為什麼給你更多的資訊,做的決策反而更糟糕

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。)

confidence
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。

股票漲了,為什麼沒賺到該賺的錢

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。

  1. “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”

    70%應該寫錯, 應該是說多了7%才對.
    再請確認一下 : )

Leave a Reply

Your email address will not be published. Required fields are marked *

Up Next:

請教專家是最有效率的學習方式;如何讓自己的身心維持在最佳狀態

請教專家是最有效率的學習方式;如何讓自己的身心維持在最佳狀態