导读：投资表面上是一场数学的游戏，但数学的尽头是哲学。许多伟大的数学家，有着深刻的哲学思考。在投资中，也有像索罗斯这样的“哲学家”。他把其导师波普尔教授的思想作为理性生活的基础，最终创造了著名的反身性投资理论。

诺安基金多资产投资部总经理孔宪政，也是一名具有深度哲学思维的基金经理。他深受波普尔的哲学思维影响，认为量化投资是在不确定的世界中寻找规律，并且利用这些规律进行规则化的投资。量化投资领域的核心，是建立科学的思维方式，对任何问题都带有客观的态度，而不要被心中的“思想钢印”蒙蔽双眼。

孔宪政性格中的客观性，成为了他在量化投资领域巨大的竞争优势，使得他的模型建立在科学性的框架之上，不仅能保持持续的迭代，还能规避人脑线性化思维带来的盲点。

孔宪政很早就实现了量化模型从多因子策略向机器学习的迭代，充分利用人工智能对非线性规律上的捕捉能力，实现了超额收益对人脑理解范围的突破。随着模型变得越来越聪明，孔宪政也在不断减少主观判断的部分，让聪明的模型成为一台“阿尔法印钞机”。

从结果上看，孔宪政实现了多策略多产品线的超额收益。以微盘股超额收益为目标的诺安多策略混合，其A类过去一年实现了100.74%的收益率；以跑赢沪深300为目标的诺安沪深300指数增强，在严控跟踪误差的约束条件下，过去一年取得了15.42%的收益率，跑赢同期沪深300指数2.06%（数据来源：Wind；数据截止：2025年7月1日）。

孔宪政有许多深刻的思考，比如说他提到诺安多策略并非依靠“小市值风格”。虽然两者的短期波动性同步，但是拉长时间看诺安多策略大幅跑赢了同期的小市值代表指数如中证2000指数等。两者收益率巨大的差距，就是通过机器学习实现的超额收益。再比如说，他发现基金收益率的难以预测，和其所投的上市公司的业绩增速难以预测有关。为了解决这个问题，他在量化模型中淡化了业绩增速的预期。

再比如说，他曾经提到A股市场存在“注意力价值”。由于大量企业的盈利能力无法满足投资者的收益需求，所以会形成投资者注意力不断的轮换。把这个特点使用得当，就能在微盘股投资中获得显著的超额收益。

从这些思考中，能看到孔宪政遵循事物的本质。他走了一条并不拥挤的量化投资道路。通过长期科学化和系统化的思维方式，对任何事物的答案用批判性思维寻找真相，找到底层的超额收益来源。而市场上很多寻找超额收益的方式，都在来自对过去事物的归纳，因而很多时候会难以抵抗错误归因和统计的失效。

不出意外，在孔宪政的书单中，我们看到了大量哲学、甚至人类学和心理学类的书籍。包括波普尔的《猜想与反驳》、《客观知识》，让-保罗·萨特的《存在与虚无》，詹姆斯·弗雷泽的《金枝》，荣格的《原型与集体无意识》等。作为一个读书爱好者，我们居然一本书都没有看过。也从一个侧面体现了孔宪政的思考深度。

