核心总结
查理·芒格的易得性偏差思维模型，是通过跨学科验证、信息对冲与反直觉训练，破解人类依赖“容易回忆的信息”做决策的认知陷阱。其核心哲学是：“你的大脑是‘记忆的仆人’，但真正的决策者必须成为‘信息的法官’。” 芒格的模型旨在将决策从“最近事件”和“情绪刺激”的绑架中解放，回归长期理性。
芒格破解易得性偏差的四大法则
信息对冲原则
强制输入低频数据：主动寻找与直觉相反的低曝光信息（如“市场恐慌时，阅读历史危机复苏报告”）。
例：2020年疫情初期，芒格通过研究1918年流感后的经济反弹数据，抵消媒体渲染的“末日叙事”。
记忆熵值校准
用基础比率替代个案记忆：决策时优先调用统计学基础比率，而非个别案例（如“投资某初创企业，成功率应参考行业平均5%，而非媒体报道的明星公司”）。
工具：基础比率清单（如“过去100年，美股熊市平均持续14个月”）。
时空折叠训练
10/10/10法则：问三个问题：
10分钟后，这个决定会受到什么信息影响？
10个月后，什么因素会变得更重要？
10年后，哪些变量将决定成败？
例：投资比亚迪时，芒格更关注10年后的能源转型趋势，而非当时媒体的“电动车不实用”论调。
情绪脱敏机制
故事粉碎法：将感性叙事转化为量化指标（如将“这个CEO很有魅力”拆解为“过去5年ROE、研发投入占比、员工流失率”）。
例：拒绝投资WeWork，因其故事性估值（易得性偏差）与现金流数据严重背离。
芒格 vs 传统决策模型
芒格操作框架：四步击穿易得性偏差
建立反记忆库
收集常被忽视的“无聊数据”（如行业平均负债率、专利失效周期、政策迭代频率），定期复习形成决策基准。
实施信息对冲
对每一条高曝光信息，强制寻找三条反向证据：
例：看到“AI将取代人类”的报道，需查阅：AI伦理约束进展、技术落地瓶颈、历史技术失业率数据。
执行时空折叠
用三重时间透镜过滤决策：
短期：市场情绪、流动性波动（易得性偏差高发区）。
中期：供需关系、竞争格局。
长期：技术颠覆风险、代际需求变迁。
启动理性接管
当感性冲动强烈时，强制调用检查清单：
基础比率是否支持该决策？
是否有历史可比案例？结果如何？
若此信息未被媒体报道，我是否会做同样选择？
经典案例：芒格如何用基础比率否决“热门生物科技股”
易得性偏差场景：
2021年某生物科技公司因新冠疫苗概念暴涨，媒体大量报道“革命性突破”（易得性信息充斥市场）。
芒格操作：
基础比率核查：统计过去20年FDA审批通过率仅9.6%，III期临床失败率超60%。
时空折叠：评估10年后该技术是否会被mRNA迭代淘汰。
信息对冲：调研竞争对手专利布局，发现该公司核心专利5年内到期。
决策：
放弃短期跟风，选择投资更“无聊”但现金流稳定的消费企业。
芒格反偏差三定律
曝光毒性定律
信息被重复传播的次数与其准确性成反比（如头条新闻需默认打7折）。
记忆折旧定律
决策权重 = 信息价值 / (记忆新鲜度)^2（越近的记忆需主动降权）。
反共识复利定律
在易得性偏差制造的共识错误中，逆向布局的收益随时间呈指数增长。
一句话总结
查理·芒格的易得性偏差模型，是用“基础比率”作锚、以“时空折叠”为尺、借“对冲信息”解毒的认知净化系统，本质是将大脑从“记忆的硬盘”升级为“算法的CPU”。
