语录：

“归类的实质为，从有限的信息量到达较大的知识实体——一旦我们把一个对象指定为一种类别，我们就触及了该类别所包含（其他）范例的知识，然后我们就能够使用这种知识作出关于该对象的更为精明的决断。快速节俭归类法与此种适应性推断机能直接相关，它使得人们能够从少数特征跳跃到记忆中储存的更为有用的知识，再根据这种知识迅速作出决策。”

歌德·吉尔伦尔、彼得M.托德，《简捷启发式——让我们更精明》

经验之谈：

模型化、概率化决策模式的局限，就是启发式决策模式的生存空间。启发式决策在证券决策中有着不可或缺的职能。

概率神话是不存在的。在数学与哲学史中，曾出现微积分神话。莱布尼茨是德国著名哲学家和数学家。在数学上，他和牛顿先后独立发明了微积分。莱布尼茨曾信奉微积分神话。莱布尼茨确信，世界上一切争议问题都可用微积分的方法求证和解决，史称微积分神话。莱布尼茨在《发现的艺术》一文中表示：“精炼我们的推理的唯一方式是使它们同数学一样切实，这样我们能一眼就找出我们的错误，并且在人们有争议的时候，我们可以简单地说，让我们计算‘calculus’，而无须进一步的忙乱，就能看出谁是正确的。”

主流金融理论中的理性人假设及规范的金融决策模型，重新塑造了决策学中的概率神话。在这样的模型中，一切不确定性、疑难决策，都可以靠精准的概率计算求证与解决。

概率神话造成的不良后果是不少投资者低估了不确定性世界所具备的高度的复杂性。概率为不确定性决策提供了有效工具，但不是唯一的工具，也不是万能的工具。在应对现实复杂系统的决策情境中，实施概率决策模型所要求的信息条件、时间条件（决策的时效性）、主体知识储备、主体认知能力、主体运算能力，都存在可观的盲区、缺口。

在笔者多年实践所见证过的证券投资决策过程中，包括所见证过的众多基金经理的证券决策过程中，鲜见主要依据概率计算实施决策。至多听到这样的模糊语言，这是一个大概率事件，那是一个小概率事件，但到底是多大概率？仅是一种感觉，没有明确数值，这是高度模糊的。

概率专家已证明不少概率结论经常与人的直觉相悖。行为学家通过统计分析揭示了行为决策中经常出现的一些概率错觉。例如，对低概率事件易出现高估，即当事件发生的客观概率低于40%之际，通常被高估；当事件发生的客观概率高于40%时，通常被低估。如果加入悲观或乐观情绪的影响，这种低估或高估还会被放大。彼得森在《投资者大脑使用手册》中列举了一些易引发概率错估的情境：结果鲜明生动或者易于想象；对事件可能的结果知晓度低；投资者对类似事件没有经验；关于事件的信息模糊等。此外，常见错误是：认为大概率事件必然发生，小概率事件不会发生。

在证券决策中运用概率分析较多的是金融工程分析师。但某些初级金融工程分析师，一方面经常存在投资理念、投资经验缺位问题；另一方面，不可量化和计量的不确定性通常在其视野之外。没有明确、坚定的投资理念指导下的模型设置和数据挖掘，通常是试错性路演。

2011年3月，笔者参加了一场量化投资方法推介会，由一家券商金融工程师推介其创造的一套量化选股模型。其功能包括：市场时机选择；风格轮动处置；个股选择。卖方讲，该模型对2010年市场模拟推演的结果，能大幅战胜市场，该模型能在关键市场点位发出买入或卖出信号。笔者仅对对方的勇气表示敬意，对其设计理念（投资理念）表示悲哀。第一，该模型设计理念的基本错误之一，就是该模型对于选股、选时、风格轮动选择这些股票决策的基本问题，均能以一种固定模式持续提供正确预测与决策。这种功能齐全、外星人智力、废掉全世界基金经理武功的超级模型，到目前为止，不可能存在。任何此方向上的资源投入都是浪费。第二，该模型设计理念未认可证券市场是复杂系统。股票市场的复杂性——不确定性、模糊性、时变性、自组织性既是市场生存的原动力之一，也是股市难以被模型化、标准化的主要原因。如果任何一种方法能有如此神效，能有效预测市场，那么发明人就可快速吸纳资本市场的财富，造成市场崩溃、终结。