以下，我们先分享一些来自孔宪政的投资“金句”：

1. 量化投资本质上用一种科学的方法对证券市场进行建模，寻求可证伪并大概率能在未来复现的规律，并最终影响证券市场的方式。

2. 量化要遵循波普尔的“猜想-反驳”手段，在不确定的世界中寻找规律，并且尽可能规则化。

3. 基金的业绩难以持续背后的原因很多来自技术进步和产业结构变迁太快导致企业和行业的业绩增速很难持续。

4. 对于过去有效的低频因子，要尽可能找到这个规律或者因子未来一段时间能维持有效性的理由，才能进行使用。

5. 许多投资人认为，微盘股的超额收益来自小市值风格，事实上并非如此。

6. 我们长期不懈的坚持投资科学化、系统化，在数据的基础上运用批判性思维寻找答案，能够发现超额收益并不拥挤的地方。

7. 波普尔说有三个世界，一个是客观外部世界，一个是精神世界，一个是人类创造物的世界。回顾过去的成长历程，重要的时刻都是来自对这三个世界的认知进步。

8. 人倾向于用故事的形式理解世界，倾向于在没有关联的东西中，强行制造关系来理解世界。而这往往是很多投资亏损的来源。

量化是一种思维方式

朱昂：您从业经历非常丰富，在量化投资领域有着多年的经验，能否先谈谈这些年来，您是如何一步步形成对量化投资的理解？

 孔宪政 我在读博士的五年时间中，主要学习了多因子相关的方向。毕业后，我做过的量化投资包括债券和衍生品、宏观资产配置、多因子、基本面，以及现在用得比较多的机器学习。整体来说，从学习到工作我基本上对量化投资的各个方面都涉足的相对完整一些。

很多人提到量化，自动会和股票投资、高频交易等同起来。我认为这是对量化比较片面的理解。量化投资本质上用一种科学的方法对证券市场进行建模，寻求可证伪并大概率能在未来复现的规律，并且最终影响证券市场的方式。

我认为量化要遵循波普尔的“猜想-反驳”的科学知识发现方式，在不确定的世界中寻找规律，并规则化的过程。所以量化的本质是一种思维模式，并不局限在股票投资，也不局限在高频交易。科学的思维模式，能够在各项资产和资产组合的投资中，都起到作用。低频也可以是量化，债券、商品、外汇、资产配置也可以是量化，不取决于资产类别，而取决于思维方式。

朱昂：无论是量化投资还是主观投资，持有人都希望产品的超额收益是可预期的，但这恰恰是资产管理行业的痛点，主观投资的公司会发生基本面变化，而量化投资也面临更拥挤的竞争，您是如何解决这个问题的？

 孔宪政 投研工作的核心是预测未来，本质上这就是非常困难的。无论是主动还是量化，都会发现有许多不可控的因素。大部分好的解决方案的共同点是，理解自己能把握的那部分知识，去对冲自己不可控和不理解的部分。无论是价值投资、市场中性、还是多因子投资等，大多数都是服从这个规律的。我们也不断探索用现代技术去找到突破人类线性思维规律的方法。

再具体一点说，总有人提到很多基金的业绩很难持续。进一步分析背后的原因，我们发现很大一部分原因是因为基金所投的企业和行业的业绩增速本身就很难持续。由于国内的科技进步非常迅速，加速了产业变迁和商业环境的变化，给基金投资带来了较高的难度。

所以我们其中一些的解决方案是：

1）淡化对公司业绩增速的预期，能够提高收益的稳定性；

2）严格衡量各个风格因子的超额收益性价比。我们的模型对于风格因子有一些预判能力。但这些因子带来更高超额收益的同时，也会引起超额收益的波动。整体而言，纯阿尔法的超额收益稳定性更高。当然，如果更多追求长期总超额收益的最大化，也需要考虑风格因子产生的收益。

一般人量化管理人会寻找过去有效的规律，希望这个规律在未来也会有效。我一般假设是，所有的统计规律最终都会失效。所以，要尽可能找到这个规律或者因子未来一段时间能维持有效性的理由，才能进行使用。

做个类比，在主动权益的投资中，理论上所有的公司最终都会倒闭。但确实有一些公司因为更好的商业模式，能够比其他公司活得更久，在生命周期中创造更多的总自由现金流。那么主动权益的投资者，就要把这些公司和其他公司区分出来。

量化投资也是同样的道理，要把相对更有效的因子区分出来，像理解公司一样去理解因子。对于主动权益来说，不能仅仅因为一个公司过去涨得很好，就认为未来会一直涨下去。量化也不能因为一个因子过去表现很好，就假设未来也会表现很好。

