确认偏误：只看支持自己的消息
确认偏误的常见理解是「只相信支持自己的证据」。但它真正起作用的地方更早：在你决定去看什么的那一步。
搜索框里的偏差
假设你看好某家公司，想做点研究。你会输入什么？
这类关键词会返回大量支持性的内容。你读完觉得研究得很充分，实际上你只是把已有观点重复看了十遍。
同一家公司，换一组词，出来的是完全不同的世界。这些内容一直存在，只是你没去找。
你的结论在你敲下关键词的那一刻就已经基本确定了。后面的阅读只是在收集素材，不是在做判断。
买入之后会更严重
持仓会让这件事升级，因为这时候利空不只是信息，还是对你判断力的否定。于是：
- 利好被当成证据，利空被当成噪音。「这个消息是空头故意放的」「短期扰动不影响长期」。
- 选择性记忆。你会记住那些后来被证明对的看多观点，忘掉同样有人说过的看空观点。
- 加入同温层。你会自然地待在看多这只票的群里，因为在那里感觉更好。而群里每多一个人重复你的观点，你的信心就多一分，尽管没有任何新证据出现。
第三条在股票社群里尤其明显。荐股群那一节 讲的托，利用的正是这个机制：制造出「很多人都这么认为」的场景，而人数本身会被大脑当成证据。
五分钟反向清单
对抗确认偏误的办法不是「保持客观」，那是句空话。办法是把找反面证据变成一个必须完成的动作。
第 3 条是最重要的。一个买入理由如果没有配套的「什么算错」，它就不是判断，是信念。信念没法用来做交易，因为它不会被市场证伪，只会被你一直坚持到亏光。
这也是 交易计划模板 里必须有「失效条件」这一栏的原因。
AI 会放大这个偏差
现在很多人用 AI 做研究，这里有个新出现的陷阱：AI 很擅长顺着你的问题给出答案。
你问「这家公司的增长逻辑是什么」，它会给你一套完整的增长逻辑。你问「这家公司有什么风险」，它会给你一套完整的风险清单。两套都言之凿凿，而决定你看到哪一套的，仍然是你的提问方式。
用 AI 做研究的正确姿势是让它铺开信息、做对比、找出处，而不是让它下结论。具体做法见 用 AI 辅助读财报。
今天就做这一件事
挑一只你最看好的持仓，只做清单里的第 2 条：写下一个你自己觉得站得住的看空理由。
如果写不出来，那不是因为它没有风险，是因为你没找过。花十分钟按第 1 条搜一遍。
写出来之后不用改变操作，只要把它记在那只票的笔记里。等哪天股价下跌时，回头看这条，你会知道自己是不是早就该看见。