【模型】易得性性偏差思维模型

2025-03-27

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

维度	传统易得性偏差决策	芒格模型
信息源	依赖媒体头条、身边案例	跨学科数据库+历史长周期数据
决策触发点	近期事件、生动故事	基础比率、系统概率
情绪处理	被恐惧/贪婪直接驱动	用检查清单隔离情绪干扰
纠错机制	滞后（跟随大众）	预判（提前布局认知盲区）
时间锚点	当下	多重时间层（10天/10月/10年）

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。