朱昂：诺安策略精选的收益方式，和格雷厄姆经典的价值投资理论类似，也有许多主动投资采用这种方式，我们的优势是什么？

 孔宪政 诺安策略精选投资方式的核心源自格雷厄姆的价值理论。我们践行格雷厄姆的经典价值投资，寻找被忽视的股票，关注这些股票的稳定盈利能力，而非价格波动，同时借助人工智能的运用，寻找低买高卖的机会以增厚收益。这样风格更容易稳定，行业暴露也会有严格控制，遇到价值陷阱，也能更客观的及时退出。

实际上我们看格雷厄姆的经典著作，他是比较推崇一篮子买入低估值的股票，等到合理估值的时候卖出。格雷厄姆的许多论述，都用了比较量化的语言。巴菲特前期也更多采用低估值的方法。（但可惜的是这种方法容量相对受限，例如格雷厄姆的学生施洛斯的基金业绩很好但一直规模不大）这一点和他后期规模大了之后精选少数好股票，并且长期持有的方式，是有比较大区别的。

我们的这个产品，在底层思想上更接近格雷厄姆。用更规则化的方式，执行深度价值的投资方式。

微盘股投资的核心是超额收益

而非小市值因子

朱昂：您曾经提到，微盘股长期对沪深300有显著的超额收益，背后是来自“注意力价值”，能否展开谈谈？

 孔宪政 “注意力价值”这个词，或许讲得有些抽象。本质上，A股市场很多企业的盈利能力，在满足投资者收益需求上仍有欠缺。所以，A股市场的投资者只能不停变换自己的注意力，不断轮换市场热点。

投资者的这个行为，形成了比较显著的统计规律。如果能把这个统计规律运用得当，就会产生微盘股长期的超额收益。

朱昂：另一方面，微盘股的超额收益，如何在每天的交易中实现，特别是公募基金的量化投资会相比私募面临更多的限制，如何把数据上的收益变成产品的真实收益？

 孔宪政 微盘股指数虽然名字叫指数，但它特有的编制方式造成其可跟踪性很弱，本质上可以把它理解为一个过于理想化的量化策略。而公募基金确实存在换手率、交易成本、集中交易等限制。要把微盘股指数的表现变成产品净值，就需要通过选股产生超额收益。我们用机器学习的方式，找到微盘股中未来有超额收益的股票，能够弥补公募基金在交易层面的限制。

从实际的产品业绩看，我们实现了设计目标。诺安多策略实盘两年来的超额收益和2023年6月底之前的回测数据基本一致。

朱昂：关于机器学习的方式，能否再展开谈谈，现在许多量化也都在用机器学习，但对于投资者来说又像是一个黑盒子？

 孔宪政 机器学习相比于多因子模型，最大的优势在于能够捕捉到非线性规律。在机器学习出现之前，传统的多因子模型主要集中在线性领域。近年来，采用非线性结构的神经网络大语言模型实现了智力上的飞跃。也进一步鼓励我们用类似的架构去理解股价运动中的非线性规律。

非线性规律的出现，也很大程度上超越了人类大脑所能直观理解的范围，这个特点，使得机器学习就像一个黑盒子，也是我们必须要接受的。

在量化投资领域，有一部分人坚持模型的可解释性，聚焦于线性模型。我们更希望发挥模型在非线性领域的能力。本质上，这也是一种观念上的差异。我们目前看到的大语言模型、DeepSeek等，也类似于一个黑盒子的状态，但是大部分使用者似乎也并不介意。

朱昂：在机器学习的模型上，你们和市场上其他量化机构有什么差异吗？

 孔宪政 整体来说，公募的模型和私募的相比，会偏低频一些，更偏基本面一些。模型构建上，每家机构的信念不一样，做法也有较大区别。例如是更相信多因子模型还是更相信机器学习？还是一半一半？相信多因子的话是更侧重阿尔法因子还是更侧重对风险因子择时？用机器学习的话是更多采用传统机器学习还是更多使用深度学习？是否使用机器学习来构建因子？还是更多采用端到端？就像人生一样，每一步都有很多分叉，不同的选择出来的效果也会有很大的区别。整体上，我们的模型更倾向于端到端的的神经网络构建。从实践效果来看，也实现了我们预期的效果，在沪深300上实现了行业领先的信息比率，在多策略上实现了行业领先的超额。在样本外的表现和我们回测的结果基本一致。

