文 | 谢雨阳

《噪声》是由丹尼尔·卡尼曼、奥利维耶·西博尼和卡斯·R.桑斯坦共同撰写完成。卡尼曼是诺贝尔奖的获得者，他是心理学和经济学结合的行为经济学开创人。通过心理实验，他挑战了“理性人”的传统经济学假设，并探究人类判断出现的错误原因和补救措施。

卡尼曼认为错误是由偏差和噪声导致。早在14年前出版的《思考，快与慢》中，他讨论了偏差，而在《噪声》里，他着重研究如何减少决策中噪声的影响。噪声是人们判断中出现的随机误差，这种误差不能预测。就像不同医生对同一患者的诊断大相径庭，不同法官对于同一案件的判罚截然不同，研究员对同一公司在不同市场中做出的预测存在差异，这些都是噪声的体现。

噪声和偏差之间有明显区别。当一组判断中的大部分错误都指向同一个方向时，我们认为这组判断出现了偏差。例如，一队射击手连续命中靶子的左下方，公司高管年复一年地对销售额做出过高的估计等，这些都是偏差的表现。消除一系列判断中的偏差并不能消除所有误差，在消除偏差后仍然残留些缺少共性的误差。这些是我们在做判断的过程中不希望存在的分歧，体现了判断的不稳定性，这种变异就是噪声。

噪声就是本该相同的判断结果中出现的差异。比如，射击手的子弹落点在靶心的周围，没有明显的偏向某个方向，但我们很难预测该射击手下次射击的位置。

本书的核心在于帮助读者清晰认识和了解噪声以及决策过程中的随机因素。卡尼曼分析了决策过程中噪声的来源及其对决策过程中产生的影响，并给出了实用建议来帮助纠正在决策中会犯的错误，从而改善和提升决策质量。本书中运用了大量的司法、医学、商业等领域的案例，同时还有作者进行的多个实验详细数据分析，帮助读者更好地理解噪声。

噪声无处不在

哪里有判断，哪里就有噪声。在医学诊断中，不同医生对于同一患者是否罹患特定疾病，常常会有不同判断。人事决策中也是如此，不同面试官对于同一应聘者的评估差异度大，绩效考核在不同管理者间存在分歧，这使得最终结果更多地取决于评估者，而非被评估者的表现。即便是被认为绝对可靠的指纹鉴定，也难以避免噪声的干扰。不同鉴定师对于同一对指纹是否匹配存在分歧，甚至同一个专家在不同场合看到同对指纹时有不同判断。

噪声所产生的影响具有随机性和不可预测性，这会造成严重的后果。以投资领域为例，在不同时点面对同一个信息，投资者的反馈是不一致的。比如某车企推出廉价的最新车型，在某个时点，这意味着公司找到了新的业务增长点，而换个时间点，可能会得出廉价车型分流高端客户的结论，进而得到卖出的决策。由不同人做出的判断中，不必要的变异性会引发严重问题，包括金钱损失、资源浪费和不公平现象。

人们普遍认为随机错误是可以相互抵消的，因为在同一事件上，正负误差似乎有相互抵消的趋势。但实际上，系统噪声并非对同一事件做出多个判断，而是针对不同事件做出有噪声的判断。比如两名罪犯罪行相当，理应被判处5年有期徒刑，实际被分别被判处了3年和7年，虽然平均刑期仍然是五年，但显然正义没有得到伸张。因此，在充满噪声的系统中，错误不会相互抵消，只会不断累加。

噪声的分类

卡尼曼将噪声分为三类，分别是水平噪声、模式噪声和情境噪声。水平噪声是个体在判断上和平均值的偏离。以司法领域为例，在量刑上，某些法官的判决总会比平均判决值更温和，而有些法官则会更严厉。模式噪声指个体判断对特定事件的变异，比如一个温和的法官对于特定的白领罪犯特别严格。情境噪声是同一个人对于同一问题的判断在不同时间和环境内的变异性。就像研究员对于同一公司预测盈利时，在牛市会给的乐观，而在熊市会给的保守。情绪是引发情境噪声的关键因素之一，随着情绪起伏，人的认知机制也会改变，并最终影响思考和结论。

卡尼曼提出，模式噪声由稳定和变化的因素共同决定，部分偏差源于个体内在人格特质驱动，而另一部分错误是受到外部环境影响，所以决策者要清晰意识在判断时究竟是受到什么方面的影响。

判断之所以存在噪声，很大程度上并非由于个体普遍的差异性，也不是源于变化的或者随机的因素，而是特定个体对多重因素持续出现的个体化反应，决定他们对具体案例的反应。值得注意的是，稳定的模式噪声是水平噪声的四倍之多，在这三类噪声中，水平噪声是唯一一种可以无需借助复杂的组织噪声审查便能进行监测的噪声。

在群体决策中，由于一些无关因素，决策结果会朝任何方向改变，这无疑放大群体判断的噪声。卡尼曼发现，人们通常具有向他人学习的倾向，如果先做出判断的人倾向某事，后做出判断的人往往也会随之认同。在缺乏独立判断的情况下，人们倾向追随他人的观点，但忽略了大部分人也和自己一样，都处于信息级联中，根本没有自己的独立思考。我们常常看到，当大多数人都接受某种结论时，便轻易做出的判断，而实际上严重低估他们也受到其他人影响的程度。

