Chapter 23: Overconfidence and Excess Entry: An Experimental Approach
Colin Camerer & Dan Lovallo
From: Choices, Values, and Frames (Cambridge University Press, 2000)
📖 总结
1. 问题意识：为何“失败率高”仍会“进入过多”
本章把一个常见的经验事实——新企业在数年内大量退出——与心理学中稳健的“相对能力过度自信/不合理乐观”联系起来，提出一个可检验的机制：管理者（或潜在进入者）往往相信自己在同侪分布中高于平均水平，因此即便意识到行业整体盈利可能不佳，仍判断“平均会亏，但我不会”。这种信念会在竞争性市场进入中系统性地推高进入量，进而在总体上造成负的“行业利润”（industry profit），表现为过度进入与高失败率。
作者首先梳理三类解释：
- 短期机会/“打了就跑”：进入只是抓住短暂利润窗口，退出不等同失败。
- 偏态彩票：进入像购买高偏度回报的彩票；即便大多数亏损，极少数巨额成功足以使期望收益或期望效用为正（含风险偏好、心理收益、以及“多臂老虎机”式探索价值）。
- 有限理性错误：进入过多源于判断失误；其又可分为（a）低估竞争强度/竞争者数量（“竞争盲点”），或（b）正确预期竞争激烈但过度自信地相信自己会赢。
关键难点在于：在真实世界里几乎无法同时观测“进入者当时的预期行业利润”“其对竞争者数量的预期”“其对自身相对能力的信念”，因而难以区分上述解释。作者的贡献在于，用实验把这些变量同时测量，并在可控环境中分离机制。
2. 实验范式：把“市场进入”做成可计量的进入博弈
本章以既有“进入博弈”实验为基础（N个参与者同时决定进/不进，容量c预先公布，进入者收益随进入人数E而下降），并做出四个关键扩展，使其更贴近现实企业进入：
1) 收益不再同质：进入后收益取决于进入者在进入者群体中的相对排名（像现实里“有人赢有人输”）。
2) 比较基准可为随机或技能：排名来自随机抽签（随机排名）或来自技能/知识测验表现（技能排名）。
3) 引入自我选择（self-selection）：部分场次招募时明确告知“报酬与技能有关”，从而更“像创业/竞赛”——更自信或自认为更强者更愿意来。
4) 记录对进入人数的预测：每轮先预测将有多少人进入，再做进入决策；预测正确有奖金。这样就能检验“进入过多”是否来自低估竞争（预测进入人数偏低），还是来自即使知道竞争激烈仍自信能胜。
3. 主结论：过度自信驱动过度进入，自我选择放大效应
实验呈现出清晰的对照：
- 在随机排名条件下，多数轮次行业利润为正，说明进入人数往往接近容量、并未系统性过度。
- 在技能排名条件下，行业利润显著更低，且大量轮次为负；这意味着当人们把结果归因于“我更有本事”时，会有更多人进入，从而把平均回报压到零以下。
更重要的是，当参与者自我选择进入实验（事先知道“靠本事吃饭”）时，技能条件下的过度进入显著更强：进入者似乎忽视了一个基本事实——“既然我因为自信而来，别人也一样”。作者把这种现象命名为参照群体忽视（reference group neglect）：在判断自己胜算时，未充分调整竞争对手分布（参照群体）因自我选择而整体右移、质量更高的事实。
🧪 关键实验与发现
1) 进入博弈的收益结构（把“进入失败”制度化）
- 每轮给定市场容量 `c`（取值2/4/6/8）。
- 进入者按排名分为两类：
- 前c名：共享50美元奖池，名次越高分得越多（按线性权重分配）。
- c名之后：每人亏10美元。
- 因此当进入人数为 `c+5` 时，总行业利润为0；若进入人数超过 `c+5`，则平均进入者亏损（行业利润为负）。这一设置把“进入过多→总体亏损”转化为可观测指标。
2) 两种排名生成机制：随机 vs 技能
- 随机排名：以随机抽签决定进入者排序。
- 技能排名：以脑筋急转弯/体育与时事问答测验成绩决定排序。
- 关键控制：参与者在每轮做决定时不知道自己最终排名；直到所有轮次结束才统一进行测验并结算一轮随机抽取的回合。这模拟了现实中的“先投入进入成本，竞争优势要过一段时间才显现”。
3) 预测—进入流程：用预测分离“盲点”与“过度自信”
每轮流程：
1) 参与者先预测本轮将有多少人进入 F（预测正确得0.25美元/人）。
2) 再做进入决策。
3) 只反馈“实际进入人数”，不反馈个人排名。
作者利用预测 F 计算参与者认为“平均进入者会赚多少”的预期平均利润：
E(Π)=50-10(F-c)/F
解释：在其预测的进入人数下，前c名合计赢50，其他 F-c 人各亏10，把总额除以F得到平均进入者利润。这个统计量用来检验：
- 若“竞争盲点”为主（低估进入人数），则技能条件下 `E(Π)` 应更高，进入多是因为以为竞争没那么激烈。
