我们爱民主、我们爱自由、我们也爱财富!我们尊孔子、我们尊老子、我们同尊管子!

安德管仲网管仲论坛

 找回密码
 注册

QQ登录

只需一步,快速开始

微信扫一扫 分享朋友圈

已有 1727 人浏览分享

开启左侧

决策的三个参照点

[复制链接]
1727 0
1738年,数学家丹尼尔·伯努利(Daniel Bernoulli)的堂兄尼古拉·伯努利 (Nicolaus Bernoulli)提出了一个在决策学上知名的悖论—圣彼得堡悖论。它源自一种掷币游戏—圣彼得堡游戏:假如掷出正面为赢,若玩家第一次掷出正面得奖金2元,第二次得4元,第三次得8元……直到无穷。这个游戏的回报期望值是无穷大,但玩家中没有人愿意花25元去参加一次这样的游戏。这是为什么呢?丹尼尔·伯努利的解释是,财富增加带给人的幸福感或曰效用(utility)是递减的。
比起这个游戏,管理者在决策时往往不知道具体的结果都有哪些、是如何分布的。这正是经济学家弗兰克·奈特(Frank Knight)界说的“不确定性”,而“风险”是指决策者了解结果的概率分布时面临的决策情境。比如投资5000万,一年后亏损1000万的概率是20%,盈利5000万的概率是20%,而盈亏平衡的概率是60%。在不确定和风险情境中进行决策,是全世界管理者共同的挑战,也吸引了大量经济学家、博弈论专家、数学家、心理学家的探究。
三个参照点:现状、底线和目标
人们做决策时,关注的是结果将带来的幸福感(经济学家的用语是“效用”)。不难发现,一个人的幸福感与其总财富的多少关系并不大,而是和财富的变化密切相关。比如,一个刚刚损失了一半身家的亿万富翁,和一个刚刚身家翻倍的农民工相比,前者的幸福感不会因为其总财富仍远远高于后者而更高。毕竟人不是机器,对幸福的感知是相对的。
要衡量财富变化,就必须要在决策者心里设定参照点(reference point)。2002年诺贝尔经济学奖得主丹尼尔·卡尼曼(Daniel Kahneman)和合作者艾默思·特沃斯基(Amos Tversky)提出的前景理论(prospect theory),就是以“现状”为参照点做出的理论贡献。它以财富的现状作为零点,将其变化分为获益和损失—人们面对收益时会倾向规避风险,而面对损失时则不惜铤而走险。
不过,在另一些情境中,人们的选择就违背了前景理论的预测。第一,无论是组织还是个人,在面对威胁时经常做出相对固化的应激反应,表现出风险规避;而当感知到机会时反而表现出风险喜好,最为典型的例子是股市或者房市中的追涨杀跌现象。第二,人们在面对“小概率获益+中、高概率损失”时,会赌一把,但在面对“小概率损失+中、高概率获益”时则偏向保守。最后,一些实验表明诸如“一朝被蛇咬,十年怕井绳”这种损益史也会影响风险偏好。大多数人属于“得志便猖狂”,刚刚赢了钱便会变得更加冒险,而输钱的人则可能更为保守。
这些现象表明,在价值的正值区间似乎存在一个区分“获益”与“成功”的参照点,而在价值的负值区间似乎存在一个区分“损失”与“失败”的参照点。我们认为,底线(minimum requirement,MR)、现状(status quo,SQ)以及目标(goal,G)是大多数决策者非常关注的三大决策参照点。
区分三个参照点只是第一步。接下来,就要按此三参照点区分出四个区间(表1)。首先,如果某个结果(比如x元)低于底线,意味着“失败”;其次,如果x比现状差,但不低于底线,属于“损失”;第三,x不低于现状,但在目标之下,可谓“获益”;最后,当x达到或超过目标,那才叫“成功”。
