锚定效应

2024年底，我觉得一只消费股"跌到底了"

某消费股从高点跌了50%。PE 25倍，我觉得"跌了这么多应该到底了"。买完继续跌，跌到PE 15倍我才意识到——25倍PE本身就不便宜，我是因为"从100跌到50"才觉得便宜的。

100是锚，不是价值。也许它就值50。

但我当时完全意识不到自己在被锚定。我觉得自己的判断是理性的——"跌了50%，PE 25倍，不算贵"。但"跌了50%"这个信息本身就是锚：它让我的大脑从100出发做调整，调到50就觉得"差不多了"。我没有问自己一个更根本的问题：不考虑历史价格，这只股票到底值多少钱？

后来我学到一个方法：不看历史价格，只看当前估值。PE 15、PB 2.5、股息率 3%——这些数字跟它曾经从100跌到50没有任何关系。你买的是公司未来的现金流，不是它过去的价格。

经典实验：转盘怎么转，你就怎么想

1974年，Tversky 和 Kahneman 做了一个经典的实验。他们让参与者转一个 rigged 的幸运转盘，转盘只会停在10或65。然后问他们："联合国里非洲国家的比例是多少？"

结果：转到10的人，平均估计25%；转到65的人，平均估计45%。一个完全随机的数字，居然影响了他们对一个毫不相关问题的判断。

这就是锚定效应——你的大脑会被最先看到的数字"锚住"，从这个锚出发做调整，但调整永远不够。

更令人不安的是，锚定效应即使在你"知道"锚是随机的情况下仍然有效。Kahneman 后来做了很多变体实验，告诉参与者"这个数字是随机生成的，跟问题无关"，结果锚定效应只减弱了不到20%。你的理性知识无法完全关闭这个自动化的认知过程。

你的大脑为什么会被锚住

机制一：锚定-调整启发式 — 调整永远不够

Tversky 和 Kahneman 的原始解释是锚定-调整启发式（Anchoring and Adjustment Heuristic）：当你需要估计一个数值时，你会从锚出发做调整——但调整通常是不充分的。

为什么调整不充分？神经科学给出了答案。2008年一项fMRI研究（De Martino et al.）发现，当参与者从锚出发做调整时，前额叶皮层的背外侧区域（dlPFC）被激活——这是大脑的"调整执行器"。但dlPFC的工作记忆容量有限，它只能在有限的范围内做调整。

想象你的大脑有一个"调整预算"——从锚出发，你只能调这么多，预算用完了就停。从100出发，你的预算可能只够调到70。但真实价值可能是50。你的调整永远不够，因为你的认知资源是有限的。

更糟糕的是，当你疲劳、焦虑或信息过载时，调整预算会更小——锚定效应更强。所以盯盘一整天后做买入决策，比早上精神饱满时做决策，更容易被锚定。

机制二：启动效应 — 锚激活了支持它的证据

锚定效应的另一个解释是启动效应（Priming Effect）：锚数字激活了大脑中与该数字相关的语义网络，让你更容易想到支持这个数字的证据。

当你看到"从100跌到60"，你的大脑自动搜索"这只股票值100的理由"——曾经的业绩、曾经的机构推荐、曾经的行业前景。这些信息被"启动"了，更容易被提取。而"它可能只值50"的证据——当前的盈利能力、竞争格局、行业趋势——没有被启动，更难被想到。

神经科学研究发现，启动效应跟海马体的"模式完成"（pattern completion）功能有关。海马体会根据当前输入自动激活相关的记忆——看到100，它自动调出"100"相关的记忆网络。这个过程是无意识的、自动的，你无法阻止它。

机制三：选择性可及性 — 你只看到了锚支持的那一面

Strack 和 Mussweiler 在1997年提出了选择性可及性（Selective Accessibility）模型：锚定效应的本质是，锚让你先假设"答案是锚附近的值"，然后搜索支持这个假设的证据。因为确认偏误的存在，你总能找到一些支持的证据——于是假设变成了"结论"。

在投资中：看到"从100跌到60"→ 假设"60可能便宜"→ 搜索支持"60便宜"的证据（PE比100时低、技术面超卖、机构开始抄底）→ 确认"60确实便宜"→ 买入。

但你没有搜索"60可能不便宜"的证据——PE虽然比100时低但仍然高于行业平均、基本面在恶化、机构抄底只是短期行为。这些反面证据没有被启动，所以你没想到。

锚定效应 + 确认偏误 = 你被锚住了还觉得自己很理性。详见认知偏差与投资。

投资中的五种锚

锚定效应在投资中至少有五种表现形式，每一种都可能让你做出错误的判断。

锚一：历史高价

"从100跌到60，便宜了40%"——这是最常见的锚。100是历史高价，不是价值。也许100就是泡沫，60也不便宜。

A股尤其严重——股吧里、微信群里、雪球上，全在说"从高点跌了XX%"。这些信息不断强化你的锚，让你越来越觉得"便宜了"。

锚二：买入价

"我25块买的，现在20块，亏了20%"——买入价是另一个强大的锚。它让你把注意力放在浮盈浮亏上，而不是当前价格和内在价值的关系上。

买入价作为锚，直接导致处置效应和沉没成本谬误。你的所有决策都围绕"买入价"这个锚展开——赚了想跑，亏了想扛。

锚三：分析师目标价

"券商给的目标价50块，现在才30块"——分析师的目标价是第三个锚。但分析师的目标价本身可能就是错的——他们有自己的利益冲突（跟上市公司保持好关系、帮自家投行承销），而且他们的预测准确率长期低于50%。

更危险的是，多个分析师的目标价会形成"锚定共识"——当5个券商都给50块的目标价时，你会觉得"50块应该是合理的"。但这5个分析师可能都在用同一个锚——彼此的目标价。

