对话卡尼曼：个人投资者如何避免市场的噪声

丹尼尔·卡尼曼　奥利维耶·西博尼　何刚

绘图/《巴伦周刊》

在颠覆我们对人类决策机制的理解，刷新我们对金钱观念的认知方面，也许没有人能够超过以色列裔美国心理学家丹尼尔·卡尼曼，他的上一本行为经济学著作《思考，快与慢》，让许多人对人类决策过程中的非理性因素醍醐灌顶，并且颠覆了对人类理性的迷信。

在接近十年思考之后，他的新著《噪声》即将出版，这又是一本能够颠覆对人类决策过程认知的著作。近日，《巴伦周刊》中文版主编何刚通过Zoom采访了《噪声》的两位作者丹尼尔·卡尼曼和奥利维耶·西博尼，跟他们探讨了为什么噪声如此重要，它跟偏差有什么不同，以及为什么群体决议反而可能会增加决策中的噪声，如何才能降低决策中的噪声。

何刚：我是来自《财经》杂志和《巴伦周刊》中文版的何刚。几个月前，我们的美国同事采访了您，讨论了《噪声》这本书，现在，它的中文版即将在中国出版，在您出版了著名畅销书《思考，快与慢》之后，为什么会开始关注噪声？噪声对我们决策来说有多重要？

丹尼尔·卡尼曼：是的，我认为我们绝对应该从定义我们所说的“偏差” 和“噪声”来开始这次对话。

最简单的方法是从测量的角度来思考，因为我们认为判断也是一种测量，使用的仪器就是人类的大脑。当你在测量某样东西时，例如，用一把很好的直尺来测量一条直线的长度，你会发现两种误差，其中一种误差是偏差（bias），也就是误差的平均值。

如果你在测量一条直线时，没有任何偏差，也就是说平均而言，你的测量是完全正确的，但即使在完全没有偏差的情况下也仍然存在一种误差，因为你所做的每一个测量都与其他的测量略有不同，有一半时间你在正确的长度之上，有一半时间你在正确的长度之下，这种变异性就是噪声（noise）。

偏差是误差的平均值。在我的整个职业生涯中，我一直致力于研究心理偏差，也就是导致人们测量结果过高或者过低的系统性判断误差。有各种各样的原因会导致人们犯下可以预测的系统性误差，比如过度自信、乐观主义、悲观主义和锚定效应等等，这些就是我研究了50年的东西。

几年前我注意到，事实上，几乎没有人关注另一种类型的误差，也就是判断的变异性，而事实证明，判断的变异性也很大。当不同的法官看待同一个被告、或者不同的承保人看待同样的风险时，他们得出的判断也大不相同，这就是噪声，噪声无处不在。

每个人都知道当被告被宣判时，不同的法官会有不同的判决，但是促使我们写这本书的原因并不是法官的判决会有所不同，因为这是人尽皆知的事情，而是法官在判断上的分歧比人们预期的要多得多。在一些研究中，实际结果大约是人们预期的五倍，这是一个很大的数字，也是我们写这本书的原因。

何刚：谢谢卡尼曼教授，我想问问西博尼教授，对于像我这种没有统计学背景的读者来说，我们如何理解偏见和噪声的区别？为什么噪声如此重要？

奥利维耶·西博尼：首先，噪声并非更加重要，它只是和偏差一样重要。正如丹尼尔所说，我们之所以关注这个问题，是因为偏差已经得到了很多关注，而噪声却没有得到任何关注。所以我们试图重新解读这种不平衡。我们并不是说噪声比偏差更重要，我们想说的是，它跟偏差同样重要，但却没有受到太多关注。

接下来，如果你对统计学一无所知，这里有一个例子可以让丹尼尔所描述的情况生动起来。假设早上你踩着浴室磅秤称体重，根据你的经验，你知道，一般来说你的浴室磅秤对你来说有点太大方了，它告诉你的重量比你实际的重量轻了一磅。所以你已经习惯了你的磅秤减少一磅，你知道平均来说，加上一磅才是真实重量。这就是偏差，这是你的浴室秤的平均误差。

如果你在同一个早晨快速连续两次或三次踩上你的体重秤，你会发现读数并不完全一模一样。这种无法解释的变化不是平均误差，平均误差是你所知道减少的那一磅，这就是噪声，它会出现在每一次测量中。

发生在你浴室磅秤上的事情也会发生在我们的判断中，平均误差是偏差，在这种情况下如果还存在着随机误差或瞬态误差，那就是噪声。

何刚：人们可能会说，这是由于人类的局限性，科技和人工智能能够帮助减少我们的偏差和噪声的影响吗？

丹尼爾·卡尼曼：帮助减少噪声的基本原理是纪律，而纪律可以通过不同的方式来产生。纪律意味着你在做判断或决定时要遵守规则。当你决定是否录取一个学生进入大学时，你要考虑学生的平均成绩，这就是接受了一个纪律规则，它比人们只是跟随他们的主观判断或者印象要减少一些噪声。

在许多领域，更复杂的规则来自人工智能或算法，规则为判断问题和作出决策提供了答案，规则的一个最大优点就是它们没有噪声。如果我向同一个算法提出两次同样的问题，我会得到相同的答案。如果我在不同的场合问同一个人同样的问题，他可能会给出不同的答案，人类是会受到噪声影响的，而规则不受噪声干扰。

在某些情况下通过用算法代替判断，在另一些情况下通过对判断加强纪律性，用更有组织、更加系统的方式作出判断，我们就可以减少噪声。

何刚：卡尼曼教授，你在这本书中提到一种非常有趣的现象，也就是所谓的“群体极化”现象，这意味着一个群体在彼此交流之后会变得更加极端，我们如何解决这样的问题？

丹尼尔·卡尼曼：噪声和偏差之间有一个非常重要的区别：当你用尺测量一条线、或者用秤测量你的体重时，你在对多次测量结果进行平均之后，测量结果比单次测量结果的噪声要小。

举个例子，如果我在测量仪器上取了四次平均值，然后我在测量仪器上又取了四次平均值，这两个平均值之间的差值，将会小于任何两个测量值之间的平均差值，正如我们所解释的。