这类问题仍在不断重复。问题在于：预测是卖方的天职。作为分析报告的卖方，买方面对的一切问题都可预测，卖方一般不思考某些市场状态可以预测，某些市场状态不可预测，未重视市场主、客观因素约束与可否预测之间的关系问题。这一命题的核心在于：正确地提出问题就已解决了问题的一半。如果错误地提出命题，苦求没有答案的命题，只能属于试错成本，属于成长过程中的烦恼。在没有成熟投资理念的统领下挖掘历史数据，极易出现偏差。数据仅充当选择性论证工具，尤其对于缺乏实战经验的学院派，他们仅精心制造幻影式短命模型。

概率决策模型的执行需具备下列客观条件。第一，数据可靠性问题和充分信息问题。例如，初始信息是否充分、稳定；相空间状态的可量化程度，各种可能性大小的可计量度是否明确；各类可能的后果及各种后果能否精确量化，即各种期望值可否准确计算。第二，适用模型选择。证券市场公认不存在通用模型，通用即无用。至多存在适用于某种决策情境的模型。模型选择及模型有效性检验涉及特定模型与适用情境匹配问题。第三，模型要素、参数、权数、稳定性问题，如何处理这些要素的时变性问题，这就需要依据实证检验不断调整。

证券市场概率决策模型应用难在于上述客观条件在实际执行中难以具备，导致相关概率决策模型实战失效。

第一，信息充分性不足。这涉及不确定性可计量程度问题，也涉及信息缺口——不可计量、不可预先预知的“未知事件”问题。股票决策是按预期决策，预期所依据的未来信息均具有不确定性，属不完全信息。如果我们只拥有不完全信息，就难以确认各种事件的概率。大多数的不确定性决策都是在某些因素未知的条件下作出的，我们并不清楚各种行动的概率及所有的可能的结果，也就难以准确估算期望值。

或然率的初衷是直接评估一件事发生的可能性，而这个可能性有时是无法精确计算的，而且是时变的。按照奈特对不确定性的分析，不确定性被划分为可度量的与不可度量的两部分。不可度量的不确定性是真正的不确定性。不可度量的不确定性不能归于概率计算。

不确定性包含随机性，也包含模糊性、时变性。这些决定了相关信息在定性和定量方面的模糊性及时变性特征。基于混沌系统固有的一系列特征，众多不确定性不可概率化，存在各种程度上无法量化的不确定性。

第二，模型的有效性和仿真度存在一定的问题。检验模型有效性的核心指标就是模型预测的准确率。其实战遭遇下列难题。其一，金融模型对初始数据变化过于敏感；初始数据微小的差别，会导致输出结果之间出现大幅差别。时间越长，差别越大。其二，过程机理黑箱问题。模型要素、权数、作用机理存在不稳定性，无固定模式。金融模型如果拥有太多不确定权数、参数，会导致匹配不当，应用困难；如果拥有过于简单的权数、参数，则会导致匹配不足，仿真度下降。其三，证券市场应用的概率主要是主观概率，其值域选择具有较大的主观色彩。不同资历、不同投资理念、不同的时间框架，对同一事件发生的概率赋予不同的置信度，对其结果也有不同的评估值。

现实的不确定决策情境中，概率决策模型总被强制替代。当决策者面对不完全信息时，面对过程、机理黑箱时，人们通常会依据直觉判断与过去经验的相似性进行决策，实施启发式决策而非依据算法概率。

规范决策模型实施问题重重。模型化、概率化决策模式的局限，就是启发式决策模式的生存空间。启发式决策在证券决策中有着不可或缺的职能。面对非标准情境、非典型情境决策挑战，实战中最终的基本决策模式=复合式决策模型=规范式决策（概率式决策）+启发式决策。

现阶段，启发式决策“声名狼藉”。提到启发式决策，就令人联想到特沃斯基与卡尼曼所谈的“启发式偏差”。本书强调，即使存在启发式偏差，而启发式决策本身在复杂决策之中，仍具有不可替代的作用。复杂型决策属创造性应对问题的决策，属非标准化、非模式化决策，这类决策的形成离不开启发式决策的支持。

