第9章 证实偏见“先入为主”欺骗了我们
墨西哥神枪手用手枪朝一堵墙射击，然后在弹孔的周围画上靶子，并大声地称赞自己作为射手的能力。证实偏见的漏洞有多大？
终于别克品牌的老客户比第一次购买别克车的客户大约平均多支付1000美元，忠于奔驰品牌的老客户要多支付大约7500美元。因为相信它值这个钱，所以愿意多付钱。证实偏见如何偷走我们的金钱？
统计局长的烦恼：别相信不是你编造的统计数据
有一天，维尔纳·巴尔科真的是烦透了。从那天起，他开始提出问题。确切地说只是一个问题。巴尔科是德国巴登—符腾堡州统计局"基本问题、公共关系和局长办公室"部门负责人。这听起来不像是一个伤脑筋的工作，但有一句箴言总是让巴尔科伤脑筋。一旦他说他的工作与统计有关，那么，也许他就会听到"不要相信不是你自己编造的统计数据"这样的箴言。
这是一句陈旧的、高智商的箴言。那些说话风趣的、并且在讨论中想立即把对方的论据从桌子上抹去的人都会用这句箴言：“不要相信不是你自己编造的统计数据"。他们总是把这句箴言抛向试图用数据来强调论点的人。这句箴言很有分量，因为它来自一位有特殊地位的政治家——温斯顿·丘吉尔。他是英国的首相、军人、战地记者、诺贝尔奖得主和英国的象征。起码，这是那些喜欢用这句箴言来表示蔑视数据的人所声称的。
由于职业原因，巴尔科肯定不会蔑视数据。他认为，数据有助于让事实达到可检验的状态。巴尔科把某项事情提到了检验的状态，这就是刚才丘吉尔的那条箴言。
它真的是丘吉尔说的吗？所以，他求证这条箴言的来源，他想确定，这句箴言到底是不是丘吉尔说的。德国也尔肯出版社出版了《法尔肯现代箴言大全》，其中引用了丘吉尔关于编造统计数据的箴言。出版社能够告诉他这句箴言在丘吉尔著作中的原始的出处吗？出版社的答复是令人失望的：
关于丘吉尔统计葳言的出处问题，我们只能给予你很不确定的答复。编者查阅了大量报纸、杂志和其他可公开阅读的期刊，但都没有对箴言出处的准确的记录。
出版社认为，这句箴言可能出自《南德日报》。他们对未能提供准确的信息表示遗憾。巴尔科可不想这样轻易放弃，所以他继续研究。比如询问英国统计局。那里的人说，他们从未听说过这句箴言。联系历史悠久的《泰晤士报》，那里的人也说从未听过这句箴言。
如果有人认真地读过丘吉尔的著作，那么，肯定会猜想，丘吉尔对数据、事实和可检验的信息是有偏爱的。也就是说，他是一个统计学的朋友，尽管他也知道编造统计数据的问题，比如说德国军方战报的统计。也许这句箴言根本就不是丘吉尔的？那么，到底是谁说的呢？也许是一个不那么认真对待统计数据的人，主要是在战略利益上。他是这么说的：
为了散布谎言，绝不能用官方机构和新闻通讯社等，而是必须立即彻底地掩盖谎言的出处。
说出这句箴言的人叫约瑟夫·戈培尔，他是第三帝国的宣传部部长，也许，他是丘吉尔那句箴言的发明者。他指示德国媒体，把丘吉尔描绘成一个伪造数据的骗子。由此，就非常接近那个猜测了：也许是戈培尔让这句箴言流传，然后转嫁于丘占尔，以损坏他的声誉。尽管如此，在后来，这句箴言还是继续被加以引用，证明统计和数据都是谎言，人们可以根据自己的需要对其加以改造。
在美国，与此相关的是另外的一句名言：“慌言、该死的谎言以及统计数据"。是作家马克·吐强让这句箴言流行起来的，并且，他同样把它们在一位英国首相，即本杰明·迪斯雷利的名下。当然，在边斯雷利的著作中同样找不到这句箴言。人们可能认为，大家已经知道了这种模式。看来关于统计造假的箴言本身也是假的。统计受到人
们的蔑视，被说成是是贾品，尽管实际上没有比数据更客观的东西了。或者你愿意在不确定的基础上做决定吗？这一章的内容将向你展示，不是数据欺骗了我们，而是我们欺骗了自己。我们经常错误地理解数据，错误地解释数据。或者我们过于轻率地接受别人提供的数据，没有批判性地去探究这些数据，从而使我们遭受失败，比如基金行业。
三个淘汰基金公司的标准
投资基金简直是一个天才的发明。拥有少量资金的投资者将这些资金托付给基金公司，这些公司让客户的资金实现增值。基金公司越成功，其客户就越富有。当然，基金公司也有所收获，因为这归根到底是付费服务。对此，人们需要知道，客户托付的资金越多，基金公司的收入就越高。通过什么？通过业绩。所以，专业杂志和报刊上充斥着基金公司展示投资业绩的广告。在这里，有几项人们应该注意的标准。这样，人们通过简单的方法就可以将一些基金公司筛掉。
通过广告表现业绩时，大都是用一个可以展示公司产品价值增值的数据图表。如人们可以想到的那样，这个图表和曲线展示的总是一种向上的趋势，这会给人一种了不起的投资业绩的印象。图表专家只需将横轴稍稍压缩一点，上升趋势就会变得更明显。同时，在曲线的尾巴处增加一个箭头来体现其完整性。这使得一切都显得更有活力。这难道不是欺骗吗？
如果说，对于这种对业绩的创造性图像加工的做怯还会有不同看法的话，那么，对干在业绩宣传方面的其他误导做法则是没有异议的。人们应该将这个部门的第一个说慌者立即清理出去，这就是那些没有提供比较标准的图表。"湖拉投资公司确信能取得10%的增长"听起来相当不错，但是只要人们不知道，当时相应的比较市场的竞争对手的成绩如何，那么这种表述就没有什么说服力。如果湖拉投资公司涉及的是国家债券这样的保守投资品，10%就是很高的了；如果是高风险的科技股，10%就是比较逊色的。所以，如果没有人提出比较标准，用专业的术语来说就足没有提供标杆，那就应该立即被剔除出去。这是第一个简单的掏汰标准。
紧接着就是第二轮筛选。如果你再次阅读上面的例子，你就会立即想起一个决定性的问题：在什么样的时间段里，湖拉投资公司获得10%的利润增长。这里有一个简单的伎俩。湖拉投资公司从最低点开始计算它的投资利润，其结果就是一个令人骄傲的利润增长。比如说，湖拉投资公司在1999年以100的价格开始投资，在2000年上升到了200，在2003年下跌到了20，现在，价格处于60。那么，下面的哪种表述是正确的"湖拉增长了三倍"还是"湖拉的价值损失了40%"？湖拉的经理层会把哪种广告用语用到报纸广告上？令人气恼的是这两种表述都是正确的。从低点出发，那么，湖拉的价值的确增加了3倍，但这对在1999年，或者甚至在2000年购买了这个基金的人来说，没有任何帮助。对于2000年以200的价格购买的人来说，这甚至意味着"湖拉让他的资金损失了70%"。
