7.5 行为经济学：为什么人总是做出"不理性"的决策？

传统经济学假设人是"理性人"——但行为经济学告诉你：人不是机器，情绪、偏见、习惯都会影响决策。理解这些"不理性"，你就能在市场中找到"套利机会"。

开篇：一个关于"冰淇淋"的故事

假设你去冰淇淋店，有两个选择：

• A 型：装在小杯子里，但装得满满的（溢出来那种）
• B 型：装在大杯子里，但只装了 80%

理性分析：B 型冰淇淋更多（大杯 80% > 小杯 100%）。

但大多数人选了 A 型——因为"满满一杯"看起来更"值"。

这就是行为经济学的核心：人不是按"理性"做决策的，而是按"感觉"做决策的。

---

第一章：行为经济学的诞生——从"理性人"到"真实人"

1.1 传统经济学的"理性人"假设

传统经济学有一个核心假设：人是理性的。

• 你会计算所有选项的"期望效用"
• 你会选择"效用最大化"的那个选项
• 你不会被情绪、偏见、习惯影响

但现实是：

• 你会因为"怕亏"而卖掉赚钱的股票，却死拿着亏钱的股票
• 你会因为"别人都买"而跟风买 meme 币
• 你会因为"沉没成本"而继续投入一个失败的项目

记忆锚点：传统经济学的"理性人"就像"完美机器"——输入数据，输出最优决策。但真实的人更像"有情绪的动物"——会恐惧、会贪婪、会跟风。

1.2 卡尼曼和特沃斯基的"革命"

1970 年代，两位以色列心理学家——丹尼尔·卡尼曼和阿莫斯·特沃斯基——开始研究一个问题：为什么人会做出"不理性"的决策？

他们做了一系列实验，发现人类决策存在系统性的"偏差"（bias）。这些偏差不是"偶然"的，而是"普遍"的——几乎所有人都会犯同样的错误。

2002 年，卡尼曼获得诺贝尔经济学奖——这是心理学家第一次获得经济学奖。

记忆锚点：卡尼曼和特沃斯基就像"经济学家中的福尔摩斯"——他们发现了人类决策的"犯罪现场"，并找出了"嫌疑人"（各种认知偏差）。

1.3 两个系统——快思考和慢思考

卡尼曼在《思考，快与慢》中提出：人类有两套思维系统：

系统	特点	类比	例子
系统 1（快思考）	自动、直觉、情绪化	"自动驾驶"	看到蛇就跳开
系统 2（慢思考）	刻意、逻辑、理性	"手动驾驶"	计算 17 × 24

问题：系统 1 很快但经常出错，系统 2 很准但很懒（需要消耗能量）。

所以大多数时候，我们用系统 1 做决策——这就导致了各种"不理性"行为。

记忆锚点：系统 1 = "直觉反应"（快但不准），系统 2 = "深思熟虑"（准但慢）。投资时，系统 1 让你追涨杀跌；系统 2 让你理性分析。问题是：系统 2 很懒，经常"请假"。

---

第二章：前景理论——为什么"亏 100 块"比"赚 100 块"更痛

2.1 前景理论的核心发现

卡尼曼和特沃斯基最重要的发现是前景理论（Prospect Theory）。它解释了为什么人在面对风险时，会做出"不理性"的选择。

核心发现：人对"损失"的敏感度是对"收益"的敏感度的 2-2.5 倍。

一个实验：

• 选项 A：100% 获得 900 元
• 选项 B：90% 获得 1000 元，10% 什么都不得

大多数人选 A（确定的收益）。

但反过来：

• 选项 C：100% 损失 900 元
• 选项 D：90% 损失 1000 元，10% 什么都不损失

大多数人选 D（赌一把，希望不损失）。

结论：

• 面对收益时，人是风险厌恶的（宁可拿确定的 900，也不赌 1000）
• 面对损失时，人是风险偏好的（宁可赌一把，也不接受确定的损失）

记忆锚点：前景理论 = "赚了想落袋为安，亏了想赌一把翻本"。这就是为什么散户总是"卖赢持亏"——卖掉赚钱的股票（怕利润消失），死拿亏钱的股票（希望回本）。

2.2 前景理论在加密市场的表现

现象一：卖赢持亏

• 你买了 BTC，涨了 20% → 你卖掉（"落袋为安"）
• 你买了 ETH，跌了 20% → 你不卖（"等回本"）
• 结果：你的组合里只剩下亏损的币

现象二：处置效应

• 研究发现：投资者卖掉盈利股票的概率比卖掉亏损股票高 1.5 倍
• 这与前景理论完全一致——对收益风险厌恶，对损失风险偏好

现象三：沉没成本谬误

• 你在一个项目上投了 10 万元，现在项目快归零了
• 理性决策：止损（过去的投入已经是"沉没成本"）
• 实际决策：继续持有（"我都投了这么多了，不能放弃"）

