📖芒格
可得性偏误
大脑在做决策时过度依赖生动的、最近的或容易回忆起的信息。
大脑会过度重视容易获得的信息。
🏠 生活化理解
📖 核心解读
人们过度依赖容易想到的信息，而忽视不容易获取但同样重要的信息。
💎 关键洞见：一次戏剧性的市场崩盘比数十年的稳定上涨更容易被记住，所以投资者高估崩盘风险。朋友的股票推荐比统计分析更生动，所以感觉更可靠。可得性偏差意味着最容易想起的信息主导我们的思考。芒格通过依靠数据和系统性分析而非轶事来对抗这一点。
AI 深度分析
通过 AI 对话获取个性化见解和实践指导
❓ 为什么重要
媒体报道、生动案例会扭曲判断，导致对风险和概率的错误估计。
🎯 如何实践
使用清单和系统性流程，确保不遗漏不容易想到但重要的因素。
⚠️ 常见误区
不是所有容易想到的信息都是错误的
需要建立检索全面信息的习惯
📚 实际案例
1
互联网泡沫中的可得性偏误 (1999)
1999年纳斯达克飙升86%，媒体高频报道亚马逊、雅虎等翻倍神话，券商报告集中推荐科技股，普通投资者忽视估值与现金流，仅凭近期暴涨案例和身边人赚钱故事涌入互联网概念股。
✨ 结果：2000-2002年纳斯达克累计跌幅约78%，大量跟风投资者重仓高估值科技股被套多年，教训是不能只依据眼前最醒目的成功故事决策，应回归基本面和长期数据。
2
美国次贷繁荣中的错觉 (2006)
2004-2006年美国房价连续多年上涨，部分城市年涨幅超10%，媒体与中介反复宣传“房价只涨不跌”，大量家庭因看到周围人通过加杠杆买房获利而忽视违约率攀升和收入增速放缓迹象，银行和投资者继续大量购买次级按揭证券。
✨ 结果：2007-2009年房价大跌约30%，次贷证券暴雷，引发全球金融危机，证明仅凭近期房价上涨和身边成功案例做判断，会放大可得性偏误，忽视低频但致命的系统性风险。