你有没有过这种感觉：认真做了分析，框架也对，逻辑也通，但最后还是亏了钱？
这不是因为你不够认真。而是因为——投资者不是机器，再正确的框架，使用它的人仍然可能犯错。
前两篇文章，我们构建了两套分析框架：一套是"三力模型"，从AI供给刚性、政策框架转型、全球分工重构三个维度理解K型分化的底层驱动力；另一套是"三层信号交叉验证法"，从供给信号、资本信号、盈利信号三个层面判断AI产业所处的阶段。
这两套框架的逻辑是自洽的，数据是可验证的，边界是清晰的。但本文要讨论的，是框架之外的另一层问题：人类在处理信息时天然携带的认知偏差——它们会扭曲框架的输入，干扰框架的执行，最终让"正确的框架"产出"错误的判断"。
一、两种边界：技术的 vs 人性的
在讨论认知偏差之前，先厘清两个不同性质的"框架局限"。
技术边界是框架本身的适用范围。前两篇文章讨论过——技术突破可能改变供给刚性，政策转向可能改变宏观环境，地缘政治可能中断产业链。当客观条件变化时，调整框架假设即可。
人性边界是使用框架的人的心理局限。即使客观条件没有变化，投资者仍然可能因为认知偏差而误读信号、误判阶段、错过拐点。
人性边界比技术边界更隐蔽。你不会觉得自己在"确认偏误"，你只会觉得自己在"理性分析"。你不会觉得自己在"羊群效应"，你只会觉得自己在"顺势而为"。
理解人性边界的存在，是使用任何分析框架的前提条件。否则，再好的框架，也可能沦为自我欺骗的工具。
二、框架如何被扭曲：三种认知偏差
偏差一：可得性偏差——扭曲框架的输入
人们更容易记住最近发生或特别引人注目的信息，而忽视长期数据和基础事实。
分析框架依赖高质量的输入。但可得性偏差会系统性地扭曲输入质量。
当某个产业趋势成为市场主线时，相关新闻铺天盖地——新产品发布、财报超预期、产业链涨价、供给短缺，热门赛道几乎占据了所有财经媒体的头条。投资者在收集框架所需的信号时，会不自觉地"重采样"热门信息，"轻采样"冷门信息。
以"三力模型"为例：框架要求你同时评估AI供给刚性、政策框架转型、全球分工重构三个维度。但可得性偏差会让你过度关注AI相关信号，而忽视政策和全球分工的信号——因为它们每天出现在你的信息流里，而另外两个不会。
2025年Q2，TMT成交占比已达45%。某机构分析师在报告中写道："成交集中度尚未到达历史极值，仍有上升空间。"——他没有意识到，他当天阅读的10篇研报里，9篇都在看多电子。这种采样偏差，让他用正确的框架，得出了过于乐观的结论。三个月后，成交集中度触及49.8%，市场随即进入剧烈震荡。
偏差二：确认偏误——扭曲框架的执行
人们倾向于寻找支持已有观点的信息，而忽略或低估与自己观点矛盾的信息。
如果说可得性偏差扭曲的是"输入"，确认偏误扭曲的是"执行过程"。
分析框架要求投资者客观评估每个信号。但确认偏误让你在评估信号时"预设立场"——当你已经看好某个方向时，会自动把利好解读为"框架验证"，把利空解读为"短期扰动"。
同样一组"三层信号"（供给信号、资本信号、盈利信号），看多和看空的投资者可以得出完全不同的结论——不是因为框架有问题，而是执行框架的人被确认偏误影响了。
在算法推荐时代，这个问题更严重。投资者看到的信息，往往是自己已经认同的观点。久而久之，确认偏误不会自我纠正，反而被不断强化——你用的"框架"越来越像一面镜子，只照出你想看到的东西。
偏差三：羊群效应——扭曲框架的独立性
当大多数人都在做同一件事时，个体很难坚持独立判断。
分析框架的价值在于提供独立判断。但羊群效应会系统性地削弱这种独立性。
当某个板块成为市场共识时，机构投资者往往集体提高配置比例。这反映的是专业投资者在业绩排名压力下的"安全选择"：和大家一样，即使错了也不会被指责；和大家不一样，即使对了也可能承受短期压力。
2025年三季度，电子板块基金配置比例突破20%，几乎所有主流券商研究所都发布了看好报告。在这种一致预期下，没有研究员愿意公开提示风险——因为"大家都看多"本身就是一种压力。当所有人都用"正确框架"得出"正确结论"时，没有人会质疑框架本身。而这恰恰是风险积累最快的时候。