这样的区分看似平常,却有明确的管理意义。对于一家上市公司而言,达到或超过年度的预期是成功,因为盲目扩张而导致资金链断裂则是失败;在这两者之间和现状的上下波动则为获益或亏损。再来想象一下某个变革(比如调整业务战略和组织变革)推动者如何根据参照点考虑变革可能带来的冲击:让所有人都高兴是不切实际的;冲击到关键人群中一半人的利益也是不可接受的;让大多数人都出现损失,变革者就有极大的风险被赶下台。比较合适的做法是追求让大多数人获益,同时让少数精英分子成功,让极少数极端的改革反对派出局。
我们的研究进一步证实,当人们面临一项平均收益低于底线的“生死”决策时会选择冒险,“破釜沉舟”、“背水一战”以死里逃生;当平均收益在获益区间时,则倾向于寻求风险,“放手一搏”以争取成功;当平均收益在损失区间或已进入成功区间,人们更经常的表现是风险规避,比如为了避免失败而“忍痛割爱”,或为了确保成功而不去冒险追求“大喜”或是“锦上添花”。这些风险决策的偏好也有可能造成偏差和失误。比如,为了成功而忽视了底线,因为满足于现状而不愿改革,或者是成功后不再调整参照点而“晚节不保”,失去创业时的进取精神。
避免失败比获得成功更重要
区分不同区间的意义在于,要明晰人们在不同区间的心理变化机制。现在我们不妨来看一位麻将玩家如何决策。
某位麻将玩家有100元是本钱,输掉50元算是倒霉透了的失败,剩75元算手气不佳,保本算是陪太子读书白忙活,赢20元算是获益,牌局终了时有150元算是大吉大利的成功。表2列出了参照点和不同的区间。
假定两种情况:其一,账目头寸为80元,最后一局牌输掉5元;其二,账目头寸为120元,最后一局赢5元。这两个5元带来的心理差异是相反的,前者带来的心理反应大于后者,即“损失厌恶(loss aversion)”—得到M元所获得的幸福感要远远低于损失M元带来的痛苦感,这也是为什么人们只愿意花很少的钱去玩圣彼得堡游戏的一个原因。
进一步,在我们看来,成功、获益、损失和失败四种状态在心理上的优先性是不同的:人们最看重的是避免失败,其次是获得成功,再然后则是避免损失,最后是在现状基础上的获益。也就是说,比起损失厌恶,更大的心理冲击来自“失败厌恶(failure aversion)”。
假定麻将玩家的最后一局,或者是在70元的基础上输掉30元,或者是在130元的基础上赢30元,前者带来的心理痛苦远远大于后者。因此,这位玩家往往选择在70元时保守地面对自己可能的大和(宁肯不和,采取跟随上家打熟牌),而在130元头寸时会为了争取成功而赌一把(坚持以和为目标,同时也冒风险)。
在一份针对大学生群体薪酬目标、现状和底线的调研中,我们也证实了这种心理排序。在不同的实验中,我们设计了不同的薪酬方案:1. 低于底线的确定性薪水;2. 在低于底线和高于现状间的浮动薪水;3. 高于底线但低于现状的确定性薪水。结果显示,在1、2中,大家都选择2;在2、3中,受试对象多选择3。我们还发现,人力资源的经理们对于学生群体对薪酬方案的偏好的判断大体上是准确的,但他们预估的参照点和应届毕业生自估的参照点之间有明显差异。因此,在制定薪酬之前了解应聘群体的薪酬底线和目标,有助于设计出更为经济而又有吸引力的薪酬方案。
我们的另一项实验表明,当参与者面临一项既可能达到目标又可能低于底线的变动性方案(“大起大落”、“不成功,便成仁”),以及某个中等偏下但不至于失败的确定性方案(“好死不如赖活着”、“留得青山在,不怕没柴烧”)时,往往倾向于保守的后者。在没有底线告罄之虞时,则倾向于为了达到目标而冒险。比如,人们往往在确保家庭正常生活无忧的前提下拿出盈余部分作风险投资;再比如,老板为了做大事业,打算进行股份制改造并给予员工分红,但前提往往是回收原始投资或实现某个回报率(比如至少不低于当期存款利息)。
“跨界”的那一哆嗦
