脑科学对基金经理的八个启示 z

脑科学对基金经理的八个启示



  第一,总想要更多。人类大脑是在物资奇缺过程中进化的,所以获得任何“资源”,如食物、性、金钱等,都可以让人感觉良好,大脑也会鼓励我们继续下去。 事实上,可卡因等药物就是“绑架”了大脑中的“需要”系统,促使我们“努力”去获取更多“回报”。研究显示,投资与嗑药在这点上是一致的。但有一点需要注 意,整个过程的发生是在我们意识之外。当我们习惯这一感觉或环境后,同样的“剂量”便不能再提供给我们同样的“快感”。所以当数百万元的交易成为家常便饭 后,就不再有新鲜感,所谓大宗交易激起的情感变化也就消失,除非这时出现新的市场、新的资产类别、更大规模的交易。既然大脑需求回报的系统总是处于“饥 饿”状态,人们自然会不断寻找可能的“标的”。只有当大脑成熟后,才会主动对某些回报说“不”。可惜,起执行作用的大脑前额部分最晚成熟,一般要等到30 岁以后,而且男性要比女性更晚,这也是为什么年轻男性会比女性更具“冒险精神”。即便超过30岁,大脑前额部分对“回报”的预期也会在决策时被某些因素 “蒙蔽”。专家建议,投资者应监控每日交易量,防止发生几单成功交易后,“受到刺激”,承担过高风险的情况。对于专业投资人士,发现交易变成带有游戏性质 的活动后,应该及时停手,或者转移注意力。

  第二,平衡风险。对于过山车,大脑一方面告诉我们“离远点”,另一方面“经验”战胜了“风险”系统,结论是可以一试。2002年,对专业的外汇交易员
进行了一项实验,观察他们在市场波动时的“生理”反应。结论是经验越丰富,恐惧的反应越小,因为面对各种令人恐惧的“信号”,经验可以提供相关回忆,来对
冲目前的恐惧感受。但一旦恐惧超出经验值,所有人会“过度”厌恶恐惧,集体奔向“安全”。研究表明,寻求回报的系统,风险系统,以及衡量风险与回报最终决
定执行的系统,三者位于大脑不同部位,所以风险与回报的神经经常不“联系”,导致某些过度承受风险的投资事故。作为管理层,应该及时发现风险过高或过低的
情况。过低也不好,因为在趋势性交易市场中,交易员或者投资者应该主动承担一定风险。还有一点值得玩味,对于基金经理,大脑在衡量风险与回报时,管理“别
人的钱”,风险厌恶就会降低,大脑内部风险与回报的“交流”路径会很不相同。

  第三,等。人是唯一可以将“享乐”延迟的动物,不过等待也不是没有代价,大脑前额皮层活动将更加剧烈,意味着要求更多“回报”。在信息爆炸(多是噪
音)且剧烈波动的市场,有效的交易要求投资者放缓决策,有意等待更好的机会。投资者面对大量信息时,如果意识到认知负荷过重,在扣动投资扳机前,应该有意
训练自己先“后退”, 迟些再“回来”。

  第四,从众。和同类呆在一起,大脑会释放出一种叫做oxytocin的激素,让我们感觉很好。这可能对茹毛饮血的祖先真的很好,对现代金融市场则不一
定。从众心理到了一定阶段(某种投资主题吸引到足够的人),便会引发泡沫。换言之,当基金经理没有经过充分思考,而仅仅依靠小道消息和资产价格进行投资
时,即为典型的从众行为。泡沫终归会破灭,只是时间问题。除非你是绝对的快进快出型交易员,否则更多的利润一定来自于逆大众而为。不计后果的买卖,是从众
的必然表现。作为投资专业人士,需要做的是忍受自古以来人类最为害怕的孤独感。通过练习,抑制这种本能恐惧是可以做到的。一是确保你的投资永远基于基本面
而非当下流行。二是将其他社会交往与投资行为分开,一起工作餐没问题;抱团投资就算了。

