投资心理学概论.docx

投资心理学概论.docx

《投资心理学概论.docx》由会员分享，可在线阅读，更多相关《投资心理学概论.docx（24页珍藏版）》请在冰豆网上搜索。

投资心理学概论

投资者心理学概论

----投资顾问应该洞悉的信念、偏好及偏差

丹尼尔.卡尼曼（DanielKahneman）

马克.W.里普（MarkW.Riepe）

引言

决策理论专家HowardRaiffa（1968）介绍了三种决策分析方法之间很实用的区别。

规范性分析关注决策问题的理性解决，它详细阐明了实际的决策行为应追求近似值的理想。

描述性分析关注人们实际进行决策的行为方式。

指示性分析关注人们可用于更理性的决策的实用建议与帮助。

理财顾问是一种指示性的活动，其主要目的应该是指导投资者做出最符合自己利益的决策。

为了有效地开展工作，理财顾问必须准确地把握与投资者的投资决策有关的认知和情绪方面的弱点：

他们偶尔对自己利益与真实愿望的错误评价，他们容易忽视的相关事实，以及他们接受建议并包容自己所做决策的能力的局限性。

我们在本文中概述了一部分这样的内容，它们产生于过去三十年中对于判断、决策和懊悔的研究工作。

判断与决策的偏差有时被称为认知错觉（cognitive

illusions）。

如同视觉错觉一样，直觉推理的错误是不容易消除的。

考虑一下图1中的例子。

尽管你能用一把尺子使自己相信这两条水平直线的长度相等，在你看来，第二条直线仍比比另外那条更长些。

仅仅了解错觉的存在并不能消除错觉。

图1视觉错觉

了解认知错觉与制订决策的目的，是培养能够识别某种特定错误可能发生的条件的技巧。

在这样的条件下，如图1的例子所示，我们无法信任直觉，而且，我们必须用更具批判性或分析性的思考来补充或取代直觉—这等于是用一把尺子避免视觉错觉。

及时提供有关直觉陷阱的警告应该是理财顾问的职责之一。

更普遍地说，对于所有决策者来说，对于可能犯下大错的情况的识别能力都是有用的技巧。

我们在讨论制订决策时沿袭了悠久的传统，即区分两种因素：

信念和偏好。

决策理论专家认为，所有重要的决策都可以描述为在风险事件中进行选择，因为可能的选择结果无法事先完全得悉。

一个风险事件因其可能的结果的范围以及这些结果发生的概率而与众不同。

人们对概率做出判断；他们评估结果的价值（有时也称为效用）；而且，他们将这些信念和价值在形成对风险选择的偏好中结合起来。

判断发生系统性的错误会有不同的表现方式。

判断的系统性错误称作偏差（biases）。

我们从应对判断偏差的选择开始讨论。

然后，我们将讨论偏好的错误，这类错误或者是人们在评估未来结果的价值时导致的，或者是概率与价值的不当结合所致。

在这两种情况下，我们提出一个说明偏差的问题来分别介绍每一种偏差，并为理财顾问提供建议从而得出结论，理财顾问可以用这些建议帮助投资者减轻偏差所带来的有害影响。

最后，我们列出一个理财顾问可以用来检验其应对上述偏差的效果的清单，并结束本文。

说明：

1、finance/financial一词根据不同的上下文分别译作“金融”、“财务”或“理财”。

financial

advisor一词译作“理财顾问”，以区别于我们通常所称的“股评家”或侧重于提供一级市场融资服务的“财务顾问”。

更直接地，可以译作“投资顾问”。

2、Kahneman这篇文章是针对理财顾问所写。

既然我们每个人都是自己的“理财顾问”，那么自我培训一下总是有百利而无一害的。

判断偏差（BiasesofJudgment）

财务决策是在高度复杂及高度不确定的条件下做出的，这种条件会动摇决策者对固定尺度的信心并迫使决策者转而依赖直觉。

在大多数决策中，直觉起着决定性的作用。

我们首先讨论在直觉判断中很可能影响到投资决策的一系列有关的偏差和认知错觉。

容易产生这些偏差的投资者将面临自己意识不到的风险，经历预料不到的结果，易于发生不当的交易行为，并且可能在出现糟糕的结果时以自责或责备他人而结束。