三、偏差如何自我强化：四步循环
三种偏差不是孤立的，而是相互作用，形成自我强化的循环。
可得性偏差扭曲输入。 投资者在收集信号时，过度关注热门信息忽视冷门信息。框架的输入被系统性偏斜了。
确认偏误扭曲执行。 投资者在评估信号时，倾向于证实已有判断。框架本应客观的评估过程，变成了主观过滤。
羊群效应放大结果。 当足够多的人受到同样偏差影响时，市场价格偏离基本面。偏离的价格反过来成为"证据"，被更多投资者纳入框架——偏差被进一步放大。
情绪反馈锁定方向。 价格上涨时，投资者更乐观，进一步推高价格；价格下跌时，更悲观，进一步压低价格。偏差从认知层面扩散到情绪层面，形成正反馈循环。
这套机制的关键洞察是：偏差不仅影响框架的使用者，还会影响框架本身的"输出环境"。当偏差足够大时，市场价格本身就成了一个失真的信号源——而你用失真的价格去填充框架，框架的输出也会失真。
这就是为什么"价值回归"总是需要很长时间。认知偏差的纠正，需要新的信息、时间的沉淀、以及足够的外部冲击来打破这个循环。
四、为框架打补丁：三个实践原则
补丁一：逆向三问
当你用框架得出某个结论时，强制自己回答三个问题：
逆向三问
1. 偏差是否被极端放大？ 看估值历史分位数、成交集中度、机构持仓比例。当这些指标同时处于极端位置时，框架的输出可能已被偏差污染。
2. 基本面是否被错误定价？ 区分"资产被低估但基本面未恶化"和"资产被低估但基本面确实在恶化"。前者是被偏差放大的机会，后者是基本面驱动的合理定价。
3. 时间框架是否允许等待？ 错误定价的修复往往需要较长时间。如果你的时间框架不够长，逆向判断可能是正确的，但策略可能不可执行。
补丁二：概率思维——对抗确定性幻觉
框架容易给人"确定性幻觉"——结构清晰、逻辑自洽，使用者会不自觉地觉得"既然框架是对的，我的判断一定是对的"。
但框架只是提高了判断的概率，并不保证正确。
- 区分判断与结果。 好的决策并不总是带来好的结果。关注决策过程是否合理，而不是单次结果是否成功。
- 持续更新概率。 当新信息出现时，主动调整判断，而不是固守原有观点。找不到三个反对自己观点的理由，说明你可能已经陷入了信息茧房。
- 管理预期，而非追逐极致。 为意外情况做好准备，而不是假设自己总是正确。
补丁三：自检清单
配合任何分析框架使用，逐条检查：
- 我是否只采集了支持框架结论的信号？（确认偏误）
- 我的信号采样是否过度依赖最近发生的事件？（可得性偏差）
- 我是否因为"大家都得出相同结论"而更有信心？（羊群效应）
- 我能说出三个反对我框架结论的理由吗？（逆向思考）
- 我的判断依据是基本面信号，还是价格走势？（区分信号与噪音）
写这篇文章时，我有没有可能因为最近AI行情热、读者关注度高，所以更想把它写好来说服别人？这篇文章的结论，有没有可能受到"想让读者觉得有用"的心理驱动？——这个自我检视，比任何清单都更重要。
结语：框架是起点，不是终点
两套框架告诉你K型分化的底层驱动力，以及AI产业所处的阶段。它们都是好的框架。
但好的框架只是起点，不是终点。
框架告诉你该看什么、怎么分析、如何判断。但它无法保证你看到的就一定是真实的，分析就一定是客观的，判断就一定是正确的。
因为使用框架的人，会不可避免地受到可得性偏差、确认偏误、羊群效应的影响。这些偏差会扭曲框架的输入，干扰框架的执行，放大框架的偏差。
承认这一层"人性边界"的存在，并主动为框架打补丁——逆向三问、概率思维、自检清单——才能让分析框架真正发挥作用。
The goal is not to predict markets, but to understand them.
我们的目标不是预测市场，而是理解驱动市场的力量。
*作者：Magic Econ · Common Sense Jack*
本文基于公开市场数据及行为金融学研究整理，旨在探讨分析框架的人性边界及认知偏差对投资判断的影响，仅供学习交流，不构成任何投资建议。
如果这篇文章对你的研究框架有所启发，欢迎关注 Magic Econ
