在許多領域，我們認為你知道的越多，做出的決策會越好。投資領域更是如此，大家都想取得資訊優勢，你知道的越多、越深，就越有可能達到高報酬率。
然而在許多情況下，更多的資訊不等於更好的決策。
更多的資訊提高的是準確度還是信心？
一位心理學教授保羅・斯洛維奇做了一項實驗。他找了八位賽馬專家，請他們在四回合共 40 匹馬的賽馬中，預測哪一匹馬會獲勝。
想要準確預測賽馬，需要知道很多資訊。但在第一回合，他們只能選擇 5 個資訊。專家可以各自決定自己要獲得哪 5 種資訊，例如不同匹馬去年的速度、騎師的體重等等。
他們不只要預測哪匹馬會獲勝，還要說出他們有多少百分比的信心。如果是隨便猜，10 匹馬任何一匹的獲勝機率是 10%，照理說信心應該也只有 10%。
在第一回合只有 5 種資訊的情況下，專家們平均猜對的機率是 17%，這比隨便猜多了 70% 的準確率，是很好的結果。而且他們平均的信心是 19%，跟他們猜對的機率差不多。
接下第二回合，他們可以選 10 種不同資訊，第三回合可以選 20 種，第四回合可以選 40 種。
令人驚訝的是，儘管每一回合得到的資訊越來越多，他們的勝率卻沒有提高。相反的，他們的信心程度隨著資訊量變多而不斷提高，第四回合他們平均的信心是 31%，幾乎是第一回合的兩倍。
另一個類似的實驗是在 2008 年，一項研究找了幾位美式足球愛好者，要求他們預測在接下來的比賽，哪一隊會獲勝。
第一輪隨機給這些人 6 項資訊，每個人拿到的資訊都不同，他們必須獨立做出判斷。第二輪他們又多獲得 6項資訊，他們可以根據這些新資訊，調整對比賽的預測。實驗一共有 5 輪，所以這些愛好者最多會獲得 30 項資訊。
跟上面實驗相同，除了預測哪一隊會獲勝，這些足球愛好者也必須回答他們對自己預測的信心。結果跟上一個例子一樣，隨著資訊變多，他們唯一提高的是信心，而不是準確率。（有趣的是，儘管得到更多的資訊，大部分的人卻沒有因為資訊更改他們的預測。更多的資訊只是加強他們對自己原先預測的信心。）
預測的信心和準確率：資料來源
過高的信心會影響你的行為
看到這邊要注意一件事，不要認為多的資訊雖然沒有提升判斷準確度，但也沒有降低，所以頂多只是雞肋，並不有害。在這兩個例子中，資訊量的增加都沒有提高判斷的準確度，但卻讓我們有了莫名的信心。這就會導致我們對自己的決策過度有把握，結果壓了比較大的賭注在上面，提高決策錯誤可能會造成的損失。
對一件事情做完判斷，並不代表這件事就結束了。通常做完一個判斷後，接下來會有對應的行動，例如花錢投資某一個商品，或是花時間做什麼事。過高的信心會讓你願意投入更多資源，例如投資更多錢，或是花更多時間。但這樣的下場就跟一個把身家拿去買樂透的人一樣，將過高賭注放在一個不確定性極高的地方，往往不會得到好的結果。這些增加的資訊雖然不影響我們判斷的準確度，卻會影響我們的行為。
但是，這還不是資訊增加造成最負面的影響。在一些例子中，它會影響你判斷的準確度。
無用的資訊會影響你的判斷
諾貝爾經濟學獎得主丹尼爾・康納曼和另一位心理學家阿莫斯・特沃斯基做過另一項實驗。他們問受試者，現在有 100 個人，其中 70 個是工程師，另外 30 個是律師。如果從中隨機挑選出 1 個人，這個是律師的機率是多少？
100 個人之中有 30 為律師，答案是 30%，受試者可以正確地回答出來。如果今天再做一次實驗，把數字變成 70 個律師、30 個工程師，受試者一樣可以回答正確的答案，有 70% 的機率是律師。
