人们的风险决策过程是一种重要的思维活动过程。思维作为认知心理学研究的一个课题，是通过判断、抽象、推理、想象、问题解决这些心理属性相互作用而进行信息转换，形成一种新的心理表征的过程。思维在思想过程三要素（包括思维、概念形成、问题解决）中范围最广，并具有综合而不是孤立的特性。问题解决只能借助思维来实现。问题解决的策略多种多样。一个问题可用不同的策略来解决，应用哪种策略既依赖于问题的性质和内容，也依赖于人的知识和经验。总的来说，人所应用的问题解决策略可分为算法和启发式两类。算法是解决问题的一套规则，它精确地指明解题的步骤。如果一个问题有算法，那么只要按照其规则进行操作，就能获得问题的解，这是算法的根本特点。启发式（heuristics）是凭借经验的解题方法，是一种思考上的捷径，是解决问题的简单笼统的规律或策略，也称之为经验法则或拇指法则（Rule of Thumb）。算法与启发式是两类性质不同的问题解决策略。虽然算法保证问题一定得到解决，但它不能取代启发法，因为首先不能肯定所有的问题都有自己的算法；其次，一些问题虽有算法，但应用启发式可以更迅速地解决问题；再者，许多问题的算法过于繁杂，往往耗时过多，实际上无法加以应用。因此，一般认为，人类解决问题、特别是解决复杂问题，主要是应用启发式。启发式主要有三种：代表性启发法、可得性启发法、锚定与调整性启发法。
4.4.2.1 代表性启发法
卡尼曼等（l982）在研究中认为，人们在不确定条件下，会关注一个事物与另一个事物的相似性，以推断第一个事物与第二个事物的类似之处。人们假定将来的模式会与过去相似并寻求熟悉的模式来做判断，并且不考虑这种模式的原因或者模式重复的概率。认知心理学将这种推理过程称之为代表性启发法（Presentative Heuristic）。它是指人们倾向于根据样本是否代表（或类似）总体来判断其出现的概率。例如，当一个客体或一个人具有的显著特征可以代表或极似所想象的某一范畴的特征，则它易被判断为属于该范畴。
代表性启发法与贝叶斯规则的预测在某些特定场合可能是一致的，从而造成人的概率推理遵循贝叶斯的印象。它是思想在处理现实世界问题时所走的捷径，这在大多数时候是很有效的。人们运用代表启发法判断问题时存在这样的认知倾向：喜欢把事物分为典型的几个类别，然后在对事件进行概率估计时，过分强调这种典型类别的重要性，不顾有关其他潜在可能性的证据。这种偏差的一个后果是，当证据明明是随机的时候，人们仍然倾向于发现其中的规律，并对此感到自信。例如，人们认定随机游走的数据往往并不是随机游走的，大多数投资人坚信“好公司”就是“好股票”，这是一种代表性启发法。这种认知偏差的产生是由于投资者误把“好公司”混同于“好股票”，而忽视了好公司在好股票中所占的比例，即基础比率。
一般情况下，代表性是一个有用的启发法，但它可能产生严重的偏差，其可能导致的错误可分为六类。
l）对结果的先验概率不敏感
对代表性没有影响但对概率有很大影响的因素之一就是结果的先验概率，或基础比率。当给出有用的证据时，先验概率会被很合理地使用；当给出没有价值的证据（噪声）时，先验概率却被忽视了。
2）对样本规模的不敏感
代表性还会导致另外一个偏差，即样本大小忽略。“忽略样本大小”意味着人们起先不知道数据产生过程时，趋向于在很少的数据基础上很快地得出结论。例如，人们会认为挑出了四支好股票的金融分析师是个天才，因为4次成功是好分析师的代表。忽略样本大小还会产生“热手”（hot hand）现象。例如，当一个球星在一场球赛中连进三个球时，球迷会确信该球员处于顶峰时期，即使没有其他证据可以证明该球员是个“热手”。这种认为小样本可以反映总体现象的观点被称为“小数定律”，即人们错误地认为小样本和大样本有相同类型的概率分布。
3）对偶然性的误解
人们认为，一个由随机过程产生的事件代表了该过程的本质特征。例如，在抛硬币时（其中H表示头像，T表示反面），人们错误地认为H-T-H-T-HT这个结果比H-H-H-T-T-T这个不随机出现的结果更有可能出现，也比H-H-H-T-H-H这个不能代表硬币公平性的结果更有可能出现。这就是由小数定律引起的“局部代表性”（local representativeness）。
局部代表性观念的一个结果是“赌徒谬误”（gambler's fallacy）。所谓赌徒谬误是指对于那些具有确定概率的机会，人们会错误地受到当前经历的影响而给予错误的判断。偶然性一般被称为一个自我矫正（均值回归）的过程，其中某一方向的偏离会随后出现相反方向的修复，从而重新达到平衡。事实上，一个随机过程并不会矫正偏离。
4）对可预测性的不敏感(www.xing528.com)
对公司收益的预测通常使用代表性启发法。例如，假设一个人要求根据对某一公司的描述而对该公司的未来利润进行预测。如果对该公司的描述看上去很不错，那么高利润对那个描述显得很有代表性。相反，如果描述是平常的，那么平常的业绩显得有代表性。这样，如果人们只根据描述的有利方面进行预测，则他们的预测将对证据的真实性和预测的准确性不敏感。这种判断模式违背了标准统计理论。标准统计理论认为，预测的结果和范围是由可预测性的因素决定的。当可预测性为零时，所有的例子都可以得到相同的预测结果。例如，如果公司的描述并不提供与收益有关的信息，那么所有的公司都预测得到相同的价值（如每股收益）。相反，可预测性越强，预测收益的范围会越大。
5）有效性幻觉
正如我们所看到的，人们经常通过选择最能代表输入（如对某个人的描述）的结果（如某一职业）来进行预测。人们对他们预测的信心主要依赖于代表性的程度。而对影响预测准确性的因素考虑很少甚至不考虑，这就可能导致“有效性幻觉”（Illusion of Validity）。
6）对均值回归的误解
在随机过程中，变量可能按随机游走分布，或者符合均值回归的趋势。由短期结果导致推断过度的倾向，反过来导致对“均值回归”的错误理解。由于看到很多模式都偏离正常状态，因此我们不会期望进一步的观察看起来更接近正常状况。对均值回归的误解引起对观察回归现象的伪解释。
4.4.2.2 可得性启发法
可得性启发法（Availability Heuristic）是指人们倾向于根据一个客体或事件在知觉或记忆中的可得性程度来评估其相对概率，容易知觉到的或回想得起来的被判定为更常出现的。可得性在评估频率和概率时是有用的线索，因为大集合（更容易得到的事件）的例子通常比小集合（不容易得到的事件）能更好更快地获得。因此，可得性启发法在事件的可得性与其客观频率有高度的相关时是非常有用的，然而，依靠可得性进行预测可能会导致以下四种偏差：
（l）由于例子的可获取性而导致的偏差。
（3）意象偏差。
（4）虚幻的相互作用导致的偏差。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
