前言&书籍：
人类真是经济学理论假设的理性思考的人吗？这本由诺贝尔经济学奖获得者Daniel Kahneman
提供了另外一面
：
系统1
靠直觉思考（天然带来很多谬误），而
系统2
则更多批判性思考，然而系统1是勤奋且自信的，系统2则是懒惰且不能一心二用的。我们经常凭借记忆来进行各种决策，然而实验证明人类记忆和实际经历相差甚远，仅凭记忆来决策很多时候是非理性的。本篇，我们来看看人类思考中多见的谬误，大家可以想想自己是这样思考的吗？
系统1和系统2
系统1和系统2
概念（并不是说大脑实际有这么两个系统，是发明的概念）已经成为心理学意义上重要定义，其中
系统1
自动快速运行，不会感到疲倦，很多都是无意识运行。而
系统2
则需要集中注意力才能开启，包括进行复杂计算等工作，系统2经常和主观的聚焦、选择等有关。人们往往认为系统2才代表人类理性思考，然而在
作者看来系统1才是大部分人大部分时间思考的根基
，也是《思考快与慢》这本书核心描述的“神”。系统1能够察觉事物的远近，声音来源方向，直觉对话，对一张丑陋图片产生厌恶表情，在对话中察觉对方的敌意，回答简单计算比如1+1，阅读文字，在空旷路上无意识开车，在棋盘寻找下一招（如果你专业围棋），理解简单句子等。系统1在生活中已经学会了各种事物的
相关性，
比如提到法国首都，你就会直接反应巴黎。系统1的运行可以一心二用（不需要聚焦注意力），然而
系统2却只能一心一用
。典型系统2工作包括寻找一个带白帽子的女人，把注意力聚焦在某件事上，狭窄空间停车，填写一张复杂表格等。这些事情是一般人都不擅长的事情，且你很难一边在狭窄空间停车，一边填下一张复杂表格。系统1和系统2是相辅相成作用，很多时候系统1搞不定事情系统2就会介入，且其往往和最终决策有关，且系统1不能关闭，联想是潜意识的。
冲突和幻觉。
下图1展现了系统1和系统2冲突情况，当文字方位和文字意思相反时候，任何你需要用系统2的过程都会让你的动作变慢，但你慢下来后往往系统2能够纠正系统1的错误。下图2则展现一种错觉，系统1给出直觉一定是下面线笔上面长，但是如果你用系统2介入，你大概率能够分辨出来其实两条线是一样长。系统1的错误对系统2
很多时候并不是显而易见的，
而时刻让你的系统2保持警惕似乎也是不现实，不经济的。时刻怀疑自己的判断会产生很多负作用，我们能做的就是
认识到哪些情形我们最有可能犯错误，
如果我们识别到这些情形就让系统2多警觉一点，当然认识别人错误始终比认识自己错误要容易。
瞳孔放大=系统2开启。
科研人员发现人类引入系统2进行批判性思考的时候往往
瞳孔
会放大，而且作者实验还发现瞳孔大小变化和系统2思考强度成正比。基于这个特性，科研人员发现
专业技能可以训练
，他们发现随着学生训练越来越深入，其完成同样工作的大脑思考参与越来越少，动作越来越直觉。此外，
系统2能够允许人类凭借记忆，跟
随一
些不熟悉的
规则来行动，比如数一下这段话逗号的数量。生物学家发现人类大脑里面专门负责遵守规则的区域，而人类这部分
面积比其他动物显著更大（系统2更强）
。实验还发现，人类系统2在不同人物之间切换难度很高，尤其是在有限时间压力下（比如考试）。
懒惰的系统2。
人们经常散布时思考问题，然而如果让你散布时快速计算25*78，你大概率需要停下脚步才能算（系统2不能分心），此外快速走路（比如跑步）往往需要系统2聚焦，你无法想其他复杂问题了（反而可以放空自己）。系统2思考也不总是让人不开心的，有些人就可以进入到
学习而废寝忘食的状态
，不过这应该是极少数极端情况（大部分是不喜欢思考）。当人们系统2繁忙时候（比如喝醉了），其他决策往往
由系统1靠直觉做出
，这时人们决策往往会更加自私，贴近生物本能，比如从巧克力蛋糕和沙拉选择午餐，大概率会选择蛋糕。系统2运行需要更多能量，所以在激烈赛事中
补充能量
是一种增强注意力集中能力好方式，饥饿会让人们无法聚焦。看下面问题
一个足球和篮球价格是110，其中篮球比足球贵100元，问足球价格多少元。
