引言：两个世界的分界线

2024年春节期间，我在澳门的一家赌场见证了一个令人震撼的场景。

一位中年男子在轮盘赌桌上连续押"红色"，已经输了7次。第8次下注时，他将所有筹码（约20万港币）全部押上，坚定地说："已经连续7次黑了，这次一定是红！"

结果又是黑色。他瘫坐在地上。

同一家赌场的另一个角落，一位职业扑克玩家正在冷静地计算：“这手牌我有35%胜率，底池赔率4:1，期望值为正，跟注。“他输了这一手，但面无表情地继续下一局。

这就是赌徒与交易者的本质区别：前者活在确定性幻觉中，后者活在概率分布里。

今天，我们要完成一次认知跨越——从人类天生的确定性思维模式，升级到反直觉的概率思维模式。这不是简单的知识学习，而是一次大脑操作系统的重装。

第一部分：两种思维模式的对决

1.1 确定性思维：大脑的默认模式

人类大脑天生反概率

进化心理学家Gerd Gigerenzer指出，人类大脑在99.9%的进化历史中处理的都是确定性问题：

  • 看到草丛晃动 → 确定有危险 → 逃跑（生存下来）
  • 看到红色果实 → 确定可以吃 → 采摘（获得能量）
  • 听到雷声 → 确定要下雨 → 寻找庇护所（避免危险）

在这个确定性世界中，因果链条是清晰的：A导致B，B导致C。大脑发展出强大的模式识别能力来捕捉这些确定性关联。

问题：现代金融市场是非确定性系统，充满了随机性、复杂性和不可预测性。但大脑仍然用处理确定性问题的方式来处理市场——这是范式错配（Paradigm Mismatch）。

1.2 概率思维：认知的升级

概率思维的核心特征：

  1. 接受不确定性

    • 确定性思维：“这个股票明天一定会涨”
    • 概率思维：“这个股票明天有65%概率上涨”

  2. 关注期望值而非单次结果

    • 确定性思维：“这次赚了50%，我是天才”
    • 概率思维：“这次赚50%可能是运气，需要看100次交易的期望值”

  3. 用分布而非点估计

    • 确定性思维：“目标价30元”
    • 概率思维：“25-35元区间，峰值概率在28-30元”

  4. 长期视角而非短期结果

    • 确定性思维：“连续3次止损，系统失效了”
    • 概率思维：“胜率60%意味着100次交易中有40次亏损，连续3次亏损是正常的”

1.3 赌徒谬误 vs. 大数法则

赌徒谬误（Gambler’s Fallacy）

前面澳门赌场的故事就是典型案例。轮盘赌连续7次黑色后，第8次出现红色的概率仍然是18/37（欧洲轮盘）≈48.6%，与前面的结果无关。

但人类大脑坚信：“异常序列会’自我修正’。“这是因为大脑混淆了：

  • 短期随机波动（可以连续10次黑色）
  • 长期统计规律（长期看红黑各50%）

Amos Tversky和Daniel Kahneman的经典实验：

给被试看硬币抛掷序列，问哪个更可能：

  • A: H-H-H-T-T-H
  • B: H-H-H-H-T-H

大多数人选A，认为"更随机”。实际上两者概率完全相同：(1/2)^6 = 1/64。

大数法则（Law of Large Numbers）

Jacob Bernoulli在1713年证明：样本量足够大时，样本均值会收敛到真实期望值。

交易启示：

  • 你的交易系统胜率60%，但前10次交易可能只赢3次（30%）
  • 这不代表系统失效，而是样本量不足
  • 需要至少100次交易才能评估系统的真实期望值

问题：大多数交易者在样本量不足时（10-20次交易）就判断系统好坏，这是统计学文盲。

第二部分：大脑为何抗拒概率——神经科学视角

2.1 进化的错配：确定性世界 vs. 概率世界

狩猎采集时代的决策环境

在99%的人类进化史中：

  • 生存威胁是确定的：被狮子追 → 100%死亡（不是"80%可能死亡”）
  • 因果关系是直接的：吃毒蘑菇 → 死亡（不需要概率思维）
  • 反馈是即时的：打猎成功/失败当天就知道

