反映了它所属的全域的显著特点。如果人们认为某一样本或者事件更明显的反映了全域的显著特征，那么，人们认为这一样本或者事件更可能发生。下面这一例子就说明了这一现象。某个城市对所有有六个儿童的家庭进行了调查。调查发现，在其中的72个样本家庭中这六个男孩与女孩的出生次序为GBGBBG（G代表女孩，B代表男孩）。那么，在该城市中，在其他有六个儿童的家庭中，六个儿童的出生次序为BDBBBB的家庭有多少？大多数人认为BGBBBB发生的可能性要比GBGBBG发生的可能性小，因此，如果GBGBBG的家庭数目为72个的话，那么BGBBBB的家庭数目也就是30个左右。

人们进行这样的判断，是因为他们认为任何一个小样本或者事件都应该具有全域的特征。在这一例子中，由于整个社会这个全域中男孩女孩的比例大致相等，因此人们认为在一个家庭中，男孩与女孩的数量也应该大致一样。GBGBBG这一序列更符合全域的特征，因而被认为更可能发生。

但事实上，出生次序为BGBBBB的家庭和GBGBBG的家庭数量大体上是一样的。

代表性法则的标准之二是该事件或者样本同它所属的全域在本质特征上的相似程度。例如，在知道全域的特征之后（例如某一职业的特征），人们将各种可能的预测/判断结果（例如对某人就职于该职业的概率的预测）按照该结果同全域特征的相似程度来排列，然后选择相似程度最高的结果。

卡尼曼和特韦尔斯基1973年进行的一个实验证明了人们常常依据这一标准进行预测和判断。该实验设计如下：

考虑以下美国所有大学研究生院中的一年级研究生，然后请尽量准确的估计这些大学一年级学生分布在下面九个专业中的比例。之后他们向由65名学生组成的第二组实验对象提供了关于一个名叫汤姆的人的性格分析。

汤姆的性格如下：“虽然汤姆缺乏真正的创造性，但他很聪明。他很注意秩序与清晰性；他也特别爱整洁，对他来说，所有的东西都应该在它们各自合适的地方。他的文字表达比较枯燥、机械化，但他偶尔会使用一些俏皮话与像科幻小说中一样富有想象力的文字让他的文章增色。他努力的让自己适应工作；他似乎缺乏对于他人的同情与感受，不喜欢同别人交往。他以自我为中心，但有强烈的道德感。”

请估计，汤姆是哪个专业的学生？研究生专业估计的平均比率%（基率）平均相似排位平均可能性排位商业管理153.94.3电脑72.12.5工程92.92.6人文教育207.27.6法律95.95.2图书馆学34.24.7医学85.95.8生命科学124.54.3社会科学与社会工作178.28.0表4-1九个专业的估计与对汤姆的预测表4-1的第三列是这65名学生对汤姆同九个专业中的学生的相似程度估计的平均值。显然，根据上述性格特征的描述，人们觉得汤姆最像电脑专业的学生，最不像社会科学与社会工作专业的学生。

然后，卡尼曼又向114个来自美国主要大学的心理学专业的研究生提供了如下信息，并要求他们回答如下问题：“前述关于汤姆的性格测定是他在高中时由心理学家根据预测性测试进行的。汤姆现在在研究生院读书。请根据汤姆现在在九个专业中就读的可能性对九个专业排位。”表4-1的第四列是这组心理学专业的学生对九个专业排位的平均值。卡尼曼与特韦尔斯基对表4-1各列之间的相关性进行了研究。第四列和第三列之间的相关性为0.97，而第四列与第一列的相关性为-0.65。显然，人们对于可能性的判断本质上是同他们对于相似性的判断重叠的，而不是同第一列对基率（BaseRate）的估计重叠。卡尼曼认为，人们是根据相似性（代表性）进行预测和判断的。2、代表性经验法则对判断的影响代表性经验法则导致人们的判断系统性的违背概率规则与统计学原理，它对人们判断的影响包括以下几个方面。

