过度自信：我们高估自己的准确率

校准研究显示，人的主观置信度系统性高于实际正确率。

**预计时间：**35 分钟读 + 25 分钟做习题 = 60 分钟。

一、定义：自信 ≠ 准确

过度自信（Overconfidence）指人的主观判断置信度系统性高于实际正确率。两类典型表现：

• 校准偏差：给 90% 把握的题，实际只对约 70%（“90% 的人其实只对了 70%”）。
• 优于平均效应：多数人认为自己高于平均——数学上不可能都成真。

二、核心逻辑

• 难度越高越自信：任务越难、信息越少，人反而越容易给出高置信度（因为不知自己无知）。
• 专家更危险：专家在特定领域知识丰富，反而更难承认例外，预测常比朴素模型差。
• 事后诸葛亮：回忆时把”已知结果”当成”当初就知道”，掩盖了当时的不确定。

三、跨学科应用

• 概率视角：贝叶斯更新要求明确先验的 uncertainty；过度自信把先验方差设得太小，等于”几乎不信新证据”。
• 生物学视角：自信的信号在社交中有价值（领导气质），于是进化奖励”显得确定”胜过”实际准确”。
• 工程视角：冗余与熔断的必要性，恰恰来自”任何单点判断都可能过度自信”。

四、真实案例

案例 1：长期资本管理公司（LTCM）的崩塌

LTCM 由诺贝尔奖得主（Scholes、Merton）领衔，模型精密、杠杆极高。1998 年俄罗斯债务违约引发连锁，模型假设的”极小概率事件”同时发生，公司几周内濒临破产，美联储牵头 36 亿美元救援。一群最聪明的人，因对自己模型置信度过高、杠杆过满，把”极低概率”当成了”零概率”。

案例 2：软件工期估算

团队对”三个月上线”给出 90% 把握，结果常拖到六个月。研究显示软件估算的实际完成时间常落在”最乐观×3 到 ×4”区间。过度自信体现在：把”理想路径”当成”最可能路径”，忽略依赖与返工。

五、方法论：给不确定留余地

1. 给预测区间而非点估计：不说”Q3 上线”，说”有 80% 概率在 9–12 周”。
2. 事前验尸（Pre-mortem）：假设项目已失败，倒推”最可能死因”——绕开”一切顺利”的幻觉。
3. 外部基准：用同类历史数据校准，而非凭手感。

下一课 0008 · 沉没成本谬误 讲为什么我们舍不得已经花掉、收不回的东西。

六、练习

单选

案例分析

反事实思考