直觉告诉你答案是10元，但实际答案应该是5元（可以简单算一下）。作者将这个问题在哈佛大学学生中进行实验，发现超过50%学生也会算错。这充分说明
系统2的懒惰性
，大部分人过于自信，觉得这个问题太简单，这个可能和学历无关。系统2
某种程度就是自控力
，有一个著名的试验其对小孩的
延迟满足进行测试
，让小孩在马上得到一颗糖，以及15分钟后得到两颗糖中间选，结果发现10-15年后选择延迟满足（系统2自控力）的小孩发展和选择立马满足（系统1本能）的小孩存在显著差距。可见系统2懒惰能力可能对不同人是不一样的，但是大部分人的系统2是懒惰的这个结论应该是靠得住的。一种观点认为
智商和理性
应该分开，前者更多测试IQ，而后者可能反应的系统2的惰性。
相关性机器（Priming effect）。
如果你看到“香蕉、呕吐”这两个词语，你的大脑里面会自然联想类似的画面，从而产生不好的感觉，这就是大脑的
相关性激发，
一件事情会让你不自然联想多件相关事情，而这种联想更像是你身体在思考，而不是脑子。面对完形填空SO_P，如果你正想着吃，你大概率会填SOUP，而如果你正想着洗衣，你大概率会填SOAP。这种联想甚至可以是
无意识的
，如果你学习了一些老年人信息，你下课后走得都会比正常慢一点。这个关联也可以反过来，而如果你被要求放慢脚步走路，你之后大概率也会更容易联想老年人相关信息。所以
心态很重要，
年轻的心态你各方面都会显得年轻，反之亦然。实验证明，投票的地点对投票结果关联很大，比如增加教育经费法案如果投票设在学校，通过率显著高于设在其他不相关地方。这种影响虽然不能被过度夸大，但是很多投票最终就是摇摆者决定胜负，影响局部可能对结果影响不小。
当然，
平时
对普通人
潜意识影响最大的可能就是媒体了，这也是媒体广告的根基。
被赚钱概念（资本主义？）吸引的人显得
更独立，且更自私（
改革开放后，中国人是否更独立了，更自私了？
）。
1960年一项科研结论将
创意定义为绝佳的相关性思考
，也是绝妙
。
意识松弛——安全需要。
重复经历，清晰显示，简单联想，好心情这些对于潜意识来说，可能会让你感觉熟悉，感觉清晰，感觉良好，感觉轻松。简单来讲，
用系统1思考很多时候让你感觉轻松
，进入了舒适区。任何能够让人进入意识松弛状态的信息，都会显得更可信。比如
大写字母更清晰，会让你觉得更可信，更好记的股票代码等。
比如简单易记的语句仍然眼前一亮，自然也觉得更可信，类似的还有更押韵的话。当然，这些描述都不能明显反常识，心理学家们只觉得很多人是用直觉思考（容易被骗，但很多时候也好用），并不是傻。比如，同样一个小学奥数题，实验证明用模糊不清的字写的正确率反而更高，因为人们会自觉启动系统2来辨认和思考题目。
熟悉感
是很多广告的理论基础，实验证明消费者看见品牌次数越多，好感越多，其甚至都不用注意到，只要呈现在潜意识之前就可以。这种意识松弛基础很可能来自
物种进化
，因为让人感觉意识松弛的状态往往意味着
安全感，
而所有反向情景，比如陌生感，模糊信息，坏心情等往往意味着
危险。
而身处意识松弛状态的人往往拥有更强利用系统2处理问题能力，反之情绪差的人往往思考能力差，更多以来系统1思考，
面对困难，先平定情绪，否则会变蠢。
系统1的职能。
首先是感受正常，系统1面对任何情况都会进行预测，正常情况会符合系统1的预期，除非出现意外情况便会立马引起警觉（也可能是让你发笑，幽默背后就是打你的预期差）。系统1对
很多事物有常识知识，
这使得不同人类之间可以交流，比如当听到桌子时，你会立刻知道桌子大概的样子（不会有超过25条腿），这些常识是产生预期重要基础。一旦系统1发现异样其直觉下一步就是
找原因和找动机
，而系统2很多时候都会对这种行为视而不见。比如股价某天突然下跌，你的下一步一定是找原因，而只要能够
自圆其说的原因
即可，是不是确切原因不重要。大量数据证明系统1找原因的核心来源是生活中观察的到
各种相关性
——把相关性当成因果性。
直通答案——你所见即你所想。
很多人最喜欢的运动可能就是
直通答案，系统1会自动脑补思考过程