锚四：成本价/发行价

"IPO发行价20块，现在才15块，破发了"——发行价是第四个锚。但发行价是投行定的，投行的目标是让发行成功，不是给投资者合理定价。A股历史上23倍PE限制导致发行价被人为压低，上市后暴涨——但注册制推行后，这个"锚"正在失效。

锚五：你上次看到的价格

这是最隐蔽的锚。你上周看到这只股票30块，这周看到28块——你觉得"跌了"。但如果上周是30块的时候你根本不关注这只股票，28块对你来说只是一个数字，没有"跌了"的感觉。

你上次看到的价格成了你的锚，让你觉得当前价格"偏离了正常"。但"正常"只是你上次看到的数字，不是内在价值。

我的应对方法

方法一：买入前只看估值，不看K线

PE、PB、股息率、自由现金流——这些数字跟它曾经从100跌到60没有任何关系。你买的是公司未来的现金流，不是它过去的价格。

我用FinBuddy的量化筛选做初筛，筛出来的公司只看估值指标，不看历史价格走势。这个规则帮我避开了好几个"看起来便宜其实不便宜"的陷阱。

但说实话，我现在看到"从高点跌了50%"还是会心动。锚定效应太深了，知道也没用，只能靠规则。

方法二：多锚策略

不要只看一个参考点。同时看行业平均PE、历史估值区间（5年PE band）、同行业可比公司。当多个锚指向同一个方向时，你的判断更可靠。

比如那只从100跌到60的消费股：行业平均PE 18倍，它PE 25倍；5年PE band显示PE在12-22之间，25倍已经超过历史区间上限；同行业可比公司PE 15-20倍。三个锚都指向"25倍不便宜"——但我当时只看了"从100跌到60"这一个锚。

方法三：独立估值 — 先算再看

在不知道当前价格的情况下先估算内在价值，再跟市场价格比较。这个方法来自格雷厄姆——他建议投资者先独立计算一家公司的"内在价值区间"，然后才看市场价格。

我的做法是：研究一家公司时，先不看当前股价，只看财报和行业数据，估算一个内在价值区间。然后才看当前价格——如果价格低于内在价值区间下限，买入；如果在区间内，观望；如果高于上限，不碰。

这个方法的本质是：让你先形成自己的锚（内在价值），再看市场给你的锚（当前价格）。当你的锚比市场的锚更合理时，锚定效应的负面影响就小了。

方法四：反向锚定 — 假设价格是0

这是一个极端但有效的思维实验：假设这只股票没有历史价格，你只知道它的财务数据——营收、利润、现金流、负债、PE、ROE。你愿意花多少钱买它？

如果答案是"最多30块"，而当前价格60块——那60块就是贵的，不管它曾经是100还是200。你的估值锚是公司的基本面，不是K线图上的数字。

# FinBuddy 锚定效应检测 — 买入前自动扫描
class AnchoringCheck:
    """检测买入理由中是否包含锚定效应信号"""

    ANCHOR_PATTERNS = [
        ("跌了", "锚定历史高价"),
        ("从高点", "锚定历史高价"),
        ("破发", "锚定发行价"),
        ("目标价", "锚定分析师目标价"),
        ("成本", "锚定买入价"),
    ]

    async def check(self, trade: TradeIntent) -> AnchoringReport:
        signals = []
        for pattern, bias_type in self.ANCHOR_PATTERNS:
            if pattern in trade.reason:
                signals.append(
                    f"锚定效应风险：买入理由包含'{pattern}'，"
                    f"属于{bias_type}。"
                    f"请基于估值而非历史价格做判断"
                )
        return AnchoringReport(
            has_anchoring=len(signals) > 0,
            signals=signals,
            suggestion="买入前只看PE/PB/股息率/FCF，"
                       "不看K线图和历史价格"
        )

我还在纠结的事

锚定效应说"不要被历史价格影响"，但价值投资里有一个重要概念叫"均值回归"——价格偏离均值太多会回归。而"均值"本身就是一个锚。

比如PE band：5年平均PE是18倍，当前PE 12倍——你说"低于均值，可能被低估"。但18倍这个均值本身就是一个锚。如果行业结构变了（比如竞争加剧导致利润率永久下降），18倍可能永远回不去了。你锚定在"历史均值"上，可能只是另一种锚定效应。

更深层的问题是：有没有不依赖锚的估值方法？DCF（折现现金流）理论上不依赖锚——你只需要预测未来的现金流和折现率。但预测未来本身就需要锚——你用什么作为增长的基准？历史增速？行业平均？分析师预期？每一个都是锚。

我目前的想法是：锚定效应不可能完全消除，但你可以选择更好的锚。内在价值比历史价格是更好的锚，行业平均比单一数字是更好的锚，多锚比单锚是更好的锚。关键是意识到你在用锚，然后问自己：这个锚合理吗？

但说实话，"意识到自己在用锚"本身就很难——因为锚定效应是无意识的。你可能以为自己在做独立判断，其实你只是从一个更好的锚出发做了更充分的调整。这到底是进步还是另一种自我欺骗？我不确定。详见损失厌恶和过度自信。

锚定效应速查表

维度	内容
定义	被最先看到的数字（锚）影响后续判断，调整永远不够
经典实验	Tversky & Kahneman（1974）幸运转盘实验：随机数字影响对不相关问题的估计
三大机制	锚定-调整启发式（调整预算有限）、启动效应（锚激活支持证据）、选择性可及性（只看锚支持的一面）
五种锚	历史高价、买入价、分析师目标价、发行价、上次看到的价格
我的规则	只看估值不看K线、多锚策略、独立估值（先算再看）、反向锚定（假设价格是0）
核心原则	你买的是公司未来的现金流，不是它过去的价格