概率论与数理统计可以帮助我们理性思考、解决问题，但是单纯依靠胜率数字、分析指标看问题，是割裂机械的、是单薄没有意义的，我们需要在不断变化的市场中建立自适应体系。

在刚开始接触行情分析文章的时候，我特别偏爱那些观点明确、数据详实的文章，这些文章使用各类看起来非高大上的软件、长串英文命名的分析方法、图表颜色绚丽、配以精确到小数点之后几位的结论，显得非常公正客观，让人不由得想去相信。后来阅读得多了，加之学习了心理学，我渐渐发现了一些问题：我们每一个微小的念头都是大脑的盛大演出，任何信息输入到行为的产生，都是由意识或潜意识层面的心理活动联结的。

在思维和决策过程中，我们是如此地容易受到暗示，有时这些影响是那么润物细无声，以至于我们自己都没有发现，但是心理学实验证明此类效应是普遍存在的，甚至效应显著。这不得不让我们警惕，因为也许聪明的广告商会利用心理学知识操纵你买A商品还是买B商品，虽然这并不会对我们的日常生活产生太大影响，但是投资标的有意无意地偏移，却可能影响深远。毕竟我们都明白，投资决策是一项极严谨的事业，失之毫厘可能绝非仅仅谬以千里。下面我将介绍一个具有代表性的例子，期望可以给大家带来一点启发：

举例

著名行为经济学家Gigerenzer教授曾经在2014年的一篇论文中举过这样的例子：在鼓励乳腺癌筛查的宣传册中，宣传语是“早期发现可减少20%的乳腺癌死亡率”。乍看之下，这句话非常具有吸引力，一个小小的筛查不过十几二十分钟，却可以达到“减少20%死亡率”的效果。别人暂且不提，我第一次看到这句话的时候心动了，这则宣传语的效果证实是非常好的，提升了妇女参与筛查的意愿，但是实际上这利用了人们对统计知识的匮乏，做出了数字正确却并不完全透明的宣传。

现在抛开你的第一反应，仔细看看这句话，20%不是凭空得出的，是哪个数字和哪个数字的比较？事实上，数字是这样得出的：筛查将1000名妇女（10年后）的乳腺癌死亡率从5人降低到4人，这相当于每1000人中就有1人的绝对风险下降，这一数字通常被视为相对风险减少20%。当把计算过程展现出来之后，那种让人脑子一热的吸引力似乎消失得无影无踪，我们甚至还会进一步产生疑问：在这里5人和4人的差距是一个偶然现象吗？这个数据是在何时何地何种情况下得出的？是否撇除了其他混淆因素？我们都知道X光检查存在风险，那么全民普查是否可能只有少数妇女受益（5人降低到4人），另外许多人受到伤害（X光检查风险）呢？

这是一个非常具有代表性的例子，同样的数据、同样的方法，换一个“马甲”再次出现的时候，可能是某次培训宣传的“培训后学员盈利率提升”；可能是你阅读的新闻“某上市公司业绩”；可能是某新闻“某某资源紧缺”“某某创新性产品疗效”。当再次出现这些数据的时候，希望你的脑袋不会因为百分比前的美丽数据、大号加粗的惊叹号而立即发热，而是多问几个为什么。提升知识，也许可以获得透明的信息，进而作出更明智的决定。

启发

投资界一直有个笑话：诺贝尔经济学奖获得者的投资几乎都是亏损的。为什么这里有个“几乎”？因为有的获奖者在做投资的时候，用的不是自己的获奖理论，甚至不是经济学理论，而是心理学理论。诺贝尔经济学奖获得者Harry Markowitz在自己的退休账户上投资时，并没有使用他获得诺贝尔奖的均值—方差组合，而是依赖于1/N启发式。这个简单的规则将可用的资产平均划分在期权或股票之间，而无需估计均值—方差组合中的许多参数。

迪米格尔、加拉皮和Uppal（2009）测试了1/N在不确定的股票世界中的表现，在7种投资情况中，有6种情况超过了根据标准的均值—方差组合包括夏普比率构建的最佳组合。虽然在这种不确定性的情况下进行理性优化计算可能意味着亏钱，但是金融危机让很多人看到，从风险值到高斯函数的标准概率模型是问题的一部分，而不是解决方案。

概率论与数理统计可以帮助我们理性思考、解决问题，但是我们不禁要问：如果这个工具如此有效，为何现代金融分析指标却依然如同一个时好时坏的罗盘，不能保证任何结果呢？那是因为我们忽略了一个重要的问题：风险和不确定性之间的本质区别。理论方法一定建立在基本假设之上，而实际投资中的风险和实验室研究的不同在于它本身是不确定的，也很难或者几乎不可能被量化穷尽。数字结论尽管看起来简明客观，但是如果分析的基石不牢固，我们又如何能够相信空中楼阁一般的结论呢？

总体而言，我们在长期面临生存困境时，做决策不仅仅是通过数学模型的贝叶斯理性，而是更多地通过适应性原则。因此，单纯依靠胜率数字、分析指标看问题，是割裂机械的、是单薄没有意义的，我们需要建立“生态效度”，即建立在市场中存活的能力，这不仅是一个体系，而且是在市场不断变化中需要自适应的体系。认知决策系统1与系统2、贝叶斯规则与启发式，并不是模糊的二分式，而更像是一套精确的嵌套模型。换言之，决策需要理性，更需要洞悉人性。