因此，只有观察一个较长时期，一个基金或者投资公司的价值增值才是有说服力的。如果基金公司有意地选择相关时间段，那么，你就可以肯定，这只是纸面上的业绩。这是第二个淘汰标准。
我们再来看看上面已经意识到的问题，那么，下一个要点很快就清楚了：为什么是湖拉传统基金被拿来宣传，而不是湖拉新科技基金。理由很简单，因为湖拉传统基金正好实现了利润，但是湖拉新科技基金没有。如果湖拉新科技基金有更高利润的话，可能就会做新科技基金的广告了。也就是说，基金公司也许是用正好有利润的基金来做广告，而我们则受此影响。也许这个基金公司的其他基金都成了投资废品，但我们却认为，湖拉倒是一个相当不错的公司，它拥有的这个经典基金运行得确实不错，不是吗？由此，我们得到了第三条掏汰标准：我们应当用总体业绩来评判一个投资公司，而不是根据某个也许是偶然取得成功的产品。
但这里潜伏着下一个统计陷阱，即所谓的"幸存者偏见"。让我们假定，我们的湖拉公司宣传，它提供的5个基金都是卓有成效的，且都有盈利。这听起来很不错，是吗？但在过去10年中，湖拉设立的另外10个基金由于亏损全部都终止了。如果你得知这种情况，你会怎样评判糊拉的业绩？人们突然确定，湖拉，更确切地说是湖拉的客户在三分之二的产品上遭了难。这时，这5个卓有成效的产品也就不再那么成功了。
幸存者偏见，在德语里，可以称之为"省略错误"。它非常残酷地在统计中起着作用，比如说，当涉及一个投资类型的业绩时。在10年中，德国的基金行业取得5%的利润。当你读到这里，但并不知道，德国有多少基金没有在考虑范围内，没有给这个统计数据贡献不好的业绩，因为它们已经被清算了。因为，最大亏损的基金没有包括在内。根据研究时间的长短，这样做会对投资价值增值高估0.4%-1%。
此外，人们在股票指数方面也会犯省略错误，如1896年成立的道琼斯工业指数或者德国股票指数。在这些指数中，会接受最大的、最成功的企业，而那些发展不好的企业则会被重新踢出指数。所以，这样的一个股票指数，只反映了成功企业的价值成长，而忽视了那些失败企业的价值成长。所以，如果某个金融公司在广告里说，在过去的20年间，道琼斯指数或者德国股票指数增长了4个百分点，这对整个股票市场的运行情况来说是没有什么说服力的。更没有意义的是，如果你20年前购买了几个当时处于股票指数内的股票，那么，现在你能获取多少利润呢？
潜水的基金排行榜
到目前为止，上述现象也许还只是为重量级的投资广告做的热身工作，这个重量级的投资广告就是传奇的、令人敬畏的、受人喜爱的和被滥用的排行榜。排行榜的基本思路是简单的和强大的：谁要找最好的基金，最好的投资公司，就请看排行榜。在排行榜上，按照各自的价值成长水平排列了各种基金产品。排列在最前面的，也就是顶级的，是特定金融行业中的佼佼者。如果这是确定的话，我们就可以节省大量的费用和咨询时间，只需看一下排行榜就可以了。事实上，这个解决办注确实深受人们喜爱。它简单、快捷、花费很少、有说服力，还是一个相当不错的对失利情况的辩解。有人知道2010年的基金在后来几年中的业绩会这么糟糕吗?有人预料到这种情况吗？也许每个思考过排行榜的本质的人都应该能料到。
我们来看一下飞机驾驶员模拟飞机着陆的例子。在飞行模拟器巾，培训飞行员的教练经历过这种事情。他们发现，模拟器里的一次成功着陆后的夸奖会使得下次的着陆不是更好，而是更差。同时，他们还发现，一次特别差的着陆后的训斥会使得下次着陆变好。教育学家不愿意听到这样的说也:表扬有害，批评反倒有推动作用。这是真的吗？统计学家认为这不是必然的，并指出了一个被称为"均值回归"的现象。
这种观点认为，包括飞行员试着陆在内的很多现象都受制于偶然的不稳定性。有时一次着陆会好一些，有时会差一些。所以，如果个飞行员成功地进行了一次很好的着陆，而且这次着陆已经是其可能的最好结果了，那么，他的下次着陆会差一些的可能性就很大了。他的成绩回归到了平均水平。很好的或者很差的着陆可以说是向上或者向下的异常测值。从平均来说，它们对这个飞行员的能力来说没有代表性。他的成绩会回归到平均值。由此就清楚了，在飞行模拟器里发生了什么情况。不是表扬或者批评使得飞行员更差 ( 或者更好 ) 了，而是平均值。在一个出色的着陆后紧跟着是一个较差的着陆，同样的逻辑也造成了在一个特别差的着陆之后肯定会紧跟着一个较好的着陆。表扬和批评跟这一点根本就没有什么关系。
如果我们把这种想法运用到排行榜的某个基金的排名上，那么，这种排名就黯然失色了。如果某个基金名列第一，这并不肯定就意味着这个基金有多好。相反，这有可能意味着这个基金在下一年不再占据第一，因为，第一的位置，这个特别优秀的业绩，只是一个正面的异常情况，紧跟着会回归到令人悲伤的平均值。这个论点普遍适用于上一年某种投资产品的超过平均值的情况。这并不是超过平均水平的能力的证明，而可能纯粹是一种偶然，一种偶然取得的顶尖成绩。这种顶尖成绩经过一年就会被忘掉，就如同飞行员一次特别出色的着陆一样。所以，我们得出的结论是:我们不能信任排行榜的获胜者，因为在下一年它令人失望的概率是相当高的。
这种思想会引向一种听起来有些冒险的投资策略。人们是否应该购买某年业绩不好的基金，以期望它的这次失败只是一种偶然，紧接着它就会回归到平均值呢？通过构造两种资产组合、经济学家维尔纳·德·邦特和理查德·泰勒对这种策略进行了验证。一组资产组合由过去3年中表现最好的10%的股票组成，另一组资产组合由过去3年中表现最差的10%的股票组成。资产组合构成60个月后，由差的股票构成的资产组合，其业绩比参照市场要好30%。而由好的股票构成的资产组合，其业绩要比参照市场差10%。正好是回归平均值。