- 若“过度自信”为主，则即便 `E(Π)` 很低甚至为负，个体仍进入，因为他们相信自己不是“平均进入者”，而是更可能处于前c名。
4) 主要数据事实：技能条件行业利润显著更低，自我选择使其恶化
- 随机排名：大多数轮次行业利润为正（约四分之三轮次），平均行业利润约为正值。
- 技能排名：行业利润正负参半且负值比例高，平均行业利润略为负。
- 两条件差异对应“技能条件下每轮多约2个进入者”的量级。
自我选择效应：
- 非自我选择场次：技能相对随机的利润差异约相当于“多1个进入者”。
- 自我选择场次：差异放大到约“多3个进入者”；技能条件下大量轮次行业利润为负。
5) “我知道平均会亏，但我不会”的直接证据
只看那些实际进入的参与者：
- 在自我选择场次，多数人显示出：技能条件下他们估计的“平均进入者利润”更低，甚至平均为负；但他们仍选择进入。
- 这正是过度自信的结构：对总体形势并非无知（不是单纯的竞争盲点），而是对自身相对位置过于乐观。
🧩 核心概念与模型
1) 过度自信（Overconfidence about relative skill）
定义：个体对自身在同侪分布中的位置评估偏高（“我在上半区”的比例远超50%），在竞争性环境中表现为高估自己进入后排名靠前、获利的概率。
在本章范式中，过度自信的“可操作化”体现在：
- 在技能排名条件下，个体愿意在预期平均利润很低甚至为负的情形进入。
- 其行为可解释为：他们对自己排名分布进行“向上偏移”的主观估计。
2) 参照群体忽视（Reference group neglect）
核心命题：当进入/参赛是自我选择的时，竞争者集合不是“总体人群”，而是“也自认为有能力的人群”。若个体用总体分布来估计自己的相对优势，就会系统性高估胜算。
机制上，它类似拍卖中的“逆向选择/赢家诅咒”：
- 你之所以进来，是因为你觉得自己强；
- 但别人也基于同样理由进来；
- 因而参照群体的均值与方差都变了，竞争更激烈。
忽视这一点会把进入人数推高到使行业利润为负的区域。
3) 自我选择（Self-selection）与过度进入的相互强化
自我选择并不必然导致更高的平均能力带来更好结果；关键在于每个人都把“我被筛进来”当作优势信号，却忘了这对所有人同样成立。因此，自我选择并未缓解过度自信，反而在群体层面放大了“人人都觉得自己高于平均”的逻辑矛盾，导致更严重的过度进入。
4) “内视角”与“外视角”（Inside vs Outside view）
作者把参照群体忽视与Kahneman-Lovallo提出的“内视角”联系：
- 内视角：聚焦自身资源、计划、故事线，竞争对手信息可被边缘化；因此更易产生乐观与进入冲动。
- 外视角：以相似案例类别为参照，用基准率（base rate）与总体统计来定位当前项目；此时“多数进入会失败”的事实不可回避。
参照群体忽视可被视为内视角在竞争环境中的一种系统性偏误：只讲自己的故事，不讲对手也在讲故事。
💡 现实启示
1) 创业与新业务进入：为什么“知道九死一生”仍蜂拥而上
本章提供一种结构化解释：创业者未必无知于失败率（甚至可承认行业平均回报不佳），但仍相信自己具备“相对能力优势”。当创业生态存在强自我选择（更自信者更愿意进入），参照群体质量提高、竞争更激烈，却常被忽视，于是形成“集体性的过度进入”。
可操作建议：
- 用外视角强制引入参照群体信息：同赛道、同资源水平的创业者分布、退出率、回报分位数。
- 评估“如果我更强”这一主观信号是否也被他人同样拥有；把“自信”折算为可证伪的能力指标。
2) 行业竞争与过度产能：进入的宏观后果
当许多进入者同时基于相对能力乐观而进入，行业层面会出现：
- 价格战/利润率下行、过度投资、过剩产能；
- 幸存者可能确实“更强”，但这并不推翻进入时的过度：行业总利润可能被竞争耗散甚至为负。
3) 市场泡沫与“同侪参照”错配
在资本市场或热门赛道中，参与者往往从“自身叙事”出发（团队优秀、技术领先、渠道强），而忽视资金涌入导致的参照群体整体升级：每个项目都变得“看起来很强”。这会放大估值、推高进入与融资竞争，直到总体回报被稀释。
4) 合约与激励：风险上升时，过度自信可能反向塑造契约形式
作者提示：经典理论认为外生风险增大时，风险承受力强的雇主应提供更固定的工资以分担风险；但过度自信的代理人可能偏好更高风险、更高浮动的契约（因为相信自己能“跑赢噪声”）。这为解释现实中某些看似“反常”的高风险自负契约（例如某些农业租赁形式）提供了行为基础。
5) 组织晋升锦标赛：越往上越自信，因“参照群体”持续被忽视
在层级锦标赛中，胜者进入下一轮更强的竞争；若胜者忽视参照群体质量的跃迁，就会在更高层级继续高估胜算，使“成功带来更强的自信偏误”。这解释了为何在高度竞争的精英圈层中，仍可观察到强烈的乐观与过度扩张。