6.7 反常识：不选你最熟悉的，有时是更好的风控

2013年诺贝尔经济学奖得主丹尼尔·卡尼曼在华盛顿给一群基金经理做了一场内部演讲。他问了在座所有人一个问题“你们当中有多少人觉得自己选股的能力在同行的前百分之五十以上”几乎所有的人都举了手。卡尼曼沉默了几秒钟然后说了一句让整个会议室陷入尴尬的话“根据我刚才在你们交易台后面看到的你们的实际业绩数据你们当中至少有四成的人不应该举这个手。”这不是基金经理独有的毛病。卡尼曼后来在他那本《思考快与慢》里花了整整两章来讲这个现象——它叫过度自信偏差。人类在对自己熟悉领域的判断力进行评估时会系统性地高估自己的准确率。你越熟悉一个领域你对自己判断的置信度就越高而你的置信度和你的实际准确率之间的差距往往也越大。你在写代码的时候可能已经有过类似的体验你觉得最不可能出Bug的那个模块调试的时候偏偏就是它炸了。你对自己最熟悉的科技板块的判断力可能比你想象中要低一个数量级。而在那些你自认为“完全不懂”的行业里你的投资收益反而可能更好。不是因为你运气好是因为“不懂”这个状态天然地逼着你去使用一套更安全的操作流程。过度自信的代价为什么你在科技股上亏的钱比消费股上多得多打开你的交割单——你在第四章第五节做二分法排查的时候已经拉过一次了。把交易按照行业分类分别计算每个行业的胜率、盈亏比和总盈亏金额。如果你是一个典型的软硬件工程师你的表格大概率会呈现出这样一个模式科技股的交易笔数远远超过其他所有行业加起来的总和科技股的单笔亏损金额比消费股大得多科技股的整体盈亏比显著低于公用事业和消费股。你不是一个人在亏这种钱。这是全球工程师投资者群体的统一行为特征。加州大学伯克利分校哈斯商学院在2015年发表过一篇被引用了上千次的论文研究对象是芬兰全部个人投资者的交易记录。他们发现了一个极其稳定的规律投资者在自己工作的行业里交易频率显著更高持仓集中度显著更高而风险调整后的收益率显著更低。不是低一点点是系统性地跑输自己其他行业的持仓也跑输同行业里那些没有在这个行业工作的投资者。这个现象有一个学名叫“熟悉度陷阱”。它的心理机制比你想象中更复杂。你在科技股上的过度自信不是一个简单的“觉得自己懂所以买得多”的单步错误它是一个五步连锁反应。第一步你因为对技术的熟悉而对判断的准确性产生了过高的置信度。第二步高置信度驱动你把仓位打到远超合理分散的程度。第三步高仓位导致一旦股价朝着不利方向波动你的心理压力急剧放大。第四步高压力导致你在市场恐慌时无法执行你预先写好的止损规则或者在应该加仓的时候反而因为扛不住而割肉。第五步频繁的、情绪驱动的高仓位操作产生了远超正常水平的交易成本和择时错误最终把你引以为傲的专业判断力转化成了实实在在的亏损。而那些你不懂的行业——比如你从来不关心的某家酱油公司或者某家高速公路运营商——你在买它们的时候你的心理状态是完全相反的。你觉得自己不懂所以你不敢重仓只买一点点。你觉得自己不懂所以你买之前会反复看估值反复确认它的分红历史是不是稳定反复比较它和同类公司的估值差异。你觉得自己不懂所以你在它跌了百分之十五的时候不会慌张补仓也不会恐慌割肉因为你知道自己不懂所以跌了可能是市场看到了你没看到的风险你不会用自己的无知去对抗市场。这一整套因为你“不懂”而被动触发的安全操作流程最终导致了你在这类股票上的风险调整后收益远好于你最熟悉的科技股。这不是说科技股本身不行。是说你在科技股上的操作模式有系统性的缺陷而这个缺陷的根源恰恰是你引以为傲的专业能力。你越懂你越容易把自己置于高仓位、低分散、情绪化操作的风险三叉戟之下。你不懂的时候你反而在用一套保守但更可持续的方式在管理自己的资金。能力圈的真正边界你懂的不是未来现金流你懂的是技术细节巴菲特在1999年伯克希尔股东大会上被问到为什么不投资科技股。他的回答被后世反复引用但大多数引用者漏掉了最关键的一句话。他说“我不投资科技股不是因为我不相信科技的未来。我相信科技会改变世界。但我不相信我能预测未来十年里哪一家科技公司会赢。”然后他补了一句“在这一点上我和你们在座的任何一位没有什么不同。”他接着解释了什么才是他定义的“能力圈”不是你对一个行业的业务模式有多熟悉不是你能不能看懂它的产品是怎么造出来的而是你能不能大致准确地判断这家公司在未来十年里每年能产生多少自由现金流。