记忆锚点：前景理论的加密版 = "涨了怕跌，跌了盼涨"——涨的时候想卖（风险厌恶），跌的时候不卖（风险偏好）。这是人性，但也是亏损的根源。

2.3 如何克服前景理论的偏差？

方法一：设定止损线

• 买入时就设定止损线（如 -15%）
• 触及止损线时，无条件执行
• 不给"系统 1"犹豫的机会

方法二：定期再平衡

• 每月/每季度检查一次持仓
• 卖出涨幅过大的资产（无论是否"看好"）
• 买入跌幅过大的资产（无论是否"恐惧"）

方法三：用"系统 2"做决策

• 写下买入和卖出的理由
• 定期回顾：当初的理由还成立吗？
• 如果理由不成立，无论盈亏都调整

记忆锚点：克服前景理论 = "用规则代替直觉"——设定止损线、定期再平衡、写下决策理由。让"系统 2"接管，不要让"系统 1"冲动决策。

---

第三章：锚定效应——为什么你总是被"第一个数字"骗

3.1 什么是锚定效应？

锚定效应 = 你的决策被"第一个信息"严重影响。

一个经典实验：

1. 让受试者转一个幸运轮盘（随机停在 10 或 65）
2. 然后问："非洲国家在联合国中的百分比是多少？"
3. 结果：转到 10 的人平均猜 25%，转到 65 的人平均猜 45%

轮盘的数字和非洲国家毫无关系——但它"锚定"了人们的判断。

记忆锚点：锚定效应 = "先入为主"——你看到的第一个数字，会像"锚"一样拉着你的判断。就像船锚——船会被锚拉着，无论水流怎么动。

3.2 锚定效应在加密市场的表现

现象一：历史高点锚定

• BTC 在 2021 年 11 月达到 $69,000
• 2022 年跌到 $16,000 时，很多人说"等回到 $69,000 再卖"
• $69,000 成了他们的"锚"——无论基本面如何变化

现象二：买入价格锚定

• 你在 $3,000 买了 ETH
• ETH 涨到 $4,000，你觉得"才涨了 33%，还不够"
• ETH 跌到 $2,500，你觉得"亏了 17%，不能卖"
• 你的决策被 $3,000 这个"锚"控制了

现象三：分析师目标价锚定

• 某分析师说"BTC 年底到 $100,000"
• 这个数字成了市场的"锚"
• 即使基本面变化了，很多人还是锚定在 $100,000

现象四：代币发行价锚定

• 一个新代币发行价 $1
• 涨到 $10 时，你觉得"涨了 10 倍，太贵了"
• 跌到 $0.5 时，你觉得"半价，便宜了"
• 但 $1 可能本身就是一个"虚高"的定价

记忆锚点：锚定效应的加密版 = "你总是在和一个'虚拟数字'比较"——历史高点、买入价格、分析师目标价。这些数字可能毫无意义，但它们控制了你的决策。

3.3 如何克服锚定效应？

方法一：忽略买入价格

• 问自己："如果我现在没有持有这个币，我会以当前价格买入吗？"
• 如果答案是"不会"，那就应该卖出
• 买入价格是"沉没成本"，与未来决策无关

方法二：多角度看估值

• 不要只看价格，看市值、TVL、收入、用户数
• 用多个估值模型（DCF、相对估值、网络效应）
• 避免被单一数字"锚定"