但是如果今天告訴他們，選出來的人叫做「迪克」，而且告訴他們迪克這個人的簡介。儘管這些簡介跟職業沒有關係，對受試者判斷迪克的職業毫無幫助，但受試者預測迪克是律師或是工程師的機率就變成了 50%，不管是從哪 100 個人當中選出迪克。
丹尼爾和阿莫斯說：「沒有給予特定證據，或是給予無用的證據，在這兩種情況下人們預測的結果大不相同。」
更多的資訊不只會讓我們過度自信，甚至可能導致我們做出完全錯誤的判斷。
我看過很多人分析一檔股票，他的順序是看一下公司簡介、產業、產品，敘述各個財務指標走勢，然後最後是「目前本益比 12 倍，合理，可以買進」，或是技術線型如何可以買進。但是卻完全沒講為什麼覺得本益比可以值 12 倍以上，前面那些財務指標、產業分析，竟然跟最後公司價值的評估毫不相干。
在這種分析裡，財務指標、產業分析根本就是無用的資訊。不是說這些資訊沒有用，而是它們沒有被整合到評價的分析邏輯，它們唯一的用處就是提高報告撰寫者買進的信心，卻對判斷的準確度沒有幫助。
為什麼人一直在追求更多的資訊
既然更多的資訊沒有比較好，那我們以後做決策就不搜集資訊了嗎？先不論結果如何，我認為人就是沒辦法不找資訊，這是我們人性。這篇文章 整理了幾個人會一直追求資訊的原因：
-
我們不知道什麼資訊是有用的，所以我們將能找到的全部搜集起來
-
我們沒辦法認知到這麼多的資訊，是在告訴我們同一件事情
-
我們會將雜訊誤判為有用的資訊
-
人類習慣高估新資訊的重要性，低估舊有的、較長期的資訊
-
如果決策錯誤，至少我們可以證明我們有搜集過資料、做過研究
-
在只有少數資訊的情況下，你很難說服人
-
如果我們只根據少數資訊來做決策，會顯得我們懶惰又愚蠢
-
當我們有更多證據「支持」，我們會對決策感到更有信心、舒服
缺乏資訊會導致你不行動
資訊越多，信心就越多。雖然過多的資訊會導致你的決策失衡，投入過多資源，但缺乏資訊卻又讓你不敢行動（儘管這些資訊已經足夠）。前陣子跟阿堯提的華園案例 就是一個很好的例子。
我覺得 easy money 不是這麼好賺。尤其是當你發現一個消息，這個消息你覺得可以獲利，或者別人直接給你一個明牌。這種錢很難賺，因為你通常都不會真的買他。
原因是你沒有花時間投入。你沒有投入在這個公司的研究上面，只是很快地知道它可能會賺錢。沒有花時間投入，你就沒有信心。
讓資訊為你服務，而不是牽著你走
要如何避免被資訊牽著走，我覺得有兩種方法。
一個是檢視每項資訊與結論的邏輯，這個前提是否足以推導到這個結論，有沒有其他需要的前提或是可能出現的不同結果。
我的經驗是，把跟特定人事物有關的資訊拿掉，會更容易檢驗出裡面的邏輯問題。舉例來說，如果你認為「A 公司說他們要改變產品組合，改賣利潤比率更高的產品，因此 A 公司未來獲利會成長。」在檢驗這個邏輯時，最好的方法就是把 A 公司拿掉，變成「改賣利潤比率更高的產品，獲利就會成長」。當你把邏輯變成一個更通用的框架，會比較容易看出裡面的瑕疵，以這個例子來看，顯然還需要考慮到顧客的接受程度、生產線的調整難易度。
第二個則是預先設計好檢查清單或模型，在此之外的參數都不理會，除非你覺得清單或模型需要修正。
專注在你的模型，只取它需要的資訊。就像你去賣場時，先把你要買的東西寫下來，進去賣場就直接挑選你要買的東西，避免在裡面隨便亂逛，反而買一堆本來沒有要買，實際上也不需要的東西。有意識地搜尋、整理你要的資訊，也能避免在漫無目的亂找資訊時，被一些重複資訊或雜訊影響我們的判斷。