  第五,漏掉信息行不行。我们的大脑被设计为要不断寻求新鲜感,并从中得到回报。做投资决策时,理性寻求回报与大脑本能冲动两者其实很难区分。对于基金
经理而言,新信息看似重要,过度接收却有副作用。新信息需要占用更多认知资源,用来分门别类、储存记忆,势必会占用决策评估和执行的认知资源。所以建议在
做投资决策时,将彭博和CNBC关掉,去听听古典音乐,说不定效果更好。金融传媒一定有其市场,所以不能完全忽略,但最好限量接受(一天一次至两次)。在
决策过程中夹杂些“噪音”有助于提高决策效果,因为大脑可以在深思熟虑和自动反应之间转换,但噪音不能大到淹没了深思熟虑。同时,交易时不要被两点分散精
力:小道消息及所谓专家的评论。

  第六,跟谁比。2002年诺奖得主发现:对价值的主观判断取决于选择的客观参照。另外,通过将人类与猴子进行对比试验发现,人类是很依赖“参照物”的
决策者。比如,投资者获利后会愿意承担更多风险,亏钱后,会提高风险以求达到盈亏平衡。所以建议基金经理,不要在盈利或亏损后,激进地改变仓位。同时建议
不要以同行的回报水平或仓位作为自己的参考。每个人组合的风险,流动性,投资时限都很不相同。基金经理不必跟别人比,也不要跟自己的过去比。

  第七,打破惯性。人体系统符合经济原理,即要用有限资源达到目标。久而久之,大脑“摸索”出两点:一是遇到相同或相似的情况,大脑某些“偏好”即启
动。二是当某件事重复多次后,即使在无意识下也可以完成,例如边开车边听音乐。这意味着,除非预期收益很高,否则人们会根据对过去记忆的“信念”来决策。
而这样的决策势必没有用足认知“资源”来做出最优选择。即使基金经理也难逃上述局限,他们做这份工作越久,越“懒得”动脑去想。即便出现新的情况,他们也
认为“还不就是那回事”。建议基金经理偶尔换换脑子,度个假或读不同类型的书,这样可以打破惯性思维。还有,早饭要吃好,饥饿的大脑本身对学习构成障碍。

  第八,你爱你的组合,但它并不爱你。根据科学实验,大脑可以产生很强大的Human oxytocin-mediated
empathy,它让我们不仅爱家人,甚至可以对车子、房子、陌生人产生情感。只要我们与他在一起时间很长,总会产生某种情感。我们总是认为已经建立的组
合更有价值,这样我们的大脑得到了情感“回报”,但资本市场未必给予回报。你的组合并不能回报给你相同的“爱”,所以你也不应该给予过多情感。如果是用心
构建的组合怎么可能不去深爱呢?办法是让别人来管理,已经有基金公司采用互换管理组合的方式,目的就是防止基金经理过度“袒护”组合。量化也是一种方式。
目的都是为了让基金经理严格执行决策过程和交易规则。

时间: 2024-10-09 21:19:07

脑科学对基金经理的八个启示 z的相关文章

【备忘】Netty实战(上)视频教程

Netty是一个异步事件驱动的网络应用程序框架, 用于快速开发可维护的高性能协议服务器和客户端. Netty是一个NIO客户端服务器框架,可以快速轻松地开发协议服务器和客户端等网络应用程序.它极大地简化并简化了TCP和UDP套接字服务器等网络编程. "快速简便"并不意味着最终的应用程序会受到可维护性或性能问题的影响.Netty经过精心设计,具有丰富的协议,如FTP,SMTP,HTTP以及各种二进制和基于文本的传统协议.因此,Netty成功地找到了一种在不妥协的情况下实现易于开发,性能,

HDU 1043 Eight八数码解题思路(bfs+hash 打表 IDA* 等)

题目链接 https://vjudge.net/problem/HDU-1043 经典的八数码问题,学过算法的老哥都会拿它练搜索 题意: 给出每行一组的数据,每组数据代表3*3的八数码表,要求程序复原为初始状态 思路: 参加网站比赛时拿到此题目,因为之前写过八数码问题,心中暗喜,于是写出一套暴力bfs+hash,结果TLE呵呵 思路一:bfs+hash(TLE) 1 #include <cstdio> 2 #include <cstring> 3 #include <queu

