“想象一下，多位分析师给出一个标的的公允价值估值会相差高达40%。再想象一下，同样的医生、法官、检查员或决策者做出了不同的决定，仅仅取决于决策是在早上还是下午或者周一还是周三做出的，这背后的罪魁祸首就是‘噪声’。”诺贝尔奖获得者卡尼曼称。

日前，卡尼曼接受了第一财经的专访。2021年，在他研究“偏差”的《思考，快与慢》出版问世10年后，卡尼曼又奉上了《噪声》一书。“只要做判断，就会有噪声，而且比你想象的要多得多。”他对记者称，之所以我们常常会做出糟糕的决策，都源于忽略了“噪声”对决策的影响。“噪声”是随机的，但却是致命的。

回顾历史，投资理论经历了几步进化。1950年现代投资组合理论（MPT）开启了投资理论先河。MPT理论有两个基本假设——第一个假设是完全理性的（full rationality），第二个假设是投资是在两度空间下维持的，即风险和回报的空间。发展现代投资组合理论的大师都获得了诺贝尔经济学奖，包括威廉·夏普、马科维茨、尤金·法玛等。

但金融学家逐渐发现，人不是完全理性的，即理性受限 （bounded rationality），于是就发展了行为金融学，行为金融学大师也先后获得了诺贝尔经济学奖，其开山鼻祖就是卡尼曼（Daniel Kahneman，2002年获奖），而后有席勒（Robert Shiller）、塞勒（Richard Thaler）。如今，各界又开始讨论起了“影响力投资”。

2002年，诺贝尔奖授予卡尼曼的理由是：“把心理学研究的成果与经济学融合到了一起，特别是在有关不确定状态下，人们如何作出判断和决策方面的研究成果。”卡尼曼是世界心理学史上第二位凭借心理学研究荣获诺贝尔经济学奖的心理学家。亚马逊创始人杰夫·贝佐斯，谷歌创始人拉里·佩奇和谢尔盖·布林，SpaceX创始人埃隆·马斯克，Twitter创始人埃文·威廉姆斯等人，都是卡尼曼的学生。如今，这位大师希望面对“噪声”，我们仍可以通过书中提及的方法补救，重塑决策框架，做出更好的决策。

“噪声”是一个大问题

在《思考，快与慢》中，卡尼曼指出了“偏差”（bias）的存在，这基于他将人类的思考模式分为了“快”和“慢”两个系统，即依赖直觉、无意识的“系统一”和自主控制、有意识的“系统二”。这两者本该协同合作，但大脑出于惰性，往往直接选择了“系统一”的判断，这导致人类的决策容易陷入“偏差”。

如果说《思考，快与慢》讲的是人在做决策时容易陷入的各种认知偏误，那么，卡尼曼在《噪声》中讲的就是人在做判断时面对的各种噪声。

《噪声》一书称，之所以我们常常会做出糟糕的决策，都源于忽略了“噪声”对决策的影响。虽然“噪声”和“偏差”都存在于判断过程中，但实质上是两类错误。偏差本质上是一种导向于一致性错误的因果方式，而噪声则是一种数值散乱的统计方式。

卡尼曼在《噪声》中用一个相当简洁易懂的“体重秤”的例子来解释偏差和噪声的区别——如果你每天都在体重秤上秤一次体重，每次体重秤都将你的体重高估两磅，那就是偏差（bias）；而如果体重秤每次显示出来的体重数字总是不一致，第一天增加了一磅，第二天却减少了一磅，在第三天又增加了三磅，这就产生了噪声（noise）。“大量的噪声是个昂贵的问题。”卡尼曼在书中写道。

他引入了MSE（均方差）来测量“噪度”，并将之称为“噪声审计”。卡尼曼发现一家保险公司的核保人在制定保费时有着高达55%的“噪度”，一家资产管理公司对股票估值的“噪度”达到了41%。这令公司的高管们瞠目结舌，他们原以为员工们的判断最多只有10%左右的偏差。过度报价和低价合同给这家保险公司带来了高达数亿美元的噪声成本。