过度自信（Overconfidence）

问题1。

自今天起的一个月内，你对道琼斯指数的点位的最佳估计是什么？

下一步，选取一个高点，使你有99%的把握确信（但不是绝对确信）道琼斯指数在今天起的一个月内会低于该高点。

现在，选取一个低点，使你有99%的把握确信（但不是完全确信）道琼斯指数在今天起的一个月内会高于该低点。

如果你按照问题的指示做了，道指将比你估计的高点更高概率应为1%，而道指将低于你估计的低点的概率也应为1%。

现在，你已经为自己确定了道琼斯指数在今天起的一个月内的点位98%的主观概率置信区间。

你可以用很多影响到投资者的其他变量重复这个练习。

比如，过去五年的通货膨胀率，某一特定股票的价格，利率的大致水平，等等。

事实上，决策分析家建议，决策者应该经常用置信区间来考虑不确定的数量，而不是估计或猜测点位。

假设你已经根据大量不相关的建议做出判断，等待所有结果的明朗化。

对于每一种建议都有三种可能性：

1.实际结果可能高于你估计的高点（用技术术语，就是高点意外highsurprise）。

2.结果可能低于你估计的低点（低点意外lowsurprise）。

3.结果可能在你的置信区间内。

如果你的判断没有产生特别的偏差，并且你对自己知识的局限有着良好的判断，那么，你应该预期遇到大约1%的高点意外和1%的低点意外。

在98%的情况下，实际点位应该落在你的置信区间内。

设置了满足这种要求的置信区间的个人，可以被认为在他们对概率的判断中进行了很好的校准（well-calibrated）。

遗憾的是，极少人能够适当地校准。

大量的研究证明，在主观概率置信区间内存在严重的系统性偏差；太多的意外（surprise）表明置信区间设置得太过紧密。

很多研究中一种典型的结果是意外率达到15-20%，此处，精确的校准会产生2%的效果。

这种被称为过度自信的现象是普遍而顽固的。

业已证明，即使在研究对象的最大利益得到很好地校准的情况下，过度自信仍然存在。

在人们的表述伴有概率数字时，校准（calibration）也会得到检验。

例如，当某人告诉你，她“99%地确信”某事将发生时，你应如何评价事件发生的概率？

一般地说，如果某人告诉你她有99%的把握，你明智的做法是假定相关的概率为85%。

或许会令你很不舒服，但是我们还是认为，这个建议甚至可以应用于你对自己直觉的自信！

现已发现有两个专业群体能够理智地校准，即：

星相学家及障碍赛跑选手。

这两个专业领域中的人学会了适当地校准，因为他们的职业有三个特点：

他们每天面对同样的问题；他们做出明确的或然预言；以及他们得到有关结果的迅速而准确的反馈。

对于专家或非专家来说，当这些条件不满足时，过度自信就是可以预料的结果。

某些理财专家可以满足良好的校准所要求的这些条件；非专业的投资者根本无法满足这些条件，因此，他们容易表现出过度自信。

建议一：

●记录你自己过度自信的实例。

▲

在对客户做陈述时注意你性格上过度自信的倾向。

夸张的陈述会有助于吸引客户，但是如果你无法兑现诺言，反而会使你麻烦不断。

●让客户了解与投资决策有关的不确定性。

▲

不要让客户用他们的过度自信来影响你。

如果你让他们影响到自己，你就会对业绩提出不切实际的过高要求，这将导致你与客户的关系很快破裂。

说明：

calibrate/calibration校准，似乎还有更好的译法，有请诸位朋友指正。

乐观主义（Optimism）

问题2。

你认为自己的驾车水平如何？

把自己和公路上遇到的司机比较一下，你的水平是在平均之上，平均水平，还是在平均之下？

如果某个熟人买进一支后来表现不好的股票，你认为他是做错了还是运气不好？

另一个影响力很大的偏差存在于不对称效应（asymmetric

effects）之中：

由于乐观主义倾向的存在，大多数人的信念都存在着偏差。

乐观主义者夸大了他们自己的才能：

