確認偏誤:只看支援自己的訊息
確認偏誤的常見理解是「只相信支援自己的證據」。但它真正起作用的地方更早:在你決定去看什麼的那一步。
搜尋框裡的偏差
假設你看好某家公司,想做點研究。你會輸入什麼?
這類關鍵詞會返回大量支援性的內容。你讀完覺得研究得很充分,實際上你只是把已有觀點重複看了十遍。
同一家公司,換一組詞,出來的是完全不同的世界。這些內容一直存在,只是你沒去找。
你的結論在你敲下關鍵詞的那一刻就已經基本確定了。後面的閱讀只是在收集素材,不是在做判斷。
買入之後會更嚴重
持倉會讓這件事升級,因為這時候利空不只是資訊,還是對你判斷力的否定。於是:
- 利好被當成證據,利空被當成噪音。「這個訊息是空頭故意放的」「短期擾動不影響長期」。
- 選擇性記憶。你會記住那些後來被證明對的看多觀點,忘掉同樣有人說過的看空觀點。
- 加入同溫層。你會自然地待在看多這隻票的群裡,因為在那裡感覺更好。而群裡每多一個人重複你的觀點,你的信心就多一分,儘管沒有任何新證據出現。
第三條在股票社群裡尤其明顯。薦股群那一節 講的託,利用的正是這個機制:製造出「很多人都這麼認為」的場景,而人數本身會被大腦當成證據。
五分鐘反向清單
對抗確認偏誤的辦法不是「保持客觀」,那是句空話。辦法是把找反面證據變成一個必須完成的動作。
第 3 條是最重要的。一個買入理由如果沒有配套的「什麼算錯」,它就不是判斷,是信念。信念沒法用來做交易,因為它不會被市場證偽,只會被你一直堅持到虧光。
這也是 交易計畫範本 裡必須有「失效條件」這一欄的原因。
AI 會放大這個偏差
現在很多人用 AI 做研究,這裡有個新出現的陷阱:AI 很擅長順著你的問題給出答案。
你問「這家公司的增長邏輯是什麼」,它會給你一套完整的增長邏輯。你問「這家公司有什麼風險」,它會給你一套完整的風險清單。兩套都言之鑿鑿,而決定你看到哪一套的,仍然是你的提問方式。
用 AI 做研究的正確姿勢是讓它鋪開資訊、做對比、找出處,而不是讓它下結論。具體做法見 用 AI 輔助讀財報。
動手做
挑一隻你最看好的持倉,只做清單裡的第 2 條:寫下一個你自己覺得站得住的看空理由。
如果寫不出來,通常是因為你沒找過,不是它沒有風險。花十分鐘按第 1 條搜一遍。
寫出來之後不用改變操作,只要把它記在那隻票的筆記裡。等哪天股價下跌時,回頭看這條,你會知道自己是不是早就該看見。