，比如你看到模糊不清的字体很多时候也会立即认识（虽然这个未必是正确认识）。否定答案是系统2的工作，系统1只会接受答案，实验证明如果人们系统2繁忙，他们会接受任何答案（喝酒成事啊）。
Halo效应说的是爱屋及乌，系统1根据他接受信息脑补自动做决策。
如果你喜欢总统的政治形象，你大概率也会喜欢他的声音和外表。人们在评判其他人的时候往往凭借的是
第一印象
。然而人和人之间相处仅凭一念来决定显然是不理性的，一个牛人完全可能呈现很差的第一印象。
What you see is all there is（WYSIATI）
，简单来说就是你所见决定了你的思想和决策，因为人们都追求直接要答案。实验证明，越是被特定观念影响的人们越容易形成逻辑自洽的闭环，从而对自己判断
越自信
。人们对判断自信程度显然不取决于判断准确性，证据确凿性等，而是逻辑自洽性。同样一件事情，不同
呈现方式会引导人们不同决策（Framing effects）
，同一件事情比如说出10%的死亡率和90%生存率会有截然不同感受。此外，自洽逻辑很多时候只是一个条件概率（比如如何才能中彩票？赵本山有个小品说靠做梦），却忘记了
基础概率
，中彩票整体概率很低，如何能够靠做梦达成？但是一定有人对做梦可以中彩票深信不疑，因为他之前靠做梦中过。其实真正求知过程可能就是尽可能减少WYSIATI的影响，接受更全面信息反而难以轻易构建逻辑自洽循环（因为很多事情矛盾的），
对大部分事情
你反而不太自信了（温和）。
程度评估，替代预测。
系统1决策时候经常参考对
特定问题常识（平均），
比如下图问你线段平均长度这个很容易回答，系统1可以胜任（如果问总和就回答不了了）。当一个实验问人们愿意为救助小鸟捐款多少时，不管救助小鸟数量是2000,2万，20万，人们回答愿意捐款数量是差不多的（独立问，不是对比着问），说明人们只是对救助小鸟这个概念给出常识推理，而对于具体数量没概念。系统1可以针对特定场景进行
程度评估
（离平均水平多远），然后用一个问题程度去匹配另外一个问题来给出预测答案。比如4岁小孩就能流畅阅读是很厉害的水平吗？基于这个评估你可以将这个分数（比如7分）匹配到另外一个问题：这个小孩未来收入可能是多少，你会觉得这个问题不难回答。人们还经常会进行
不必要的联想计算（mental shotgun），
比如即使问题只是让你识别单词发音是否押韵，你会自然去看单词拼写是否对齐。你的大脑会不由自主把特定问题替换成另外一个问题。
回答一个更简单的问题。
除了让你回答17*24这种问题很多人无法联想，大部分现实问题人们都可以基于系统1给出一个很快的直觉答案。这个过程就是程
度匹配+问题替代
来完成的。面对复杂问题时候，我们往往会将其替换成为一个更简单的问题：
比如你愿意花多少钱来拯救熊猫？替换问题可能是你对失去熊猫有多伤心？
你的人生幸福吗？
替换问题
是你现在高兴吗？总统六个月后会如何？替换问题是总统现在如何?小米股票值得投资吗？替换问题可能是雷军是个值得信赖的企业家吗？
这种问题替代在系统1就完成了，且这些问题对你来说靠直觉就能回答，然后再用程度匹配来还原到原来复杂问题给出答案。比如我对熊猫喜爱度是9分，那我愿意花多少钱来拯救熊猫呢？如果你问人们任何关于幸福情绪问题，最具决定性的因素是
他当下的情绪，这也是问题替代
。整个过程系统2可能都在休息状态，从情绪角度来说系统2是系统1的道歉者（为系统1错误而挺身而出），但其底层态度是支持系统1（而不是天生反对者）。以上现象在投资领域十分普遍，也就是线性外推思维，很多人
会把股市or经济未来表现会怎样这个复杂问题替换为过去或者当下表现如何这个简单问题。
然而，美股过去10年表现好未来10年就一定好吗？10年后美国会如何？你对美国了解有多少？很多人其实没有真正思考过，或者简单逃避思考。而真正思考的人反而因为确信度不够不会轻易变换战场。
直觉思考偏见
小数定律。
从统计学角度来看，任何小样本可能都意味着
波动和方差