方法三：关注基本面变化

• 问自己："当初买入的理由还成立吗？"
• 如果理由不成立，无论价格如何，都应该卖出
• 如果理由成立，无论价格如何，都应该持有

记忆锚点：克服锚定效应 = "忘记买入价格，关注基本面"——你的买入价格不重要，重要的是这个资产的未来价值。

---

第四章：羊群效应——为什么"别人都买"你也想买

4.1 什么是羊群效应？

羊群效应 = 跟随大多数人的决策，即使这个决策可能是错的。

一个类比：你在街上看到一群人往同一个方向跑。你的第一反应是什么？——跟着跑。即使你不知道他们在跑什么。

为什么？

• 信息不对称：别人可能知道你不知道的事
• 社会压力：不想被"落下"
• 进化本能：在远古时代，跟着群体更安全

记忆锚点：羊群效应 = "从众心理"——别人做什么，你也做什么。就像羊群——每只羊都在跟着前面的羊跑，没有羊在看方向。

4.2 羊群效应在加密市场的表现

现象一：FOMO（Fear Of Missing Out）

• 某个代币涨了 10 倍
• 你看到别人在晒收益
• 你忍不住也买了——即使你对这个项目一无所知
• 结果：你买在了顶部

现象二：恐慌抛售

• 某个代币暴跌
• 你看到别人在恐慌卖出
• 你也卖了——即使你的投资逻辑没有变化
• 结果：你卖在了底部

现象三：社交媒体的"回音室"

• 你在 Twitter 上关注了一堆"BTC 到 100K"的博主
• 你只看到看涨的信息
• 你的判断被"回音室"强化了
• 结果：你忽视了风险信号

现象四：meme 币热潮

• 2024 年，PEPE、WIF、BONK 等 meme 币暴涨
• 大量散户涌入——不是因为看好项目，而是因为"别人都在赚"
• 结果：大多数人买在顶部，亏损出场

记忆锚点：羊群效应的加密版 = "别人赚钱你也想赚，别人亏钱你也想跑"——你的决策不是基于分析，而是基于"别人在做什么"。这是散户亏损的主要原因之一。

4.3 如何克服羊群效应？

方法一：建立独立的分析框架

• 不要听"别人说什么"，要自己分析
• 用数据和逻辑做决策，不是情绪和从众
• 写下你的投资逻辑——如果逻辑成立，就坚持

方法二：远离社交媒体噪音

• 减少刷 Twitter/Telegram 的时间
• 不要被"晒收益"的人影响
• 关注基本面，不是情绪面

方法三：逆向思维

• 当所有人都看涨时，问自己："有什么风险被忽视了？"
• 当所有人都看跌时，问自己："有什么机会被忽视了？"
• 巴菲特说："别人贪婪时恐惧，别人恐惧时贪婪"