（1）对基率（基数）的不敏感

在不确定环境下进行判断，会对事件发生概率产生重大影响的一个因素就是事件的事前概率（PriorProbability），也就是基率。代表性经验法则导致基率谬误（Base-RateFallacy）。基率谬误现象是在估计事件的发生概率时，人们常常忽视事件的基率比例，过度重视某一或者某些具体信息，而不是将基率比例与具体的信息结合起来。根据统计学理论，判断的预期准确度决定具体的证据与基率在判断中的分量。当判断的预期的准确度低的时候，具体证据的分量应该降低，而基率的分量应该增加，也就是说预测比例更应该接近基率比例。在上述对汤姆专业的判断中，人们有理由相信实验对象的判断准确度会降低，因为第一，大量证据表明，心理学上的预测性测试极不可靠；第二，即使预测性测试是可靠的，对汤姆的性格测试发生在中学生时代，而现在他已经是研究生了，因此该测试很可能已经不再准确。可见实验对象的预测应该尽量接近基率比例。表4-1第一列显示，人文/教育专业的学生是电脑专业学生人数的3倍，因此，汤姆是人文专业学生的概率应该是他是电脑专业学生概率的3倍。卡尼曼给出的一个典型例证：

某个傍晚，一辆出租车肇事后逃逸。这个城市一共有两家出租车公司，根据他们所经营的出租车的颜色，我们称其为蓝车公司和绿车公司。其中，蓝车公司的出租车数量占85%，绿车公司的出租车数量占15%。一个目击者说，该车是绿色的。法庭对证人在晚上辨认出租车颜色的能力进行测试，发现该目击者在当时那种情况下的判断正确率为80%。那么，该肇事车辆是绿车的概率是多少？以下有三个选项，请问哪一个最有可能？

A.该肇事车辆是绿车的概率是0.8

B.该肇事车辆是绿车的概率是0.5

C.该肇事车辆是绿车的概率小于0.5

这个问题最早是由卡尼曼和特维尔斯基提出来的。他们做了大量的心理学实验，并且发现，大多数人认为选项（A）是正确答案，只有极少数人认为（C）是正确答案。但事实上，根据贝叶斯定理可知，（C）才是正确答案。其解答过程如下：

令B和G分别表示肇事出租车是蓝车和绿车；W表示目击证人的证词；Wb表示目击证人说那辆肇事出租车是蓝色的。所以，P（B）=0.85；P（G）=0.15；P（Wb/G）=0.8

此外，由于目击证人有20%的可能性会给出错误答案，因此，当他说肇事车辆是绿车但实则为蓝车的概率是20%，即P（Wb/B）=0.2

根据贝叶斯定理，我们有：

P（G/Wb）=[P(G)×P(Wb|G)]/[P(G)×P(Wb|G)+P(B)×P(Wb|B)]=0.41

由此可知，肇事车辆是绿车的概率只有41%。其实，这就是我们通常所说的“规范性”答案。

。此外，由于目击证人有20%的可能性会给出错误答案，因此，当他说肇事车辆是绿车但实则为蓝车的概率是20%，即P（Wb/B）=0.2

根据贝叶斯定理，我们有：

P（G/Wb）=[P(G)×P(Wb|G)]/[P(G)×P(Wb|G)+P(B)×P(Wb|B)]=0.41

由此可知，肇事车辆是绿车的概率只有41%。其实，这就是我们通常所说的“规范性”答案。

（2）对样本大小不敏感使用代表性经验法则判断概率的另一个结果是导致人们忽视样本的大小对概率的影响。实验表明，即使在问题中明确强调了样本大小对概率的影响人们仍然会忽视它的作用。特韦尔斯基和卡尼曼1974年的实验证明了这一点。

某城市有大小两所医院。在大医院里每天大约有45个婴儿出生，在小医院里每天大约有15个婴儿出生。所有婴儿中，大约有50%是男孩。当然，真正的百分比每天都不一样，有时候高于50%,有时候低于50%。某一年中，两所医院各自记录了出生的男婴比例高于60%的天数。你认为哪一个医院记录的天数多？

a．大医院b．小医院c．基本一样大多数人回答“基本一样”。剩下没有如此回答的人们，则一半选择大医院和一半选择小医院。但正确的答案是小医院，所以接近75%的被试都给出了错误的答案。得到这些错误答案是由于人们没有认识到，样本的大小在这个问题中的重要性。当其他的因素保持不变时，较大的样本总是能够更精确地估计出样本母体的真正数值。也就是说，在任何一个指定的日子，较大的医院由于有较大的样本，男婴出生的概率倾向于接近50%。相反，小的样本总是倾向距离样本母体的真正数值比较远。因此，小医院将会有更多的天数记录了与样本母体的真正数值相矛盾的男婴出生的比率（60%的男婴，40%的男婴，80%的男婴，等等）。（3）对复合事件概率法则的违反在概率学中，一个最简单、最基本的法则就是复合事件概率（ConjunctionProbability）法则，即两个事件A与B同时发生的概率P(A&B)不可能超过事件A或者事件B单独发生的概率，P(A)与P(B)。换句话说，就是P(A&B)>P(A)或P(A&B)>P(B)都不可能成立。