，而现实生活中我们往往会将这种方差归因为特定原因。比如，统计寿命可能会发现小镇的人们寿命长，小公司往往业绩好等，这些本质上可能都是系统1的自圆其说的找原因在作祟，认为任何事情背后都有原因（八卦得很），很多时候这些现象都来自于
小样本的数据扰动，没有什么其他原因。
很多时候小样本的波动本身就是运气（比如短期投资收益很高），没有什么实力。其实
WYSIATI很多人也是小样本
，因为其接触的人和事情决定了其思考和逻辑闭环，这可能有很大的波动和方差。而求知的过程就是让你自己变成一个更大样本，磨平一些波动和方差，至少确定可以均值回归。
锚定效应。
商场里商品的标价不管其是否靠谱，都会成为顾客决策的重要依据。比如标价1000，然后打2折，就显得比直接标200更有吸引力，1000元就成为顾客决定商品价值重要锚。人们在分析问题往往
先选择一个锚点，
然后通过系统2分析来进行距离调整，系统2活跃程度决定调整大小（系统2繁忙就不会调整了）。投资时候股价往往成为公司价值重要锚点，然后你就基于这个股价脑补一个逻辑自洽的投资故事。很多时候，系统1就会根据锚点直接脑补一个逻辑自洽的故事，实验证明锚点本身
并不需要合理
，人们不是根据合理性来评估是否接受这个锚点的。在商业谈判中，对方往往会先抛出一个价格，如果另一方不注意一旦接受这个锚点就会掉入陷阱，这时候好的策略是
如果是这个价格，咱们就别谈了
，逼着他改变锚点。工厂经常会有工伤案件需要赔偿，如果设定一个最高赔偿额，确实可以限制更大赔偿额，但是以后所有案件可能都会锚定这个数字，很多更小案件也会付出更多成本。
现成的记忆。
人们往往凭借现成的记忆来决策，但往往会带来谬误。比如电视上经常报道明星离婚出轨，你大概率就会高估明星出轨概率；飞机失事的报道会让你高估飞机失事的概率
；个人主观经历
重要性大于他人故事，如果你亲身经历某些事情，你也会高估特定事情概率。比如只要自己参与了，人们总会高估自己对某件特定事情贡献。
意识松弛+现成记忆给人们造成了矛盾的效果，
如果让你评估自己做事情是否足够坚定，让你说出12个坚定案例，前面6个你可能很容易，但越说到后面越难，意识开始紧张，你对于自己是否坚定就会越怀疑。短视频里面女生数落男生离开自己后果，可以自由吃火锅，少花钱，自由生活，说着说着就发现男生离开自己反而更洒脱。不过对
特定人这个矛盾不存在
，比如对普通人，要求其列出12个对心脏安全有好处的行为，其反而会觉得心脏风险增加。但对于有心脏家族病史的人，让其列出12个安全行为，他反而会决定更安全（有准备，更多是内容输出）。
高估或者无视低风险事件。
专家和民众对风险评估可能有差异，比如专家评估灾难风险可能依据是死亡人数，而普通民众则更多依靠个案来做判断（惨烈的影响更大），这两种看法都有意义。保护民众免受恐惧的袭扰也是政府义务，但是客观应对事件风险也应当十分重要。
Love Canal是一条运河
，1989年河里发生了污染事件，在当地媒体连番报道下，民众对此次事件极其关注，以至于过度高估了污染实际影响，付出了过度治理经费代价。对于
低风险事件，人们要么完全无视（没经历过股灾的人就往往无视这种风险），要么高估其风险。
实验证明，当对立事件不清晰时候，人们往往会高估概率，比如要用户预测8只NBA球队夺冠概率，人们预测加起来等于240%，因为人们并不会思考洛杉矶湖人夺冠的对立事件是什么（其他7只球队都无法夺冠）。
忽视基础概率。
如果我告诉你Tom是个低调，理性，务实的人，你会觉得他的大学专业是什么？你肯定会猜工程师之类专业，然而事实情况可能是工程师专业在整体大学生中占比较低，而我们应该考虑所有大学生专业基础概率，挑最大的那个专业猜中概率可能反而较高，而前者就是贝叶斯定律里面条件概率，后者是基础概率，人们往往会
忽视基础概率（往往是低概率），
从而高估某件事件可能性。以上这个实验同样是独立于学历水平的，大家都会直觉将Tom的大学专业是什么？这个
复杂问题替换为
——低调，理性务实的人应该读什么专业这个简单的问题。而常识则告诉我们，工程师更低调务实，所以他应该是工程师专业。这里又范了一个
条件概率互换的错误，