大脑进化出的快速模式识别系统（Kahneman的系统1）：

  • 极速（<100毫秒）
  • 自动化（无需意识参与）
  • 确定性导向（“是"或"否”，没有"可能”）

现代金融市场的决策环境

  • 因果关系是概率性的：利好消息 → 70%上涨，30%下跌（不确定）
  • 反馈是延迟的：买入股票后，可能数月甚至数年才知道对错
  • 复杂性超出人脑处理能力：数千个变量相互作用

结果：大脑的操作系统（OS）版本太老，无法运行现代市场这个"软件”。

2.2 神经科学：概率计算的大脑困境

前额叶的计算瓶颈

概率思维需要工作记忆（Working Memory）和执行控制，由背外侧前额叶皮层（DLPFC）负责。

但DLPFC有严重限制：

  • 容量限制：只能同时处理4±1个信息单元（Miller’s Law）
  • 能量消耗：占大脑总能耗的20%以上
  • 易疲劳：连续决策后迅速损耗（Ego Depletion）

杏仁核的确定性偏好

杏仁核（情绪中枢）讨厌不确定性。Hsu et al. (2005)的fMRI研究发现：

  • 已知概率的风险（50%概率赢100元）：杏仁核激活较低
  • 未知概率的不确定性（不知道概率）：杏仁核剧烈激活，产生焦虑

启示：即使明确告知概率，杏仁核仍会产生"想要确定性"的冲动，这会干扰理性决策。

2.3 模式幻觉：过度活跃的模式检测器

Apophenia：在随机中看见模式

Michael Shermer将人类倾向于"在随机数据中看见模式"称为Patternicity。这在进化中是有利的：

  • 假阳性（草丛晃动不是狮子，但你逃跑了）：损失小
  • 假阴性（草丛晃动是狮子，但你没逃）：死亡

于是大脑演化为**“宁可错杀一千"的模式检测器**。

交易中的模式幻觉

  • 看到股价连续3天上涨 → 大脑自动假设"趋势形成”（可能只是随机波动）
  • 看到"头肩顶"形态 → 坚信"一定下跌"（形态成功率可能只有55%）

Andrew Lo的研究显示，交易者在随机价格图表中"识别"的模式，与在真实市场数据中的识别率没有显著差异——我们无法区分模式和噪音。

2.4 心理账户：概率的割裂计算

Richard Thaler的心理账户理论（Mental Accounting）：人们会将资金分成不同"账户"，每个账户单独计算概率和期望值，而非整体计算。

交易中的心理账户陷阱：

  • 账户1：“炒股资金”（风险承受度高）
  • 账户2：“生活储蓄”（风险承受度低）

看起来合理？但问题在于：概率不会因为你如何标记账户而改变。一个负期望值的交易，无论用哪个账户的钱，都是负期望值。

更隐蔽的陷阱：

  • 盈利的交易 → “赚来的钱"账户 → 风险偏好提高（“反正是赚的”）
  • 这导致**“盈利时冒险，亏损时保守”**——恰好与理性相反

第三部分：概率思维的数学基础

3.1 期望值：交易决策的唯一标准

期望值公式：

EV = P(赢) × 平均盈利 - P(亏) × 平均亏损

案例分析：

系统A（高胜率）：

  • 胜率：70%
  • 平均盈利：100元
  • 平均亏损：200元
  • EV = 0.7×100 - 0.3×200 = 70 - 60 = +10元

系统B（低胜率）：

  • 胜率：40%
  • 平均盈利：500元
  • 平均亏损：200元
  • EV = 0.4×500 - 0.6×200 = 200 - 120 = +80元