然而不确定环境下的判断常常受到诸如代表性与获得性直觉经验的影响，而直觉经验并不受复合事件概率的约束。复合事件可能比组成它的单个事件更有代表性，也可能更容易想象并从记忆中搜索出来。因此，代表性经验与易得性经验可能使人们认为复合事件比组成复合事件的单个事件更可能发生。卡尼曼和特韦尔斯基1983年做了一个实验，他们虚构了一个叫琳达的女性，然后将一段简短的关于琳达的性格描述让参与实验的人阅读，在每段性格描述下分别有8项关于琳达的职业等方面的论断。他们要求参与实验的人将这些论断按照他们符合琳达性格的程度排列顺序。琳达，31岁，单身，坦率且很聪明。她在大学主修哲学。在学生时代，她特别关心歧视与社会公正问题，而且参与了反核抗议。1、琳达是小学教师；2、琳达在书店工作，她参与了瑜伽班；3、琳达是女权运动的活跃分子；4、琳达是关心精神病人的社会工作者；5、琳达是女选民联盟的成员；6、琳达是银行出纳；7、琳达是保险销售人员；8、琳达是银行出纳并且是女权运动的活跃分子。二、易得性经验法则在不确定环境下判断事件发生概率时，人们使用的另一个经验法则就是易得性经验法则。按照特韦尔斯基和卡尼曼的理论，如果某人在评估事件发生的频率或概率时，他总是依据他能够记起的该类型事件的容易程度来评估，那么他就是在利用易得性经验。这种容易程度受到人们对类似事件的熟悉程度、类似事件的显著特征等的影响。1、回忆容易性与事件的鲜明性、特点的显著性根据易得性经验法则，人们常常错误的认为那些具有显著特点、容易让人记住的事件发生的概率更大、频率更高。

卡尼曼做了一个实验，他准备了4个名单，名单上包括知名人物和不知名人物姓名，以两秒钟播放一个名字的速度要求实验者尽可能写下名单上的名字。结果显示，大多数人写下名人名字的数量多于不知名人物名字的数量。而且绝大部分人认为名单上的知名人物多于不知名人物，实际上是相反的。

事件的鲜明性和特点的显著性也影响人们对概率的估计。例如人们亲眼看到交通事故，他就会认为交通事故率在上升。2、可想象性有时候，在评估事件的发生概率时，人们头脑中并没有这一类事件的事例，但可以依据一定的规则想象这样的事例。这种可想象性常常导致那些更容易想象的事件被视为更可能发生的事件，虽然在头脑中容易想象的这种事件的实际发生概率并不一定高。

例如，对于如下问题：从10个人中，任选一个在2到8人之间的人数组成一个委员会。选取几人时，可组成委员会的数目最大？这是一个简单的组合问题，通过计算我们就可以知道，当选取的人数是5时，可以组成的委员会数目最大，即252个，而由2到8人组成的委员会数量相等，3人与7人，4人与6人组成的委员会数目也分别相等。

但是，大部分人的直觉是2人组成的委员会数目会多于5人或8人。出现这种判断错误是因为人们很容易在头脑中想象出一些由2个人组成的不同的委员会，但想象一些由8人组成的不同的委员会就比较困难。3、关联幻觉另一种易得性经验就是关联幻觉（IllusionofConnection），即人们常常认为具有某种内在联系的事物发生的概率会高一些。三、定位与调整在判断事件发生的概率时，人们的通常做法是：从一个起始值开始，然后对这一起始值进行调整，进而得出最后值。这一起始值可能来自需要对之进行判断的问题本身，也可能是人们自己的推断。这一判断法则导致两个问题：首先，人们进行的调整常常是不充分的，结果导致偏差；其次，人们的最后答案因为起始值的不同而不同。这一经验法则被称为定位与调整法则。1、调整不充分现代统计决策理论指出，在获得关于事件的新的信息之后，人们应该对他们此前对事件发生概率的估计进行修正，而修正的原则就是贝叶斯定理。大量实验显示，在获得新的信息后，人们通常会对他们最初对事件发生的概率作出的估计进行修正，而且修正的方向也是对的，但是修正的幅度常常没有达到贝叶斯定理所要求的幅度，即调整不充分。2、对复合事件与分离事件估计的偏差来看下面的实验。实验人员可以在下面三个不同的事件中任选一个下赌注。