如果一个基金不是一年，而是两年或三年名列排行榜前茅，那又意味着什么呢？这不是优秀能力的表现吗？这有可能，但并非肯定。即使是超过三年名列前茅也还是有可能是偶然的。如果某个基金多年连续占据榜首，那么，这有可能但并不肯定就是出色的基金管理的表现。我们假定，股市多年处于萧条状态。有一个基金经理每年扔一次硬币。头像代表股价上涨，数字代表股价下跌，那么，他连续三年打赌股价下肤的概率为12.5%.他按此来安排投资，那么他就会击败所有同事，哪怕是只有一年希望股价上涨的同事。通过投掷硬币，他就能跑到排行榜第一。
可是，我们的头脑是不会毫无感情地对待排行榜排列前茅的这三年的。在这里，我们受制于一个法则，科学家们将它命名为"小数定律"。其实，并不存在"小数定律"，而是存在一个"大数定律"。对此，我们要感谢数学家雅各布·伯努利。他于1655年出生于一个著名的数学世家。这个家族先后有许多知名的数学家:雅各布·伯努利、他的弟弟约翰·伯努利和侄子丹尼尔·伯努利都是属于有史以来最伟大的数学家。在雅各布·伯努利专心从事他喜爱的数学之前，屈从于父亲的要求，违背自己的意愿在大学学习神学。后来，他旅行学习，到过荷兰、英国和德国。他在巴塞尔举办私人讲座。1689年，34岁的雅各布·伯努利在巴塞尔大学获得了一个数学教授的职位。
我们可以用投掷硬币的例子来说明雅各布·伯努利的大数定律。投掷硬币过程中出现头像和数字的概率各为50%。现在，如果扔6次硬币，人们不能期待正好是3次出现头像或者数字。即使投掷10次或20次，我们也不能期待头像和数字正好各出现5次或10次。当然，投掷的次数越多，我们就越肯定，头像和数字出现的次数会接近于理论上可期待的结果。所以，如果我们投掷10000次硬币，我们就能相当地确信，头像和数字会各出现大约5000次。投掷的次数越多，按数学家的话说就是"随机抽样范围"越大，那么我们就越接近于理论上正确的结果。这就是大数定律。
然而，我们经常错误地假设被心理学家称为"小数定律"的东西。我们在只有很少的随机抽样时就期待大数定律的出现。在6次投掷后就期待出现3次头像和3次数字。如果连续出现了5次数字，那么，我们就会认为，这不是偶然的象征。如果连续出现了5次数字，那么，大多数人就会凭直觉把赌注押在头像上，因为我们期待，在这6次的投掷中，大数定律也能得到体现，尽管数字6不是一个大数。
让我们回到排行榜。如果一个基金连续3年在排行榜上名列前茅，那么，在我们的眼里，这就不是一个偶然的结果。我们只有一个很小的抽样，但却假定这个随机抽样的结果可以代表现实。连续3年，这总不会是偶然的吧？但它很可能就是偶然的。如上面的例子提到的那样，以掷币来决定投资的那个基金经埋在排行榜前面的机会为50%，而他连续3年名列前茅的概率则是12.5%。从统计学的角度来看，要得出隐藏在背后的推论，3年太短了。按照大数定律，我们赋予排行榜太大的意义了。
如果考虑基础效应，那么，对于排行榜的爱好者来说情况还会更糟。我们假定，在第一年，某位基金经理偶然取得了很好业绩，大大领先于竞争对手。现在，即使他自接下去的两年里只取得平均的业绩，那第一个好的年头也足以把他拱上3年排行榜的榜首。然后，我们就会在广告中读到"湖拉投资公司以三年第一的业绩领军基金排行榜。"但是我们不知道，湖拉基金的经理只是因为在第一年运气太好了，否则的话，他只能处于平均水准。这样的话，我们还会把我们的资金托付给他吗？作为投资者，如果有人想避免这种陷阱，那么，他就应该关注每年的回报，而不是累计回报。所以，广告语不应该是"湖拉连续三年位居第一"，而是"湖拉每年获利X%"。
排行榜的问题就这么多吗？可惜这还不是全部。这里还有一个问题，并且是一个非常令人不快的问题。如果这家公司或者更准确地说某位基金经理欺骗的话又该怎么办？在这方面，有这样一个事实：人们不愿把苹果同鸭梨相比较。也就是说，人们不会把一个投资于网络股的基金同一个投资于国家债券的基金相比较。合理吗？当然。但当
人们尝试把每个基金分到它们相关的小组时，原来听起来非常客观的东西很快就变得模糊了。通过一个例子可以让这种观点变得更清楚。我们假定，有苹果基金和鸭梨基金两组投资。苹果基金以收益优势和风险管控而著称，鸭梨基金则是安全的投资，但它不能获得这么大的收益。现在，鸭梨基金的经理处于鸭梨基金排行榜相当靠后的位置，但他有很大野心。所以，为什么不把一些苹果基金的股票纳入仓内呢？这虽然会提高一点风险，但是却能带来更高的收益，并且，使得鸭梨基金的经理能够领先他的同事，领军基金排行榜。
你觉得这样公平吗？是的，有一些不公平。在投资基金的世界里，每一个基金并不是那么容易相互鉴别的，因为在这里会有很多种类的基金，而不仅仅是苹果和鸭梨。把一种产品归到某种投资类别，经常是公说公有理，婆说婆有理，再在着很大的解释空间。基金公司知道，应该将自己归到何处，也就是说，他们要将自己归到能在排行榜中取得最好位置的类别里去。为了获胜，人们只需要同正确的对手比较。尽管制作过类排行榜的公司或者金融服务提供者会注意这类伎俩，但他们也并不总是能够清晰地和毫无瑕疵地进行这种投资分类。
一个原因也是在于这样的投资分类越来越多。比如说由一家位于法兰克福附近巴特洪堡富人区的财务分析公司所颁布的年度最佳基金奖，就在14个基金分类中，每一类奖励了5个基金 ( 总共有70名获奖者 )。获奖的基金类别有：亚洲太平洋股票、德国股票、新兴市场股票、中东欧股票、可持续发展世界股票、北美股票、世界股票、全球灵活混合基金、欧元养老基金、欧元共同投资等级养老基金、欧洲货币养老基金、全球货币养老基金等。
你是否觉得够多了呢？别着急，因为还有另外一家财务服务公司的"基金奖"，在那里，按下面的基金类别进行奖励:大债券、小债券、大股权、小股权、混合资产、海外混合资产、大海外、可兑换小债券、欧洲可兑换债券、全球新兴市场债券、全球欧元债券、高回报欧元债券、通货膨胀挂钩欧元债券、短期欧元债券、欧元区债券、欧元套期保值的全球债券、英镑债券等。