大多数交易者会选择系统A（“胜率高，心理舒适”），但系统B的期望值是A的8倍。

这就是为什么Jesse Livermore说：”在华尔街，正确次数多不重要，重要的是正确时赚多少，错误时亏多少。"

3.2 Kelly公式：最优仓位的数学解

John Kelly在1956年提出的Kelly准则，用于计算最优下注比例：

f* = (bp - q) / b

其中：

  • f* = 最优资金比例
  • b = 赔率（盈利/亏损比）
  • p = 胜率
  • q = 1-p（败率）

案例：

  • 胜率60%（p=0.6），赔率2:1（b=2）
  • f* = (2×0.6 - 0.4) / 2 = 0.8 / 2 = 40%

启示：即使有60%胜率和2:1赔率的优势，最优仓位也只是40%，而非全仓。

Half-Kelly策略：

  • 职业交易者通常使用Kelly值的一半（20%）
  • 原因：Kelly公式假设你准确知道真实概率，但实际中存在估计误差
  • 过度押注（Over-betting）的后果远比保守押注（Under-betting）严重

3.3 破产风险：概率思维的生存线

破产概率公式（简化版）：

P(破产) = [(1-W) / (1+W)]^C

其中：

  • W = 期望收益率（每次交易）
  • C = 初始资本可承受的连续亏损次数

案例：

  • 期望收益率：2%（W=0.02）
  • 可承受10次连续亏损（C=10）
  • P(破产) = [(1-0.02)/(1+0.02)]^10 = (0.98/1.02)^10 ≈ 67%

震撼的结论：即使你有正期望值的系统，如果仓位管理不当（无法承受正常的连续亏损），仍有高概率破产。

Ralph Vince在《资金管理的数学》中证明：期望值为正的系统，80%的交易者仍会破产，原因是仓位过重。

3.4 方差：期望值的"隐形杀手"

两个期望值相同的系统：

系统A（低方差）：

  • 每次交易：±2%，期望值+0.5%
  • 100次交易后：收益率约50%，最大回撤-8%

系统B（高方差）：

  • 每次交易：±20%，期望值+0.5%
  • 100次交易后：收益率约50%，最大回撤-40%

问题：在经历-40%回撤时，大多数交易者会崩溃、放弃系统。即使期望值相同，高方差系统在心理上不可持续。

Nassim Taleb在《反脆弱》中指出：“在波动性面前，期望值不是全部，你还需要活下来。”

第四部分：概率评估的认知偏差

4.1 可得性启发式：记忆的概率扭曲

Kahneman & Tversky的可得性启发式（Availability Heuristic）：人们根据信息提取的容易程度来判断概率，而非真实频率。

交易中的应用：

  • 问题：“股市崩盘的概率有多大？”
  • 回答：刚看过2008年金融危机纪录片的人会高估，刚经历牛市的人会低估

数据：Barber & Odean (2008)研究发现，媒体曝光度高的股票被散户过度买入，原因是可得性启发式让人高估其"涨的概率"。

4.2 代表性启发式：忽略基础概率

Linda问题（Tversky & Kahneman, 1983）：

Linda，31岁，单身，聪明，主修哲学，学生时代关心歧视和社会正义，参加过反核示威。

请排序： A. Linda是银行出纳 B. Linda是银行出纳且活跃于女权运动

85%的人选择"B更可能"。但这违反逻辑：P(A且B) ≤ P(A)。

原因：人们根据"代表性"（Linda的描述多像女权主义者）判断概率，忽略了基础概率（银行出纳中女权主义者的实际比例）。

交易中的应用：

  • 看到一家公司"像亚马逊"（高增长、烧钱、颠覆性）
  • 忽略基础概率：99%的"类亚马逊"公司都破产了
  • 高估：“这家公司有50%概率成为下一个亚马逊”（实际可能<1%）