即将P(低调务实理性/工程师）等同于
P(
工程师/
低调务实
理性
）。很多时候，这种替代是有效的，比如行为友好的人更可信，一个涨的高的运动员更可能是篮球运动员等。但是，这种思考方式也往往会忽视基础概率，从而高估小概率事件成功率。从这里来看，我们做很多评估时候
信息不是越多越好
，错误的信息，噪音有时候会误导决策（让你太乐观），而回到基础概率（统计学常识）反而可能是最靠谱的方式（每天多问问自己挖到牛股基础概率很低，为何这次能被我抓住？）。
少就是多。
两部二手车同样配置，A比B还多了两个选装，但是都有不同程度破损，你觉得用户会如何给两辆车估值？如果分开估值结果往往是
B比A估值高
，因为破损的配置往往会拉低用户对汽车估值。但是如果对比来看，用户往往能够分辨出来A比B多了俩配置，应该估值更高。少就是多原则往往出现在
逻辑自洽战胜了真正统计学概率分析（系统1）
，比如B车各方面都很完美，而A车有瑕疵，所以B车应该有更高的价值。正如Tom理性、低调务实，所以他必然是工程专业学生，这个故事更逻辑自洽。要破除这种偏见，横向对比来看，量化来看比较重要。
均值回归。
每年基金回报冠军，往往第二年业绩都不会太好，这背后逻辑就是均值回归。
成功=实力+运气，而巨大的成功=多一点点实力+多很多的运气。
人们往往被巨大的成功故事而吸引，想去挖掘背后原因，他你如果说他获得巨大成功只是运气好，这显然不能引人入胜。你也不能告诉投资者说本公司今年业绩好是因为去年业绩差。但是事实很可能就是如此，越大的成功
背后运气因素越大
。常识告诉我们小孩的身高和父母身高成正比，然而统计数据告诉我们越高的父母，其小孩可能会均值回归，越矮的父母其小孩可能也不会那么矮。利用
均值回归的思维帮助我们在统计学意义上平滑运气的影响
，传统的线性外推预测很容易犯错误，让乐观的人更乐观，悲观的人更悲观。也就是让运气好的人假设一个更好的运气，给运气差的人假设一个更差的运气。作者提供四步均值回顾预测，假设你要预测某个人GPA：
这种预测方法假设你非常坚定，认为自己的预测和实际相关性是1，则你的预测值就是最终值。而如果相关性是0，则直接用均值（基础概率）作为你的预测值。假设根据线性外推预测腾讯明年游戏增长8%，但是行业增速是5%，而今年增长和明年增长相关性是0.5，则你最好预测腾讯明年游戏增长6.5%。
逆向思维
很多时候就蕴含着均值回归的逻辑，很多身处困境的公司很可能知识运气差，这一定意味着未来机会。反之，很多看起来状况很好的公司很可能知识运气好，则代表风险。而类似易经这种否极泰来，泰极丕来的
周期性思维
同样也是均值回归的另一种说法。
你很可能过于自信了
高估实力，低估运气。
人类是逻辑动物而不是数字动物，凭借实力而成功的故事引人入胜，因此我们往往
高估了实力的影响
，而低估了运气的作用，这使得我们对很多事情过于乐观，我们往往高估了这个世界的可知性。我们往往通过一件事情
是否成功而推论其方法合理性
，而不是从方法本身来评估合理性。对于正确方法因为运气差而导致差的结果，我们往往会认为责任在方法制定者(背锅），反之亦然。市场往往高估了杰出管理者对于企业的重要性，实际上可能相关系数只有0.3，也就是60%情况你会发现好企业往往对应也是杰出管理者。从均值回归角度来看，大部分当下杰出企业最终也会回归平庸（只是运气好）。
有效性预测假象——不要忘了基础概率。
专家再仔细的对候选人评估最终证明和候选人后来表现相关性很低。投资市场也很典型，很少有投资经历能够持续预测市场，跑赢市场。分析师们用上了各种专业的技能和工具，但是他们无法回答这些判断是否已经隐含在股价中这个核心问题。此外，这些人往往都身处拥有类似幻觉的人圈子里面，他们互相影响以至于信心倍增。很多时候
专家预测准确性都很低
，且知识越丰富的专家由于其逻辑越自洽，越容易过于自信，从而犯错误。简单来说，我们首先应该承认这个世界很多程度上的不可预测性，时刻提醒自己这个基础概率，让自己不至于陷入过于自信幻觉。此外，制定一个
公式用程序化方式计算
