进阶15 分钟阅读17 次阅读

认知偏误：概率思维的头号敌人

此章节需要体验会员权限

深入解析赌徒谬误、确认偏误、幸存者偏差等5大认知陷阱，每个配A股真实场景。

注册即可免费学习基础课程

前面几章我们学了概率的工具——期望值、大数定律、条件概率、贝叶斯思维。但即使你掌握了所有这些工具，如果你不知道自己大脑里有哪些"坑"，你还是会掉进去。这就是认知偏误。

认知偏误是人类大脑在漫长进化中形成的"思维捷径"。它们帮助我们的祖先在草原上快速做出生死决策——听到草丛有响动就跑，不需要真的看清楚是不是老虎。

但在需要精确概率判断的场景中，这些捷径会变成系统性的错误。了解它们，是避免它们的第一步。

定义：认为之前的随机结果会影响未来的独立事件。

典型场景："大盘已经连跌5天了，明天肯定该涨了吧？"

为什么是错的：如果每天大盘涨跌近似独立事件（忽略趋势因素），那么今天的涨跌概率不受前5天影响。连跌5天之后，第6天继续下跌的概率并不会因此降低。

更深层的原因：人类大脑有一种"公平世界"的本能假设——觉得"坏运气"之后应该有"好运气"来平衡。但随机过程没有记忆，它不欠你什么。

在策略中的表现：你的网格策略连续3次触发买入后都亏损了，于是你开始怀疑策略，停止执行。但网格策略本身就是通过多次"低买"等待反弹，前几次的亏损是正常的运作成本。

定义：倾向于寻找、解释和记忆那些能证实自己已有信念的信息，同时忽略或贬低那些与已有信念矛盾的信息。

典型场景：你觉得某只ETF下周会涨，于是你专门去找那些支持上涨的理由——"技术面突破了"、"资金在流入"、"行业有利好"。而那些看空的信号——"成交量在萎缩"、"大盘整体走弱"——你下意识地忽略了。

为什么特别危险：确认偏误让你以为自己有充分的理由，实际上你只是在做"选择性证据收集"。你的判断看起来很有逻辑，但它是建立在片面的数据之上的。

如何对抗：主动寻找反对你的证据。每当你形成一个判断时，强迫自己写下3个"如果我错了，可能的原因是什么"。这就是贝叶斯思维中"考虑对立假设"的实践。

定义：只看到"存活下来"的样本，忽略了那些被淘汰的，从而得出错误的结论。

典型场景："你看张三用突破策略赚了大钱！这个策略一定很有效。"

为什么是错的：你只看到了用突破策略赚钱的张三，但没看到用同样策略亏损的李四、王五和赵六。也许100个人用了这个策略，只有5个人赚钱了——5%的成功率，远不如你说的那么美好。

在策略回测中的表现：你测试了20个不同的策略参数组合，发现其中3个表现特别好。于是你选了一个最好的参数，觉得"这个策略年化收益30%"。但你没考虑的是：你做了20次测试，最好的那个可能只是因为运气好，不代表未来也有效。这就是"数据挖掘偏误"——幸存者偏差的一种变体。

幸存者偏差的教训：不要只看成功案例，要问"总共有多少人尝试过？成功率到底是多少？"

定义：过度重视最近发生的事件，低估更早的数据。

典型场景：你的趋势跟踪策略最近2个月赚了15%，你觉得"策略进入状态了"，于是加大仓位。但实际上，最近2个月的优秀表现可能只是随机波动的一部分，策略的长期期望值并没有改变。

为什么是错的：大数定律告诉我们，短期波动不代表长期趋势。近期偏差让你被短期噪音牵着走，做出错误的判断。

在策略评估中的表现：看42号概率实验室的数据：多因子综合策略累计收益28.46%，最大回撤19.76%。如果你只看最近一个月的表现来做决策，你会完全忽略这19.76%的回撤风险——因为它可能发生在任何时间。

定义：在做判断时，过度依赖（"锚定"）最先接收到的信息。

典型场景：你在100元买了一只ETF，现在跌到了80元。你不舍得卖，因为"等回到100元我就卖"。这个100元就是一个锚——它让你无法客观地评估当前80元的价格是否合理。

在策略中的表现：你的策略在回测中最高收益达到50%，后来回落到了25%。你觉得"太可惜了"，期望它能回到50%。但这个"50%"只是历史路径中的一个点，不应该是你评估策略的锚。你应该看的是：以当前信息和数据，策略的未来期望值是多少。

看看42号概率实验室的5大策略：

量化策略的价值不仅在于提高收益，更在于通过规则化的执行来减少认知偏误的影响。

回忆你最近一次操作亏损的经历。你能从中识别出哪种认知偏误在影响你的判断吗？如果当时你有现在这些知识，你会怎么做？

下一章，我们将学习方差、波动率与回撤——用数学工具来精确衡量风险。你之前听到的"风险"这个词，在概率框架下到底意味着什么？

⚠️ 免责声明：本课程内容仅供教育和学术交流目的，旨在帮助读者理解概率论与统计学基础知识。文中所有数据均为历史回测统计结果，不代表未来表现。任何策略的回测数据均不构成对未来收益的保证或承诺。请读者理性学习，独立思考。