4.3 过度自信：概率校准的系统性偏差

校准研究（Fischhoff et al., 1977）：

让被试回答问题，并评估自己"答对的概率"：

  • 当被试说"100%确定"时，实际正确率：80%
  • 当被试说"90%确定"时，实际正确率：70%
  • 当被试说"70%确定"时，实际正确率：60%

交易者的过度自信：

Odean (1998)研究发现：

  • 男性交易者比女性交易者过度自信程度更高
  • 男性年交易次数比女性多45%
  • 男性年收益率比女性低1.4个百分点（因交易成本）

过度自信导致：

  • 高估自己预测市场的能力
  • 过度交易（降低期望值）
  • 仓位过重（增加破产风险）

4.4 后见之明偏差：概率的时间错觉

Hindsight Bias：事件发生后，人们会认为"我早就知道会这样"。

Fischhoff & Beyth (1975)实验：

  • 事件发生前：让被试预测概率
  • 事件发生后：让被试回忆"当时预测的概率"
  • 结果：被试系统性高估自己当时的预测准确性

交易中的危害：

  • 市场暴跌后：“我当时就觉得要跌”（实际当时可能认为"有50%概率跌"）
  • 导致虚假的"学习"：以为自己能预测，实际只是事后诸葛亮
  • 强化了确定性思维，阻碍了概率思维的建立

第五部分：中国市场的概率思维障碍

5.1 赌博文化 vs. 概率投资

文化基因的影响

中国有悠久的赌博文化（麻将、扑克、彩票），但这些不是概率思维训练，反而是反概率思维：

彩票心态：

  • 关注"一夜暴富"的小概率事件
  • 忽略负期望值（返奖率50-60%，期望值-40%）
  • “万一中了呢"心理（可得性启发式+代表性启发式）

A股散户的彩票化交易：

Kumar (2009)研究定义的"彩票型股票”：

  • 低价（<5元）
  • 高波动（>50%年化）
  • 低市值（<50亿）
  • 正偏度（小概率大涨）

数据显示：

  • 中国散户持有彩票型股票的比例：37%（美国：15%）
  • 彩票型股票的长期收益率：-8%/年（显著低于市场）

原因：散户追求"小赌大赢"的刺激，而非期望值最优。

5.2 短期主义：概率的时间维度缺失

T+1与换手率

  • A股年换手率：200-400%（美国：50-100%）
  • 平均持仓时间：3-6个月（美国机构：3-5年）

问题：概率优势需要足够样本量才能体现，短期交易导致：

  • 样本量不足，无法区分运气和技能
  • 交易成本侵蚀期望值（每次交易成本0.3-0.5%，100次交易成本30-50%）

5.3 “专家"预测：确定性话语的陷阱

中国财经媒体的确定性表达：

  • “明天必涨”
  • “下周目标价25元”
  • “这只股票翻倍没问题”

Philip Tetlock对284位专家的25年跟踪研究（《超预测》）发现：

  • 专家的预测准确率≈抛硬币（50%）
  • 知名度越高的专家，准确率越低（因为媒体偏好极端、确定性预测）

问题：散户被"确定性叙事"吸引，忽视了概率本质。

正确的表达应该是：

  • “根据历史数据，类似情况下，未来一个月上涨的概率约65%”
  • “目标价区间20-30元，概率分布峰值在25元附近”

但这样的概率化表达在中国媒体中极为罕见。

5.4 2015股灾：集体概率文盲的代价

情景回顾：

  • 2015年5月：融资余额突破2.2万亿，全民配资
  • 主流叙事：”改革牛，4000点是牛市起点"（确定性表达）
  • 6月15日开始暴跌，一个月跌32%

概率分析的缺失：

当时如果进行概率思维：

  • 问题：“融资余额占流通市值的比例达到4.5%（历史最高），这可持续吗？”
  • 概率评估：“历史上类似情况，未来3个月下跌的概率>70%”
  • 风险管理：“即使我看多，也应该降低仓位到30%，保留现金应对尾部风险”