卡尼曼也对记者提及创作此书期间的一个案例。“我们去一家投资机构陈述我们的研究，让40~50个投资人来看同一个公司并给出一个公允价值，平均差异高达44%。”他称，我们认为，噪声审查（noise audit）非常重要。大家都意识到，人们在一起时会有不同的观点或噪声，但只要审计一下这种噪声究竟有多大，就会感到震惊，因此只有当一个机构开始真正测算体系中的噪声时，才会意识到这是个大问题。

《噪声》通过两个公式及三种噪声的系统性分析，揭开了“判断出错”的本质，即公式一：错误（error）=偏差（bias）+噪声（noise）；公式二：系统噪声=水平噪声+稳定的模式噪声+情境噪声。

要理解上述三类噪声，法官的判决是最简单的例子。“有些法官对某类案件的裁决更为严厉，这就是水平噪声；法官的判决还可能根据不同的精神状态而发生变化，比如在上午或下午审理案件可能也会对法官判决产生影响，这是变异性的另一个来源，即情境噪声；变异性的最重要来源可能是模式噪音，它是指人们对世界的不同看法。一个法官可能对A案件更加严厉，另一个法官可能对B案件更加严厉。我们对此无从了解，因为我们无法了解人的内心。”卡尼曼在书中写道。

卡尼曼对记者表示，当他写这本书时，政府、商业机构、普通大众都是他的目标读者。“我们以前觉得，很多错误都来自于偏差，错误都是系统化的且可以预测的。但这本书的目的在于揭示另一种错误类型，降低噪声。当法官开始进行判决，他不是为自己说话，而是代表整个司法体系，在这种情况下，我们当然希望降低噪声。”他称。

不过，卡尼曼也不否认，很多场合其实需要多样性，人们有自己的品位和可变性（variability），例如，政治意见、艺术等都需要创造性。但是他也强调，多样性或可变性并不是噪声，卡尼曼将他所说的需要克服的“噪声”定义为“不必要的变异性”或“应该相同的判断中的可变性”，它存在于那些本该是相同的判断中，例如联邦法官本应该作出相同的判决。

“有时噪声并不能带来好处。例如职场面试需要选择最适合的员工，当我们认为有唯一正确的答案时，我们不需要可变性。”他称。

以“决策卫生”应对噪声

对待“噪声”这个难以预测、容易被忽视的敌人，卡尼曼建议我们吸取医疗中预防性卫生措施的经验，他将这种方法称之为“决策卫生”。

卡尼曼提出了“决策卫生”的六大原则。“第一原则”是，判断的目标是准确，而不是个人表达。人们之间的个体差异和人格的不同，导致不同的人对同一问题往往有不同的看法，卡尼曼将之称为“稳定的模式噪声”，这是社会中广泛存在的系统性噪声相当重要的组成部分，但卡尼曼称，“判断不是你表达个性的地方。”

对“决策卫生”第一原则的根本而彻底的应用是，用规则或算法取代判断，“算法评估可以保证消除噪声——事实上，它是唯一可以完全消除噪声的方法。”即使目前算法仍不太可能在重要决策的最后阶段取代人类判断，但卡尼曼认为适当的使用算法来减少决策对于专业人士的依赖是大有裨益的，例如，限制法官的自由裁量权或推动医生诊断的同质性。

卡尼曼还倡导人们通过“抵制不成熟的直觉”原则来进行“决策卫生”，特别是对于专业人士。专业人士往往会根据过去的经验做出非常快速的判断，这不仅仅是噪音，也是偏差的主要来源。卡尼曼认为，人们终究要学会延迟满足，“直觉不应该被禁止，但应该被告知、约束和延迟。”他鼓励人们对证据进行平衡和仔细的考虑，进而再利用直觉参与到判断中。