，往往比主观分析靠谱，比如面试候选人，选5-6个对应要求特质参数，然后制定相关事实性问题进行程序化分析，最终得到结果往往比没有准备的面试，凭主观判断效果要好（AI面试的福音，可是人们还是会过于自信，相信自己的面试的）。
当局者迷。
当你身处其中，往往觉得有很多信息可以用来做决策，自己逻辑很自洽，
不需要外部视角做参考，
往
往这时候
你就过于乐观了
。
2005年
研究显示，1969-1998年美国90%铁路项目最终预算超标
。
2002年美国装修调查显示人们预期装修成本1.8万美元，结果最终花了3.8万美元。
听取外部意见，获取基础概率，是最重要降低
乐观偏差的方法。
我们何时可以相信专家？
按前文所言，我们不应该相信任何专家，但这显然是不对的，比如下围棋的专家对于围棋的看法显然是可以相信的。通过专业训练，专家可以将思考内化为一种感觉，将传统需要系统2思考的过程，用系统1代替，能够形成一种
很准的直觉
。比如救火专家，往往能够凭借第六感来洞察危险，因为他身经百战，已经有了专业能力，类似的还有临床经验丰富的医生等。在作者看来，针对
常规可预测的环境，以及可以通过专业训练积累经验学习规律的场景
，这些都是可以相信专家的领域。这些场景往往可以不断通过学习收到反馈，然后积累专业技能（类似当下AI加强学习）。然而很多场景是不规律的复杂场景，比如预测股市走势，经济短期走势等，这些专家预测往往不靠谱。
资本主义底层乐观主义。
用金钱来衡量一个人成功，往往将最富的人成功归功于实力，而这些人往往也是最愿意冒风险的人，最乐观的人。美国创业企业能够挺过5年概率是35%，但是创业者都认为自己不会成为那65%。数据证明将自己技能卖给别人（打工）平均胜率远高于创业（合理）。不过适度
乐观还是成功的必要条件
，正如那句名言——永远不要低估那些高估自己的人。在公司做决策时候可以招募高管开会：假设我们在决策后一年，结果是灾难性的，你可以花5-10分钟来复盘一下灾难的过程。这个方法实际上是在客观分析可能得失败的风险和原因，也是在鼓励反对者的声音。
Econs（经济学人）VSHumans（真实人）
伯努利模型缺陷。
假设一个抛硬币场景，如果正面你可以拿到1000万，背面则拿到0元；第二种选择是你确定拿到400万。大部分人会选择第二种，确定收入口袋中。但从纯粹理性经济学人角度这说不通，因为第一种预期收益是50元，大于第二种。
伯努利
提出一种理论即用户决策是按照心理效用来选择，而心
理效应和金钱是对数关系
，即从100到1000万心理效用如下图。从这个心理效应似乎能够解释用户的避免风险心理，因为直接拿到400万对应是60分，而50%概率拿到1000万对应是50分。其也能解释为何穷人喜欢买保险（富人卖保险），因为从100万到200万分数增长是30分，而从1000万到900万则只降低4分。然而，伯努利定律忽略了
参照点
，即不同起点，即使面临相同的选项，不同人选择可能不同。比如假设A有100万，而B有400万，其面临选项都是：1.抛硬币，正面财富变成400万，背面变成100万；第二个选项是确定拿到200万。对于A来说，他会选择第二个选项，而对于B来说，他会选择第一个选项（面对确定失去，大部分人会铤而走险）。
Prospect理论。
人们面临潜在收益时，往往会保守选择确定性收益，反之如果面对确定性损失时候，则会铤而走险去主动寻求风险（破罐子破摔）。作者提出了前景理论（Prospect theory），其加入参照点，并且考虑到了效益递减，更重要引入
人们害怕失去大于获得
，形成了下面曲线。对于正向收益，人们往往选择落袋为安，且损失部分斜率显著大于获得部分（
大约2倍
）。还是抛硬币问题，假设正面拿到150，背面损失100，你会参与这个游戏吗？大部分人不会，因为损失100更可怕，数据显示人们对获得VS损失金额大概
1.5到2倍
时候才觉得风险收益比平衡。
害怕失去，保持现状。