特沃斯基与卡尼曼1974年发表了著名的论文《不确定情境下的判断：启发式与偏差》。该文研究了这样的问题：“人们如何估计不确定事件的概率或不确定量值的数值？”特沃斯基与卡尼曼认为，人们的这种判断和决策是基于感觉、知觉、记忆、思维及语言等认知心理过程，经常运用启发式直觉判断。该文的结论是：“本章将表明人们依赖数目有限的启发式原则，以便把概率估计和数值预测的复杂任务降低为较简单的判断操作。通常，这些启发式原则很有用，但有时它们也会导致严重的和系统的错误。”

特沃斯基与卡尼曼认为，在不确定情境判断中，主观概率取值常用三种启发式：代表性启发、可得性启发、锚定与调整。这三种直觉推断经常违背基本的数理统计规则，导致认知偏差。这些偏差源于对判断启发式的依赖，且这种偏差普遍存在，对有经验的人也不例外。

代表性偏差是指对样本个体进行概率判断时，将所得信息与头脑中已存在的样本母体特征进行比较，当二者相似性高时，可认定样本个体对样本母体具有代表性。代表性启发使个体不必经过复杂的计算而对概率作出迅速的判断。然而这种判断方式却经常忽视对个体进行客观概率判断所需考虑的数理条件，如事件的独立性、先验概率及样本规模等，导致认知上的代表性偏差。经常出现的这类错误包括赌徒谬误和小数律偏差。按数理逻辑，抛硬币属等可能事件，前面抛硬币得到的结果与下次结果无关。但如果前几次绝大多数是正面，许多人会认为下一次抛硬币的结果更可能是反面。这就是赌徒谬误。小数律偏差是指即使依据小样本也能高度代表整体。偏差在于过度关注小样本的结果，高估这些小样本结果的可重复性。例如，根据一个基金经理一年取得较好的投资业绩，就推断其投资能力高于平均水平。

可得性或易得性偏差是指人们通过能想到的例证，或事件发生的容易性来评估事件的概率。这是因为熟悉性、显著性会影响人对判断所需例证的可提取程度，造成例证提取的选择性偏差。

许多情境中，在信息缺失的条件下，人们经常以初始值为参照而获得最终概率取值的答案。不同出发点会产生不同预测，预测取值会被锚定，即偏向初始值，这称为锚定效应。

卡尼曼因为“将来自心理研究领域的综合洞察力应用在了经济学当中，尤其是在不确定情况下的人为判断和决策方面作出了突出贡献”，获得了2002年度诺贝尔经济学奖。

笔者认为，无限理性与规范决策模型、概率决策模型，告知你如何在信息完备、准确的条件下决策；而启发式决策模型告知你在信息不完全的条件下，如何完成“盲注”类型的决策。

众所周知的“启发式偏差”已造成人们对启发式决策作用认知的偏差。在复杂性的不确定决策环境，依据准确概率模式决策的数量条件并不存在，启发式决策在证券决策中有不可或缺的职能，作为规范决策的补充，不可替代。此外，世界上不存在固定的、标准的证券决策模式，各类证券决策的终端模式都要不断接受“经验准则”的反馈与修订，均不可避免地包含启发式决策要素。

特沃斯基与卡尼曼作为心理学家，主要从认知心理学角度，揭示某些心理定式与特定信息环境之间的相互作用所产生的概率估算直觉，经常偏离数理统计规则，造成判断偏差。这无可厚非。然而，我们注意到，启发式偏差本质上有两个来源：一个是认知能力造成的偏差；另一个是信息环境复杂性造成的偏差，即事物处于高度不确定状态，在这种复杂环境中概率与不确定性不具备被准确按数理规则计量的条件。特沃斯基与卡尼曼在他们专业的领域揭示了一系列常见的第一类认知偏差。这种偏差提示理性人假设存在的错误，即认知错误可以使人的决策偏离理性模型，且这种偏离可以作为常态存在。但从复杂系统理论观察：在第二类情境下，基于复杂系统的未来无法准确预测，概率数理统计规则并不具备实施条件，在实际决策过程中，这种空缺不得不由“直觉”、启发式决策替代。笔者称这类偏差为“受迫性”非理性偏差。偏差的根源在于问题的复杂性已超出了我们的认知能力，是环境复杂性所决定的偏差，而非主观原因造成的偏差。