方法四：设定规则

• 不追涨：涨幅超过 50% 的币不买
• 不恐慌抛售：跌幅在止损线内的不卖
• 定期再平衡：不受情绪影响

记忆锚点：克服羊群效应 = "做一只离群的羊"——别人跑的时候，你先看看方向。最赚钱的人，往往是那些"不合群"的人。

---

第五章：过度自信——为什么你总觉得自己比别人聪明

5.1 什么是过度自信？

过度自信 = 高估自己的知识、能力和判断的准确性。

一个经典实验：

• 问受试者："你确信你的答案正确的概率是多少？"
• 大多数人说"90%"
• 但实际上，他们答对的概率只有 70%

为什么会过度自信？

• 幸存者偏差：你只记得成功的预测，忘记了失败的
• 控制错觉：你觉得你能控制随机事件
• 自我归因：赚了归功于自己，亏了归咎于运气

记忆锚点：过度自信 = "高估自己"——你觉得你比实际上更聪明、更准确、更有控制力。就像开车——90% 的人认为自己的驾驶技术高于平均水平（这在统计上不可能）。

5.2 过度自信在加密市场的表现

现象一：过度交易

• 过度自信的投资者交易更频繁
• 但交易越频繁，收益越低（因为交易成本和错误决策）
• 研究发现：最活跃的交易者，收益比最不活跃的低 6.5%/年

现象二：低估风险

• "这个项目我研究得很透，不会出问题"
• "LUNA 的机制很完美，不可能崩盘"
• 结果：集中持仓，一次崩盘就亏光

现象三：预测过度自信

• "BTC 年底肯定到 $100,000"
• "ETH 下个月涨 50%"
• 结果：预测准确率远低于预期

现象四：归因偏差

• 赚了钱："我分析得准"
• 亏了钱："市场不理性"、"项目方跑路"、"黑天鹅"
• 永远不认为是自己的问题

记忆锚点：过度自信的加密版 = "我比市场聪明"——你觉得你能预测走势、能选中百倍币、能逃顶抄底。但市场比你聪明，它有无数参与者，你只是其中一个。

5.3 如何克服过度自信？

方法一：记录你的预测

• 写下你对市场的预测（价格、时间、理由）
• 定期回顾：你的准确率是多少？
• 你会发现自己远没有想象中那么准

方法二：分散投资

• 不要把所有钱押在一个币上
• 即使你"非常看好"，也不要超过总仓位的 20%
• 承认你可能是错的

方法三：设定"愚蠢检查"

• 买入前问自己："如果我是错的，最大亏损是多少？"
• 如果最大亏损你无法承受，就减少仓位
• 假设你总是可能是错的

方法四：学习贝叶斯思维

• 不要说"这个币肯定涨"
• 要说"这个币涨的概率是 60%，跌的概率是 40%"
• 当新信息出现时，更新你的概率估计

记忆锚点：克服过度自信 = "假设你总是可能是错的"——分散投资、记录预测、设定止损。最聪明的投资者，不是那些"总对"的人，而是那些"知道自己可能错"的人。

---

第六章：损失厌恶——为什么"亏 100 块"比"赚 100 块"更痛

6.1 什么是损失厌恶？

损失厌恶 = 人对"损失"的敏感度是对"收益"的敏感度的 2-2.5 倍。

一个实验：

• 给你 1000 元
• 选项 A：确定获得 500 元（总共有 1500 元）
• 选项 B：50% 概率获得 1000 元，50% 概率什么都不得（总共有 1000 或 2000 元）

大多数人选 A（确定的收益）。

但反过来：

• 给你 2000 元
• 选项 C：确定损失 500 元（总共有 1500 元）
• 选项 D：50% 概率损失 1000 元，50% 概率什么都不损失（总共有 1000 或 2000 元）

大多数人选 D（赌一把）。

结论：面对损失时，人变得"风险偏好"——宁可赌一把，也不接受确定的损失。

记忆锚点：损失厌恶 = "亏钱的痛苦 > 赚钱的快乐"——同样金额的损失和收益，损失带来的心理痛苦是收益带来的快乐的 2 倍多。这就是为什么你总是"卖赢持亏"。

6.2 损失厌恶在加密市场的表现

现象一：死拿亏损币

• 你买了 XYZ 币，跌了 50%
• 你不愿意卖——因为卖掉就"确认"了亏损
• 你宁愿"假装"没亏——只要不卖，就还有希望
• 结果：越亏越多

现象二：过早卖出盈利币

• 你买了 ABC 币，涨了 30%
• 你赶紧卖掉——因为怕利润"消失"
• 结果：ABC 币后来涨了 10 倍

现象三：回本心态

• "等 BTC 回到 $60,000 我就卖"
• 但 BTC 涨到 $60,000 时，你又想"等 $70,000"
• 结果：永远等不到"回本"的那天

现象四：风险规避过度

• 因为"怕亏"，你把所有钱存银行
• 但通胀每年侵蚀 3% 的购买力
• 你"没亏"，但你的钱越来越不值钱

记忆锚点：损失厌恶的加密版 = "亏了不认，赚了就跑"——死拿亏损币（不认亏），过早卖出盈利币（怕利润消失）。这是人性，但也是亏损的根源。

6.3 如何克服损失厌恶？

方法一：重新定义"亏损"

• 不要把"卖出亏损"看作"失败"
• 把它看作"止损"——保护了剩余的资金
• 止损不是亏损，是"保险费"

方法二：设定机械规则

• 亏损超过 15%，无条件卖出
• 盈利超过 100%，卖出一半
• 不给"感情"参与的机会

方法三：关注机会成本

• 死拿亏损币 = 资金被"锁定"
• 这些资金可以用于更好的投资
• 问自己："如果我现在没有持有这个币，我会买入吗？"

