第六章 熱門股交易——投機、投資，與行為財務學
 
集團企業時代最惱人的一個問題，就是專業投資業界—投資法人、共同基金及研究分析師—會被桑頓等集團企業操作者所迷惑。李頓工業公司或許是一個幻象，但並非詐欺。它在注解滿布的年報或交給證管會的申報中並沒有隱瞞什麼。這些文件顯示的是一位魅力十足推銷員亮麗的事業組合。從一開始，因為獲利爆發的關係，李頓工業的股票表現就非常好，股價倍數不斷提高，1965年時，李頓工業的本益比已經高達三十三倍，到1968年1月首次宣布獲利下降前，本益比已經漲到四十倍。值得注意的是，李頓在1968年並沒有宣布虧損，只是宣布獲利下降約19%，而且公司也沒有爆發弊端，股價卻從90美元暴跌到53美元。不必是證券分析師也看得出來，股價居於如此高檔的股票，只要碰到一點風吹草動，便可能導致大災難，因此，為什麼這麼多專業人士會看不出來？

一般認為，專業投資人因為了解投資成功的推動力量，會審慎檢視公司報給證管會的文件，會計算特定產業生存與發展的機率，衡量真值，然後明智下注，博取最大的利得。但數據資料並沒有反映相同結論。專業投資人不能分辨好股與壞股，以致無法戰勝大盤的最著名論述，就是艾佛瑞．柯爾斯三世（Alfred Cowles Ⅲ）在1932年最後一天對辛辛那提經濟學會的演講。柯爾斯以前訂了很多種不同的股市報導雜誌，他覺得應該只要訂一種就夠了—當然應該是訂最好的—但他卻找不到跟股市分析師過去表現有關的記錄資料，因此，他從1928年起，開始蒐集發行最廣的理財報導過去的績效記錄，並借助打卡計算機研究這些記錄。柯爾斯研究十六種統計報導、二十五家保險公司報告、二十四份預測性新聞信，以及威廉．漢彌爾頓（William Peter Hamilton）從1903年12月到1929年12月在《道氏理論》（Dow Theory）刊物上所發表的評論，發現只有極少數人曾經打敗過大盤。更糟的是，柯爾斯還發現，極少數贏過大盤的人所獲得的績效也「比純粹的機運好不到哪裡去」。他把幾百張市場隨機分析的卡片組合起來，發現卡片擊敗分析師後，發表了最後的聲明。先鋒集團（Vanguard Group）的傳奇性創辦人約翰．柏格（John C Bogle）2003年11月3日在美國參院金融管理、預算暨國際證券小組委員會聽證會上，指出了專業投資人創造的報酬乏善可陳的慘狀。他的論點是，投資業界的競爭本質，會造成共同基金的平均報酬率等於大盤報酬率減掉共同基金所收取服務費後的數值。柏格在聽證上說：
 
以S&P 500指數為準，美國股市在1984年到2002年期間，平均年報酬率為12.2%。同期內，共同基金平均報酬率為9.3%，出現這種差距的原因並不十分複雜：業界經理人聘用的投資專家競逐最好的股票，結果就是平均化。因此，一般共同基金在扣除費用前，賺到的平均報酬應該等於市場報酬率。由於估計的共同基金所有費用每年平均為3%左右，因此，業界扣除費用後的年度報酬率比大盤報酬率低2.9%，似乎證實了上述極為合理的論點。
 
柏格說，專業投資人無法打敗大盤，資料顯示他們在扣除共同基金的管理費用前，績效仍比大盤差1%，為什麼呢？原因似乎是專業投資人偏好績優股。如前所述，熱門的績優股平均績效都比較低劣。

專業投資人通常都根據投資報酬決定薪酬，為什麼會追逐可能導致報酬率低於平均值的股票？或許他們是在不知不覺中這樣做，賴康尼秀等人針對這點研究，發現專業投資人也會判斷錯誤，根據績優股過去的成長率推斷，即使這種成長率非常不可能持續，也是如此。他們就像外行投資人一樣，犯了太注重評估中特定股票近期表現的投資毛病，忽視熱門、高成長話題股報酬率機率的理性先例。這種判斷錯誤很普遍，不僅見於股市，也見於對不確定未來情況的預測中，這種情形叫作「忽視基本比率」，針對這種狀況開創研究的是兩位行為財務學先驅卡尼曼和阿摩斯．特佛斯基（Amos Tversky），兩人在他們開創性的論文〈不確定下的判斷：捷思和偏誤〉（Judgment under Uncertainty: Heuristics and Biases）中，大大凸顯這種情況的重要性。他們發現，我們對不確定的未來事件下決定時，會根據三個捷思、捷徑或經驗法則，協助我們把複雜的認知任務變成比較簡單的做法，每個做法卻導致我們對未來事件做出不好的決定，因為這樣會造成我們去思考不相關的證據，因而移轉了考慮事情基本機率的注意。
 
這三個捷思是：代表性、可得性、錨定與調整。代表性使我們只考慮到事情是否與既定印象相符。例如，卡尼曼和特佛斯基要一群人分辨某人是律師還是工程師，而這個人是從七十位工程師和三十位律師中任意挑選出來的，然後他們描述選出來的這個人的特質，這群人於是以所描述的特質，判斷這個人是律師或工程師，而不是根據機率做判斷。如果不描述特質，則這群人就會正確的依據機率，做出判斷。這個例子說明了，如果沒有特定的代表性資訊，我們會正確的依據機率，但如果獲得沒有價值的代表性資訊，則會傾向於忽視先驗機率，而遭到誤導。而可得性引導我們只考慮能輕易想到的東西，因為這些東西和我們的個人經驗有關。例如，我們評估一般中年人的心臟病突發風險時，想到的是我們認識的人，而不是考慮機率。最後，錨定與調整會讓我們固守著第一印象，即使面對要我們改變觀點的額外證據，仍然如此。