过度自信

回测年化 40%，实盘亏了 15% — 我以为我找到了圣杯

我以为我找到了圣杯

2025年10月，我用 Backtrader 写了一个量化策略，回测5年数据，年化收益40%，最大回撤12%。看着那条漂亮的上扬曲线，我激动坏了。

我连夜把策略发给了三个朋友，说"我可能找到了一个年化40%的策略"。他们的反应都是："真的假的？先小资金试试。"

我没听。11月开始实盘，一个月亏了15%。

后来我才知道，这个错误有个名字——过度自信。而且我不是特例，60%的投资者都表现出过度自信（Arditi, 1995），尤其是在信息不充分的环境下。详见投资日志里的完整踩坑记录。

数据打脸：你以为你行，其实你不行

深交所2025年的调查显示：散户自评投资能力平均7.4分（满分10分），但实际盈利者仅占18.9%。76.3%的散户觉得自己能跑赢市场，实际只有12.8%跑赢沪深300。

这不是A股独有的现象。全球范围的研究都指向同一个结论：投资者系统性高估自己的能力。

  • 美国 — 1998年对81,000个散户账户的研究（Barber & Odean）发现，交易最频繁的投资者年化收益比市场低6.5%。他们不是不自信——恰恰相反，他们太自信了，觉得自己每次交易都能赚。
  • 台湾 — 对台湾证券交易所的研究发现，散户平均每年因过度交易损失3.8%的收益。
  • 全球 — 多国研究一致发现，约60%的投资者认为自己的投资能力在平均水平以上——这在数学上是不可能的。
过度自信的悖论

如果60%的人认为自己高于平均水平，那至少有10%的人在说谎——不是故意说谎，是他们真的这么认为。过度自信最阴险的地方在于：你不知道自己过度自信。如果你知道，你就不会过度自信了。这是一个认知盲区，你站在盲区里面看不到盲区。

达克效应：越不懂越自信

1999年，心理学家 David Dunning 和 Justin Kruger 做了一个经典的实验：让康奈尔大学的学生参加逻辑、语法和幽默感测试，然后让他们预测自己的排名。

结果令人震惊：排名倒数25%的学生，预测自己的排名在前60%——他们不仅做得很差，还完全意识不到自己做得差。而排名前25%的学生，反而低估了自己的排名——他们觉得别人应该也做得不错。

这就是达克效应（Dunning-Kruger Effect）：能力低下者因缺乏判断自身水平的认知基础，无法识别自己的错误与不足，反而高估自身能力。而真正的专家因为知道事情有多复杂，反而会低估自己。

在投资中，达克效应的典型表现是一条曲线：

  1. 愚昧之巅 — 刚学了PE、ROE、DCF，觉得自己已经掌握了投资的精髓。"这还不简单？低PE买入，长期持有，稳赚不赔。"
  2. 绝望之谷 — 实盘亏了，发现自己什么都不懂。"我可能根本不适合投资。"
  3. 开悟之坡 — 开始承认自己的无知，建立规则和框架。"我知道我不知道什么。"
  4. 平稳高原 — 谦虚但自信，知道自己的能力圈边界。"我能在能力圈内做出合理判断，圈外的事我不碰。"

我2019年刚入市时就在"愚昧之巅"——觉得价值投资就是"买低PE的股票长期持有"，简单得很。2022年跌到"绝望之谷"——上海封城、俄乌冲突、美联储暴力加息，三重打击下我开始怀疑一切。2024年底爬上"开悟之坡"——读完巴菲特致股东的信，建立了安全边际/护城河/能力圈的框架。现在大概在"开悟之坡"的半山腰——知道自己还有很多不懂的，但至少知道不懂什么。

达克效应的神经基础

为什么越不懂越自信？神经科学给出了部分答案。前额叶皮层的背外侧区域（dlPFC）负责元认知——评估自己判断的可靠性。但这个区域在处理你不太了解的领域时，激活程度反而更低（Kruger & Dunning, 2009的后续fMRI研究）。也就是说，你越不懂，大脑的"自我检查"功能越弱——它不是检查失败后给你发警报，而是根本没启动检查程序。你不知道自己不知道，因为"知道自己不知道"本身就需要专业知识。

自利偏差：赚了是我牛，亏了是市场傻

过度自信的另一个核心驱动是自利偏差（Self-serving Bias）：成功归因于能力，失败归因于外部因素。

赚了觉得"我判断对了"，亏了觉得"市场不理性"。这种归因方式让你永远觉得自己比实际更强，从而在下一次决策时承担更大的风险。

我的自利偏差记录

我翻了一下2024年的投资日志，数了一下：

  • 赚钱的时候，我写的理由是："选股逻辑正确""安全边际足够""耐心持有得到了回报"——全是内部归因。
  • 亏钱的时候，我写的理由是："市场情绪太差""板块轮动太快""政策突然转向"——全是外部归因。