方法四：用"框架效应"对抗损失厌恶

• 不要关注"赚了多少/亏了多少"
• 关注"总资产变化"
• 把投资组合看作一个整体，不是单个币

记忆锚点：克服损失厌恶 = "止损是保护，不是失败"——设定止损线、关注机会成本、把投资组合看作整体。最成功的投资者，不是"从不亏"的人，而是"亏了能及时止损"的人。

---

第七章：心理账户——为什么你会把钱"分类"

7.1 什么是心理账户？

心理账户 = 人会把钱分成不同的"账户"，并用不同的规则对待它们。

一个经典实验：

• 场景 A：你花了 100 元买了一张电影票，到了电影院发现票丢了。你会再花 100 元买一张吗？
• 场景 B：你准备了 100 元去买电影票，到了电影院发现丢了 100 元。你会花 100 元买票吗？

理性分析：两种情况完全一样——你都损失了 100 元。

但大多数人：

• 场景 A：不再买票（"我已经花了 100 元买票，再花 100 元就太贵了"）
• 场景 B：买票（"丢了 100 元是'现金账户'的事，买票是'娱乐账户'的事"）

记忆锚点：心理账户 = "你把钱分成了不同的'罐子'"——工资罐、奖金罐、投资罐、娱乐罐。虽然都是钱，但你对它们的态度不同。就像你不会用"买菜钱"去赌博，但可能会用"意外之财"去赌博。

7.2 心理账户在加密市场的表现

现象一："利润不是钱"

• 你用 $1,000 买了 BTC，涨到 $3,000
• 你把 $2,000 的利润"记在另一个账户"——觉得这是"白赚的"
• 你用这 $2,000 去赌高风险的山寨币
• 结果：$2,000 亏光了

现象二："工资不能亏"

• 你用工资 $5,000 投资加密货币
• 你非常谨慎——因为这是"血汗钱"
• 但你用"奖金" $2,000 投资时，却很激进——因为这是"意外之财"
• 结果：奖金亏光了

现象三："不同交易所的钱"

• 你在 Binance 有 $10,000，在 OKX 有 $5,000
• 你在 Binance 亏了 $3,000，但在 OKX 赚了 $2,000
• 你觉得"OKX 账户是赚的"，"Binance 账户是亏的"
• 但实际上，你的总资产只减少了 $1,000

现象四："不同币种的钱"

• 你把 BTC、ETH、SOL 分别看作不同的"账户"
• BTC 赚了，ETH 亏了，SOL 平了
• 你只关注"BTC 赚了"，忽略了"ETH 亏了"
• 结果：你高估了自己的收益

记忆锚点：心理账户的加密版 = "你把钱分成了'BTC 账户'、'ETH 账户'、'山寨币账户'"——每个账户独立看待，但它们其实都是"你的钱"。应该关注总资产，不是单个账户。

7.3 如何克服心理账户？

方法一：统一视角

• 把所有资产看作一个"投资组合"
• 不要关注单个币的盈亏，关注总资产变化
• 定期计算"总资产收益率"

方法二：利润也是钱

• 把利润和本金看作"同样的钱"
• 不要因为"利润是白赚的"就去冒险
• 1 元利润 = 1 元工资 = 1 元

方法三：跨平台统一管理

• 用一个仪表盘管理所有交易所的资产
• 不要因为"分在不同平台"就区别对待
• 总资产 = 所有平台的总和

---

第八章：框架效应——同样的信息，不同的"说法"，不同的决策

8.1 什么是框架效应？

框架效应 = 同样的信息，用不同的方式呈现，会导致不同的决策。

一个经典实验：

• 场景 A："这个手术有 90% 的存活率"
• 场景 B："这个手术有 10% 的死亡率"

理性分析：两个说法完全一样。

但大多数人：

• 场景 A：更愿意做手术（"90% 存活率，很安全"）
• 场景 B：更不愿意做手术（"10% 死亡率，太危险了"）

记忆锚点：框架效应 = "换一种说法，换一种心情"——同样的事实，正面说法让人乐观，负面说法让人悲观。就像同一杯水，"半满"和"半空"给人的感觉完全不同。

8.2 框架效应在加密市场的表现

现象一：项目方的"话术"

• "我们的协议锁仓量增长了 200%"（正面框架）
• 实际上：锁仓量从 $100 万涨到 $300 万（基数很小）
• "我们的协议锁仓量只有 $300 万"（负面框架）

现象二：分析师的"话术"

