启发式思考理论是由Tversky和Kahneman（1974）提出的，用于描述个体在不确定性情况下的决策特征。他们的研究认为，当个体对不确定事件进行判断时，经常会根据习惯或以往经验的启发走一些思维的捷径以规避事物的复杂状态。因此，根据Tversky和Kahneman（1974）的研究和定义可以发现，启发式思考与人们在社会生活中所形成的一系列“经验法则”有着直接的关系。这些“经验法则”在形成之初或许与人们的意识化思考相关，但在长期的生活实践中，这些“经验法则”会逐步与人们的潜意识认知相融合，在启发式思考的帮助下对类似的问题做出快速的反应而无须经历复杂的推理和分析。显然，启发式思考对于行为主体的影响具有两面性：一方面，启发式思考确实可以帮助人们对问题进行快速、及时的判断，并且在一些时候很可能达到与理性决策相同的效果；但另一方面，所启发的“经验法则”的正确性经常取决于所面临问题的实际特征，由于缺少理性的推理和分析，“经验法则”极可能导致以偏概全、断章取义等情况的出现。举例来说，中国有句谚语，“一朝被蛇咬，十年怕井绳”，比喻的是当经历一次挫折以后就变得胆小怕事，从中就可以看出启发式思考对于个体行为影响的重要性。在股票市场投资中，启发式思考对于投资者投资行为的影响更为普遍，当股票的走势状况启发了投资者的“经验法则”时，投资者通常就会做出快速的反应和行为。所以，有理由相信对于中国证券监管者而言也存在一系列与监管相关的“经验法则”，而这些被启发的“经验法则”是否也会对中国证券监管者的行为造成影响就是一个很有意思的话题。

针对启发式思考的分类，Tversky和Kahneman（1974）的研究提出了代表启发式、易得启发式和锚定启发式三类不同的启发式思考，并以代表启发式偏差、易得启发式偏差和锚定启发式偏差表述了由这三类启发式思考所导致的非理性行为。

1.代表启发式偏差

根据Tversky和Kahneman（1974）的研究，人们在不确定决策中通常会根据一个事件代表或相似于另一个事件的程度来判断事件发生的可能性，并将这一原则称为“代表启发式”。简单来说，这就像在证券市场投资中，投资者经常会根据股票以前的走势与技术图形相吻合的程度来判断其未来走势，其合理性和正确性也是研究者长期关注的话题。事实上，代表启发式确实会带来一些明显违背理性的行为偏差，其中就包括合取谬误、赌徒谬论和样本规模忽视。

合取谬误源于Tversky和Kahneman（1983）的研究，最初是以“Linda问题”而被学界所熟知并成为日后许多相关和延伸研究中使用的标准合取问题，“Linda问题”的最初表述如下：

Linda是一个31岁的单身女性，坦率直言，而且非常聪明。她主修哲学，在念大学时对歧视、社会公平等问题非常感兴趣，而且积极参加了反核示威游行。

当被试者读完这段背景材料后需要对描述Linda的不同陈述进行概率比较，具体陈述包括A：“Linda是一个银行出纳员”；B：“Linda是一个女权主义者”；C：“Linda是一个银行出纳员，而且是一个积极的女权运动参与者”。在Tversky和Kahneman的研究中，被调查者主要为在校大学生，结果显示面对“Linda问题”，超过85%的被试者相信合取事件C（A&B）要比单独事件A、B更可能发生。而根据概率学的基础知识，合取事件发生的概率永远不能超过所包含单独事件发生的概率，因此，Linda问题实际上违背了概率理论的基本原则。Tversky和Kahneman所得出的研究结论不断被重复和证实，无论是用清晰地指示语替代原本模糊的指示语（Tentori、Bonini和Osherson，2004），还是让被试者接受专门的统计知识培训（Agnoli和Krantz，1989），抑或用实际的情境替代实验的情境（Jarvstad和Hahn，2011），合取谬误现象均稳定的存在，这表明合取谬误现象的发生具有一定的必然性。赌徒谬论源于Tversky和Kahneman（1971）对于“小数法则”的阐述。众所周知，在“大数法则”中，从总体抽取的样本容量越大，该样本的平均数就与总体平均数越接近，然而，在“小数法则”中，人们从总体中抽取的样本总是具备相互的联系，其实际值背离总体值。具体到赌徒谬论，人们通常认为在一系列的坏结果之后必然会有好的结果出现，却忽视了事件发生的独立性。

样本规模忽视源于Tversky和Kahneman（1974）的研究，这一研究认为人们在决策判断时由于代表启发式而忽略样本的规模，其列举的例子如下：(www.daowen.com)

某个城市有两家医院，大医院每天大约有45个婴儿出生，小医院每天大约有15个婴儿出生。男孩的出生率都是大约50%。但是，每天男孩的具体出生比例有所不同，有时高于50%，有时低于50%。每年，两家医院统计一天内男孩出生率高于60%的天数，您认为哪家医院的天数多一些？A.大医院　B.小医院　C.一样多

在这题中，大部分的被试者都会认为天数是一样的，然而，由于小医院的样本量更小，其结果出现偏差的可能性更高，相比之下，大医院的男孩出生率更可能接近总体平均概率。因此，人们的判断实际受到代表启发式的影响，从而认为大医院和小医院的天数是一样的。

2.易得启发式偏差

Tversky和Kahneman（1974）的研究指出，决策者经常对那些较为生动的、易于想象的、富有各种细节的事情给予更高发生概率的估计，因为关于这些事情的信息更容易从记忆中提取。通常情况下，易得启发式可以帮助决策者简化决策的程序和内容，但在某些情境下，一些事情之所以容易被想到，可能并不是由于其经常出现，而是因为它更符合认知的适应性而容易被提取，这就可能导致明显的偏差的产生。例如，Tversky和Kanheman（1979）的研究让被试者判断每对词组中哪个词更可能是美国常见的死亡原因，其中大部分被试者认为每年死于凶杀案或交通事故的人数要高于糖尿病或胃癌死亡人数，然而事实是后者每年致死的人数比凶杀或交通事故致死的人数高两倍，这一明显违背统计现实的判断有力地证明了人们常根据事件的易提取程度来判断发生的概率。Sherman等（1985）的研究也证明，对事件结果的想象并不能让人们认为其出现的概率更高，如果事件难以想象，人们对其发生概率的估计就会降低。

3.锚定启发式偏差

Tversky和Kahneman（1974）的研究发现，个体的判断常受到初始值的影响，这个初始值就像“锚”一样将个体的思考局限在某一个范围之内。在他们设计的轮盘实验中，被随机分到初始数字65的被试者认为联合国中45%的国家为非洲国家，而被随机分到初始数字10的被试者则认为联合国中25%的国家是非洲国家。在这个例子中，无论轮盘所提供的初始值是65还是10，它与接下来的决策判断并没有直接关系，但人们在判断中还是下意识地受到了这一初始值的干扰，而这也显然是有违理性的。在进一步的研究中，Tversky和Kahneman（1974）还进行了一个实验，让一组学生估计1×2×3×4×5×6×7×8的值，而让另一组学生估计8×7×6×5×4×3×2×1的值，结果发现这两组学生所估的答案都远低于正确答案，但后者估值（2250）要远大于前者的估值（520），这进一步证实了锚定启发式偏差的存在。