如果这还不够，那么在这些分类中，部分分类还能进一步区分为三年、五年和十年价值成长。但这还绝对不是金融界颁发的全部奖项，在这之外，还有授予最佳基金公司的公司奖，基金经理人个人奖，几平所有人都被授予某个奖项，而这种奖项会在一个豪华饭店，在一个庆祝晚宴上颁发。嘲讽者说，基金公司必须很努力，才能"幸免于"获奖。但这种颁奖晚会的晚宴总的来说都是相当热闹的。
这种盛大的颁奖闹剧有两个功能:第一，它是一个很好的理由，使得行业的专业人士可以一起聚会交谈:第二，晚会后，获奖者就可以利用这个奖项为自己的产品做广告。"54个月东西伯利亚小公司股票类最佳基金"绝对是一个名副其实的广告用语，不是吗？批评人士认为，这类奖项还有第三个功能，就是通过颁发和传播这类奖项，让这类奖项的提供者赚得盆满钵盈。
遗憾的是，我们过于被这类排行榜的魅力所诱惑。我们过于把某个此类排行榜的某种产品的排名看作它的业务能力的表现，而不是首先思考，这类排名在多大程度上会受到基金公司能力之外的因素的影响。此外，也没有很好地想一想，应该如何评价这种奖项提供者用来做广告的排行榜。
在很多研究报告中，我们可以看出这种状况的后果。投资者倾向于将资金转移到在以往的年份中取得良好业绩的基金上。如果某人获得了第一名，就能大量地聚集资金。这也同样发生在企业的养老基金上。美国的情况显示，某个企业的股票在过去年份中的业绩越好，企业的员工就把路多的企业养老金投在自己企业的股票上。如同我们还将看到的那样，从根本上来说，这不是一个好主意。未来业绩将会以完全相同的轨迹继续发展的想法，对于投资来说没有什么实用指导意义。如果真的这么简单的话，那就不需要咨询顾问、不需要书籍和金融教授了。
那么，信赖和依靠某个股市精神导师又会怎么样呢？现在是时候来看一看超常的人、巨兔和尼斯湖水怪了。
股市预测专家是怎样炼成的？
2010年是糟糕的一年。在这一年，南美的一个城市受到硕鼠袭击，这些硕鼠劫持了美国总统的专机。在柏林和法兰克福，人们对飞机进行了导弹进攻。在8月13日 ( 当然还是星期五 ) 10：15，一场全面的大地震席卷全球。如果人们相信智者的话，这一切就都应该发生。这些都是智者对2010年的预测，但它们并没有变成现实。2008年和2009年也没有更好一些。既没有抓住尼斯湖水怪，也没有在中国找到轰动性的绿熊和巨型家免。金门大桥没有倒塌，英国的王冠珠宝没有被盗，100个国家没有被卷入第三次世界大战。
这些预言的范围是相当宽泛的。比如，有人不断预言美国总统被袭击、大灾难、王公贵族的婚礼钟声、名人离婚等事件。在这期间，一个女预言家中了头彩。她在2007年12月预见了丹麦王子约问希姆在2008年的婚礼。虽然丹麦王室在2007年10月就已经公告了这场婚礼。100个国家的第三次世界大战是专家们从文艺复兴时期的预言家诺查丹玛斯的著作中援引的，估计是一个翻译错误。对于股市，也经常存在预言。比如，占星学家曾预言2008年是一个股市稳定的年份，到年底，德国股票指数能上升5-10个百分点。事实是，在这一年德国股票指数下跌了约40%。是啊，在生活中没有东西是精确的。
精确性是预言家或者股市精神导师取得成功的关键。在这方面，专业的精神导师或者预言家会利用人们一个心理上的缺陷：我们习惯于在与环境、旧看法和已获知的信息的联系中收集和诠释新信息。
一个小小的实验就可以显示这是如何导致偏见的。人们请大学生对一个姑娘的阅读能力进行判断。为此，人们向他们展示了这个姑娘的录像。当然，在这过程中有一个小小的技巧：人们给第一组大学生展示这个姑娘在一个富裕的郊区游玩；她的父母被描述成大学毕业的白领。人们向第二组大学生展示同一个姑娘，但现在是在一个不是那么漂亮的城市公园，她的父母被描述成高中毕业的工人。
实验结果是可想而知的。大学生确定，那位出自富裕郊区、父母拥有高薪工作的姑娘具有更强的阅读能力。出自工人家庭的姑娘被归于较弱的一档。尽管是同一个姑娘，人们只是改变了附加信息。单单姑娘不是来自条件好的家庭这个信息，就使得大学生把她归入较差的那一类。这是典型的家庭出身的偏见。
人们把同样的实验再做一次，但这次让这两组大学生都看这个姑娘的一个面试。两个小组看同样的录像。其结果是，对这个姑娘的先入之见变得更加突出了。两组大学生都更加坚定地认为自己的预测是正确的，尽管人们期望，而试的录像会让两组大学生估计更客观。但是事实正好相反，面使带来的附加信息反而加强了对这个姑娘的偏见。面试这个同样的信息，按照两组大学生最先看法的不同，加强了各自的观点。
这就是"确认偏误”，也可以称之为“证实偏见”，或者“先入之见陷阱”。我们看到和注意的东西，取决于我们原有的信息和先入之见，它们影响我们对信息的解释。如同上面的实验所显示的那样，这会使得我们有倾向地诠释信息。并且，所涉及的信息越不准确，这种倾向也明显。这甚至能够使同样的一个信息得到完全不同的诠释。比如，如果给一组大学生一些关于死刑判决的原始材料，那么，人们就会看到，死刑赞成者会把这些原始材料当作支持他们观点的佐证；同样，死刑反对者也会把这些原始材料作为支持他们意见的证明。
这是智者乐意利用的证实偏见，至少是聪明的智者。他们预侧一件事，并且尽可能运用模糊不清的表述。这个预测的接受者会参照他们的先入之见、原有观点和期待对这种预测加以诠释和扩充。比如，"我看到你将面临财务方面的一个重大决定”，这个预测会被我们的大脑放大。新工作、新住宅或者工资的提高等各种尚未发生的事件都被指向这个不清楚的表述，并由此赋予这种表述内容和意义。这使得智者们变成了具有预测能力的人。
股市预测也是这样。对预测的表述跑不准确，它们就越有可能成为现实。人们事后赋予空洞的预测以现实的解释。比如那个著名的智者预测的：“世界大众最可辨别的事情，主要会发生在欧洲和美国之间。"这是一个不管怎样，总能成为现实的预测。
由此，我们得到了让股市精神导师真正飞黄腾达的秘诀：他应该在表述中做到尽可能地不准确。他说，股票将至少涨5%，但是不说是在什么期间；他说，欧元会在未来的三个月下跌，但不说会下跌百分之多少；他抛出烟幕弹和陈词滥调。然后，如果股票上涨了或者欧元下跌了，那么就会有听众怀着敬畏之心确认，他的预测是多么准确。