但回头看，赚钱和亏钱的决策过程其实差不多——都是看财报、算估值、设止损。区别只是结果不同。结果好的时候我归功于自己，结果差的时候我归咎于环境。这不是诚实，是自利偏差在帮我维护自尊。

自利偏差的神经机制

2016年日本理研脑科学中心的研究发现，当人的判断被证明正确时，腹侧纹状体（奖赏中枢）被强烈激活，释放多巴胺。这种多巴胺信号不仅让你感到愉悦，还会强化"我的判断是对的"这个信念——即使你的判断只是碰巧对了。

反过来，当判断错误时，前扣带皮层（ACC）被激活——这是大脑的"错误检测器"。但ACC的信号很弱，很容易被前额叶的合理化机制覆盖。"不是我判断错了，是市场不理性"——这种想法不是你故意骗自己，是大脑自动帮你找台阶下。

更阴险的是，自利偏差会跟确认偏误形成正反馈。你赚了一次 → 自利偏差让你觉得"我判断对了" → 确认偏误让你在下一次只看支持自己判断的证据 → 你更自信地做出更大的赌注 → 如果又赚了，循环加速；如果亏了，"市场不理性"。

控制错觉：我写了代码，所以我控制了风险

过度自信在量化投资者中尤其严重。为什么？因为控制错觉（Illusion of Control）。

控制错觉是指：当你对某个过程有更多控制感时，你会高估自己影响结果的能力。写代码、调参数、跑回测——每一步都让你觉得"我在掌控"。但回测的掌控感是虚假的：你掌控的是历史数据，不是未来。

我的回测踩坑三件套

2025年10月那个"年化40%"的策略，踩了三个经典的过度自信陷阱：

1. 过拟合 — 我以为我发现了规律，其实我在拟合噪音

5年数据，调了20多次参数，每次都让曲线更好看。但这不是在发现规律，是在拟合噪音。换一组数据，策略立刻失效。

过拟合的本质就是过度自信——你相信你的策略捕捉到了市场的真实规律，但市场大部分时候的波动就是噪音。你拟合得越精确，对未来越不适用。

2. 未来函数偷看 — 我以为我的策略很聪明，其实它在作弊

我的策略用了一个"当日最高价"的指标，但回测时这个数据在开盘时是不知道的。等于偷看了未来信息。修掉之后，回测收益直接砍半。

未来函数是最隐蔽的过度自信——你甚至不知道你在作弊。你的策略看起来很聪明，但它聪明的原因是它知道未来会发生什么。

3. 没算滑点 — 我以为交易没有成本

回测里买卖都是按收盘价成交的，但实盘哪有那么好的事？滑点、手续费、冲击成本，每笔交易多吃0.3-0.5%。高频策略这些成本能把利润吃光。

忽略交易成本是另一种过度自信——你假设自己能以理想价格成交，但市场不是你家开的。

修完之后

加了Walk-forward分析、蒙特卡洛模拟、严格滑点计算之后，回测收益从年化40%降到18%。但至少这个18%是诚实的。详见投资日志。

我现在对回测结果的态度变了：回测说能赚20%，我预期10%，实际可能5%。这样心态好很多。

# Walk-forward 回测 — 对抗过度自信
def walk_forward_test(strategy, data, train=3, test=1):
    """用前N年训练，第N+1年验证，滚动前进"""
    results = []
    for i in range(train, len(data) - test):
        train_data = data[i-train:i]
        test_data = data[i:i+test]
        params = optimize(strategy, train_data)
        result = backtest(strategy, test_data, params)
        results.append(result)
    return results  # 样本外收益，通常比全量回测砍一半

能力圈：知道你不知道什么

巴菲特说："投资者最重要的能力不是评估一个行业的利润率，而是知道自己的能力圈边界。"

我2024年底踩过一个能力圈外的坑。买了一只科技股，理由是"AI芯片是未来"。但我对半导体行业一窍不通——不懂制程、不懂晶圆代工、不懂库存周期。买完之后股价波动剧烈，我完全不知道该加仓还是止损。最后亏了12%割肉出局。

12%不算多，但那种"完全不知道发生了什么"的感觉比亏钱还难受。你在黑暗中做决策，每一个涨跌都是信息噪音——因为你没有解读信息的知识框架。

能力圈为什么这么难守

守能力圈难，不是因为诱惑多，是因为你不知道圈的边界在哪。

达克效应告诉我们：越不懂越自信。所以当你站在能力圈边界往外看时，你不会觉得"我不懂"，你会觉得"这也不难嘛"。只有真正走进去亏了钱，你才发现"原来我不懂"——但这时候学费已经交了。

我的经验是：如果你不能用三句话说清楚一家公司靠什么赚钱、为什么能持续赚钱、什么情况下会不赚钱，那你就不在能力圈内。不是"大概知道"，是能清晰地说出来。

我的能力圈测试

买入前，我强迫自己回答三个问题：

  1. 这家公司靠什么赚钱？（商业模式）→ 如果说不清，不买
  2. 为什么它能持续赚钱？（竞争优势/护城河）→ 如果找不到，不买
  3. 什么情况下它会不赚钱？（风险点）→ 如果想不出三个以上，说明研究不够深，不买