但实际情况：

  • 散户仓位：平均90%以上（中证登数据）
  • 配资比例：1:3甚至1:5（相当于300-500%仓位）
  • 概率评估：几乎为零

结果：大量散户损失50-70%本金，甚至破产。

第六部分：哲学整合——概率与人生

6.1 西方哲学：概率与自由意志

决定论 vs. 概率论

  • 拉普拉斯妖（Laplace’s Demon）：如果知道宇宙所有粒子的状态，就能预测未来一切
  • 量子力学：海森堡不确定性原理证明，微观世界本质上是概率性的

对交易的启示：

  • 市场不是决定论系统（不存在"必然涨"或"必然跌"）
  • 接受概率本质，就是接受不可消除的不确定性

6.2 东方智慧：接纳不确定性

道家的"顺应自然"

老子《道德经》："人法地，地法天，天法道，道法自然。"

概率思维的道家解读：

  • 不试图控制不可控的（市场走势）
  • 只管理可控的（仓位、止损、交易频率）
  • 顺应市场的概率分布，而非强加确定性预测

佛教的"无常"

佛教核心概念"诸行无常"（一切都在变化，没有永恒）：

  • 盈利和亏损都是暂时的
  • 执着于"必须盈利"会导致痛苦
  • 接纳概率分布，包括其中的亏损部分

禅宗的"不知"

禅宗强调"不知是最亲切"（不假设自己知道，保持开放）：

  • 交易者说"我不知道明天会涨会跌"不是无知，而是智慧
  • Annie Duke的书名《Thinking in Bets》核心观点："承认不知道，是更高级的知道"

6.3 存在主义：概率中的自由

萨特："存在先于本质"——人没有预定的命运，需要通过选择创造自己。

概率思维的存在主义解读：

  • 市场的概率性给了交易者自由空间
  • 如果一切都是确定的，就没有交易机会
  • 正是因为不确定，你的决策才有意义

Viktor Frankl（《活出生命的意义》）：

“在刺激和反应之间有一个空间，在那个空间里有我们选择反应的自由和力量。”

这个"空间"就是概率思维创造的：

  • 刺激：市场下跌
  • 确定性思维的反应：恐慌抛售（自动化）
  • 概率思维的空间：“这是正常波动的一部分，我的系统期望值仍为正，继续持有”

第七部分：概率思维的实战训练

7.1 贝叶斯更新：动态概率调整

贝叶斯定理：

P(H|E) = P(E|H) × P(H) / P(E)
  • P(H)：先验概率（初始判断）
  • P(E|H)：似然（新证据在假设为真时的概率）
  • P(H|E)：后验概率（根据新证据更新后的概率）

交易案例：

初始判断（先验）：

  • “这只股票未来3个月上涨的概率：60%”

新证据：公司发布超预期财报

贝叶斯更新：

  • 根据历史数据：超预期财报后，股票上涨的概率75%
  • 更新后概率：约70-75%（具体计算需要更多参数）

关键：概率不是静态的，而是根据新信息持续更新。

7.2 校准训练：修正过度自信

Philip Tetlock的超预测者训练法：

  1. 做出概率预测

    • “未来一周，上证指数上涨的概率：65%”

  2. 记录实际结果

    • 一周后：指数下跌

  3. 计算Brier Score（预测准确性评分）

    Brier Score = Σ(预测概率 - 实际结果)²
    • 完美预测：0分
    • 完全错误：2分

  4. 校准曲线分析

    • 你说"70%概率"的事件，实际发生率是多少？
    • 理想：说70%时，实际发生率接近70%

训练效果：

  • 超预测者经过训练后，校准误差从±15%降至±5%
  • 普通人说"90%确定"时，实际正确率约70%
  • 超预测者说"90%确定"时，实际正确率约85-90%