如果认为这还不够，也不用发愁，还有其他办法能够使他成为一个优秀的股市预测专家。
第一个办法，尽可能使用不严格的表述同时利用证实偏见。于是，全世界都会惊叹，他做了多么准确的预测，尽管实际上一个足够分散的预测总是会应验的。
第二个办法就是墨西哥神枪手你还记得吗？墨西哥神枪手用手枪朝一堵墙射击，然后在弹孔的周围画上靶子，并大声地称赞自己作为射手的能力。预测家也会做同样的事：他们做尽可能多的预测，然后想办法只让应验的预测保留在大众的记忆中。他所做的预测越多，这个或者那个预测被证实的概率就越大。听众们就会惊讶于精神导师的先知能力。所以，这就好比他用霰弹枪朝一个靶子周边的弹孔，在靶上的弹孔作为特殊预见能力的佐证。其余分散在靶周边的弹孔，他们会巧妙地通过大众传媒加以掩饰。这真是一个简单的、但相当有效并带来乐趣的技巧。
第三个办法就是依靠连续性。人们提出一种观点，然后毫不动摇地坚持这种观点。比如，德国股票指数将上升8000点以上。现在他只需要足够长的时间坚持这种预言，因为德国股票指数早晚总会重新上升到8000点之上。然后，他就会跳出来说，在几年前他就知道这一切将会发生。"多年前贝克就顶测，德国股票指数将会上升到8000点。"这读起来很吸引眼球。这难道不是一个具有特别的预测能力的人吗？不，他更可能是一个特别固执的家伙。也许他在预测错误的阶段错过或者失去了很多的钱。
在实践中，人们会应用什么办法呢？人们会使用一系列的统计方法、经济学技巧和其他的半神秘模式。如果你想作为预测家赖以生存，那就选作风险最小的办法。你预测大多数人希望预测的东西。为什么呢？很简单，因为这能保障你的职位。如果预测失败了，你可以辩解，其他人也没有做得更好。你的老板还有什么可说的？
好了，我们也不愿把人们想得过样阴暗。当然严谨的统计方法也在努力通过科学道理解释预测。从根本上说，这是可行的。即使在这方面也潜伏着"确认偏误"或者悦"证实偏见"。或者，你相信，仙鹤会带来童子吗？不会？肯定吗？对此，统计学有什么说法？
伪相关：仙鹤真能够送子吗？
在欧洲，经常可以看到白鹤。根据统计学家罗伯特·马修的说法，白鹤跟孩子的出生数量有关。马修把17个欧洲国家成对白鹤的数量同那里的婴儿出生率进行比较，确实，仙鹤越多，新出生孩子就越多。这是一个充分的统计证明，因为根据马修的计算，这两者之间存在着一种被统计学者称为"关联关系"的联系。简单地说，人们通过比较两个数列的值来计算某种关联关系。如果第一组数列的值（某个国家成对仙鹤的数量）很高，同时，第二组数列的各个相关的值（同一国家婴儿出生的数量）也很高的话，那么，它们就可以通过数学进行归纳和计算。如果不存在关联关系，那么，在很多情况下，在某个同家有很多的成对仙鹤，但却有很低的出生率。
人们用所谓的关联系数表示这种关系。对仙鹤来说，这个系数为0.62。如果系数值为1的话就是一种完全的关联关系，表示成对仙鹤和婴儿出生数一对一同比上升。如果系数值为零的话，就表示没有关联关系。所以，0.62表示在仙鹤的出现频率和孩子出生率之间一定存在着某种关系。在刻度0（没有关联）到1（完全关联）之间，它处于0.62的位置。如果你回忆下第二章，你立即就会想到，这里出现的关系也可能是一种偶然现象，就如同兴登堡凶兆和美国橄榄球杯指数一样。但这一次我们不会让自己受到偶然性的愚弄，是吗？
绝对不会。所以，马修也做了一个关于偶然性的测试。这个测试稍稍有些复杂，但从原理上来说却相当简单。人们假定，这里不仔在关联关系。那么这个结果是偶然产生的概率有多大呢？马修的计算结果是：这种关系偶然地显示在数据中的慨率为0.8%。或者反过来说，根据这个计算，仙鹤带来孩子的概率为99.2%。
我们相当肯定地知道，仙鹤不能带来孩子，所以，我们就不禁要问，错在什么地方了呢？如果涉涉及另外的关联关系，又是什么呢？或者，如果在主这里存在我们希望真实仔在的关联关系，那是什么呢？
证实偏见会使得我们相信过这类关联关系，而不加以深究。专家们称之为"伪相关"。人们提出一个假说:在天气好的日子，股市会上涨，因为这时交易商的情绪比较仔。然后只是寻找能证明这个假说的信息。由此，人们就构造了太阳和股价之间一种可能错误的联系，并用这种联系来证明向己的假说。假说和有选择地来寻找求证的信息，会使得人们去构造各个变量之间的一种关联关系，而这种关联关系从统计学角度来看并不存在，或者关联程度并没有那么强烈。按统计学的说法，这后一种情况就是高估了关联度。
在仙鹤的例子中存在着关联关系，它看起来也不是偶然存在的。马修说的是不是有道理呢？在仙鹤的例子中，我们大家都很清楚地知道，孩子不是这样来到世界的。但是如果涉及其他假说以及货币、股价、经济增长、利息或者其他的国民经济变量之间的关联关系，那就复杂多了。在某种程度上，所有的东西部关联在一起了，不是吗？一旦过些关联变得模糊，证实偏见就会起作用了。我们不是开放地来对待各种可能的解释，而是迅速地把自己固定在自己认可的论点上。我们从自己期望的假说来解释所观察到的现象，而没有审核这些现象在多大程度上同其他假说相融合。一种现象越多地适合其他假说，那它就越不能作为这种自己期望的假说的证明。专家称它为"虚假诊断"。人们自以为作出了一个正确诊断，实际上是错过了对一种现象或者说一种关系提供另外一种解释的可能性。
由此，我们重新问到仙鹤的话题。这种关联的其实原因是一种被统计学家称为"共因子"的东西。这是能够解释其他两种变量的第三种共同变量。比如说有两种供选择的共同变量：国家的面积和工业化程度。国家的面积越大，可供白鹤生存的面积就越多，同时，婴儿的出生人数也越多。或者说，工业化程度越高，可供白鹤生存的自然环境就越少，同时，人们生的孩子越少。从统计学的角度来看，这是一个老生常谈的话题。随着一个同家工业化程度和富裕程度的提高，人们会拥有越来越少的孩子。一个可能的原因是儿童的死亡率降低了，另外一个原因是由于资本市场和养老保险体系的存在，使得人们越来越少地依靠孩子养老。