这就是超过80%的司机相信他们的驾车技术高于平均水平（就象Lake

Woebegon里所有的孩子那样）的原因。

他们中的多数人肯定是错误的。

乐观主义者还会低估他们无力控制的坏结果出现的可能性。

举例来说，大多数大学生相信，与同学相比，自己不大可能在50岁之前生癌或者得心脏病。

最后，乐观主义者还容易产生一种控制错觉（illusionof

control），即：

他们夸大他们控制自己命运的程度。

他们容易低估机会在人事中的作用，并且错误地将机会的游戏（games

ofchance）理解为技巧的游戏（gamesof

skill）。

（译注：

这段话很有意思，表明了作者对世界的根本看法。

）

过度自信与乐观主义的结合是一剂烈酒（apotent

brew），它使人高估自己的学识水平、低估风险并夸大自己控制局面的能力。

它也会使人容易遭受统计意外（statistical

surprises）的打击。

然而，如我们下面将要看到的，人们本应该对自己预言失败的事件感到意外的，但他们却常常并不感到意外。

建议二：

●抑制你在给客户提建议的行为中过度乐观的自然冲动。

比如，考虑一下可能出错的事情。

●因为你更容易记住自己的成功，保存一个过去你所做的不成功的建议的清单。

事后明白（Hindsight）

问题3。

回忆一下美联储最近一次的举措，报刊上有关于它的推测。

在事情发生的前一天，你所估计的美联储将如实际所做的那样做的概率是多少？

你是否确信自己能够准确地回忆起在事情发生前那天自己的信念？

如果你能够准确地回忆起，你就属于少数人之列。

心理学证据指出，人们几乎无法在事后再现他们事先所考虑的事件发生的概率。

当人们夸大自己事先所估计的事件发生的概率时，多数人受到了“诚实的”欺骗。

这是事后明白偏差（hindsight

biases）的表现形式之一。

由于另一种事后明白偏差，对于见识广博的专家没有预测到的事件，在它们发生后通常显得几乎是必然发生的。

金融界的权威为我们提供了无穷无尽的例子。

每天，在收市前一个小时内，人们可以从广播中听到专家非常自信地解释市场为何会如此表现。

听众会从中得出不正确的推断，认为市场行为是非常合乎情理的，所以能被事先预测到。

如果市场行为是可以预测的，事件当然会使很多人改变他们先前的所为，而市场行为也会发生不同的衍变。

每个人要应对市场事件的人都熟知这一连串的推理，但是，人们仍然一如既往地渴望能对过去所发生的事情做出解释。

事后明白错误（hindsight

errors）在两个方面是有害的。

首先，事后明白容易助长过度自信，滋生出“世界比现实的世界更可预测”这样的错觉。

其次，这是理财顾问经常学到的一种痛苦的教训，在投资者的心目中，事后明白常常把合理的风险事件变成愚蠢的错误。

在一支股票的价格下跌之后，其下跌似乎是必然的。

那么，理财顾问为什么不早一点建议卖掉它？

事后明白是投资者产生懊悔情绪的一个重要的因素。

●向你的客户传达现实的成功机会。

●在向客户提供历史数据时，要抑制住自己倾向于提供正面数据的诱惑。

▲

有懊悔倾向（regret-prone）的乐观主义者对于他们自己及试图帮助他们的专业人员，都是最差的性格组合。

因此，及早识别出客户的这种性格取向是很有用的。

对偶发事件过度反应（Over-ReactiontoChanceEvents）

问题4。

掷一枚硬币，下列结果中哪一种更可能发生：

HHHTTT及HTHTTH？

在这个问题中，掷一枚硬币产生这两个结果可能性是一样的。

然而，问题的两个结果中只有一个看起来是随机的，另一个则看起来是规则的。

大多数人错误地相信，第二个结果比第一个更可能发生。

更为重要的是，很多人会过快地感知到事件的随机结果中偶然的规则。

这个观察结果有时被称为“热手（hothand）“谬论，因为在Gilovich，Vallone和Tversky（1985）对职业篮球选手所做的经典研究中，它已为大量的事实证明。