7.3 前瞻性日志：避免后见之明

方法：

  1. 交易前记录：

    日期：2025-01-08
标的：贵州茅台
方向：做多
概率评估：未来3个月上涨概率70%
理由：(1)基本面稳健 (2)技术突破 (3)行业复苏
止损位：1800元（概率30%触发）
目标位：2100元（概率50%达到）

  2. 一周/月后回顾：

    • 不修改原记录（锁定当时的概率判断）
    • 对比"当时概率"vs"事后感知的概率"
    • 识别后见之明偏差

7.4 蒙特卡洛模拟：理解概率分布

工具：Excel、Python、R

练习：模拟你的交易系统

import numpy as np

# 参数
win_rate = 0.6  # 胜率60%
avg_win = 0.05  # 平均盈利5%
avg_loss = 0.02  # 平均亏损2%
trades = 100  # 交易次数
simulations = 10000  # 模拟1万次

final_returns = []

for _ in range(simulations):
    returns = np.where(
        np.random.rand(trades) < win_rate,
        avg_win,  # 赢
        -avg_loss  # 亏
    )
    final_return = np.prod(1 + returns) - 1
    final_returns.append(final_return)

# 分析
print(f"期望收益：{np.mean(final_returns):.2%}")
print(f"最大回撤：{np.min(final_returns):.2%}")
print(f"破产概率(<-50%)：{np.mean(np.array(final_returns) < -0.5):.2%}")

发现：

  • 即使期望值为正，仍有一定概率大幅亏损
  • 理解概率分布比单一期望值更重要

第八部分：案例研究——从赌徒到交易者

案例：李华的认知跃迁

背景：李华，28岁，电商运营，2022年3月入市，初始资金15万。

第一阶段：赌徒思维（2022.3-2022.9）

思维模式：

  • “这个股票技术形态完美，明天一定涨"（确定性幻觉）
  • “已经连续3天跌了，明天该反弹了"（赌徒谬误）
  • “我感觉会涨”（可得性启发式，基于最近看到的新闻）

交易行为：

  • 追涨杀跌（模式幻觉）
  • 重仓单只股票（不理解破产风险）
  • 不止损（“等反弹”）

结果：6个月亏损35%（-5.25万）

转折点：2022年9月，李华读到《对赌》和《交易心理分析》，震撼巨大。

第二阶段：概率觉醒（2022.10-2023.3）

认知重建：

  • 开始用概率语言重构交易
    • “这个股票有65%概率上涨"（而非"一定涨”）
    • “我的系统胜率55%，意味着100次交易中有45次亏损，连续5次亏损是正常的”

工具应用：

  • 制作交易概率表：

    形态类型 | 样本量 | 上涨次数 | 胜率 | 平均盈利 | 平均亏损 | 期望值
突破 | 23 | 14 | 60.9% | 8.2% | 3.1% | +3.1%
回调 | 17 | 8 | 47.1% | 12.3% | 4.2% | +3.6%

  • 每周校准练习：

    • 预测10只股票一周走势，记录概率
    • 一周后计算Brier Score
    • 3个月后，校准误差从±20%降至±10%

交易改变：

  • 用期望值决策，而非"感觉”
  • 设置仓位上限：单只股票最多15%（Kelly准则的1/2）
  • 接受亏损：“这是概率分布的一部分，不是我的失败”

第三阶段：系统化交易（2023.4-2024.12）

核心系统：

  • 入场：技术信号+基本面确认，概率评估>60%
  • 仓位：根据Kelly公式，最大30%
  • 止损：固定2%（对应30%胜率时仍不破产）
  • 止盈：盈利>6%或技术信号反转（盈亏比3:1）

概率思维内化：

  • 连续5次止损后：

    • 旧思维：“系统失效了，要换策略”
    • 新思维：“胜率60%意味着10次交易中4次亏损，5次连亏的概率约1%，虽然罕见但正常”
    • 行动：检查交易日志，确认是否严格执行系统（是），继续执行