虽然关于仙鹤的过个解释是明白易懂的，但是我们还是不得不担心，在遇到不是这么人所共知的伪相关时会陷入证实偏见的陷阱。我们抓住一个观点，然后就越来越没有能力去检验、调整、修改或者甚至放弃它。其结果可能导致错误的决定。让我们看一下报纸：
如果我们回顾一下过去几个月黄金价格的上升和美元的疲软，看起来正好是这种情况。这种直观感觉被一个统计研究所证实。这是环球透视受世界黄金协会的委托，根据2002年-2006年的数据所做的研究报告。这份研究报告显示，在美元和黄金价格之间存在着一种负关联，关联系数为一0.45。
这听起来似乎很有道理，因为这也是我们说过的关联关系，又叫关联系数。只是它是一个负值。一l表示完全的反向关系：如果美元跌，黄金就涨。0表示根本没有关系。一0.45表示还是有可能存在某种关联关系。所以，我们形成了我们的命题：美元下跌，黄金上涨，然后就投资。我们花时间来研究了这种关联关系吗？为什么会是这样的呢？根据5年的统计数据足以提出一个假说吗？在这之前的年份的情况是怎么样的？有哪些反驳这种关联的理由？有什么样的论据认为这种关联会在未来的年份中悄失得无影无踪？在这份报告里，世界黄金协会有什么样的利益？最好让我们来看看世界黄金协会自己是如何表述它的职能的：
世界黄金协会的任务就是提升和维护黄金的需求。该组织代表全球范围内处于领导地位的、约占黄金年产量60%的金矿企业。
更清楚地说，黄金总是和美元反方向发展的命题并不是肯定符合实际的，特别是并不是适合所有时代的。对于提出让人信服的论点来说，5年是一个太短的时期。最最重要的是没有回答这个问题：相对于其他投资，在这段时间里，我们通过黄金能挣多少钱？
这些观点并不是要使你与黄金保持距离，不投资于黄金。它们只是要帮助你，批判性地、灵活地来思考这类问题，井学会更少地上证实偏见的当。许多研究成果表明，人类倾向于更看重符合自己立场的论据，因此，上面的观点就显得更重要了。如果我们已经投资了黄金，我们就希望黄金是一种可获利的东西，所以，我们就会喜欢强调有利于黄金的论据，而忽视相反的论据。我们在第一章已经认识了这种机制：人类努力地寻求一致性，所以，他们重视能证明他们意见的论据。如同之前已经提到过的那样，一个人如果是德国基督教社会联盟的选民，那他就读《巴伐利亚信使报》，而不读《前进报》。这在金融市场上是要付出沉重的代价的。
如果我们从这种观点出发来观察证实偏见，那么就不禁会产生这种疑惑，即人类是希望绝对地相信什么东西的。我们会觉得，相信我们想要的东西比相信不想要的东西要容易得多。所以，就如同我们宁可回忆愉快的事情一样，我们偏爱愉快的解释，而不是令人难受的解释。很显然，我们至少能在有限范围内排斥不愉快的假说，在不明确的数据中加入明确的解释，或者排挤令人不快的论据。通过这种途径，我们使得自己对世界的主观认识问我们个人的意见相一致。由此，我们对世界的认识就有说服力了，尽管为此我们不得不在心理上对有的信息进行一些调整。
因此，我们必须学会既不要对股市精神导师，也不要对自己的先入之见过于相信。或者如同占星学家温弗里德·诺亚的网页所说的：
占星咨询不适用于代替专业、医学、心理学、精神病学、法律、税务、金融或者经济等方面的建议。咨询顾问对于咨询者对咨询建议的听从不负责任。用户和咨询顾问各自对自己的行为负责。诺亚占主不保证传授的或者提供的信息的现实性、准确性、完整性或者质量。
这一切表述得很清楚了。当然，相比于英国智者所遭受的屈辱，这还不算什么。根据法律，英国智者、预言者或者算命者必须事先告诉他们的客户，他们的服务"只是出于消遣的目的"。
这意味着我们应该放弃所有的股市预测吗?不必要，但我们必须知道一点，这些预测模型是怎么构造起来的，是如何起作用的。这样，我们也能够更多地知道，什么时候它们不起作用。所以，让我们来问一下专家的意见。
趋势跟踪模型：通过后视镜揣测前路的走向
安德烈·绍尔不是被人们称为传统基金经理的那一类。传统的基金经理会批判性地检视企业财务报表，努力挖掘国民经济的统计数据，思考企业的发展战略，研究市场关系，甚至询问企业管理层。然后，他们把所有这一切放到一起，构成最后的画面，并进行投资。
安德烈·绍尔不是这样的企业研究者，他是投资界称为"Quants"的那种人。"Quants"是数量分析的简称。绍尔是经济工程学博士，20多年来一直在这个领域工作。他是科沃尼阿姆资产管理公司管委会成员。他看上去并不完全像那些整天同大量数据和公式打交道的人。数量投资组合管理用统计方法来分析和评估资本市场的关联关系，以便为预测尽可能多地提供各种信息。
资本市场的数量分析是一种投资哲学。人们通过它收集大量的数据，并且长期观察其发展。借助于统计方法，数量分析研究所有可能的事件和因素对资本市场价格形成的影响，从以往的结果中来提出预测。"重要的是，你要依据长期数据，以便排除偶然事件的影响。你在顶测中只能考虑经济上有依据的关联关系。"绍尔以平缓的南德语调这样说道。这是关键之处：数量投资组合管理，利用的是与传统基金经理在所谓的基本面分析中使用的几乎相同的数据信息。在第一章中，我们通过汉克已经认识了这种类型的股市分析家。
我们可以这样来看待数量分析。人们收集大量数据，然后把各种各样的数据放到一个拥有巨大硬盘和高速处理器的银光闪闪的机器里，井借助一个数学模型加工这些数据。在经过几个超越大部分普通人的数学能力的计算步骤后，在打乱的数学数据的基础上，产生出一个建议。由于要加工处理大量的数据，人们又称像安德烈·绍尔这样的数量分析家为"数据捣鼓者"，或者叫"数据吞食者"。
人们必须这样来设想这种资本市场预测模型，这就好像开汽车，通过挡风玻璃看不到多少外面的情况，只能通过后视镜来操控汽车。从原则上来说，这不是一个错误的想法。如果人们看不到前面的话，那就看后面。希望前面的道路正好或者至少类似于身后的道路。如果弯道不是非常大的话，通过看后视镜，人们甚至可以拐弯。否则的话就只能根据感觉或者听觉来开车，这两者肯定不是什么好办法。
