为什么股评不可信？信息加工阶段的认知偏差
关键点：一、概述——信息加工
代表性偏差
二、代表性偏差与无条件概率
人总是倾向于根据代表性特征来冲动地做判断
无条件概率不依赖于任何条件
三、金融市场中的代表性偏差
例子1——获奖的大师都很牛B吗？
例子2——公司连续翻番一定牛B吗？
例子3——亲近的人推荐的东西可信度高吗？
四、造成代表性偏差的原因
大数定律误用为小数定律
代表性偏差就是错在了用小样本的很少信息来做判断。
五、为什么股评家不可信？
只要他有几次做对了、说对了，你可能就觉得他很厉害，从而轻信于他。
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。
金句：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”。
自我总结：
一、概述——信息加工
信息收集完了，你就该加工了吧？这一讲我们就谈谈第二个阶段，信息加工阶段的认知偏差。
在这个阶段，人最容易犯的就是代表性偏差。你理解了这个错误，不仅可以避免投资分析时的误区，而且在日常工作、生活中处理类似问题，也会很受启发。
二、代表性偏差与无条件概率
假定概率高达99%，这一项就被称为“代表性”。但真实概率除了这一项之外，还有一项，被称为无条件概率。
无条件概率不依赖于任何条件
你太关注代表性特征，就容易忽略了其他信息。当某件事的代表性特征一展现出来，你会立即做出判断。
例子：
小张很害羞，乐于助人，但对周围发生的事不太关心，喜欢活在自己的世界里。
而且很整洁，做任何事都很有条理，关注细节。
那么小张是图书管理员呢，还是农民？
对小张性格特点的描述，非常符合一位图书管理员的代表性特征，你立刻就判断她是图书管理员了，却忘记了她还有好多你没有观察到的特点，所以，她不是图书管理员的概率其实更大。
可中国的农业人口占总人口的50%
全国能有多少个图书管理员呢？被我手一指就猜对的概率可能不足10万分之一。
收获：
人总是倾向于根据代表性特征来冲动地做判断，这就被称为认知的代表性偏差。
三、金融市场中常见的代表性偏差
例子1——获奖的大师都很牛B吗？
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啊。
但还有很多决定性的其他信息
比如他这几次成功是偶然的，不能归于能力，如果时间放长一点，或考虑到公司、团队、工作经历的偶然性等因素，这种随机性就会消失。
例子2——公司连续翻番一定牛B吗
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。
无条件概率
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。
例子3——亲近的人推荐的东西可信度高吗
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。
代表性偏差
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。
四、造成代表性偏差的原因
你可能将“大数定律”误用为“小数定律”了。
大数定律
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。
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。
你要注意的的是，大数定律，需要数据量足够多、样本量足够大才能下结论。
小数定律
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”。
例子：
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”。
代表性偏差就是错在了用小样本的很少信息来做判断。
五、为什么股评家不可信？
对于炒股的人来说，总有一些他们特别信赖的股评家，觉得他们的预测特别准。
只要他有几次做对了、说对了，你可能就觉得他很厉害，从而轻信于他。
于是你就打开电视、打开收音机、翻开报纸，会连续收到他说对的信号，这样，这个人的代表性特征就表现出来了，你可能就按此做决策了。
六、总结
代表性偏差
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。