观察者和参与者普遍相信，在比赛中选手们表现得时“热（hot）”时“冷（cold）”，与他们长期的平均水平有关。

Gilovich，Vallone和Tversky分析，选手们在数百场比赛中的投篮结果（包括场内投篮和罚球线上罚球）。

全面的分析显示，某个选手长期的命中百分比与预期的纯粹出于偶然的结果相比，并没有发现更多的偏差。

至少在职业篮球运动中，热手是一种错觉。

人脑是一种模式寻找装置（pattern-seeking

device），而且，它会产生强烈的偏差以适应在事件的任何显著的结果中偶然因素都在起作用这样一种假说。

热手谬论在金融领域是普遍存在的，它（指热手谬论—译注）毫无理由地相信连续几年取得成功的基金经理的要求。

将偶尔的重要性归咎于偶发波动的倾向，还会导致投资者对任何能够吸引他们注意力的消息反应过度（overreact）。

对篮球来说，热手谬论会导致教练对命中或失手这些侥幸的结果反应过度，教练在指挥比赛中会倚重某位“热（hot）”选手，或者过早地将“冷（cold）”选手打回板凳上。

对金融来说，同样的心理怪僻会导致投资者将感知趋向于不存在之物，并根据那些错误的印象采取行动。

Odean（1998）报告了一种引人注目的模式，这是他对个人投资者通过某家经纪行进行的成百上千的交易活动所做分析的结果。

他发现，当个人投资者卖出一支股票并马上买进另一支股票时，在第一年，他们卖出的股票的表现，平均（不考虑交易费用）要比他们买进的股票的表现好出3.4个百分点。

这种高成本的过度交易可以用我们讨论过的两种偏差来解释：

人们对不存在之物的感知模式，以及他们在对不确定的事件做出判断时太过于自信。

建议三：

●问问你自己，你有没有真实的理由相信自己比市场懂的还多。

●在做出主动的决策之前，考虑交易是基于随机因素的可能性。

在进行交易之前，列出不是基于随机因素的原因。

概率的非线性权重（Non-LinearWeightingofProbabilities）

问题5。

你有机会赚取2万美元。

不知道确切的概率。

考虑以下三种结果：

A.概率为0或1%

B.概率为41%或42%

C.概率为99%或100%

A、B、C这三种不同的情况，对于制订决策是否具有相等的重要性？

你能否根据它们对偏好的影响对它们排序？

理性选择理论（Thetheoryofrationalchoice）告诉我们，不确定的期望应该用可能结果的效用的权重来评价，每种结果按照发生的概率确定其权重。

以概率确定权重暗示着，具有1%概率的可能结果，其权重应十倍于具有0.1%概率的结果。

另一个暗示是，某一事件的概率1个百分点的增量，应该对结果的权重具有同样的影响，无论最初的概率是0%，41%或是99%。

正如读者在考虑问题5时肯定会发现的，直觉上，风险与机会并不服从这项准则。

将某一期望事件的概率从0提高至1%，或者从99%提高至100%，比起将概率从41%提高至42%，人们愿意支付更多的代价。

人们以高度有规律的方式偏离了概率权重的原则。

与确定某种确定性（假定概率为1）的权重有关，人们高估小概率并低估中等和大概率；尤其要说的是低估大概率。

这项准则解释了我们了解的在风险和不确定性条件下制订决策的大部分情况。

尤其解释了，比起其他具有相等的期望价值的风险事件，人们更喜欢longshots的原因；对long

shots的偏好，是因为获胜的小概率被大大地高估。

因此，多数人会发现，有1%的机会赢得1000美元，比价值10元的礼物更吸引人。

而且，如果有99%的机会赢得1000美元，多数人为了消除丢掉奖金的可能性，愿意支付比10美元高得多的代价。

总的来说，不对称的概率权重使得人们既喜欢购买彩票，又喜欢购买保险单。

译注：