群体的一致性反映的可能只是最早几个人的观点，我们认为是群体智慧实际是群体噪声。卡尼曼通过实验证实，将个体的独立判断进行平均会减少噪声。在投资领域，个人基于独立思考做出的判断，往往也比盲目跟随市场的判断正确率更高。

噪声的来源和忽视噪声的原因

卡尼曼深入剖析了噪声产生的根本原因，这些原因涵盖多个方面。一方面，各种因素引起的不同个体之间的差异，包括个性和认知的差异。另一方面，在对不同因素进行加权时，人们思考角度各有不同，这导致判断的差异。即便使用相同的量表，由于理解上的偏差，不同人给出的判断也会存在分歧。

噪声之所以容易被忽视，根源在于人偏爱因果思维。

我们对世界的理解，在很大程度依赖于我们编造故事来解释所观察到事件的能力。如果没有一个显而易见的原因，我们会创造一个解释来构建世界模型中的空白，在没有联系的地方创造联系，在没有规律的地方创造规律。就拿某公司大单品的成功来说，我们往往会反向总结诸如优秀管理层、强大的渠道力和品牌力等因素，并总结出公司的成功是注定的结论，甚至据此预测下一个产品也必然成功。但实际上，公司或许仅仅是凭借先发优势取得此次成功。我们忽略了在公司成长的每一个节点，都有可能走向不同的方向的可能性，我们找到的因果关系可能也只是相关性而已。

卡尼曼总结，新事物一旦被人们所知，其他可能性就会被消除，编故事的过程消除了其他所有的不确定性，当不确定性消失的时候，不确定性的记忆也消失不见。

正是如此，我们忽略了噪声的存在。在我们思考做出错误决策的原因时，我们容易找到无数个自圆其说的解释，然后就不再深入思考，完全不会意识到自己受到哪些噪音的干扰，之后一而再再而三地犯同样的错误。只要因果性看上去是是合理的，即使实际相关性很小，我们的思维容易将相关性转化为因果性。

噪声本质是统计概率，只有当我们采用统计思维对一组相似的判断进行思考时，噪声才可以可见。从因果性上，噪声并不存在，从统计学上，噪声无处不在。

减少噪声的方法

卡尼曼认为，噪声是不可预测的误差，做判断的时候由于很难意识到噪声的存在，那么减少噪声干扰的关键在于预防，并给出了6个减少噪声的原则。

1. 聚焦准确性，摒弃过度个性化的表达。判断的核心目的在于追求准确性，而非彰显个人独特的表达。在思考和判断中，个人的价值观、个性及创造力会转化为干扰判断的噪音。卡尼曼建议制定决策规则来减少判断者的主观性，比如运用评分表、checklist等工具。

2. 使用统计思维，采用外部视角审视个案。将某个案例当作一系列相似的案例中的一例而非特例。这样能避免因过度关注特殊之处，而忽略普遍规律导致的判断偏差。

3. 对判断进行结构化。将判断过程分解成多个步骤，并对每个步骤进行独立评估，可以减少噪声。

4. 抵制不成熟的直觉。直觉是“知道是什么，却不知道为什么”的内部信号，使我们感觉我们所考虑的证据和做出的判断是正确的，这种对判断的信心并不能保证判断的准确性。

5. 采取多位判断者的独立判断，并汇总这些判断。卡尼曼强调了独立性原则，因为只有判断者相互独立，才能避免彼此之间的干扰和影响，让各种观点和判断充分碰撞，从而综合得出更具可靠性的结论。

6. 善用相对判断与量表。相对判断和相对量表更好，产生的噪音比绝对判断下要小。因为我们在同一量表上对多个对象进行归类的能力是有限的，但对多个对象两两比较的能力更强。

卡尼曼在研究的尾声得出结论，即拥有积极开放性思维的个体是最好的预测者。这类人能够依据新涌现的关键信息，迅速且精准地修正自身的思维和观念，本质上是一种主动突破认知局限的思维模式。这种思维要求个体愿意积极寻求与自己先前假设相矛盾的信息，这不仅包括广泛倾听他人的不同意见，还涵盖了敏锐捕捉与原有看法不一致的全新证据。具有积极开放思维的人有着豁达的心态与理性的认知，允许自己被相反的意见说法，并不认为改变想法是一种脆弱的表现，也不相信直觉是决策的最佳指南。

优秀的投研离不开艰苦的研究工作，谨慎的思考和自我批判，对其他观点的收集和汇总以及不断审视自身观点是否存在漏洞与偏差。在充满不确定性的金融市场中，采用 “尝试，失败，分析，调整，再次尝试” 的迭代思维循环，有助于降低决策过程中的噪声干扰。

—全文完—

声明：本文由仁桥（北京）资产管理有限公司撰写，本报告内容是基于本公司认为可靠的目前已公开信息，但本公司不保证该等信息的准确性和完整性。内容仅供参考，在任何情况下均不构成对任何人的投资建议，并不构成广告或销售要约。市场有风险，投资须谨慎。