客观价值上的同等变化发生在某个区间内时,远远不如发生在“跨界”那一哆嗦时的冲击力大。再考虑麻将玩家的决策。假定玩最后一局的头寸60元,他正在考虑究竟是追求和牌还是避免输牌。和牌,他赢得20元,输也是20元。他合理的选择是保守打法,避免输牌而跌破自己的底线。
另一个实验也证实了此跨界之痒或跨界之痛。人人都希望拯救身处险境中人的生命,但在不同人数的社会群体的最低挽救比例是不一样的。假想有6000人、600人、6个人、决策者的6个亲属面临同样的生死问题,决策者需要在确定性的救治方案和冒险的救治计划间做选择。冒险救治的成功率先设定为1/3,然后设定为2/3。结果发现,在大群体,确保成功救治1/3(2000人)已经达到了平均最低要求,所以当营救成功率被提升到2/3时,并没有显著改变人们对风险的倾向。在亲属群体中,他们渴望百分百营救,所以1/3与2/3的营救成功率也并没有显著地改变其风险倾向。但在小群体中,最低需求介乎1/3和2/3之间,把营救成功率从1/3提升到2/3就会显著地影响参与者的风险偏好—1/3时选择风险寻求,2/3时则更可能选择风险规避。这一实验结果为我们预测其他的风险情境中决策者的偏好提供了某些依据。比如,政治领导人面对少数人质被劫持时,可能会更强烈地要求警察部队更仔细更有效地完成任务;当被劫持的人质是多数人时,他们很可能会选择让防暴部队用猛攻的方式,而非投鼠忌器的“妇人之仁”。
根据安东尼·德马西奥(Antonio Damasio)的“体标识假说(somatic marker hypothesis)”,来自情绪系统和条件反射学习的信息通过边缘系统在前额叶注册、形成记忆,称之为“体标识”。当再度遇到相关刺激时,脑内的情绪标识就会被激活以帮助人们评估风险、做出决策。因此决策的前提在于脑内情绪标识的激活,如果没有感到那兴奋的一“哆嗦”或是紧张的一“激灵”则无法做出风险寻求或是风险规避的决定。如果相关的脑区受损,病人在分析问题之后往往犹豫不决,无法做出有效的决定。从行动的意义上讲,这些相关的脑区和情绪标示可以看作是决策发动机的点火装置。
决策的参照点作为价值维度上的界标,使决策者在分析和比较不同选项时能够感受到预期结果跨界所带来的情绪拐点和采取行动的欲望。没有考虑参照点的决策往往是不靠谱的。所以,我们认为通过设置明确的底线和目标,将有助于抓住和把握时机,做出快速有效的适应性决策。
管理决策:底线优先
任何一个成功的企业都不是不犯错误的企业,而是不犯致命错误的企业。在如今竞争激烈、瞬息万变的企业环境中,要做到基业长青的前提首先是生存,避免从游戏中出局,要具有“剩者为王”的管理智慧。比尔·盖茨说:“微软离破产永远只有18个月”,因此微软公司从创建伊始就为预防资本的冬天储蓄现金。这种底线意识也充分反映在中国企业家任正非的管理感受中,他说:“我天天思考的都是失败,对成功视而不见,也没有什么荣誉感、自豪感,只有危机感。”
在风险决策中是偏冒险还是偏保守,取决于现状与目标及底线之间的关系,而不是取决于获益还是亏损。管理者应该遵循底线优先的原则。当底线受到威胁时,目标不管有多么诱人,前景有多么美好,都不要玩火。当被评估的决策项目平均回报低于底线或目标时,则必须要冒险,与其苟活,不如拼死一搏;当平均回报高于底线或目标时,规避风险是正确的取向,在底线优先的前提下,有输有赢,不妨保守为先。当平均回报高于目标时,之所以要保守才算靠谱,是因为理性的目标设定一定是充分考虑了环境、市场容量、公司的资源能力之后的设定,意外之喜如果不是天上掉金币,就可能是个骗局。