人们把什么样的数据放到这台闪光的预测机器里就是个个人爱好和信念的问题了。企业经营数据、股价的历史走势、汇率、利息、社会生产总值和舆论指标等所有数据以某种方式、在某个地方都会对大家产生某种影响。数量模型正是要描述这些关系。数量分析与我们已经认识的技术分析和股市占星术的最大的不同是，数量分析只是局限于从经济学角度来看合理的、可以客观衡量的、可以证明确实对有价证券价格有影响的因素，也就是从统计学上来说，可以检验的关联关系。
由此，可以避免仙鹤送子这样的伪关联。并且，通过取一个尽可能长的时间序列，就可以把注意力集中被长期证明的关联关系上。人们不想庆祝短期的业绩，就是那种被行家称为"即日买卖"的业绩，那只是在正确的时机应择了恰当的事物。绍尔说"即日买卖的决策是困难的，难以掌握的。"数学模型应该避开无系统性的预先设定和主观影响。投资决策应该客观地、基于固定的评估标准来进行。由此，人们就避开了最主要的错误根源：情绪化的和易冲动的人。
应该如何评价这种方法呢？从根本上来说，它无论如何总好过塔罗牌或者按照月光周期来投资。但在这里当然也存在一个缺陷：我们只能寄希望于过去会戴上未来的面具，重新从前门而入。用另一种表述就是，只要现状没有改变，这些模型就能够很好地预见未来。如果发生相反的情况，世界发生了根本性改变，也就是统计学家称为"结构断层"的现象，这些模型很快就失灵了。
我们可以大致这样设想：假设很多年以来，利息下降，股价就上涨，原因是利息的下跌使得融资条件改善了。当利息这次又下降时，我们的模型就会预测，股价正如过去一样上升。可是，也许在此期间总体经济气候发生了某些变化，上升的利息反而剌激了股价上涨（这也是可能的），由过去的经验得出的关联关系消失了。车已经撞到墙了，而我们在后视镜中看到的还是一条直道。糟糕的是，我们还从未真正知道，什么时候会出现这样的结构断层。在大部分情况下，我们是在事后，也就是汽车已经撞上墙时才能确定。2008年的世界性金融危机就是一种结构断层，但我们始终不知道，金融时空统一体中的这个裂缝对我们的预测模型有什么样的后果。
所以，不管这些数量模型所包括的时期有多长，不管在其背后支撑的经济理论有多么精湛，都无住预防这类不可预期的事件。这就是未来令人不快的地方，它的到来在大多数情况下是不可预期的。出于这个原因，也存在着这样的模型，根本不试图考虑长期发展方面的事，而是采集大量的数据，把它们同错综复杂的数学模型杂糅在一起，然后生成信号。这些信号告诉人们，什么时候应该进入或者退出市场。与上面描述的模型不同，在这里，人们在大多数情况下放弃了用经济理论来为买入或者卖出的决策继续辩解和说明，只是简单地考虑和观察是否存在一个统计学上的关联关系。所以，这些模型的取向是相对短期的，它们试图跟踪资本市场的短期运动或趋势，所以，人们称之为"趋势跟踪模型"。这类模型的目的在于及早地发现和确认，什么时候开始下降或者上升的趋势，也就是说，什么时候股价会转向另外一个新方向。特殊的信号，比如移动平均线会对基金经理进入或者退出市场给出预兆。
如果你现在回忆起第二章中提到的股市占星学家乌韦·克劳斯，你就一定会产生一些疑问。让我们回忆一下：
精明的投资者：为什么星星会对股票、债券或者其他价格有影响呢？
克劳斯：这纯粹是一个经验的东西。人们观察它是否起作用。如果根据德国股票指数的主相，对德国股票指数的预测在超过50%的情况下是正确的话，并且这种情况一再出现，那么，这就是一个明显的提示：使用占星术是有意义的。
不客气地说，趋势跟踪模型与股市星相学相距不远。只是趋势跟踪模型采用更多的数据。它不是关注星座的位置，而是关注以某种方式与股价有着某种联系的经济数据。如果它起作用了，那就是起作用了，对此还需要一个理由吗？这是一个看法问题。只要这类模型能够给人们带来盈利，它的使用者就不关心模型的经济学基础。
在结束我们在统计学和预测技术领域的漫游之前，还有一个问题：我们能从中学到什么？
别再上"证实偏见"的当了
最笨的、粘人的电脑用户（DAU）是所有计算机专业人员的噩梦。这是指那些确实对电脑一窍不通的使用者。因为他们不会使用电脑，所以时时刻刻来侵吞信息部门计算机专业人员的时间，折磨他们的神经。在时，为了能够使自己稍微轻松一点，计算机专业人员在网络上（或者其他地方）聚会，来交换他们跟这些愚蠢和恼人的电脑用户打交道的可怕经历。比如说，在daujones.com上就能找到一些有趣的经历和留言:
"你能给我装一个新的网络吗？我的网络只有一页……"
"请把DVD倒放回去！"
"你有DSL吗？"另一个人回答"有，在厨房。"
"我的iMac打不开。"我回答：“当您摁下启动键的时候它没有任何反应吗?"客户说"什么启动键?它根本就没有。"
"你们也清理烤面包机吗?"网络管理员说：“如果面包机是链接在网络上的话。"秘书："那我去看看。"
"我的电脑不工作了。""有报错信息吗？在您的屏幕上有什么显示？"“一个咖啡杯。"
"计算机忘记了我的密码！"
电脑管理员、IT专业人员或者工作人员在热线或者救助平台上能够讲述太多的此类经历，这些经历包含着一个同样的信息"带着工具的傻瓜还是一个傻瓜。"或者用德语谚语表述就是"人们可以给一头驴穿上夹克，戴上帽子，但白还是一头驴。"统计学或者说统计模型就类似于工具。如果能够很好地使用它，那么就能够从中获利;但如果不会使用它，那么就不能从中受益，因为带着工具的笨蛋还是一个笨蛋。
统计和统计学，数据和图表是高价值的和很有帮助的工具，但它们在对其一窍不通的使用者手中就会变成错误的航标，正如功能很强的电脑在愚蠢的使用者手中会导致上述种种现象。只不过错误投资比错误使用电脑造成的损失更大。以图形开始:动感的箭头符号、笔直延伸的数轴以及任意选择的时间横轴。我们的眼睛比大脑更窑易受到欺骗。不过，人们没再觉察到，我们的头脑高时也会受骗。比如说投资公司乐意做广告的排行榜。它们看起来很不错，并且，与之相联系的战略听起来也很符合逻辑：一个在这样一个排行榜中名列前茅的产品肯定是不错的，不是吗？