基于这一原则，他建议对信息进行排序，让无关紧要且可能产生偏差的信息不被专业人士所获得。例如，让检查人员不知道嫌疑人的其他信息。

“把判断分成几个独立的任务”是另外一项“决策卫生”原则，例如，这一原则可运营于有多位面试官的面试环节。具体说来，卡尼曼建议人们在具体的决策过程中，将问题再一次分解为几个方面和特征，并对每个方面和特征进行独立评估，直到每一项评估完成前，不要进行全局判断，“通过将判断分解为一系列较小的任务，可以减少过度一致性”。

卡尼曼认为，谷歌的“结构化面试”是“把判断分成几个独立的任务”这一原则很好的案例。在谷歌的招聘过程中，“应聘者是否合格”这个问题被分解为四个方面进行评估：一般认知能力、领导力、企业文化适应性和岗位相关技能知识。这四方面被进一步细化为更小的组成部分。应聘者的长相和爱好等无关因素都不会被列入考察范围。

在按照这一原则行事时，我们也有必要设置多个判断者，并从他们那里分别获得独立的判断，然后再考虑汇总这些判断，避免互相影响。事实上，卡尼曼认为谷歌的“结构化面试”远比其他公司成功，因为谷歌严格执行了一条并非所有公司都遵守的规则，即公司确保面试官们在相互沟通之前，已经单独对候选人进行了评分。

“执行决策卫生很可能吃力不讨好。”卡尼曼称，噪音作为看不见的敌人，打败它也只能获得“看不见的胜利”，但“决策卫生”仍至关重要。

对投资的启示

那么，究竟这对投资有什么启示？

卡尼曼认为，对于投资者来说，情况也是一样的。有些人是乐观主义者，有些人是悲观主义者，有些投资者热爱交易，有些投资者则不那么喜欢交易，这就是“水平噪声”。

当你的情绪或上一次的投资业绩对你的判断产生重大影响时，“情境噪声”就出现了，它在个体内部是随机分布的。“模式噪声”是指不同的投资者对于什么是好投资的认知存在差异，有些投资者可能会非常在意管理层，其他投资者可能认为这些无关紧要。

此外，卡尼曼对于“选股”也向来不感冒。他曾说过，人们不愿意相信运气是如此普遍，这就产生了“选股技巧错觉”。他认为，投资行业似乎在很大程度上建立在对技能的错觉上，买卖双方每天交易数十亿的股票。虽然专业人士能从业余人士那里获取相当多的财富，但很少有选股者具备年复一年持续跑赢市场所需的技能。

职业投资者（包括基金经理）几乎都在一项基本的技能测试中失败了，即持续跑赢。在有技能的地方，排名会更稳定，个体差异的稳定性是我们确认高尔夫球手、汽车销售人员、正畸牙医或高速公路收费员之间是否存在技能的衡量标准。

因而，卡尼曼认为算法更具优势。“世界上很多东西基本是可预测的，例如下棋、行医等，人们需要积累很多经验，并从外界的快速反馈中不断更正、改进。但金融市场不可预测，没人具备足够的经验，也没人可以快速得到反馈，因此相信直觉是没有意义的，除了很短线的交易。整体而言，在一个复杂体系中，算法相比起人有更大的优势，对于很多对冲基金来说，算法已扮演着重要的角色。”

卡尼曼认为，这在中国市场也是如此。“市场越不有效，就越有空间让直觉发挥作用，但也有更多机会让算法发现更多模式（pattern）并将其用到决策过程中。如果算法拥有所有人类掌握的信息，且可以不断获得很多数据，那么就一直会更具优势。”

在采访的最后，卡尼曼再度表达了自己想要传递的信息——很多人都认为多数时候自己是对的，但我们需要知道自己的决策中有噪声、存在偏差，那么在做决策时至少可以更多一些谦卑、更加细致和审慎。（实习生刘怡然对本文亦有贡献）