一些创业公司因为是“光脚”的,底线比较低,所以往往选择冒险,寻求尽可能多的高回报。但如果某个项目的回报峰值都无法触及到目标时,就应该考虑借助外力,充分激发员工的积极性和创造力,或者采纳诸如彩票、集资以及投保等集成冒险的行动,或者切割目标,分而治之。
底线优先原则引出的行动指南是“底线启发”。决策者有必要对不同选项的相关指标是否一一超越了底线进行频数记录和统计。我们在对美国总统选举中选民的投票进行研究时发现,底线启发式在预测选民的实际选举决策时,明显优于其他几种广为应用的启发法。
领导者、管理者要高度重视底线的设定,而且要让同侪认识到,底线是针对具体问题深思熟虑划定的红线,绝对不可逾越。那么,人们是如何设定除了现状以外的参照点的?
首先,任务情境和内容的复杂性、时间压力、可测度性等会显著地影响目标和底线的设定。其次,社会比较也是一个重要的影响因素。比如,有不少企业以和同业竞高低为要务,那么同业的行为就很可能成为其参照点。另外参照点的设置也会受到信息包装的影响而出现框架效应。卡尼曼和特沃斯基用知名的“亚洲疾病问题”对此做了经典的说明—积极地强调存活率(获胜率、达标率),人们表现出风险规避;而消极地表述相同的概率事件,强调死亡率(失败率、达标难度)让人们表现出风险寻求倾向。
此外,群体规模的大小和群体的关系结构,也会影响到参照点的设定。仍以前述6000人、600人、60人、6人和6个亲戚的实验为例,只有在6000人或600人这样的大群体时,框架效应才存在。而且,用于决策信息包装的框架本身也会微调底线的设定。消极框架提高了底线,进而加强了风险寻求的倾向;积极框架则降低了底线,并降低了冒险的可能性。在另一项对三参照点决策理论的验证研究中,研究人员发现,在多轮反馈的动态投资决策中,底线实现与否的效应一以贯之,而目标实现与否的效应只在第四轮投资决策时才出现,再一次验证了底线的优先性。
我们应该有足够的理由相信,随着管理信息化、沟通技术的不断推进和发展以及财务数据滞后现象的极大改善,任何决策者都更可能对自己的现状和底线有充分的认知,而不是浑浑噩噩、稀里糊涂地做决定,拍拍脑袋就上路。决策者在每一个决策任务中都要明确参照点,并了解三个参照点之间的距离;在动态的决策中则要根据前一次决策的结果及时调整参照点的设定。有底线才能够居安思危,了解现状才能知道身在何处,有明确的目标方可有的放矢。目标的设定要承受机会的损失,因此目标不同于愿望—愿望与愿望是兼容的,但目标与目标之间却必须取舍。如果决策者过于目标导向,很可能导致底线意识的模糊,因贪婪而盲目扩张,甚至进而导致破产;如果目标设定更多来自对群体的依赖和社会比较,随大流、羊群效应则会导致无法做出杰出的贡献。
强化参照点思维,不仅有利于更加理性地做出决定,少受甚至不受情绪和隐秘动机的影响,而且有利于帮助决策者发现和界定风险。三参照点理论的精髓在于把两种有效的工具(均值-方差分析和决策的参照点)统一起来。预期结果的分布加上三个参照点的界定, 使得风险决策的依据走出了期望效用最大化的单一性, 使得决策的分析有了界面和地标,进而帮助决策者依据三个参照点之间的距离和底线优先的原则做出适应性的取舍。 本文来源:中欧商业评论 作者:王晓田
您需要登录后才可以回帖 登录 | 注册

本版积分规则

0

关注

0

粉丝

7142

主题
精彩推荐
热门资讯
网友晒图
图文推荐

小黑屋|Archiver|安德管仲网 ( 粤ICP备20002412号 )

GMT+8, 2024-12-28 05:09 , Processed in 0.059597 second(s), 26 queries .

Powered by Discuz! X3.4

Copyright © 2001-2020, Tencent Cloud.