假设你面临两个选择：1.加薪1万元/月；2.增加12天假期/月。在通常经济学效应理论，这俩选择效应是一样的。假设A选择了选项1，其参照点发生了变化，工资已经加了1万元，当他第二次做这个选择时候他的选项变成了：1.保持现状；2.增加12天假期and降薪1万元。降薪对他来说太可怕了，他肯定
会选择保持现状，
人们都害怕失去已经得到的东西。对于人们拥有物品假设
买来是使用的
，人们往往因为害怕失去而会设定一个
显著更高卖价
。反之，如果这件东西买来就是交易的，人们往往没有这种怕失去的情绪（比如股票交易员）。底层的穷人也没有这种害怕失去的情绪，因为他们任何花销都是损失，也就没什么可害怕的了（下下人有上上智）。
害怕损失源头可能也是物种进化，我们基因程序给坏事优先级高于好事，因为任何坏事可能都会威胁到生存，甚至我们对
跟自己不同意见也会视为坏事
，非常警觉。因此在朋友交往中，好的互动VS争论要大于5:1，友情才能持续下去。如果平时我们设定了
目标
，而没有达成这个目标则会被视为
损失
。出租车司机经常
每天给自己设定目标
，但是结果却是好的时候往往早早回家，但是差的时候则经常加班。这显然不理性，应该好的时候多干点，差的时候少干点。高尔夫球也有标准杆锚点，研究显示专业运动员第一优先级总是避免超过标准杆（避免损失），而不是打出更多小鸟球。
现状也是一种锚点
，而改变现状往往就意味着损失。公司的成长一旦慢下来，员工激励就会是难题，因为面对一个缩小的蛋糕，怎么分配都是在分配损失（对员工来说），公司的士气每况愈下。此时，如果把老员工裁了，换新员工反而阻力没那么大。其实对于国家也是，经历过好日子（成为锚点），一旦失去就会有很重失落感，从而变得极端谨慎。守土的成功概率远远高于进攻，因为人们害怕失去自己故土。而改革往往会碰到额外的阻力，因为大部分人会安于现状。
四种极端概率场景。
人们面对极端概率时候往往理性判断会失效，比如面对0-5%概率，以及95-100%时候。这里面可以分成四个象限，当你面对5%概率可以赢1万时候，这是类似
买彩票
的场景，大部分人会选择冒险，反正也没什么可失去的，说不定中了呢。风险可能是高估自己中彩票概率。而当你面对5%概率可能会失去1万时候，这个时候你就会焦虑，即使这个概率很低（你可能会高估这个概率），这时候你就会倾向于
买个保险
避免这种损失。而如果你面对95%概率得到1万时候，你反而会害怕5%概率失去，于是选择稳妥方案
落袋为安
。这也是光脚不怕穿鞋逻辑，穿鞋的反而会更保守一点。最后则是如果你面临95%概率损失1万，这时候你反而会
铤而走险
，选择冒险一搏，万一能够免除风险了（存有幻想）。实际上，很多面临危机企业最终都死在放手一搏上，高管们面临确定的损失（竞争压力等），选择铤而走险，寻找希望，其结果就是
企业速死
。理性来看，这时候承认失败，接受损失（太难了）反而可以活得更长。
系统性看，风险降低。
人们面对风险决策时候，往往倾向于
单独看问题
，而忽视组合在一起看问题寻求最优解的方法。拿抛硬币来说，假设正面获得200，背面损失100很多人就不会参与。但如果可以抛10次，其概率结果会非常不一样，获利概率远远高于损失概率，但大部分人并不会这么
放在一起系统性看问题
。公司和组织就是一个可以磨平个例方差的设置，对于CEO来说其希望任何属下都接受正面200背面100的硬币游戏，整个公司收益反而是更确定的。很多时候
对比来看，也会改变人们决策
。比如单独问人们保护
海豚和保护农民方案
，很多人会更加支持海豚，因为潜意识里面海豚更可爱（问题替代）。然而，如果对比来看，农民是人，大部分人认为还是应该优先级更高，对比来看的决策更加理性。
情绪化决策。
人们在面临决策时候往往害怕失去带来
情绪
而被沉没成本影响，比如面对投资组合需要卖出一只股票获得现金，人们往往会卖掉表现好的，留着表现差的，因为卖掉表现好的不会带来损失的痛苦，但这显然是非理性的，因为表现好的公司未来可能有更大空间，反之表现差的有可能会更差。面对困难的企业往往面对巨大的沉没成本，这会让职业经理人停滞不前，无法面对损失的痛苦。这时候引入
外部CEO