1、longshot，指获胜机会非常小的赌局，如赛马、彩票等。

2、“有1%的机会赢得1000美元，比价值10元的礼物更吸引人”，这里期望价值是相等的，都是10美元。

3、“……多数人为了消除丢掉奖金的可能性，愿意支付比10美元高得多的代价。

”这里，丢掉奖金的可能性（概率）为1%，代价为1%*1000美元=10美元。

人们偏重变化（Changes），而不是状况（States）

问题6。

假设你比今天的你多出20000美元的财富，而且你要在两个选项中做出选择：

A.获得5000美元，或者

B.50%的机会赢得10000美元，50%的机会什么都赢不到。

问题7。

现在，假设你比今天的你多出30000美元的财富，而且你必须在下列两个选项中做出选择：

C.输掉5000美元，或者

D.50%的机会输掉5000美元，50%的机会什么都不输。

如果你象大多数其他人一样，那么：

1）你可能几乎不在意有关比你自己多出一笔确定数额财富的初始陈述；2）你可能感觉这两个问题非常不同；而且，3）如果你选择一个问题中的风险事件及另一个问题中的确定事件，你可能选择问题7中的风险事件及问题6中的确定事件。

这样一种考虑这两个问题的方式，尽管感觉上是完全自然的，但是却违背了理性决策的一项重要原则。

一个绝对理性的决策者将视这两个决策问题为完全相同的，因为它们用财富状况的公式表示是等价的（指A与B，或C与D—译注）。

在这两个问题中，你在比今天的你多出25000美元财富或者接受一个风险事件之间有一个选择。

对于这一风险事件，你最终可能多出20000美元或者多出30000美元的财富，其概率是相等的。

这一论断是简单的：

对于一个绝对理性的决策者，要紧的是他或她最终能得到的，而不是过程中发生的损益。

这样一位理性的决策者会选择问题6和问题7中的风险事件或者确定事件，而不是象大多数人那样有所偏好。

在这部分的分析中，某个在两个问题中做出不同选择的决策者，必定受到了与损益有关系的不相干情绪的影响，而不是将财富效用的最大化这一更重要的目标记在心里。

对于问题6和问题7中相等陈述的富有逻辑的论断是令人难以置疑的，但也并不是显而易见的。

没有人愿意参加这种对每种风险事件的结果表面上增加他或她的财富的无意义的训练。

事实上，大多数读者可能忽视有关他们财富变化的初始陈述，因为财富的这种变化根本不可能改变他们的偏好。

它是一个通用的练习，只考虑直接取决于所做选择的损益，以简化决策问题。

然而，这个通用的训练是一种错误源，因为它导致人们对于“同一”问题的替代公式，做出不一致的选择。

从这个事例我们可以得出几项重要的意义。

首先，总是可能对同一个决策问题进行广义（比如财富）或者狭义（比如损益）构架（frame）；广义和狭义构架通常会导致不同的偏好。

其次，通过调整广义构架并将注意力集中于状况（比如财富）而不是变化（比如损益），可以最好地符合理性的要求，不过，我们承认，狭义构架更容易，更自然，而且更常见。

建议四：

●在向给客户提供有选择的行动方针时，要用最为广义的构架来表达。

●确保所选择的构架与客户有关（比如财富）。

●对于主要目的是退休后生活的客户，考虑将财富水平转换为在退休期间能够被预期的年金收入额。

价值函数（valueFunction）

图2概括了我们已经学到的关于人们如何评价损益的大部分内容。

价值函数取一个为零的价值作为中间结果，称为参考点。

参考点通常等于现状（即，目前的财富状态），但是，在某些情况下，参考点符合个人有理由预期的结果，有时候是因为其他人已经得到了结果。

在我们稍后讨论的其他情况中，参考点由问题的构架决定。

价值函数的两个特点对于理解许多决策行为是重要的。

1.函数对于损失比收益更陡峭，这个特点称为损失厌恶（lossaversion）。

2.