• "BTC 从 $15,000 涨到 $30,000，翻了一倍"（正面框架）
• "BTC 从 $69,000 跌到 $30,000，跌了 57%"（负面框架）
• 同一个价格（$30,000），不同的"框架"

现象三：新闻标题的"话术"

• "美联储降息 25 基点，市场反应积极"（正面框架）
• "美联储仅降息 25 基点，低于市场预期"（负面框架）
• 同一个事件，不同的框架

现象四：你的自我对话

• "我亏了 50%"（负面框架 → 恐慌）
• "我还有 50% 的本金"（正面框架 → 冷静）
• 同一个事实，不同的心态

记忆锚点：框架效应的加密版 = "同一根 K 线，不同的人看到不同的故事"——涨了 10% 可以是"突破"，也可以是"超买"；跌了 10% 可以是"回调"，也可以是"崩盘"。你的框架决定了你的情绪，你的情绪决定了你的决策。

8.3 如何克服框架效应？

方法一：多角度看数据

• 不要只看一个指标
• 看绝对值（"涨了 100%"），也看相对值（"从 $1 到 $2"）
• 看短期（"本周涨了 10%"），也看长期（"今年跌了 30%"）

方法二：质疑"框架"

• 当你看到一个正面/负面的说法时，问自己："换个说法呢？"
• "涨了 200%" = "从 $0.01 涨到 $0.03"——听起来不那么厉害了
• "跌了 50%" = "从 $0.00001 跌到 $0.000005"——实际上只是几分钱

方法三：用数字代替叙事

• 不要被"故事"吸引，关注"数字"
• "这个项目很有前景"（叙事）vs "这个项目的 TVL 是 $1000 万"（数字）
• 数字比故事更可靠

---

第九章：可得性偏差——为什么你总是被"最近的事"影响

9.1 什么是可得性偏差？

可得性偏差 = 人倾向于根据"容易想起来的事"来判断概率。

一个经典实验：

• 问："字母 K 开头的单词多，还是 K 为第三个字母的单词多？"
• 大多数人说"K 开头的多"
• 实际上：K 为第三个字母的单词是 K 开头的单词的 3 倍

为什么？ 因为 K 开头的单词更容易想起来（King、Kitchen、Key……）。

记忆锚点：可得性偏差 = "你能想到的，就是重要的"——但实际上，你想不到的可能更重要。就像冰山——你只看到水面上的部分，水下的部分更大。

9.2 可得性偏差在加密市场的表现

现象一：被"最近的事"过度影响

• 你刚看到一个项目跑路了
• 你觉得"所有项目都会跑路"
• 但实际上，跑路的项目只是少数

现象二：被"轰动事件"过度影响

• FTX 崩盘后，你觉得"所有交易所都不安全"
• 但实际上，大多数交易所是安全的
• LUNA 崩盘后，你觉得"所有算法稳定币都会崩"
• 但实际上，DAI 运行得很好

现象三：被"身边的人"过度影响

• 你的朋友在某个币上赚了 10 倍
• 你觉得"这个币很好"
• 但实际上，你朋友可能只是运气好

现象四：被"媒体"过度影响

• 媒体大量报道"比特币被盗"
• 你觉得"比特币不安全"
• 但实际上，比特币网络从未被攻破

记忆锚点：可得性偏差的加密版 = "你总是被'最近的新闻'和'身边的故事'影响"——但这些不代表整体。不要用"个案"推断"整体"。

9.3 如何克服可得性偏差？

方法一：用数据代替直觉

• 不要问"我最近听到了什么"
• 问"数据告诉我什么"
• 用历史数据、统计分析代替"印象"

方法二：考虑"基线概率"

• 不要只看"这个项目跑路了"
• 看"所有项目中，跑路的比例是多少"
• 基线概率比个案更重要

方法三：扩大信息来源

• 不要只关注"轰动新闻"
• 关注"常态"——大多数时候，市场是平静的
• 不要被"噪音"干扰判断

---

第十章：加密市场的"行为经济学"实战

10.1 加密市场的"情绪周期"

