在经典经济学的数学模型里，人类被假设为一个冷酷无情、脑内时刻在运行最优期望值求解器的“理性经济人（Homo Economicus）”。
但在真实世界中，绝大多数投资者在股市里赚了 100 块急着落袋为安，亏了 10 万块却能气定神闲地死扛到底——这种在盈利区极度厌恶风险、在亏损区极度偏好风险的非对称行为，早已成为二级市场收割散户的经典死穴。
人脑的认知偏差并不是智商缺陷，而是数百万年进化留给我们的“生存启发式补丁”。本文从卡尼曼的前景理论、损失厌恶与沉没成本出发，剖析人类在面对不确定性时的系统性非理性，并探讨如何通过规则前置与自动化程序建立抗偏见的决策系统。
1. 前景理论与损失厌恶（Loss Aversion）
由诺贝尔经济学奖得主丹尼尔·卡尼曼（Daniel Kahneman）和阿莫斯·特沃斯基（Amos Tversky）提出的前景理论（Prospect Theory），彻底颠覆了传统的期望效用理论。
1.1 损失的痛感远大于获得的快感
实验表明：失去 100 块钱带来的心理痛苦，需要获得大约 200 到 250 块钱的快乐才能弥补。人类的价值函数（Value Function）具有明显的非对称性：
| 决策情境 | 价值函数 $V(x)$ 数学特征 | 心理感知机制 | 典型人类决策行为 |
|---|---|---|---|
| 收益情境 ($x > 0$) | 凹函数（$V''(x) < 0$） | 边际效用递减 | 见好就收（风险厌恶 · 落袋为安） |
| 损失情境 ($x < 0$) | 凸函数（$V''(x) > 0$）且斜率陡峭 | 损失厌恶系数 $\lambda \approx 2.25$ | 死扛加仓（风险偏好 · 赌徒心理） |
- 面对收益时：风险厌恶（Risk Averse）。确定能拿 $1000$ 块，和 $50\%$ 概率拿 $2000$ 块（期望相同），绝大多数人选择稳拿 $1000$ 块（落袋为安）；
- 面对损失时：风险偏好（Risk Seeking）。确定亏损 $1000$ 块，和 $50\%$ 概率亏损 $2000$ 块、 $50\%$ 概率不亏，绝大多数人会选择赌一把（死扛甚至加仓）。
2. 沉没成本谬误（Sunk Cost Fallacy）
$$ \text{决策依据} = E[\text{未来收益}] - E[\text{未来成本}] $$沉没成本：已经发生且不可收回的支出（时间、金钱、精力）。
与过去的沉没成本没有任何数学关联。
但在现实中，人们往往因为“已经投入了太多”，而不由自主地向已经失败的项目或劣质资产中继续追加资源，最终导致更大规模的亏损。
3. 锚定效应与量化交易启示
人类在评估不确定数值时，极易受到最先接收到的初始信息（“锚”）的影响。
在二级市场交易与资产配置中，人性的认知偏见暴露得淋漓尽致：
- 交易死穴：“拿不住盈利（收益区极度风险厌恶，早早止盈），却死扛亏损（损失区极度风险偏好，拒绝止损）”，最终导致巨大的非对称回撤；
- 系统化解法：规则前置，系统优先。将核心买卖与仓位管理逻辑固化为自动化代码，把止损与风控交给机器严格执行，彻底隔离人类情绪波动。
4. 如何建立抗偏见的工程化决策系统？
克服人性弱点从来不能依靠“提高道德自律”或“咬牙发誓”，而必须依赖科学的系统化工程设计：
4.1 规则前置与强制止损协议
在进入任何不确定性场景（如投资开仓、新项目立项）之前，必须在心智冷静期预先设定好可量化的止损阈值与退出机制。一旦触发条件，系统必须无条件自动执行，绝不允许在损失发生后进行临时主观干预。
4.2 关注期望值而非单次结果（Process > Outcome）
一个高明的决策者应该像赌场庄家一样思考：关注每一次决策是否具备正向的数学期望（Positive EV），而不是为单次运气的得失而情绪失控。只要策略具有长期的概率优势，短期波动就只是大数定律收敛过程中的必然噪音。
4.3 证据闭环，实事求是
当客观现实、市场反馈与我们最初的假设发生背离时，不要试图寻找理由为过去的错误辩护。把精力聚焦于未来的边际增量，勇敢承认错误并快速止损，正是科学计算与系统工程的核心价值。