函数的两条分支曲线分别用特殊的数学关系描述，它暗示着一个我们将称为风险态度的近似对称性（near-proportionalityofriskattitudes）的结果。

问题8。

某人邀你对掷硬币下注。

如果你输了，你会输掉100美元。

如果要使你接受这个赌局，最小的收益是多少？

问题8具有代表性的答案位于200-250美元的区间内，其中，收益相对损失的比率非常高。

这个数字反映了人们在损失与收益的评估中存在的明显的不对称性。

这种不对称性称为损失厌恶（lossaversion），它解释了很多值域中的决策行为。

例如，Benartzi和Thaler（1995）在最近一篇重要的文章中，研究了损失厌恶在股票和债券定价中所起的作用。

作者从对历史上年度真实回报的观察开始，股票的回报达到7%，而T-bills的回报则低于1%。

尽管存在这种惊人的差异，但这两种资产的市场是均衡的。

他们对这一证券溢价难题（equity-premiumpuzzle）的解决办法是，人们应考虑这两种资产年回报的概率分布，并将可能损失的权重定为收益权重的2.5倍，如图2中的价值函数所示。

当然，对于股票来说，损失的概率更大，而负的结果的额外权重也需要有更高的回报作为全面补偿，这样才抵得上更安全的资产的吸引力（指T-bills这种风险很小的资产对于追求稳定收益的投资者的吸引力—译注）。

建议五：

●某些人会比其他人更厌恶损失。

评估你客户的风险厌恶程度。

●不要向损失厌恶的客户推荐高风险投资。

除非他们乐观地低估风险，他们才会接受这样的投资。

译注：

T-bills，即treasurybills，

美国短期国债，期限少于一年，采用竞价发行，不象大多数债券那样支付固定利息。

问题9。

何种确定收益才与下面的风险期望想匹配：

50%机会赢得1000美元，50%的机会什么都赢不到？

某一风险期望的现金等价（cash-equivalent）是指象期望一样有吸引力或者令人反感的收益或损失的确定数额。

大多数人会为问题9中的风险事件设置少于400美元的现金等价。

现在，假设可能赢得的数额为5000美元，然后为20000美元，请回答同一个问题。

你可能会发现，你的现金等价几乎与奖金的数额同比例增长，尽管可能比奖金增长得稍慢一些。

在现金等价的研究中一种醒目的发现是，当某一期望所有可能的结果以一个小倍数增长时，现金等价几乎也以同样的倍数增长。

这个观察结果被称为风险态度的近似对称性。

正如我们稍后将了解到的，它是理财决策中某些重要错误的一个根源。

在理财顾问中也存在着风险对称性。

Kahneman和Thaler在一项培训中，向某家专业机构的一群理财顾问提出了针对一个富裕家庭全面理财建议的方案。

有一半顾问被告知，该家庭拥有3000万美元资产，并且每年开支20万美元。

其他顾问考虑了除了资产（600万美元）和开支（12万美元）以外，所有细节都相同的一个方案。

顾问们建议的应投入证券的资产比例在两种方案中几乎是一样的：

对于较富裕的家庭为66%，对于富裕程度稍差的家庭为65%（即分别拥有3000万美元和600万美元财产的家庭—译注）。

当这些顾问被要求考虑这两种方案，并决定他们是否会对两种方案推荐同样的证券投资比例时，绝大多数人认为，他们会建议较富裕的家庭更多地持有证券资产。

风险事件的形态与吸引力（TheShapeandAttractivenessofGamblers）

问题10。

考虑表1中的8个风险事件。

它们是否按照吸引力由大而小的顺序排列的？

表1具有相同期望价值的风险事件的相对吸引力

风险事件报偿1（美元）报偿1的概率（%）报偿2（美元）报偿2的概率（%）

A5,00095105,0005

B5,0005015,00050

C1,0001011,00090

D1,0009091,00010

E2,0005018,00050

F05020,00050

G-2,00090118,00010

H-5,0005025,00050

注：

每个风险事件都有相似的形式。

例如，对于风险事件A，个人面对的就是95%的机会赢得5000美元回报及5%的机会赢得105000美元回报的风险事件。

表1中所有风险事件都有两种可能的结果，并且都有一个10000美元的期望价值（比如风险事件H，期望价值是-5000*0.5+25000*0.5=10000美元—译注），不过，期望价值的“形态”不同；这两种结果可以有相同或迥异的概率，且小概率结果比概率较大的结果可能更好也可能更差。

某些风