朱昂：海外量化把市值因子作为一种风险因子，认为小市值带来的超额收益并不可持续，您认为在中国市场微盘股投资的超额是否会被环境的变化带来收敛？

 孔宪政 我觉得微盘股在中国市场的超额收益，长期而言并不会收敛。许多投资人认为，微盘股的超额收益来自小市值风格，事实上并非如此。如果我们用日度数据做比较，会发现微盘股的产品表现和小市值风格具有很强的相关性。但是把时间拉长看，两者的收益差距是越拉越大的。回看过去20年，微盘指数涨了数百倍，远远超过了小市值风格的涨幅。

从我们的实盘来看也是如此，诺安多策略产品在过去两年的实盘中，取得了80%多的收益率，而代表小盘股指数的中证2000同期只上涨了7%不到，两者差距同样是越拉越大，跟长期规律基本一致从中看到，诺安多策略的净值表现，更多和策略的超额收益有关，而不是来自小市值风格带来的收益。

我聚焦在产品的超额收益上，并不会去过多预测小盘风格未来的表现。跟海外量化的观点一样，我也认为市值因子是风险因子。市场上每隔一段时间，就会用拥挤度等各种指标来预测小盘风格未来的表现。这些指标有一些是无法证伪的，因此不是有意义的科学猜想（从科学的角度上讲叫not even wrong（被称为错误的资格都没有））。另一些可以进行统计检验，经过对这些指标的严格检验，我目前的结论是整体在统计学和经济学意义上价值不高，很难强到让我改变自己的先验假设（大小盘风格难以预测）。

用尽可能小的跟踪误差

实现对沪深300的高胜率超额

朱昂：谈到机器学习，你也用到了诺安沪深300指数增强产品上，能否谈谈如何在保持跟踪误差不过度偏离的基础上，实现对沪深300的超额收益？

 孔宪政 客观来说，我们在低跟踪误差的约束下，要保持相对沪深300指数较高的超额收益胜率，是一件难度很大的事情。我们对市场上所有沪深300指数增强基金做过统计，在跟踪误差和风险因子暴露敞口上，我们的产品几乎是所有基金中最小的之一。

我们产品的核心目标是希望客户能够获得较为稳定的超额。这样实际上选择了一条比较难走的道路，堵死了一些更容易战胜市场的方法。由于大盘的超额比小盘的超额难做，所以主流的沪深300指数增强基金，会利用产品合同规定中的，沪深300指数之外的20%非成分股做增强，但我们认为这样会在大小盘分化情况下带来较大的负超额（例如去年年初）。因此我们没有采用这种主流做法。而是努力通过提升神经网络的学习能力，为客户带来更纯粹一些的超额。

从统计数据看，客户平均持有指数增强产品的时间周期平均在8-9个月。那么，我们就需要在这一个时间段以内，力争为客户提供确定性较高的超额收益。实践下来，持有我们产品三个月或者以上，拿到相对指数超额的概率还不错。

朱昂：能否进一步谈谈，如何在跟踪误差这么小的约束条件下，形成稳定性较高的超额收益？

 孔宪政 我们通过机器学习的方式，寻找到股票之间的投资规律，并且对不同类型的股票，做模型上的调整。使得我们的模型，相比通用模型能取得更好的效果。

由于我们的300增强产品没有样本外的股票，所采取的超额收益方式，就是超配未来预期收益率更高的股票，低配未来预期收益率更低的股票。通过对成分股的超低配，形成相对指数的超额收益。

