P2A-C5 · 行为金融 (6 个偏差)¶
核心一句话
你最大的对手不是市场, 是你自己。识别 6 个偏差 = 拆掉 90% 散户陷阱。
通用投资模型 — 任何行业都用
P2A-C5 (Part 2.A 最后 1 章). 学完这一章, 你能识别投资决策中 6 大行为偏差, 用 explicit 工具 hack 它们。
1. 问题: 你 thesis 完美, 决策时仍踩坑¶
P2A-C1 ~ C4 你学了估值 / mental models / 历史可比 / sizing — 工具齐全.
但实际操作时: - DeepSeek 抛售你 panic 卖 (1/27) - NVDA 涨 50% 你 FOMO 加仓 (1/15) - 你 starter 仓亏 20% 你 anchored 不止损 (sunk cost) - Druckenmiller 公开 trim 你跟卖 (authority)
工具 ≠ 执行. 行为偏差让工具失效.
Daniel Kahneman 2002 诺贝尔奖工作: 人脑有 25+ systematic biases. 投资中最致命 6 个:
| # | 偏差 | 投资中表现 |
|---|---|---|
| 1 | Confirmation bias | 你只找 support 你 thesis 的证据 |
| 2 | Anchoring | 你 anchor entry price, 跌了不止损 |
| 3 | Loss aversion | 你避损 (亏 100 痛 vs 赚 100 乐) 2x |
| 4 | Sunk cost fallacy | 你 already lost, 仍 hold 等回本 |
| 5 | Herd behavior / FOMO | 看别人买你买, 看别人卖你卖 |
| 6 | Recency bias | 最近事件 weighted 过重 (DeepSeek 抛售 = AI 完蛋?) |
2. 解决方案: 6 偏差 + 6 个 explicit hack¶
| 偏差 | Hack |
|---|---|
| Confirmation bias | 强制 anti-thesis (P3-C5) — 每个 long 写 5 个反方论点 |
| Anchoring | 不看 entry price — 看 fair value range + invalidation_triggers |
| Loss aversion | explicit stop loss — 写在 thesis yaml, 触发不犹豫 |
| Sunk cost | 每月重新评估 — 如果今天没 position, 你会买吗? 不会 → exit |
| Herd behavior | 决策 cooldown — 看到推荐 24 hr 后再行动 |
| Recency bias | base rate (P2A-C3) — 用历史 paradigm 校准 |
6 hack 写进你 process, 不靠 willpower.
3. 工作原理: 6 偏差详解 + 真实例子¶
3.1 Confirmation Bias (确认偏差)¶
表现: 你 NVDA bull 后, 只读 NVDA bull 的报道, ignore bear.
真实例: 2024 hyperscaler capex 报道, bull 读 "MSFT capex +45%", bear 读 "MSFT FCF 急转弯". 你只读 1 边.
Hack: - 每个 long thesis 强制写 anti-thesis (P3-C5) - Subscribe 1 个 反方 source (eg. Jim Chanos Twitter) - 每月找 1 个最强 short report
3.2 Anchoring (锚定)¶
表现: 你 $130 买 NVDA, 跌到 $115 不卖 ("等回 $130 才卖"). $130 跟 fair value 无关.
真实例: 2025/01/27 DeepSeek 抛售前 NVDA $146, 抛售后 $121. 你 $146 买的 holders 心理"等回 $146". 但 fair value (Damodaran 反向 DCF) 可能就 $110-130.
Hack: - thesis yaml 写 fair value range, 不写 entry price - review 时只看 "价格 vs fair value", 不看 "价格 vs entry" - 写 explicit stop loss (eg. 跌破 $100 触发 review)
3.3 Loss Aversion (损失厌恶)¶
表现: 亏 $100 心理痛苦 ≈ 赚 $200 心理快乐. 让你过分避损 → 提早 trim winners, 持有 losers.
真实例: 你买 5 只 AI 票, 3 只涨 20% 你都 trim (锁利), 2 只跌 20% 你都 hold (等回). 12 月后, 你 trim 的 3 只继续涨 100%, hold 的 2 只继续跌 40%. 净: 大输.
Hack: - explicit thesis review — losers 满足 invalidation_triggers 必出 - 不 trim winners 除非 valuation 极端 (>5 年高 + growth 放缓) - 写 "ride winners, cut losers" 当 mantra
3.4 Sunk Cost Fallacy¶
表现: 你 NVDA 持仓亏 30%. 你想 "已经亏了, 不能 sell 实现亏损". 实际你 hold 是因为 sunk cost.
真实例: 2025 假设你 META 持仓亏 40% (假设性). 真问题不是 "已亏多少", 是 "今天如果没 position, 我会买吗". 不会 → 你应该 exit.
Hack: - 每月 review thesis: "今天如果没 position, 我会按现价买吗?" 答 No → exit - thesis 失效 (invalidation_triggers 触发) 不犹豫退, 不计 sunk cost
3.5 Herd Behavior / FOMO¶
表现: 看到 NVDA 涨 50% 你 FOMO 加仓. 看到 X 推荐你买. 看到 Druckenmiller trim 你跟卖.