行为经济学解释：

• 底部：损失厌恶 + 可得性偏差（只记得亏损）→ 恐惧
• 顶部：过度自信 + 羊群效应（别人都在赚）→ 贪婪
• 最赚钱的策略：在恐惧时买入，在贪婪时卖出

10.2 行为经济学指标

指标	含义	数据来源	用法
恐惧贪婪指数	综合情绪指标	Alternative.me	<20 买入，>80 卖出
资金费率	多空力量对比	Binance/Bybit	费率过高 → 过度乐观
社交媒体情绪	社交媒体上的看涨/看跌比例	LunarCrush	极端情绪 → 反向操作
交易所净流入	资金流入/流出交易所	Glassnode	大量流入 → 可能抛售
巨鲸动向	大户的买卖行为	Whale Alert	巨鲸买入 → 利好

10.3 实战案例：用行为经济学分析 2024 年 meme 币热潮

背景：2024 年初，PEPE、WIF、BONK 等 meme 币暴涨。

行为经济学分析：

偏差	表现
羊群效应	"别人都在赚，我也要"
过度自信	"我能找到下一个 100 倍币"
可得性偏差	"我看到有人赚了 100 倍"
框架效应	"只涨不跌的牛市"
心理账户	"用利润买 meme 币，亏了也不心疼"

结果：

• 大多数散户买在顶部
• meme 币在 3 个月内回撤 70%+
• 只有早期入场和及时出场的人赚了钱

教训：

• 当所有人都在谈论 meme 币时，就是泡沫的信号
• 不要被"别人赚钱"的故事影响
• meme 币是"投机"，不是"投资"——用你能承受亏损的钱

---

第十一章：OPC 的行为经济学工具箱

11.1 反偏差清单

每次做投资决策前，检查自己是否犯了这些偏差：

偏差	检查问题	如果是 → 行动
前景理论	我是否因为"怕亏"而不止损？	设定止损线并执行
锚定效应	我是否被买入价格/历史高点锚定？	关注基本面，忽略价格
羊群效应	我是否因为"别人都买"而买？	独立分析，不跟风
过度自信	我是否觉得自己"一定对"？	分散投资，设定止损
损失厌恶	我是否死拿亏损币？	亏损超过止损线就卖
心理账户	我是否把利润和本金区别对待？	关注总资产
框架效应	我是否被"叙事"影响？	用数字代替故事
可得性偏差	我是否被"最近的事"过度影响？	看数据，不看印象

11.2 行为经济学 Prompt 模板

你是一个行为经济学分析师。请分析我当前的投资决策是否存在认知偏差。

## 我的决策
[描述你的投资决策]

## 请检查以下偏差
1. 前景理论：我是否因为"怕亏"或"贪赚"而做出非理性决策？
2. 锚定效应：我是否被某个"数字"锚定了？
3. 羊群效应：我是否在"跟风"？
4. 过度自信：我是否高估了自己的判断？
5. 损失厌恶：我是否在"死拿亏损"或"过早卖出盈利"？
6. 心理账户：我是否把钱"分类"了？
7. 框架效应：我是否被"叙事"影响了？
8. 可得性偏差：我是否被"最近的事"过度影响了？

## 输出格式
- 每个偏差：是/否 + 理由
- 综合评估：这个决策是否理性？
- 改进建议

---

核心洞察

一辈子记住的三句话

1. 人不是机器——情绪、偏见、习惯都会影响决策，这就是行为经济学的核心
2. 市场不是"完全有效"的——因为参与者不是"完全理性"的，这就创造了套利机会
3. 克服偏差的方法不是"变得更理性"，而是"用规则代替直觉"——设定止损线、定期再平衡、写下决策理由

---

参考与延伸

[1] Kahneman, D. "Thinking, Fast and Slow"（2011）— 行为经济学经典

[2] Tversky, A. & Kahneman, D. "Judgment under Uncertainty: Heuristics and Biases"（1974）— 认知偏差的开创性论文

[3] Kahneman, D. & Tversky, A. "Prospect Theory: An Analysis of Decision under Risk"（1979）— 前景理论的原始论文

[4] Thaler, R. "Misbehaving: The Making of Behavioral Economics"（2015）— 行为经济学的通俗读物

[5] Ariely, D. "Predictably Irrational"（2008）— 非理性行为的有趣案例

[6] Baker, M. & Wurgler, J. "Investor Sentiment in the Stock Market"（2007）— 投资者情绪与市场