事件一：简单事件。1个口袋中装了100个球，其中红色球与白色球的比例各为50%；实验者从口袋中抽出1个红球则获奖。

事件二：复合事件。1个口袋中装了100个球，其中红球占90%，白球占10%；实验者从口袋中连续7次都抽中红球则获奖。每抽出1个球后，放入1个相同的球。

事件三：分离事件。1个口袋中装了100个球，其中红球10%，白球90%。实验者从口袋中连续7次抽球，至少1次抽中红球的的获奖。每抽出1个球，放入1个相同的球。计算一下概率。事件一是50%，事件二是48%，事件三是52%。实际中，人们常常高估复合事件的发生概率，过低估计分离事件的发生概率。

复合事件要成功，那么每一个组成部分都必须成功。即使每部分成功的概率都很高，但如果组成部分很多，整个活动成功的概率将大幅降低。第二节过度自信过度自信是指过高估计自己对事件判断的准确性的现象。在金融市场中，这可能表现为人们相信自己能够预测股票价格短期走向并因此而频繁的进行交易。研究表明，投资者在金融市场中的这种过度自信会损害投资者的利益。一、所有人都高于平均水平心理学上有一个乌比冈湖效应（LakeWobegonEffect），意思是高估自己的实际水平。社会心理学借用这一词，指人的一种总觉得什么都高出平均水平的心理倾向，即给自己的许多方面打分高过实际水平。用另一种通俗的说法，就是自我拉抬偏差(self-enhancingbias)。

这一现象容易出现在司机身上。多数驾车者都认为自己的驾驶技术高于别人，并且自己的驾驶比别人安全。二、信息拥有量的增加强化过度自信斯图尔特·奥斯坎普1965年就信息量和过度自信之间的关系做了研究。随着获得的信息的增加，人们对自己的判断的准确性的自信度急剧增加，而他们的判断的实际准确性却没有因为信息拥有量的增多而提高，他们的判断的实际准确性之低与他们的自信度之高形成鲜明反差。三、决策问题的难度强化过度自信萨拉·里什滕斯坦与巴鲁克·菲施霍夫1977年的实验发现，对于越困难的问题，人们越自信，而对较容易的问题，他们却表现出缺乏自信的倾向。

还有研究表明，当事件的可预测性比较高时，专家们的判断的准确性常常超过一般人，对赛马、桥牌比赛的研究证明了这一结论。但当事件的可预测性低的时候，专家常比一般人更容易表现出过度自信。例如，如果精神病人未来的心理状况、俄罗斯经济发展、股市的走向很难依据现有的数据进行预测时，那些利用模型进行预测的专家常常比不知道如何使用这些模型进行预测的外行们表现出更强烈的过度自信。四、寻找支持自己的证据为什么无论在专家中，还是在一般公众中，这种盲目的过度自信会持续存在，为什么人们没有能够从现实生活的经验中吸取教训，从而对自己的判断不再那么盲目自信呢？

希勒尔·艾因霍恩与罗宾·霍格斯1978年的实验表明，人们没有能够从经验中吸取教训，从而对自己的判断力不再那么自信的原因之一，是他们只注意那些对支持自己的判断的证据，而忽视了同自己的观点相反的证据。例如，有报道说，当某名投资咨询人员说股市会上涨时，即当他发出股市利好的报告时，股市确实常常随后上涨。股市的变动与对股市的预测会有如下四种情况：A.股市利好报告；B.股市利空报告；C.股市上涨；D.股市下跌。

问题：为证实该投资咨询人员是否真的有预测股市走向的能力，你至少需要上述四种股市变动与预测中的哪一项或者哪几项作为证据？第三节过度乐观人们常常认为自己将取得成功，而别人取得成功的概率肯定会远远低于自己取得成功的概率；自己不会受到伤害，而别人更加可能成为不幸事件的牺牲品。人们的这种信念不仅反映出他们对生活前景的乐观主义态度，同时也是他们判断上存在偏差的结果。这一偏差在心理学上被称为“不现实的乐观”（UnrealisticOptimism）或者“过度乐观”（Over-optimism）。一、企业家：我比别人更可能成功创建一个企业或者买下一家已经存在的企业进行经营是一种高风险的投资活动。在进行这种活动时，企业家们将很多属于自己的东西置于风险之中，这些东西包括资本、大量的时间、声誉、放弃的其他机会等等。但是，在美国每天仍然有成千上万家新企业得以创建。