可能是一种方案，倒也不是说外部有什么法宝解决问题，至少他不会面临类似沉没成本影响。
怕错失，怕后悔
很多时候也会影响人们决策，人们往往选择品牌商品，为了怕买了之后因为其他问题后悔。
损失带来负向情绪大于成本
，如前文所言，人们会觉得自己持有多年使用多年物品卖掉是损失。同一件事不同描述，比如90%的存活率和10%死亡率给人感觉很不一样。对于一个600人小镇，飓风来袭，你面临决策，但是对同一种结果两种不同描述可能导致大相径庭后果。
描述A
：方案1=200人获救；方案2=三分之一概率600人获救，三分之二概率没人获救。
描述B
：方案1=400人死亡；方案2=三分之一概率没人死亡，三分之二概率没人生存。面对描述A，大部分人会选择方案1，求保险。而面对描述B，大部分人会选择方案2，会选择
铤而走险
！这对于公司领导很重要，因为同一件事情下属可能会专门更改类似描述，以求让你选择他们想让你选择方案，领导也是人，大概率逃不过心理学的陷阱（决定公司走向很多时候是中层，而不是领导）。这时候，理性思考就很重要。
记忆自己VS经验自己
记忆偏差。
自然演化过程中，基因给了我们两种天然反馈机制，快乐和痛苦。然而心理学家在研究人们的经验自己和记忆自己时候，发现了两者之间显著的差距。如下图两位病人经历了不同痛苦，第一位经历了8分钟，强度如阴影。第二位经历了24分钟。事后病人通过回忆来给经理打分，发现病人B体验竟然好于病人A，从理性来看痛苦总额应该是阴影部分面积，但是显然记忆规则不是这样。记忆规则是
忽视过程，记得最高点和最终点的平均值（这个规律对其他动物比如兔子也适用）。
具体经历了几分钟你是没什么记忆的，但是病人B结束时候痛苦小于病人A。另外一个实验让第一组将手放入冷水（14度）放60秒，然后拿出来结束；第二组（同样的人）先放入14度冷水60秒，然后将水温提升到15度再待30秒。事后问实验者他们如果再经历一次会选择哪组，他们都选择后面一组，因为第二组结束时候比第一组舒适，但这显然不理性，因为第二组多在冷水里面待了30秒。可见，如果仅凭记忆来做决策，很多时候会导致偏差。
心态影响幸福。
人们在评价人生时候也会凭借记忆做决策，这会导致过于重视
生命高度和结局
，从而忽视生命过程（中国人还是挺在意寿命的）。即使你前面人生再辉煌，如果晚节不保，这都不是成功的人生。甚至为了短期高度而铤而走险，忽视了长期温和的幸福（面积反而更大）。害怕短期巨大痛苦，但是却可以忍受长期温和痛苦（面积反而更大）。这些都是非理性偏见。人们去很多地方旅游根本目的就是为了
留下
回忆
，而不是为了当下的体验。受教育在美国能够带来更好的回忆，但是对实际经验用处就更小。而生病则是反的，影响实际经验大于回忆（不记得痛苦的过程）。大部分外地人一定觉得生活在加州一定很幸福，气候温和，海景等。但是真正长期住在加州的人大部分时间根本感受不到这些，这就是围城。
金钱能够买来幸福吗？
数据证明从0到年收入超过7.5万美元（10年前），幸福和金钱相关，超过这个数字后就没人影响了。原因可能是对于真正有钱人，他们少了很多小幸福。当然，你如果问人们“
你幸福吗？
”，这个问题往往太复杂，而人们会将其替代为你现在幸福吗？这个简单的问题。另一个影响人们真实生活状态和幸福感的因素是
心态
，同样财富的人们在幸福感上可能天差地别，这取决于他们心态预期。你想要什么决定了你的幸福感。
总结：三省吾身
不可否认，面对日常琐碎之事，系统1大多数时候可以胜任。然而，当面临人生重大决策时候（什么是重大决策？很多人可能会草草应付），我们还是应该主动调动系统2多进行
批判性思考
：
-
我是否陷入到逻辑闭环从而变得过于自信？
-
我回答的问题是这个问题吗？还是回答的是系统1替代的简单问题？
-
这到底是实力，还是运气？多考虑均值回归
-
我是否忽视了基础概率？
-
我是否因为害怕失去而做了过于情绪化的决策？
-
我的决策依据是否受到记忆本身局限性误导？
-
我有系统性，全局性，对比着看问题吗，我受到了同一件事情不同描述影响吗？
本文大约1.3万字，欢迎关注、点赞、在看、转发