首先，我们明确启发式决策的定义与定位。启发式决策是一种凭借经验作出判断与决策的解题方法，也称为经验法则或拇指法则。此外，“‘启发式’都是指解决难以用逻辑和概率理论加以处理问题的一种有用的，甚至不可缺少的认知过程。”^[27]

启发式决策是一种经验推理模式。其步骤如下。第一步，概念聚类分析——类型识别。利用过去的经验、依据分类，对当下决策情境作出相似性判断，作出类别归属判断。分类和相似性的判断是决策关键环节。第二步，根据归类结果、隶属度分析，作出代表性的判断，即典型特征值判断。第三步，单称推断——再从整体到局部，依据样本事件个性特征值作出判断与决策。

启发式决策的基本原理：“归类的实质为，从有限的信息量到达较大的知识实体——一旦我们把一个对象指定为一种类别，我们就触及了该类别所包含（其他）范例的知识，然后我们就能够使用这种知识作出关于该对象的更为精明的决断。快速节俭归类法与此种适应性推断机能直接相关，它使得人们能够从少数特征跳跃到记忆中储存的更为有用的知识，再根据这种知识迅速作出决策。”^[27]

就定位而言，启发式决策是种决策方法，而不是投资策略。它由策略统治、主导，主要解决技术层面问题。

面对股市不确定性决策这样的复杂问题，人们如何依据不完善的线索和信号作出概率推断和判断呢？每个投资者的认知与决策都受自己既定的内在模式的支配，无论你有意识或无意识，这种模式都是存在的，这个模式都在指挥你的行为。

通常来说，人所应用的问题解决策略可分为算法模式和启发法模式两类。算法模式是解决问题的一套规则，它精确地指明解题的步骤。如果一个问题有算法，那么只要按照其规则进行操作，就能获得问题的解。从理性与有限理性角度，可划分三类基本决策方式：第一，理性、规范决策模式，包括算法模式、概率式决策；第二，经验决策模式=启发式决策；第三，复合型决策模式=概率式决策+启发式决策。

上述模型的核心差别在于理性人假设。第一种属无限理性假设模型，即传统的理性人假设；第二种属有限理性假设。早期的无限理性决策模型较典型的为富兰克林模型。该模型有下列特征：第一，收集、搜索作出判断所需的所有理由，无论正面还是负面；第二，权衡、计算、比较这些理由，力图估计出它们各自的权重，有些理由会正负相抵；第三，依据权衡的结果作出判断。

目前，各种教科书中仍充斥着这种无限理性决策模型的现代版本，即通用的规范的决策模型，其基本流程如下。第一，决策情境识别。识别问题，确立决策目标，确认与决策相关的要素。在这一环节，决策所面对的主要任务是对情境的相似性作出类别归属的基本判断。第二，列出可选方案。对决策情境作聚类分析，列出可能性空间、相应概率、可选方案。第三，评估、确定方案。依据决策者制定的评估标准，对各项备选作出评估、选择。第四，执行方案。第五，对决策执行结果进行评估、反馈，且返回决策起点。

规范模型有一定的局限性。该模型的假设条件与复杂系统实际决策条件不符。这表现在以下三个方面：

第一，概率与期望值的计量存在量化困难。在现实情境中，概率模型所要求的时间、知识、运算能力很难达到。它无法处置未知或不知力量之作用。不确定性情境概率通常属于多元联合概率，且处于动态、时变过程之中，很难准确估算。量化模型中最核心的问题之一是经验参数的调整问题。

第二，处理非典型问题、非标准问题的基本路径。全称概率到单称概率的过度存在推理断点，它实际是两个不同的推断模式，前者是全称概率推断，后者是单称概率推断。对于非典型决策问题，在于单称概率推断根本没有标准化应对模型，经验是决策不可或缺的要素。单称决策的终端模式必含启发式决策的内容。相似性应对属于全称决策层面，差异性决策应对属于单称决策要件。我们强调非标非典制胜，是指技能高低最终体现在单称决策层面——投资者应对差异性能力的高低。在这个意义上，如果讲“细节决定成败”，本质是在讲“对单称决策差异性的应对决定成败”。概率值最终的确认或用历史统计数据推断，或用启发式、经验案例作判断。这是一个经验——相似性——判断的过程。(www.daowen.com)