大量研究表明，长远来看，新企业的存活率很低。美国商务部曾进行一项大型研究，针对的是1946-1954年间新创建与转手的企业。研究发现，46%的企业在创建或转手1.5年后关门，在4.5年后，71%的企业关门。其他的相关研究也有类似发现，总体上说，能坚持5年以上的新创建企业肯定低于50%。既然创办企业风险这么大，那么企业家在创建企业时，是不是都非常谨慎呢？阿诺德·库珀等学者1988年对2994家已存活1年左右的企业进行的研究表明，企业家对自己的成功过度乐观。

他们发现，95%的企业家认为他们成功的概率大于等于50%，81%的的人认为成功概率大于等于70%，更有33%的人认为他们100%会成功。总体而言，他们认为自己成功的概率高达81%，但认为别人会成功的概率只有59%。二、一般公众：不幸事件不会降临到自己头上大量研究表明，人们对自己的未来表现出一种非现实的乐观态度。对公众进行的车祸、犯罪与疾病等不幸事件发生在自己身上的调查说明，很多人相信自这些不幸事件发生在自己身上的可能性低于发生在一般人身上的可能性，很少有人认为，这种不幸事件发生在自己身上的可能性高于发生在一般人身上的可能性。

尼尔·温斯坦1980年对人们的这种过度乐观现象进行了研究。他的研究结果包括以下几个方面：第一，人们相信，坏事降临到自己身上的可能性比它们降临到别人身上的可能性要低，而好事降临到自己身上的可能性比降临到别人身上的可能性要高。

第二，对坏事发生在自己身上的概率进行评估时，对自己越不希望看到/越不希望发生在自己身上的事件，人们认为其发生在自己身上的可能性就越低；对好事降临到自己身上的概率进行评估时，对自己越希望看到/越希望发生在自己身上的事件，人们相信其降临到自己身上的可能性越高。第三，对自己越认为可能发生的事件，人们越相信会发生在自己身上。

第四，对某一事件以往的经历会导致人们相信该事件以后还会发生在自己身上。

第五，对坏事，如果人们越相信该事件可以控制，人们就越认为这事情不会发生在自己身上；对好事，如果人们月相信该事件可控，那人们就月认为这事情会发生在自己身上。

第六，对坏事，如果人们认为该事件常发生在某类人身上，那就越不会被自己碰上。尼德·温斯坦的实验还证明，人们之所以表现出这种强烈的过度乐观态度，是因为他们将注意力只放在对自己有利的因素上，而忽视了别人也可能具有很多有利因素。在实验中，对“涨工资”这种好事，实验者列举的它发生在自己身上的理由数（平均2.53个）远高于它没发生在自己身上的理由数（平均0.83个），而对于“离婚”这种坏事，他们列举的不会发生在自己身上的理由数（平均3.58个）远低于它会发生在自己身上的理由数（平均0.84个），实验参与者月乐观，他们列出的对自己有利的理由也越多。第四节控制力幻觉人们总是相信，即使是在完全由偶然性控制结果的活动中，他们也是可以控制事件发展的，因此自己能够取得成功。这种由于过度相信自己对事件发展过程的影响力而导致的对自己的成功概率的过度高估、对偶然性作用的估计不足的倾向被称为“控制力幻觉”（ControlIllusion）。对偶然性作用的估计不足导致人们对风险估计不足，而在金融市场中，股票的价格变化等现象常常是一个由偶然性决定的随机过程。一、赌徒似的控制力幻觉

20世纪60年代，在对61500名美国人进行的调查中，研究者发现71%的人参与过赌博。赌博的人比例如此之高说明人们对赌博中获得成功的可能性抱非常乐观的态度。在对德国以及瑞士的彩票进行分析后，马赫1971年得出结论，“对于赌博这来说，最重要的信念是，他们能够克服偶然性法则。这种态度同由偶然性决定的事件本质上是无法确定的这一观点完全相反。”