AngularJS 最常用的八种功能

第一 迭代输出之ng-repeat标签ng-repeat让table ul ol等标签和js里的数组完美结合<ul><li ng-repeat="person in persons">{{person.name}} is {{person.age}} years old.</li></ul>你甚至可以指定输出的顺序:<li ng-repeat="person in persons | orderBy:'name'"

Python之路【第八篇】:堡垒机实例以及数据库操作

Python之路[第八篇]:堡垒机实例以及数据库操作 堡垒机前戏 开发堡垒机之前,先来学习Python的paramiko模块,该模块机遇SSH用于连接远程服务器并执行相关操作 SSHClient 用于连接远程服务器并执行基本命令 基于用户名密码连接: + import paramiko transport = paramiko.Transport(('hostname', 22)) transport.connect(username='wupeiqi', password='123') ssh

BZOJ 2809 APIO2012 dispatching Treap+启示式合并 / 可并堆

题目大意:给定一棵树,选定一棵子树中的一些点,薪水和不能超过m,求点的数量*子树根节点的领导能力的最大值 考虑对于每一个节点,我们维护一种数据结构,在当中贪心寻找薪金小的雇佣. 每一个节点暴力重建一定不行.我们考虑可并数据结构.每一个节点将子节点的信息直接合并就可以 能够用启示式合并的Treap.也能够用可并堆 今天特意去学了这玩应0.0 先写了左偏树 然后又写了下随机堆-- 后者速度上更快一些 只是建议从左偏树開始学起 总之平衡树常数各种大就是了0.0 Treap+启示式合并 #include

HDU 3567 Eight II(八数码 II)

p.MsoNormal { margin: 0pt; margin-bottom: .0001pt; text-align: justify; font-family: Calibri; font-size: 10.5000pt } h1 { margin-top: 5.0000pt; margin-bottom: 5.0000pt; text-align: center; font-family: 宋体; color: rgb(26,92,200); font-weight: bold; fo

NeHe OpenGL教程 第三十八课:资源文件

转自[翻译]NeHe OpenGL 教程 前言 声明,此 NeHe OpenGL教程系列文章由51博客yarin翻译(2010-08-19),本博客为转载并稍加整理与修改.对NeHe的OpenGL管线教程的编写,以及yarn的翻译整理表示感谢. NeHe OpenGL第三十八课:资源文件 从资源文件中载入图像: 如何把图像数据保存到*.exe程序中,使用Windows的资源文件吧,它既简单又实用. 欢迎来到NeHe教程第38课.离上节课的写作已经有些时日了,加上写了一整天的code,也许笔头已经

《启示录》给了我多少启示?--------《启示录》读后感

<启示录>给了我多少启示? 在知乎查找推荐的与软件工程相关的书籍的时候,引入眼帘的就是Marty Cagan写的<启示录>.我在网上找到这本书的pdf,并且花了将近五个晚上看完了这本书.这本书的内容多而宽泛,每个篇章都十分精炼浅显.这本书也让我真正地意识到,在一个大型软件项目中,软件工程这门课所教的许多知识到底扮演着一个怎样的角色. 一个好的软件产品可以说需要经历九九八十一难,而第一难,就是产品需求的提取.分析和归纳从而可以初步定义产品.我曾单纯地认为做市场调研可能最常用的就是分发

Stanford机器学习---第八讲. 支持向量机SVM

本文原始文章见http://blog.csdn.net/abcjennifer/article/details/7849812,本文添加了一些自己的理解 本栏目(Machine learning)包括单参数的线性回归.多参数的线性回归.Octave Tutorial.Logistic Regression.Regularization.神经网络.机器学习系统设计.SVM(Support Vector Machines 支持向量机).聚类.降维.异常检测.大规模机器学习等章节.所有内容均来自Sta