他在可口可乐和吉列剃须刀上能做到这件事因为他可以从过去几十年的消费数据里推演出这些产品在人们日常生活中的位置会不会发生根本性变化。他在英特尔和微软上做不到这件事因为他不确定十年之后哪家公司会发明一个让英特尔或者微软的护城河瞬间消失的技术。你作为工程师你对CUDA的熟悉程度远超巴菲特。你能闭着眼睛写出一个完整的CUDA kernel你能对着英伟达的架构白皮书讲出Tensor Core和上一代相比做了哪些微架构改进。这些东西巴菲特完全不懂全球百分之九十九的基金经理也完全不懂。但这不意味着你比巴菲特更有能力评估英伟达未来十年能产生多少自由现金流。因为英伟达未来十年的自由现金流不只取决于它的架构是不是继续领先还取决于AI芯片的需求是不是会持续指数增长、全球主要经济体的科技监管政策会不会突然转向、以及会不会在某个时间点出现一种全新的计算范式直接绕开了GPU这条技术路线。这些问题没有一个可以用你对CUDA的技术理解来回答。你和巴菲特在能力圈上的真正差距不在于他懂的行业和你懂的行业不同而在于他诚实地承认了自己对某些变量的无知而你把你对技术细节的熟悉当成了对未来现金流预测能力的替代品。你混淆了“我知道这个产品的技术实现”和“我知道这家公司值多少钱”。前者是你每天工作的全部内容后者是你从未被训练过去做的判断。这个混淆不是你的错。你整个职业生涯的激励机制都在强化“精通技术细节等于高价值判断”这个等式。在你的代码世界里这个等式百分之百成立。但到了投资的世界里这个等式突然就断了。你需要在你的认知模型里打一个补丁把你对技术的理解限制在尽调环节——用来排除那些技术上不可行的公司用来识别供应链里真正有议价权的位置用来从技术文档和开源社区里读出工程文化的健康度。这些都是你在本章前面几节已经学会的技能它们提供的是信息优势不是定价能力。定价能力是另一套完全不同的技能树它需要你对估值、周期、市场情绪、资金流向这些技术之外的东西有足够的尊重和认知。在你还没把这棵树点出来之前不要因为你点亮了技术尽调那棵树就以为自己已经是一个全栈的投资者。配置视角代替重仓视角用20%的上限锁死你的过度自信你不需要放弃科技股。科技股是你能力圈里最有可能捕捉到超额收益的领域完全放弃它等于自废武功。你需要做的是把你对科技股的配置从“重仓”切换到“配置”。什么叫配置视角配置视角意味着你对任何一个行业的配置上限不取决于你对这个行业有多乐观而取决于这个行业在你的整体资产组合里应该承担的职能。在第三章的整个架构里科技股只是你应用层权益资产中的一个子集它和消费、医药、金融、公用事业这些子集平起平坐。你给科技股分配的上限比例是你总资产的百分之二十——这个数字不是拍脑袋拍出来的是你在季度架构评审会上根据你自己的行业暴露风险算出来的。你在科技行业工作你的工资、你的期权、你的职业前景已经全部暴露在这个行业的周期波动里了你的投资组合如果还在科技股上超额暴露你就是在违背第三章第一节讲的“收入与资产必须去耦”的铁律。不管你对自己判断科技股的能力有多自信百分之二十就是上限。这个上限不是对你能力的否定是对你作为一个人类必然存在的过度自信偏差的制度性约束。你觉得这次和以前不一样你觉得自己比市场更早看到了某一个技术趋势的爆发拐点你觉得这只股票值得你把仓位加到百分之三十因为它的确定性实在太高了把这些念头全部写进你的投资日志里然后回头翻一下你过去三年在科技股上的全部交易记录。你那几次最自信、仓位最重、觉得“这次绝对不一样”的交易最终的盈亏比率是多少如果答案让你不舒服那说明百分之二十的上限还不够低。你应该感谢这个上限它在替你拦着你那个永远觉得自己是对的自己。让你赚钱的可能不是你对科技股的深度理解而是你在消费股和公用事业股上因为不懂而被迫采取的分散、低仓位、长期持有这些本来就应该应用在所有投资上的基本纪律。你不需要强迫自己去研究消费股你只需要把你在消费股上被动使用的那套操作纪律主动地移植到你的科技股交易上来。低仓位分散持有预设止损不因短期波动修改长期判断。这些原则和你懂不懂这个行业没有任何关系。从配置视角看你的科技股持仓只是你整个资产组合里一个被沙箱配额严格管理的子模块它允许你发挥你的专业优势去争取超额收益但它决不允许你的专业自信演变成一场把你全部身家押在单一赛道的赌博。你的生活品质、你的家庭安全、你未来几十年的财务自由不应该和任何一个行业的技术路线绑定在一起哪怕那个行业是你每天用一行一行代码在亲手改变的。