第三，投资者对复杂情境的适应性与启发式。适应是对主体与主体、主体与环境之间相互作用的适应，是对决策情景历史相似性的认知和当下差异性的把握。“所有这些系统从根本上就像下跳棋或象棋一样：可能性的空间大得难以想象。一个主体不断改进下棋技术，这便是适应。”^[28]投资者对这种复杂性及其时变性的适应，离不开“经验”应对环节。经验来自相似性的重复；启发式决策是规则的前身，规则是启发式决策的升华，规则是对经验的升华。

《简捷启发式——让我们更精明》一书，总结了历时3年的专题研究结果，力推简捷启发式这一应对复杂决策情境的生态理性决策模型。

该书的核心命题是：人们如何根据不完善线索（信息）作出推断。人类多数的推理和决策制定都可以借助于快速节俭启发式而建立模型，这些启发式仅使用有限时间和知识进行推断。它不涉及大量运算，也不需要计算概率和反复权衡事物的效用。这些简捷启发式不仅是准确的，而且仅需要很少认知资源。

该研究小组认为：理性决策的标准，要与环境、现实结合起来考察，才有合理评价标准，即“生态合理性”标准。不能脱离环境谈理性标准。

生态理性决策模型的特征为：强调环境对决策的约束作用，强调决策方法要与环境匹配。

生态理性与传统理性的区别表现在以下三方面。第一，定义不同，传统理性主要关心决策主体内部信仰和推理的有序性。生态理性正视现实决策体要应对环境的无序性，重视分析环境结构、启发式结构，及启发式结构与环境结构之间的适配性。第二，合理性评价标准不同。传统理性强调推断、决策所遵循的逻辑规则和数理概率理论，强调逻辑的连贯、一致性、可传递性等。生态理性强调如何在适应现实环境的条件下，作出令人满意的有效决策，强调主观对客观的适应与有效决策。强调有效性、节俭性、准确性及速度。第三，生态理性反对超现实理性标准，主张当一种启发式规则适应环境结构时，它就是合乎理性的。

生态理性模式选择启发式方法有三个标准。第一，准确性、任务达成率。第二，达成合理推断所耗资源的节俭性。这包括仅耗费较低的认知资源、时间资源达到满意推断，包括对经验、知识储备程度的最低要求。在多种选择面前，决策者不得不在准确性与可能付出的努力、代价之间作出取舍。第三，与所应对的情境、环境匹配。适应情境，才能实现目标。不确定性情境的信息结构特征是信息不完备，只有有限信息，只能依据有限信息线索作出推断。

启发式决策适用于下列约束条件。第一，信息有限、认知能力有限。这表现在信息有限，信息不完全，信息相互冲突；信息搜集、处理需要成本。对无限理性模型来说，相关信息需要全部搜索；对有限理性模型，仅作重点、有限搜索，存在满意即终止规则。第二，资源约束。时间有限，时效性强。一个棋师不可能每走一步棋都会算清下一步所有可能的变化，再去择优，他受到经验、计算能力、时间有限的限制。要在有限时间内作出选择，未必最优，重要的是与对手的选择相比，下一步能处于有利的位置。第三，环境结构局限。环境可识别程度低，某些理想化的状态不可能出现或达到。在这种情境中，过程灰色或黑箱，因果关系失效，经验重于知识。

启发式决策有其特定的优点。第一，快速、简捷。启发式决策用经验模式解决问题，用有限理性驾驭生活中的不确定性，解决在时间、知识有限的条件下如何有效决策的问题。第二，资源节俭。这些简捷启发式不仅是准确的，而且仅需要很少的认知资源，适用于时间、知识（信息）有限的环境，即需要很少信息，同时也能实现目标。

