一个令人不安的事实：你在股市中每一次"客观估值"，可能都藏着一根看不见的锚。它无声无息地锚定了你的判断基准，让你在自以为理性地思考时，实际上已经被最初接触的那个数字悄悄绑架。
锚定效应（Anchoring Effect）是行为金融学中最经典、也最顽固的认知偏差之一。它指的是人类在不确定情境下进行判断时，会过度依赖最先获取的信息（锚点），即使这个信息与当前决策毫无逻辑关联。
1974年，心理学巨擘阿莫斯·特沃斯基（Amos Tversky）和丹尼尔·卡尼曼（Daniel Kahneman）在经典实验中要求参与者随机转动幸运转盘后，猜测非洲国家在联合国所占席位的百分比。结果显示，那些转到高数字的参与者，猜测的平均值显著高于转到低数字的参与者——尽管转盘数字与非洲国家席位数量毫无关系。
这个实验揭示了一个核心真相：人类大脑在面对不确定性时，并非像传统经济学假设的那样"理性计算"，而是以一个便利的初始值为起点，然后进行有限调整。而这个调整，往往远远不够充分。
这是最普遍也最危险的锚。你买入一只股票时的价格，会成为之后所有判断的基准。"已经涨了30%，要不要卖？""已经跌了20%，再等等回本。"——这些思维背后，买入价都在扮演着那个无形的锚。
但股票的内在价值，与你当初支付的价格之间，没有必然联系。一只股票从100元跌到60元，并不意味着它"便宜"了；它可能本来就值40元。
投资者常常将某个股票的历史最高价或最低价当作估值参照。"这只股票曾经到过200元，现在才80元，太便宜了"——这是一种典型的锚定陷阱。历史价格反映的是过去的市场情绪与供需状况，并不代表当前的合理估值。
研究表明，当股价接近52周低点时，投资者低估下跌风险的可能性显著上升，因为历史低点形成了一个心理"安全垫"式的锚。
券商研究报告中的目标价，是机构投资者和个人投资者最常接触的外部锚之一。研究发现，一旦分析师给出某个目标价，投资者的估值判断会显著向该数字集中——即使该分析师过去预测准确率极低。
一个更隐蔽的问题是：分析师本身也受到锚定效应的影响。他们的目标价往往基于当前股价进行有限调整，而非从公司基本面出发推导合理价值区间。
2020年疫情期间，某科技股因业绩爆发股价从50元飙升至180元。三年后，其基本面依然稳健，但股价回落至90元。许多在此期间买入的投资者至今仍以180元为锚，认为"亏了一半"而拒绝卖出——尽管以基本面衡量，90元可能已经相当合理。
股价在整数关口（如50元、100元、1000元）往往会形成强支撑或强压力，因为整数在投资者心中具有心理显著性。当股价逼近这些关口时，锚定效应会导致买卖决策偏离基本面分析。
锚定效应的顽固性有其神经生物学基础。大脑在做快速判断时，优先依赖"可得性启发式"（Availability Heuristic）——最容易想起的信息，被默认为最相关的信息。而最初接触的数字，由于记忆新鲜度和首因效应，往往最容易回忆起来。
功能性磁共振成像（fMRI）研究进一步显示，当大脑处理锚定数值时，默认模式网络（Default Mode Network）活跃度升高，而负责理性分析的前额叶皮层活跃度降低。这意味着锚定偏差不是"知识不足"的问题，而是大脑默认的信息处理方式——克服它，需要主动的认知努力，而非更多的信息。
忘掉你的买入价。在做任何持有决策时，只问一个问题：这家公司当前的内在价值是多少，对应的合理估值区间在哪里？与当前股价对比，而不是与历史成本对比。
当你在评估一只下跌中的股票时，不要只锚定"历史高点"。同时锚定"历史平均估值水平""同业可比公司估值""现金流折现模型输出"等多个锚点，让它们相互校验。
面对券商目标价或市场共识预测时，追问：这个锚是怎么得出的？分析师的历史预测误差有多大？这个价格有没有包含过度乐观或悲观假设？
对于已经持有的仓位，预先设定卖出触发条件（如股价相比基本面高估20%即减仓），并将规则书面化。这样在触发点到来时，你的决策锚已经从"我想回本"转变为"我的规则要求我行动"。
锚定偏差不仅影响个体投资者，也在系统层面塑造着市场价格。
学术研究（Hilary et al.）发现，分析师的盈利预测显著锚定于最近一期公布的每股收益；共同基金在配置行业时，对历史平均估值有明显的路径依赖；而个人投资者在网上看到某只股票"曾高达X元"的信息后，购买意愿会系统性提升。
这种集体锚定行为，在技术分析中的支撑位/压力位理论上也有所体现——大量投资者在相同历史价位锚定买卖决策，反过来强化了这些价位的实际影响力，形成自我实现的预言。
一个值得反思的场景：假设你持有一只股票，成本价100元，当前价格75元。公司刚刚发布了一份稳健的季报，基本面没有恶化。但你仍然感到"不甘心"，迟迟不肯加仓，甚至想等"回到90元再说"。此时，牵引你决策的，不是公司价值，而是你脑海中的那根锚——100元。
锚定效应是认知本能，无法彻底消除，但可以通过系统化的思维方式加以对冲：