从归因分析上，我们大部分超额收益都来自个股选择，行业和风格由于事先做了严格限制，贡献度很小。

朱昂：如何在量化投资中，把主观和量化模型做结合，什么时候相信模型，什么时候做主观的修改？

 孔宪政 我们此前做基本面量化的时候，会结合一定的主观想法。但是神经网络的方法越来越成熟后，我们发现模型变得越来越聪明，已经超越了我们主观判断的能力。我现在基本上把投资都交给模型进行决策，个人不太做主观的修改。

科学化的量化投资并不拥挤

朱昂：量化投资变得越来越“内卷”，会不会带来超额收益的收敛？

 孔宪政 我们在研究逐步深入的过程中，对这个问题的认识是不断提升的。当我们的量化研究停留在表层时，确实会看到对超额收益的竞争是拥挤的。但是随着研究的进一步深入，我的感受是竞争者整体上越来越少。

大多数量化投资人是通过归纳法的思维方式理解市场，重视统计规律。这个在低频上是存在一些逻辑缺陷的。我们能够长期不懈坚持科学化、系统化，在数据的基础上运用批判性思维寻找答案，能够发现超额收益并不拥挤的地方。科学本身并不是人类自然的思维模式，甚至在很多时候是反直觉的。我们需要通过长期训练克服人类错误的思维模式。

朱昂：关于思维模式的错误方式，能否举一个例子？

 孔宪政 许多量化投资采用归纳法的思维方式，总是寻找过去一段时间表现比较好的因子，构成多因子组合。但是这种方法很难避免过度数据挖掘的问题，如何证明过去有效的因子能否继续有效，有什么本质的规律在支撑这种有效性呢？

还有一种可能的错误是，许多看似不同的因子，背后由同一个因素驱动。当极端情况出现后，这些因子的高度重合会给产品组合带来比较大的损失。

朱昂：您有多个不同的策略，如何把每一个策略都运用好？

 孔宪政 不同资产类别的统计特征大相径庭。同样的资产在境内和境外市场，很多规律也不一样，甚至相反。即便在同一个资产类别中，对标不同的指数、不同的交易频率、不同的久期，实际上也可能是完全不同的世界。所以，多策略多资产确实会产生比较高的挑战。我们怎么来做呢？

我的观点是要客观地尊重不同资产本身特性，不能先入为主。很多量化投资人喜欢用类似物理上的“大统一理论”来指导不同资产的投资。但这样做的效果不一定好。举个例子，许多人心中都有一个“思想钢印”，认为A股一定会美股化，小微盘股一定会被边缘化。我记得的最晚从2003年起，只要A股出现一段时间大强小弱的走势，就会有许多人出来做这个预言。但可惜的是这样预言已经二十多年了，中间出现的几十次这种迹象目前为止都没有持续下去。在此期间微盘股指数还顶着这么几十轮预言涨了几百倍。这里我们暂且离开预言的内容本身，来关注已经发生过的事实。这个事情里面让我感到有意思的一点是：是什么让这么多人在过去顶着在过去的过去已失败多次的结果，而坚持做同样的预言？

实际上这个逻辑的深层思维架构是一种历史决定论的思维，预先假定了一个历史“终局”，认为未来必然往这个方向走。如果你看过索福克勒斯的《俄狄浦斯》（在里面是不可抗的命运与神谕），或者阿西莫夫的《基地》（在里面叫“心理史学”），或者玩过游戏《命运石之门》（在里面叫“世界线收束”），就会发现这是一个反映在很多文艺作品中的很普遍的心理底层认知。但可惜的是它在投资中很可能造成问题。因为你预设了结局后就会寻找一切通往结局的信号，然后自动忽略跟它不符合的事实，结果就是大脑中的思想钢印代替了对A股客观现实的尊重和对差异原因的深入思考。

回到这个问题，人类大脑中存在很多不同的模式，确实让客观性变得很难。对一个人的工作记忆的容量也是比较大的挑战。所以，我在刚开始做量化投资时，也会遇到不同思维模式相互干扰的情况。但是，我尽可能把两者区分，不让自己在某个资产上形成的观点，影响对另一个资产的思考。好在我自身之前就比较习惯于站在多重角度，他人的角度去思考问题，所以后面就比较好的克服了这种情况，做到不同策略之间的互不干扰。