启发式决策应用需遵循一定的原则。第一，尽管在复杂系统环境信息结构中，传统的逻辑、概率规则失效，但没有任何一种工具能够解决在不确定条件下的所有推断问题。不存在单一、通用的工具，不存在万能钥匙。第二，各类启发式所提供的简捷决策规则，为人们适应环境、解决问题构造了一个功能齐全的工具箱。规则、结论因情景而异。对于给定情境，所对应的适用工具并不多。在复杂世界，一把钥匙开一把锁，具体任务需要具体工具。每一种启发式规则都只适用特定种类问题。第三，不同情境需要不同的有效思维工具。不确定性决策需要多种逻辑判断。不同条件、情境对应不同的思维模式。推理模式选择取决于所处领域，要应用综合方法、多种方法解决问题，它包括启发式、算法、概率规则，它们各适应不同的情境，并非相互排斥，而是各有所长，相互补充，各尽其用。

在有些特殊时刻，纵有万条选项，在特定情境下，决策选项十分有限，允许你作出选择的时间非常有限。2009年1月15日，笔者像全球多数人一样，在电视新闻上目睹了一场民航客机在美国曼哈顿高楼大厦之间，成功迫降在河上，无人重大伤亡的奇迹。事后笔者了解到原委如下：

这架空客320型飞机是全美航空1549航班，机上载有155人，当时刚从纽约拉瓜迪亚机场起飞。仅起飞一分半钟以后，在1000米的高度，飞机与一群加拿大鹅相撞。飞机两个发动机被撞入了3只以上的加拿大鹅。这种鹅单只体重在5公斤以上。造成两只发动机全部停机，飞机失去所有动力。

机长切斯力·萨伦伯格经验丰富，累积飞行时间超过2万小时，从未发生飞行事故。飞机可能发生的紧急事件众多，应对手册有数百页之厚，但很少有人能亲身经历。当下，飞机能滑翔的时间只有3分半钟。飞机无动力，飞不回纽约机场，也飞不到空管指挥建议的临近的新泽西州机场。在危急时刻，允许机长作出选择的时间只有数十秒。萨伦伯格在瞬间作出两项决定，第一，从副机长手中接管操作权；第二，决定在麦迪逊河迫降。副机长则尝试再次起动发动机，并配合执行迫降操作程序。飞机奇迹般完成迫降，萨伦伯格顷刻成为风靡全美国的英雄。

[1]丹尼尔·卡尼曼、特沃斯基，《不确定情境下的判断：启发式与偏差》。

[2]注册金融分析师。

[3]彼得·考夫曼，《穷查理宝典》。

[4]纳西姆·尼古拉斯·塔勒布，《黑天鹅》。

[5]Trailing Twelve Month的简称，以最近12个月的每股盈利计算市盈率的一种方法。

[6]纳西姆·道格拉斯·塔勒布，《随机愚弄》。

[7]《鹏华杰出投资者文摘》。

[8]埃德加·彼得斯，《资本市场的混沌与秩序》。

[9]约翰·麦吉，《股市心理博弈》。

[10]S.L.明茨·达纳·戴金、托马斯·威尔逊，《超越华尔街》。

[11]珍妮特·洛尔，《本杰明·格雷厄姆论价值投资》。

[12]迈克尔·莫布森，《魔鬼投资学》。

[13]纳西姆·尼古拉斯·塔勒布，《随机愚弄》。

[14]纳西姆·道格拉斯·塔勒布，《黑天鹅》。

[15]大卫F.史文森，《不落俗套的成功》。

[16]詹姆斯·蒙蒂尔，《价值投资——通往理性投资之路》。

[17]卡尔纳普，《科学哲学导论》。

[18]彼得·林奇、约翰·罗瑟查尔德，《彼得·林奇的成功投资》。

[19]格雷厄姆，《聪明的投资者》。

[20]纳西姆·尼古拉斯·塔勒布，《黑天鹅》

[21]布伦南，《赢得输家的游戏》之前言。

[22]查尔斯·艾里斯，《赢得输家的游戏》。

[23]理查德·彼得森，《投资者大脑使用手册》。

[24]凯恩斯，《就业、利息和货币通论》。

[25]瓦迪伦格姆，《终极投资者》。

[26]麦克·理柏、道格拉斯·西斯，《理柏论财智》。

[27]歌德·吉尔伦尔、彼得M.托德，《简捷启发式——让我们更精明》。

[28]米歇尔·沃尔德罗普，《复杂——诞生于秩序与混沌边缘的科学》。