在一项1967年对掷骰子的研究中，亨斯林发现，人们在掷骰子时的行为表明他们相信自己可以控制结果。例如赌场中，很多赌博者试图通过如下方法控制结果：对骰子说话；在轮盘赌下注前，将此前结果记录下来；仔细操作机器把手等。二、强化控制力幻觉的因素埃伦·兰格与简·罗斯1975年对控制力幻觉进行了两项具有代表性的研究。他们通过实验证明了即使在完全由偶然性决定结果的活动中，人们仍然表现出强烈的“控制力幻觉”。他们发现下列因素会强化人们的控制力幻觉。

第一，竞争性强化“控制力幻觉”。在一组试验中，实验对象是36名大学生。18名自信、聪明的学生为一组，另外紧张、笨拙的18名学生为另一组。实验要求他们抽纸牌，牌面数字大者获胜。实验结果表明，在抽纸牌这种完全由偶然性决定的事件中，当竞争对手被视为不如自己时，人们也常常错误的认为自己能够以技巧控制局面。第二，选择自由强化“控制力幻觉”。此次实验对象是53名公司职员。27人（男24，女3）自由选择一张彩票，剩下26人由工作人员分配一张彩票。然后要求他们把彩票转让给别人。此时，自己选彩票的27人的报价大幅高于被动接受彩票的26人的要价。这一实验表明，当人们对事件的某一方面可以作出自由选择时，他们常常错误的认为自己可以控制事件的发展。第三，熟悉程度与参与程度强化控制力幻觉。人们对活动的熟悉程度越高，参与程度越高，人们就越强烈的认为他们可以控制活动的结果。

第四，熟悉性与选择自由强化控制力幻觉。当人们对事件的某些方面可以自由选择或比较熟悉时，他们会有一种强烈的可控制感。

第五，以往的成功强化控制力幻觉。

第六，大部分认为，即使是纯粹的偶然性事件也可以通过练习加以控制。轻视（Contempt）谨慎（Caution）自信（Confidence）深信（Conviction）安心（Complacency）关注（Concern）投降（Capitulation）。关于自信的情绪周期（7C）思考：请用情绪周期解释股市波动第五节信息幻觉与专家幻觉人们常常认为，掌握的信息越多，自己作出的决定就越准确。这种信念是一种认识偏差，被称为“信息幻觉”（InformationalIllusion）或者“知识的诅咒”（CurseofKnowledge）。此外，人们常常认为某一方面的专家对该领域了解更多，因此对该领域相关问题的判断比外行更准确，专家对自己的判断也非常自信。这一信念被称为“专家幻觉”（IllusionofExpertise）。之所以被称为专家幻觉是因为专门知识的拥有量与判断准确性之间并不必然有正相关性。一、知识的诅咒证券公司常常在广告中强调他们拥有的数据量，以此招徕投资者开户。但大量研究表明，拥有的信息量多，人们决策的准确性反而下降。这种现象称为“知识的诅咒”。科林·卡默勒等认为，这一现象之所以发生，是因为知道的多的一方无法忽视某些只有他才拥有的信息，虽然在决策中忽视这些信息对他更有利。卡尼曼和特韦尔斯基认为，信息幻觉现象普遍存在于日常生活中。他们以代表性经验法则来解释这一现象。在进行完汤姆的实验后，他们要求参与者回答下面问题：

“关于迈克，除了他现在是一年级研究生外，你什么也不知道，请估计他是前面九个专业的研究生的可能性。”

