郑磊

　　一只热门股高位回撤，散户论坛里充斥着两种声音：“赶紧割肉”和“死扛回本”。结果往往是，割肉者看见反弹后追悔莫及，死扛者即便浮亏扩大，心却没那么慌。投资大师彼得·林奇曾说，散户最大的敌人不是市场，而是自己。

　　行为经济学告诉我们，这个“自己”里藏着一套与教科书完全不同的计算系统——你对损失的敏感度，可能是收益敏感度的2.5倍，甚至更高。这意味着，现实生活中特定个人的效用函数与理论存在系统性差异。对投资者而言，股票投资的核心问题是如何把握买入和卖出的时机，取得较高的风险回报。

　　投资者希望不仅准确预测价格的涨跌方向，还能较准确预测最高涨幅和最大跌幅。通常价格上涨和下跌服从某种概率分布，比如明天股价上涨的概率是75%，下跌的概率是25%。在预测最高、最大涨跌幅时，投资者可借助技术分析、基本面分析等方法。一般来说，根据风险偏好不同，可设定风险收益比超过某个阈值时买入、低于某个值时卖出的操作规则。但这忽略了行为金融研究揭示的关键事实：亏损造成的负面心理影响远大于同等收益带来的快乐，且投资者对有利事件和不利事件的判断存在系统性偏差。

　　笔者基于行为金融原理构建的方法是引入两个重要参数。我们加入情绪影响因子λ，称为“心理损益比”，或者称之为痛苦放大系数，测量投资者受到同等损失时的不快乐是获得同等收益时快乐的倍数。由于不同金额的损失和收益带来的主观体验不同，每次计算时都可能需要调整这个系数。投资者可通过回顾自己的交易记录来估算个人λ值，即找出过去几笔盈利和亏损金额相近的交易，比较当时的情绪强度，即可得到一个粗略的λ估计。我们引入的第二个参数是“涨跌概率比”β，可以称之为悲观修正系数。对于明天股价上涨和下跌的概率分布，需要注意人们通常会高估中小概率事件的发生机会。而这对投资者而言是不利的。悲观投资者可能主观高估下跌概率，乐观投资者可能低估它。投资者需根据自身性格做出微调，用调整后的上涨概率除以下跌概率，得到涨跌概率比β。

　　接着，我们用传统的风险收益比乘以这两个投资者个人心理参数，就可以计算出调整后的风险收益比。举一个简单例子。假设某股票现价100元，通过技术分析和基本面分析，你估计某只股票上涨目标位（上限值）是120元，下跌支撑位（下限值）是85元，而你的心理损益比λ是3（亏损带来的痛苦是盈利快乐的3倍），你的涨跌概率比β为1.2（略偏悲观，对上涨概率的估计打了折扣）。在传统风险收益比1.33上乘以两个参数值，那么调整后风险收益比就是 0.37。按传统方法计算出的这笔交易风险收益尚可，但考虑你的心理特征后，真实的“心理风险收益比”已远低于1倍，即投资风险远大于收益。这意味着，按照你的心理账本，这笔交易应该放弃，或者等待更好的入场时机。

　　尽管本文推荐了一个股票买卖择时的算法，但能否发挥其最大效能，对每个人都是一项艰巨挑战。这正是人工智能做判断优于人类的一个方面：机器只依据模型和数据做判断，尤其不会受到情绪变化的影响。

　　目前国内已有头部量化私募将AI信号权重提升至与人类策略师同等水平。对散户而言，更现实的场景是：你的券商APP正在根据你的交易记录，默默计算你的λ值（损失厌恶系数），并在你即将做出“反人性操作”时弹窗提醒。

　　未来十年，投资竞争可能不是人与人之间的博弈，而是你的“心理账本”与算法的博弈。我们可以借助AI工具来解决概率思维的难题，将AI视为一个拥有表决权的“专家”，认真对待其基于算法模型得出的结论。目前，在金融投资界，确实有一些公司在决策中使用了人工智能工具，并赋予其与人类专家同样的投票权。

　　也许，为了平衡人类在认知和情绪方面的不足，越来越多的决策场景中会出现人工智能的身影。但请记住：AI可以帮你计算λ和β，却无法替你承受亏损的痛苦。那份痛苦，仍然真实地刻在你的心理账本上。

　　在市场上，活得久比赚得快更重要。而活得久的秘诀，或许就是承认一个事实：你的“心理账本”天生就是偏的，而聪明投资者要做的，不是否认这种偏差，而是学会在偏差中做出更好的决策。

　　本版专栏文章仅代表作者个人观点