行为金融学 | 代表性偏差

1. 什么是代表性偏差

人类在对事件做出判断的时候,过度关注于这个事件的某个特征,而忽略了这个事件发生的大环境概率和样本大小,这就称为认知的代表性偏差。

2. 金融市场中常见的代表性偏差

在金融市场中,代表性偏差非常常见。

例如,你看到某位基金经理连续获得金牛奖(一种相当于最强基金经理的称号),就立即做出判断:都获得金牛奖了,那他一定是一个好基金经理。实际上,这个奖项还不足以确定他就是一个好的基金经理,还有很多决定性的其他信息,比如他这几次成功是偶然的,连续盈利能力如何,如果时间放长一点,考虑到公司、团队、工作经历的偶然性等因素,这种随机性就会消失。也就是说,你没观察到的因素太多,代表性特征的信息量不足以做决策。

再例如,你看到一家公司连续3年利润都翻番,然后立即对它的股票做出判断——买!你又冲动犯错了。还是错在代表性偏差。连续3年利润翻番,是一个好公司的代表性特征。但这并不意味着这家公司真的就是一家好公司,这家公司还有好多信息都被你忽略掉了。比如说,公司高管近期需要减持股票,业绩可能是有意调整出来的;再比如说,这家公司未来的盈利机会消失,业绩不能持续。你被公司的一些代表性特征吸引了,就立即判断了。

再举个例子,你一位平时很靠谱的朋友给你推荐了一只股票,出于对他的信任,你立刻就买入了,犯的也是代表性偏差的错。你会奇怪了,这里面代表性特征是什么呢?是你朋友靠谱。你太看中这个代表性特征了,股票被你这个靠谱的朋友推荐了,那还能不是一只好股票吗?实际上,一只股票好不好,被你朋友推荐与否这个因素实在是太不重要了。你忽略了好多公司的其他信息。

好,现在你是不是已经能够理解代表性偏差了?在你的生活中,这种偏差简直是无处不在,随时随地影响着你的判断。

3. 造成代表性偏差的原因

那我们再深究一下,你为何会那么冲动,觉得仅凭几个代表性特征就可以做判断了呢?原因就是,你可能将“大数定律”误用为“小数定律”了。

“大数定律”是概率论历史上第一个极限定理,指的是当试验次数足够多的时候呈现的统计规律性。

例如,你扔一枚均匀的硬币,若次数足够多,出现正面的频率应该无限接近于概率——1/2。你需要注意的是,大数定律,需要数据量足够多、样本量足够大才能下结论。

而代表性偏差,则是人们误用了大数定律,只用少量样本就做决策,这种错误被称为“小数定律”。

还是以扔硬币为例,当连续6次都正面朝上,让你下注押下一次,你会押正面还是反面?你可能会押反面吧?即使赌场高手也会犯这个错误,所以小数定律也被称为“赌徒谬误”。

小数定律错在了小样本是不可以用来下统计推断的。在小数这里,都是偶然,下一次出现正、反的概率仍然相等。

代表性偏差就是错在了用小样本的很少信息来做判断。

这种小样本的代表性偏差同样容易出现在金融市场里,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。

4. 总结

代表性偏差指,当事物的代表性特征表现出来以后,人容易冲动地做判断,而忽略了其他更多决定性的信息。归根结底,代表性偏差源于人们以为小样本的代表性特征就可以用来做推断。

在金融投资中,很多人或投资标的都会展现出一些代表性特征,在做投资决策时,应该警惕这种直觉式思维,至少,你得认识到这样的决策有很大的风险。

5. 参考资料

  1. 得到:陆蓉的《行为金融学》第6课
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,163评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,301评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,089评论 0 352
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,093评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,110评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,079评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,005评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,840评论 0 273
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,278评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,497评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,667评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,394评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,980评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,628评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,796评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,649评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,548评论 2 352

推荐阅读更多精彩内容