  • 单次大赚15%后：

    • 旧思维：“我是天才，加大仓位”（过度自信）
    • 新思维：“这可能是概率分布的右尾，不代表我能持续如此”
    • 行动：记录反思，但不改变仓位规则

结果（2023.4-2024.12，20个月）：

  • 总收益：+42%
  • 年化收益：约25%（沪深300同期：-3%）
  • 胜率：58%（接近预期60%）
  • 盈亏比：3.2:1
  • 最大回撤：-12%（在承受范围内）
  • 破产概率（模拟）：<0.1%

李华的总结：

“从赌徒到交易者，本质是从’我知道’到’我不知道，但我知道概率’的跨越。以前我每次交易都确信自己是对的，现在我知道每次交易只是概率的一次采样。这个认知转变救了我。”

结语：概率思维是终身修炼

概率思维不是一次性学会的技能，而是需要与大脑的进化本能持续对抗的修炼。

记住：

  1. 人类大脑天生反概率——不是你的错，是进化的遗产
  2. 确定性是幻觉——市场本质上是概率分布
  3. 期望值是唯一标准——不是胜率，不是单次结果
  4. 样本量决定一切——少于100次交易，你无法判断系统好坏
  5. 破产风险优先于收益率——先活下来，再谈盈利
  6. 校准你的概率判断——持续训练，修正过度自信
  7. 接纳亏损——它是概率分布的一部分，不是你的失败

下一步：

  • 1月11日：市场的不确定性——唯一确定的交易真理
  • 1月14日：大脑的两套系统——快思考与慢思考的神经机制

从"赌徒的确定性幻觉"到"交易者的概率智慧”，这是一场认知革命。它不仅会改变你的交易，更会改变你看待世界的方式。

参考文献

  1. Douglas, M. (2000). Trading in the Zone. New York Institute of Finance.
  2. Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
  3. Duke, A. (2018). Thinking in Bets: Making Smarter Decisions When You Don’t Have All the Facts. Portfolio.
  4. Taleb, N. N. (2012). Antifragile: Things That Gain from Disorder. Random House.
  5. Tetlock, P., & Gardner, D. (2015). Superforecasting: The Art and Science of Prediction. Crown.
  6. Gigerenzer, G. (2008). Rationality for Mortals. Oxford University Press.
  7. Tversky, A., & Kahneman, D. (1974). “Judgment under uncertainty: Heuristics and biases.” Science, 185(4157), 1124-1131.
  8. Tversky, A., & Kahneman, D. (1983). “Extensional versus intuitive reasoning: The conjunction fallacy.” Psychological Review, 90(4), 293-315.
  9. Hsu, M., et al. (2005). “Neural systems responding to degrees of uncertainty in human decision-making.” Science, 310(5754), 1680-1683.
  10. Lo, A. W., et al. (2000). “Foundations of technical analysis.” The Journal of Finance, 55(4), 1705-1765.
  11. Thaler, R. H. (1999). “Mental accounting matters.” Journal of Behavioral Decision Making, 12(3), 183-206.
  12. Kelly, J. L. (1956). “A new interpretation of information rate.” Bell System Technical Journal, 35(4), 917-926.
  13. Vince, R. (1992). The Mathematics of Money Management. Wiley.
  14. Barber, B. M., & Odean, T. (2008). “All that glitters.” Review of Financial Studies, 21(2), 785-818.
  15. Odean, T. (1998). “Volume, volatility, price, and profit when all traders are above average.” The Journal of Finance, 53(6), 1887-1934.
  16. Kumar, A. (2009). “Who gambles in the stock market?” The Journal of Finance, 64(4), 1889-1933.
  17. Fischhoff, B., & Beyth, R. (1975). “‘I knew it would happen’: Remembered probabilities of once-future things.” Organizational Behavior and Human Performance, 13(1), 1-16.

下一篇预告： 《市场的不确定性：唯一确定的交易真理》 2025年1月11日 · 周六 · 深度探讨