在汤姆的试验中，参与者根据对汤姆的描述来估计其专业，估计结果和基率的相关性是-0.65。而对迈克的估计与基率的相关性是0.74。这说明在没有其他信息的情况下，参与者利用了基率判断，因而其准确性更高。而在获得了毫无价值的信息后，人们将这些信息考虑进来并依据代表性经验进行判断，反而更易出错。二、信息量与过度自信大量研究表明，掌握的信息量与对决策的自信度之间存在明显的关系，即随着自己掌握的信息量的增加，人们对自己的判断的自信度也明显提高。三、专家幻觉人们通常相信专家的判断。但专家的判断是否真比别人准确呢？英国《经济学家》杂志于1984-1995年进行的测验表明，即使在专家们的领域，他们判断的准确性有时也非常差。1984年，该刊物邀请了4个OECD成员国的财政部长，4名跨国公司CEO，4名牛津大学学生，4名伦敦的清洁工对未来10年全球的经济前景预测。指标有经济增长率、通货膨胀率、石油价格等。1995年对上述四类人员的预测结果进行的审查表明，清洁工和CEO的预测最准，其次是大学生，最差的是财政部长。第六节对随机性与回归平均值的误解代表性经验法则是一种能够违反概率统计法则的思维方式，它导致人们对随机性与回归平均值的错误认识。代表性偏差导致的对随机性的认识偏差主要表现在两方面：第一，它导致“赌徒的谬误”现象；第二，它导致“神投手”信念的产生。一、赌徒的谬误赌徒的谬误（Gambler’sFallacy）也被称为“偶然性的成熟”。它是指人们相信，当某一事件最近发生过后，该事件在未来发生的概率会降低，虽然事实上某一事件发生的概率同另一事件发生的客观概率是相互独立的。例如，在轮盘赌上，如果刚出现了6，那么人们相信下次出现6这一数字的概率会大幅降低。虽然轮盘赌上这次出现的数字和下次的数字毫无关系。“赌徒的谬误”现象的存在不仅在实验室得到了证实，而且在赛马比赛中也得到了证实。查尔斯·柯罗特费尔特与菲利普·库克1993年以美国马里兰州的博彩证明，该州的彩票购买者表现出强烈的“赌徒的谬误”倾向。每次在某一个号码被抽中后，随后数天中选择该号码的人数急剧下降。数月之后，选择该号码的人数才恢复到该号码上次被抽中前的水平。二、神投手信念在比赛中，经常出现某一时段，选手的表现好于平时和人们的预期。人们习惯上把这样的队员称为“神投手”。无论球迷、教练还是篮球队员都相信神投手肯定是存在的。

然而托马斯·吉洛维奇、罗伯特·瓦卢内与阿莫斯·特韦尔斯基1985年发表了一项在美国篮球界引起轩然大波的研究结果。通过对费城76人队投篮记录的研究，他们得出结论说，不存在“神投手”、“连串射手”现象。人们出现这一信念是误解了偶然性法则的结果。表4-176人队9名球员的投篮命中率球员前面连续3球投失后的命中率前面连续2球投失后的命中率前面1球投失后的命中率总体命中率前面1球投中后的命中率前面连续2球投中后的命中率前面连续3球投中后的命中率相关性10.500.470.560.500.490.500.48-0.2020.520.510.510.520.530.520.480.01630.500.490.460.460.460.460.32-0.00440.770.600.600.560.550.540.59-0.03850.500.480.470.470.450.430.27-0.01660.520.530.510.460.430.400.34-0.08370.610.580.580.540.530.470.53-0.04980.700.560.520.520.510.480.36-0.01590.880.730.710.630.570.580.51-0.014加权平均0.560.530.540.520.510.500.46-0.039比较第四列和第六列，同“神投手”现象相反，9名队员中8名在投失1个球后的下一个投篮的命中率（54%）实际上高于他在投中1个球后下一个投篮的命中率（51%）。将第二列和第八列、第三列和第七列对比也可得出相同结果。

表中第九列显示，9名队员中有8名前后投篮间的相关性是负相关，这意味着如果某球员前一个球投失，后个球投中的概率反而更高。也就是说，实际上，1个球员前面的球是否投中对随后的投篮是否命中没有影响。神投手信念的产生原因是人们对于“随机”这一概念的直觉理解常常系统的背离偶然性法则。人们相信一个随机过程的基本特征不仅在全域中表现出来，而且会在其中的一个样本中表现出来。如我们将硬币抛1000次，正反面比例约50%，那么人们就认为如果只抛10次，正反面比例也是50%。特韦尔斯基和卡尼曼把这一信念称为“小数定律”。小数定律即人们认为，大数定律同样适用于小样本。小数定律信念是一种代表性偏差。神投手信念或说小数定律信念导致人们进行外推。在股市中，外推表现为投资者相信此前业绩好的股票会继续好下去，而业绩差的股票会继续差下去。进而导致人们进行跟风交易与对股市或者某一公司过度乐观。此外，如果某一基金连续数年业绩良好，人们会相信该基金连续取得良好业绩不是偶然的，而是因为该基金的管理者具有初中的投资才能。三、平均值回归平均值回归现象影响我们所有人，在日常生活中随处可见。例如，极端聪明的父母生育的子女非常平常，让人失望；连续的幸运之后遭受不幸，等等。虽然日常生活中经常遇到平均值回归现象，人们却很少会有平均值回归的概念。这是因为，在平均值回归的必然发生的时候，他们并不认为会发生；第二，正如统计学教师所发现的，平均值回归这一概念常常让人不习惯；第三，当平均值回归现象发生时，人们总找到其他的虚假理由进行解释。第七节事后聪明与低估偶然性的作用所谓“事后聪明”（Hindsight）就是，在事件发生后，人们相信事件的发生是已经注定了的，不可能朝别的方向发展，自己本来就知道或者应该知道事情的结果。