真实例: - 2023 NVDA $100 时散户嫌贵 - 2024 NVDA $130 涨 30% 散户 FOMO 买 - 2025/01 NVDA $146 散户加仓 - 2025/01/27 -17% panic 卖 - → 高买低卖
Hack: - 24 hour cooldown — 看到推荐 / 新闻 24 hr 后再决定 - 周末才做 trade (避免盘中冲动) - 写下 "为什么我现在买" 1 段 — 如果只是 "因为别人都买", 不买
3.6 Recency Bias (近期偏差)¶
表现: 最近事件 weight 过重. DeepSeek 抛售后觉得 "AI 完蛋", NVDA 创新高后觉得 "永远涨".
真实例: - 2025/01/27 -17%, 散户觉得 "AI 泡沫破" - 2 月恢复后, 散户觉得 "AI 不可阻挡" - 4 月创新高, 散户 FOMO 加仓 (高位) - → 每次 recency 错
Hack: - Base rate thinking (P2A-C3) — 用历史 paradigm 校准 - 月度 review thesis, 不每天看 - 价格大动后 1 周不行动 (cooldown)
4. vs 散户做法¶
| 维 | 散户 (踩偏差) | 你能改的 |
|---|---|---|
| 看到推荐立刻买 | 24 hr cooldown | ✓ 心理纪律 |
| anchor entry | 看 fair value not entry | ✓ thesis yaml 加 fair value |
| sunk cost hold | 每月 "今天会买吗" test | ✓ 月度 review |
| FOMO 高买 | 决策 1 周不动 | ✓ 周末决策 |
| Panic 低卖 | invalidation_triggers + 等 1 周 | ✓ 写 explicit |
| Recency 反应 | base rate (历史) 校准 | ✓ P2A-C3 工具 |
5. 试一下: 给你 portfolio 跑 6 偏差 audit¶
任务 (~30 分钟): 看你当前持仓, 答:
| 偏差 | 你 portfolio 中表现 | Hack 行动 |
|---|---|---|
| Confirmation | 上次主动找 anti-thesis 是什么时候? | 这周找 1 个反方 source |
| Anchoring | 你能说出每只票 fair value, 不说 entry price? | 给 thesis yaml 加 fair value |
| Loss aversion | 你 winners trim 比例 vs losers hold? | 重新评估 — losers 该出吗 |
| Sunk cost | "今天没 position 会买吗?" 测试每只票 | 答 No 的 exit |
| Herd / FOMO | 上次买入是冷静决定还是 FOMO? | 下次 24 hr cooldown |
| Recency | 最近 1 月新闻 over-weight 了吗? | base rate 校准 |
Self-check (3 项符合 → Part 2.A 完成):
- 你能列出 6 偏差 + 自己最常踩的 2-3 个
- 你给 thesis yaml 加 fair value (不只 entry)
- 你 instituted 24 hr cooldown / 月度 review test 1 个 hack
6. Part 2.A 完结¶
🎉 完成 通用投资模型 5 章. 你现在有:
- ✅ 估值基础 (DCF / 多重 / 反向 DCF + margin of safety, P2A-C1)
- ✅ 5 大 Mental Models (Buffett / Munger / Graham, P2A-C2)
- ✅ 历史 base rate (dotcom / mobile / 工业革命, P2A-C3)
- ✅ Portfolio construction (sizing + concentration + risk parity, P2A-C4)
- ✅ 行为金融 (6 偏差 + 6 hack, P2A-C5)
Part 2.A 是任何行业用的通用工具. AI 投资 specific 工具在 Part 2.B (4 维 thesis / KPI / glossary / walkthrough / 自写 thesis).
Part 2 整完 → 进 Part 3 真实分析流程 (对冲基金 / Buffett / 找瓶颈 / 多 PM / Anti-thesis).
7. 深入 (optional): Kahneman / Thaler / Munger 行为金融 reading¶
点开看 5 本核心 reading
Daniel Kahneman 《Thinking, Fast and Slow》 (book): - System 1 (快) vs System 2 (慢) 思考 - 投资偏差全部源于 System 1 自动 takeover - 推荐 Chapter 11-19 (anchoring / availability / framing)
Richard Thaler 《Misbehaving》 (book): - 行为经济学创始 - 投资具体 case 多
Charlie Munger 《Poor Charlie's Almanack》Chapter 11: - "Psychology of Human Misjudgment" — Munger 25 biases 长 speech - 公开 PDF 网上可下
Howard Marks memos: - 2008 "The Tide Goes Out" — 投资者心理 cycle - 2017 "There They Go Again... Again" — bubble vs healthy
Annie Duke 《Thinking in Bets》: - Poker 思维 + 投资决策 - 强调 "process > outcome" — 好决策可能差结果
每月 1 本, 1 年读完, 你行为决策质变.