朱昂：能否谈谈诺安多资产投资团队的架构？

 孔宪政 我们团队的核心工作方向是深度学习，特别是改进深度学习模型的架构。基金经理除了管理产品，也要参与研究工作，重点围绕机器学习和多因子来做，确保基金经理能够深入理解模型的工作原理，而不仅仅是使用模型的结果。

成长的历程

朱昂：能否谈谈在您的成长过程中，有什么重要的时刻？

 孔宪政 24年年初全市场量化产品的净值出现了普遍的大幅回调。在狂风暴雨般的打击下，不同的基金做出了不同的选择。事后看来，我是少数坚持下来并最快净值恢复前高的基金经理之一。那个时候我想到了十多年前面试时的一段经历。当时我博士刚毕业，在波士顿面试一家国际投行在东京的衍生品交易员的工作。那时候金融危机刚过去，招人的地方极少而找工作的人极多。这只招一个人的岗位收到了4000份简历。面试官从简历中挑了60个候选人进行了两整天的9轮面试。一轮一轮当场淘汰人，有点像超女选秀的感觉。

其中有一轮面试是类似一个多轮出价的游戏。每轮大家报价结束后面试官揭示结果并给我们按照结果计分。每次我都按照自己在概率上计算出的最优的价格出价。但不幸的是每一轮出来的结果都是概率小的情况发生了。游戏最后我得分是最低的之一。我想这一轮应该是被淘汰了，在收拾东西准备走人了。没想到半小时后面试官打电话过来通知我去参加下一轮。我很迷惑的问我不是得分最低吗？面试官说：“这个得分不重要。重要的是我们想看每个候选人在面对极大压力下的意志力和保持清醒判断的能力。在现实交易中总会碰到意料之外的不利情况。能坚持做概率上正确的事的交易员将来才会是成功的交易员。”

24年年初的净值回撤确实非常痛苦。但幸运的是我在实盘中做到了和十多年前的面试中一样，相信客观规律，毫不动摇的忍受痛苦，坚持前进。

朱昂：如何保持模型和自我认知的持续进步？

 孔宪政 我觉得要保持进步，就要始终以科学的态度去诚实面对所研究的每一个问题。不仅要尽可能了解自己知道什么，也要尽可能了解自己不知道什么，以及了解自己不需要知道什么。在实践中要做到这几点是很难的，但是如果能做到也能起到非常大的作用。

有人可能会问，我怎么能知道自己不知道什么呢？听起来就很难啊。也有方法。我举个简单的例子，留记录。譬如说，你认为自己能靠宏观判断挣钱，不妨每个月记录一下自己对下个月宏观的预判，做个模拟仓，一年下来看一看自己的预判对了几个月，就对自己到底知不知道宏观这个问题了解的更清楚了。

我在研究和思考的所有问题中，尽可能做到这三点。这种思考方式，能够避免我在一些成功概率很低的地方去下很大的努力，尽可能聚焦在重要的问题上。

要用科学的方法就要付出努力去摈弃很多非科学的方法。克服自己从影视作品或短视频等信息来源中潜移默化形成的很多对投资不利的观念。文艺作品需要塑造戏剧效果，获取情感共鸣，其思维方式对客观评估概率常常是不利的。

任何一个投资研究的课题中都有无数的选择。能否以清晰的判断力遵循科学的方法做出尽可能正确的选择，决定了我们的模型和自我认知，是否能做到持续进步。

朱昂：为什么您会那么推崇波普尔，他更像是一名哲学家，而不是数学家？

 孔宪政 波普尔帮助研究人员建立了一套科学思考问题的方式。比如说，他提出通过猜想和反驳的过程获得知识。要通过证伪，而不是证实的方法区分科学和非科学。

波普尔的这套思考方式，对于认知的提升有很大帮助。在投资中有很多似是而非的理论，如果不能秉持科学的、可证伪的要求对待每个问题，就很容易被一些看似有逻辑的道理绕进去。