在这里，我们必须注意，不要陷入小数定律谬误。统计的事实不是从少数几个数据点推断出来的。如果根据某个产品3年来都在排行榜前列就认为这个产品是非常优秀的，那就是低估了偶然性的力量，而高估了这类零星数据的说服力。为什么基金公司只告诉我们过去3年的价值成长呢？为什么不是5年或10年的呢？估计是因为如果在5年或者10年的时间里，他们的业绩就不是这么耀眼了。他们相信，客户会把少数业绩表现出色的年份看作所高年份业绩表现的佐证。其实，这些广告是依赖于小数定律的。
这里还高一些应该针对这类排行榜提出的问题。什么是可以用来比较价值发展的正确标准？产品的提供者给出了正确的比较标准吗？可比较的产品都取得了怎样的业绩？有多少这类产品已经被清盘，而没有出现在统计数据之中呢？每个产昂提供者损失了多少收益？一旦人们想起产品提供者是用统计数据招揽客户，就会明白，应该自己来收集数据。至少在此期间，立法机构从法律的层面确立了这个准则，这就是通过在欧洲议会的一个指导方针中明确规定了"证券公司向客户或者潜在客户提供的所有信息，包括市场营销的消息……都必须是诚实可靠的、清晰的和不误导人的"。
可是，即使人们关心数据，也还得不断地防范证实偏见。我们有可能不是中立地、客观地，而是带有偏见地收集、选择和诠释关于某个项目的信息。如果我们认为某个产品是好的，那么就存在着调查相信息收集只是加深这种印象的危险，即使我们自己并不想这样，并且认为，自己做的调查是充分的和客观的。这种错误的后果就是，我们学得很少，并且很难改变自己的观点，而第一印象决定了以后所有的东西。
这里显示了广告的魅力。它的任务不是用信息说服我们，而只是给所涉及的产品制造一个良好的第一印象，剩下的我们自己就会做了。这说明了为什么投资公司都很乐意用知名人士做广告。著名的足球运动员、影星、豪门新贵或者是在一个热带丛林的营地里能让人把令人恶心的小动物倾倒在自己头上的人等知名人士都比较适合做广告。东德的演员、犯罪现场的探长、大众情人量弗雷德·克鲁科是所有股票广告知名人士的祖宗。1998年，他在一个商业广告短片中为德国电信做了一次广告。从此以后，德国电信业绩辉煌，至少从股票销售方面来说是这样的（1984年-2001年、曼弗雷德·克鲁科在德国连续剧《犯罪现场》中扮演探长，深受德国大众喜爱，他为德国电信做的广告影响很大。后来德国电信股票的暴政使得曼弗雷德·克鲁科的卢誉严重受损，他不得不多次在访谈中对因购买德国电信股票而遭受损失的股民道歉。——译者注）其他资本市场广告帮手是迪特·伯伦（德国著名音乐人，最大的长项是身兼数职：词曲创作、歌手、制作人、作家、选秀节目评委、八卦娱乐的主角。——译者注）的前女友、做菠菜广告的维罗娜·费德布苏和知名主持人戈特沙克兄弟，当然还高前世界足球先生、体育评论员和不愿理发的君特·内策。
为什么投资公司要请知名人士做广告呢？年轻的家庭、可爱的动物、五光十色的颜色或者有活力的图案肯定会更便宜一些，但估计不能产生这样显著的效果。没有人会相信，费德布苏女士是一个股市专家。但她也不一定非要是专家。虽然戈特沙克兄弟做邮政股票的广告，但他也直截了当地承认"如果有人相信我投资股票的能力，那我就是做错了什么事。"那为什么还要选戈特沙克呢？
如果我们考虑一下证实偏见，那么这个问题就迎刃而解了。通过广告，戈特沙克将正面的公众形象传这到股票上。那是否应该购买这只股票呢？这只股票让我们首先想起的是托马斯·戈特沙克，那个和蔼可亲的、有趣的和有魅力的主持人。这立即成为我们对这只股票的第一印象。现在，我们开始收集关于这只股票的信息。此时，就存在在潜意识中带着对戈特沙克正面的第一印象去做调查研究的危险，并且从这种正面的第一印象的角度去诠挥所有关于这只股票的信息。这就是证实偏见。到最后，我们会购买一只股票，不是因为我们认为这只股票不错，而是因为我们觉得这个男士很可爱。这位男士收了钱，用可爱的微笑向我们推荐这只股票。
我们再举一个买车的例子。你偏爱某种特定的汽车品牌。现在，你要买一辆新车。你应该更换品牌吗？因为，你已经偏爱某种特定品牌，要更换是很困难的。证实偏见会促使你带着己有观点来解释这个或者那个品牌的所有信息。而这会让你很难转到另一个品牌并让你愿意为新汽车支付比更换品牌的人要多得多的货币。市场营销研究人员非常关注这个问题，对此进行了研究。谁愿意为他的汽车支付更多的货币？是品牌忠诚者，还是更接了品牌的新害户？毫无疑问，一个对3000份新车购买合同的评估表明，品牌更换者为他的新车支付较少的货币。忠于别克品牌的老害户比第一次购买别克车的害户大约平均多支付1000美元。就奔驰而言，老害户为他的品牌忠诚甚至要多支付大约7500美元。我们为自己的汽车多付钱，因为我们相信它值这个钱，所以我们愿意多付钱，也这么做了。可见，证实偏见的代价是很高的。
我们能针对这种证实偏见做点什么呢？如果回忆一下这种偏见的后果，也许就知道怎么做了。有一个实验：给参与者看一系列几何图形，请他们猜测，这个系列图形有什么共同点？它们是根据什么规则组成的？在第一轮的猜测之后，他们形成了这样一种假设，即它们的共同点是红圈。接着，他们还必须猜测，蓝圈是否也与其有共同点。如果不这么做，他们就发现不了"，正确的构成图形的共同规则不是“所有高红圈"而是“所有圈"。一旦他们形成了"红圈"这个假设，他们就不再去寻找真他可能的假设，所以就可能猜错。这是典型的证实偏见。
类似这样的实验给我们显示的不只是证实偏见的后果，也给我们指出了逃离这座监狱的出路。为了避免过早地把自己固定在某个想法上，我们必须强迫自己，从相反的立场考虑问题。也就是说，要询问蓝圈的情况，即使我们认为这是错误的。即使结果证明是不对的，那么，蓝圈不属于构成规则这一点也是一个信息。所以，如果我们是通过戈特沙克先生认识邮政股票的，那么就要防止过于正面评估这只股票。我们必须有针对性地提问，是否再什么相反的论据。我们必须积极地探寻质疑我们立场的论据。当然，这并不是一种轻松的练习。
当然，更难的是面对和战胜自己的偏见。我们在一个具有非凡生活的人那里看到了这些弱点。