2024年那只科技股，三个问题我一个都答不好。但我还是买了——因为"AI芯片是未来"这六个字太有说服力了。这就是过度自信：你用一个模糊的信念替代了具体的分析。

我的应对方法

过度自信是最难克服的偏差，因为你不知道自己过度自信。但我试了几种方法，效果还行——至少让我从"愚昧之巅"爬下来了。

方法一：记录预测准确率

我建了一个表格，每次做判断都记下来——"我判断这只股票会涨/跌，理由是XXX"。然后定期回头看，统计正确率。

结果？我的判断正确率大概60%——比扔硬币好一点，但远没有我自以为的那么高。这个数字打醒了我。当你用数据面对自己的判断力时，过度自信就很难维持了。

方法二：找反面证据

研究一家公司时，我强迫自己写"不该买的5个理由"。如果5个理由都站不住脚，再买。我甚至让FinBuddy的AI帮我找反面证据——它比我自己客观，因为它没有"我已经研究了20个小时"的沉没成本。

这个方法来自决策科学里的"预尸检"（pre-mortem）技巧：假设投资已经失败了，倒推失败的原因。如果你能想到很多失败的原因，那你的信心可能过高了。

方法三：24小时冷却期

想买的时候等24小时。如果24小时后还想买，再买。我试过10次冷却期，7次放弃了。那些冲动买入的理由，睡一觉再看就不那么有说服力了。

冷却期的本质是给系统2一个启动的时间窗口。系统1的冲动来得快去得也快——你只需要撑过那几分钟。详见决策科学。

方法四：回测打折

回测说能赚20%，我预期10%，实际可能5%。这不是悲观，是对过度自信的校准。

学术研究给出了具体的打折系数：Walk-forward分析通常把回测收益砍40-60%。所以回测年化40%，诚实预期是16-24%。再算上滑点和交易成本，可能只剩10-15%。

方法五：严格能力圈

不懂的行业不碰。这条规则让我错过了AI行情，但也让我避开了科技股12%的亏损。值不值？我不知道。但至少我睡得着觉。

# FinBuddy 过度自信校准 — 回测结果打折
class OverconfidenceCalibrator:
    """对回测结果进行过度自信校准"""

    WALK_FORWARD_DISCOUNT = 0.5   # Walk-forward通常砍一半
    SLIPPAGE_COST = 0.003         # 每笔交易滑点0.3%
    TRANSACTION_COST = 0.001      # 每笔交易手续费0.1%

    def calibrate(self, backtest_return: float,
                  trade_freq: int) -> float:
        """校准回测收益，对抗过度自信

        Args:
            backtest_return: 回测年化收益率
            trade_freq: 年交易次数

        Returns:
            校准后的预期收益率
        """
        calibrated = backtest_return * self.WALK_FORWARD_DISCOUNT
        annual_cost = (self.SLIPPAGE_COST + self.TRANSACTION_COST) \
                      * trade_freq
        return max(0, calibrated - annual_cost)

# 使用示例
raw = 0.40  # 回测年化40%
calibrated = OverconfidenceCalibrator().calibrate(raw, 50)
# 结果约 0.14 — 诚实预期年化14%

我还在纠结的事

过度自信的反面不是谦虚，是瘫痪。如果你永远觉得自己可能是错的，那你永远不敢做任何决策。

巴菲特和芒格极度自信——他们对自己的判断有强烈的信念。但他们也经常说"我们犯了很多错误"。所以问题是：自信到什么程度算过度？

我目前的想法是：自信应该跟证据的强度匹配。如果你研究了一家公司6个月，看了5年年报，算了DCF，理解了商业模式和竞争格局——那你对"这家公司值多少钱"的判断可以有适度自信。但如果你只是因为"AI是未来"就买入——那你的自信就是过度的。

区分的标志是：你能不能说出你可能是错的三个原因。如果能，你的自信可能是合理的。如果不能，你大概率过度自信了。

但说实话，我有时候也分不清"合理自信"和"过度自信"的边界。尤其是当你连续做对了几次之后——你怎么知道下一次不是过度自信？你不知道。你只能用规则来约束自己，然后祈祷规则比你的直觉靠谱。

过度自信速查表

维度内容
定义系统性高估自己的知识、能力和判断准确性
数据散户自评7.4分，实际盈利仅18.9%；76.3%觉得能跑赢市场，实际12.8%
三大机制达克效应（越不懂越自信）、自利偏差（赚了归己亏了归外）、控制错觉（我写了代码所以我控制了风险）
量化特供过拟合、未来函数偷看、忽略滑点
我的规则记录预测准确率、找反面证据、24小时冷却期、回测打折、严格能力圈
核心原则假设自己可能是错的——如果你说不出你可能是错的三个原因，你大概率过度自信了