理解人脑的缺陷，保持科学性的思考

朱昂：您非常强调科学性，这种思考方式是否和性格有关？

 孔宪政 我觉得算是我为数不多擅长的东西吧。我一直认为自己不算聪明。在我成长的过程中，遇到过许多比我聪明的人。但我相比他们，能够尽可能排除干扰，用一个尽量客观的、多元的角度审视问题。

如何把自己的能力转化成研究上的成果，就需要做批判性思考的训练。我会对听到的每一个观点认真思考，通过科学化的步骤更新自己对每一个观念的概率推断。

朱昂：您是如何规避大脑构造形成的天然不客观性，从而保持自己的客观和科学？

 孔宪政 我们在学校学到的知识是人类知识的一个截面。也就是说我们的教育中缺少对知识来源和变迁的讲述。这会对在实践中运用知识构成很大障碍。因为大多数人很难在新领域中自如的迁移知识。导致很多人即使是某个行业的专家，一旦离开自己的行业，也容易退回到更原始、更自然的思维。例如，如果我们研究过人类学，会发现巫术思维比宗教思维和科学思维要“自然”的多。我们看到很多的市场流行的观点，其实就是巫术思维（大部分是顺势巫术，少量是接触巫术）的变种。还有譬如，人倾向于用故事的形式理解世界，倾向于在没有关联的东西中，强行制造关系来理解世界，这个也会常常干扰我们的研究判断。还有比如学校里教议论文的时候常常通过引用名人名言的方式来论证。这在逻辑学上就属于非常典型的“诉诸权威”谬误等等。我们都学过很多投资大师的名言，但其中有不少是适用于一定条件下的，投资大师不可能在一句话里把适用的前提给你写全。所以如果光听了格言去行动而没有做过仔细的功课，常常效果是事倍功半甚至是适得其反。

虽然行为金融学中总结过不少投资中常见思维误区，但实际上人类犯的错误远不止这些。如果能更多学习人类学、心理学、认识论等方面的知识，就能够更好的形成自己客观和科学的思考模式。

朱昂：能否推荐一些您觉得比较好的书？

 孔宪政 哲学思想方面：

《猜想与反驳》、《客观知识》卡尔波普尔 （在经验主义、怀疑主义和理性主义的基础上，波普尔发展了一套相对科学的探索真理的做法。教我们如何在科学探索或投资研究中如何尽可能逼近真相。大家都知道索罗斯投资哲学源自波普尔。但其实另一位投资大师芒格思维体系几大支柱——证伪驱动的逆向思考、对认知局限的批判性管理、开放社会式的渐进主义——也均来自波普尔哲学）。

《存在与虚无》《存在主义是一种人道主义》 让-保罗·萨特（理解存在主义哲学后会明白自由的无可选择，人不必由他人定义而是由自己的行动来定义，人要在世界中决定自己是什么和别人是什么。存在主义哲学可能不适合每个人，因为大多数人的天性是喜欢怪罪他人，但对于要主动或被动承担自我和他人责任的人（例如职业投资者）可能是有用的。因为投资者无时无刻不要做出选择，即使你不做选择，这本身也是一种选择）。

市场常见认知问题方面：

《金枝》詹姆斯·弗雷泽（理解巫术思维。与需要经过艰苦训练才能掌握的科学思维相比，巫术思维是人类大脑更基础更自然的思维。在投资实践中，市场上的各种说法、研报、自媒体充斥着大量自觉不自觉的采用巫术思维的论证，每天都在造成巨大的财富损失）。

《原型与集体无意识》卡尔·荣格。集体无意识通过原型记忆、生存本能和群体情绪，深刻塑造了投资者的认知偏差。例如对“秩序原型”的追求，导致投资者在随机市场中强行寻找规律。而“英雄原型”或“智者原型”会引导投资者追随市场权威或热门标的，形成无意识的模仿，成就市场共识（群体对未来的共同想象）造成一轮一轮的估值狂欢和崩塌。