历史学家乔治斯·弗洛洛夫斯基1969年写道：“人们表现出的决定论倾向在某种程度上寓含在人们对历史的回顾方式之中。回顾过去，我们似乎感觉历史事件是以某种有规则可循或者某种线性方式展开的，而且是以包含在所谓内在必然性的显而易见的模式发展的。因此，我们得到如下印象：事件真的不可能有另外一种结果。在短期内，事后聪明可能带给我们某些好处，例如心理上的快乐。但长期看，事后聪明有很大的危害性。在不确定的环境中，偶然事件导致的失败是不可避免的。由于事后聪明，我们很可能低估偶然性在事物发展中的作用，从而认为所有事情都是可以控制的，这很可能导致我们过度自信。其次，事后聪明可能加重不利事件结果带给我们的遗憾。如果事件的结果同预期相反，那么我们可能进行更严厉的自责。第八节自我归功与过度自信大量研究发现，在日常生活中，人们常将成功归功于自己的能力、努力等，而将失败归因于他人、环境或者其他外部因素。这种将成功归因于自己的倾向被称为“自我归功”（Self-Attribution）。例如，在对教师进行的研究中，在学生的学业取得进步时，教师们常常认为这是因为自己的努力，而当学生在学业上没有取得进步时，教师们常常责怪学生，指责他们没有用功，或者指责教学条件太差。

表面上看，自我归功没什么危害。但自我归功低估外在因素的作用，特别是低估偶然性在事物发展中的作用，因此自我归功一方面可能导致人们过度自信，另一方面阻碍人们从中吸取教训。在金融市场上，自我归功可能使得人们对风险的估计严重不足。罗伯特·沃格森等人1973年进行了两项实验，以研究人们在成功和失败时是如何分摊责任的：表4-2合作性任务中实验对象对责任的分摊任务完成情况实验对象对责任的分摊自己合作伙伴环境成功38.732.828.5中性29.825.644.6失败32.637.030.4表4-3竞争性任务中实验对象对责任的分摊任务完成情况实验对象对责任的分摊自己合作伙伴环境成功42.931.325.8中性35.324.240.5失败27.627.145.3人们为什么会表现出自我归功的倾向呢？詹金斯与沃德认为，这是人们选择性的对待证据的结果当人们预期在两个事物之间存在某种关系的时候，他们常常只注意那些显示这种关系存在的证据，而忽视相反的证据。因此，当人们预期或者仅仅是认为自己将是导致某一成功的原因时，他们常常在时候将成功归因于自己的努力或者能力等等，虽然这种成功如同抛硬币一样完全是由偶然性因素决定的。戴尔·米勒与迈克尔·罗斯认为，除了人们选型对待证据外，人们希望自己的行动取得成功也是自我归功现象产生的原因之一。重要的一课冯国川

2008年，在美国费城的沃顿印度经济论坛上，印度前总统阿卜杜尔卡拉姆演讲的题目是《领导怎样处理失误》。在演讲中，卡拉姆讲了一个故事：“1973年，我有幸成为印度卫星运载火箭项目的总指挥。我们的任务是在1980年之前，将罗西尼号卫星成功送入轨道。”“到了1979年8月，我想我们已经做好了准备。作为总指挥，我去了控制中心指导整个发射过程。计算机开始了各种技术指标的安检，一分钟后，计算机程序显示，有几个控制部件没有按顺序放好。”“在场的5个专家中，有一位告诉我不必担心，说他们已经进行了严格的计算，备用的燃料也很充足。于是，我没有在意计算机的检查结果。通过手动操控，火箭发射了。第一阶段，一切正常。第二阶段，出现了一个问题：卫星非但没有飞向轨道，反而猛冲进孟加拉湾。这是一次重大的科研事故！”“那一天，印度空